git.sesse.net Git - ffmpeg/blob - libavfilter/vf_sr.c

   1 /*
   2  * Copyright (c) 2018 Sergey Lavrushkin
   3  *
   4  * This file is part of FFmpeg.
   5  *
   6  * FFmpeg is free software; you can redistribute it and/or
   7  * modify it under the terms of the GNU Lesser General Public
   8  * License as published by the Free Software Foundation; either
   9  * version 2.1 of the License, or (at your option) any later version.
  10  *
  11  * FFmpeg is distributed in the hope that it will be useful,
  12  * but WITHOUT ANY WARRANTY; without even the implied warranty of
  13  * MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the GNU
  14  * Lesser General Public License for more details.
  15  *
  16  * You should have received a copy of the GNU Lesser General Public
  17  * License along with FFmpeg; if not, write to the Free Software
  18  * Foundation, Inc., 51 Franklin Street, Fifth Floor, Boston, MA 02110-1301 USA
  19  */
  20
  21 /**
  22  * @file
  23  * Filter implementing image super-resolution using deep convolutional networks.
  24  * https://arxiv.org/abs/1501.00092
  25  * https://arxiv.org/abs/1609.05158
  26  */
  27
  28 #include "avfilter.h"
  29 #include "formats.h"
  30 #include "internal.h"
  31 #include "libavutil/opt.h"
  32 #include "libavutil/pixdesc.h"
  33 #include "libavformat/avio.h"
  34 #include "libswscale/swscale.h"
  35 #include "dnn_interface.h"
  36
  37 typedef struct SRContext {
  38     const AVClass *class;
  39
  40     char *model_filename;
  41     DNNBackendType backend_type;
  42     DNNModule *dnn_module;
  43     DNNModel *model;
  44     DNNInputData input;
  45     DNNData output;
  46     int scale_factor;
  47     struct SwsContext *sws_contexts[3];
  48     int sws_slice_h, sws_input_linesize, sws_output_linesize;
  49 } SRContext;
  50
  51 #define OFFSET(x) offsetof(SRContext, x)
  52 #define FLAGS AV_OPT_FLAG_FILTERING_PARAM | AV_OPT_FLAG_VIDEO_PARAM
  53 static const AVOption sr_options[] = {
  54     { "dnn_backend", "DNN backend used for model execution", OFFSET(backend_type), AV_OPT_TYPE_INT, { .i64 = 0 }, 0, 1, FLAGS, "backend" },
  55     { "native", "native backend flag", 0, AV_OPT_TYPE_CONST, { .i64 = 0 }, 0, 0, FLAGS, "backend" },
  56 #if (CONFIG_LIBTENSORFLOW == 1)
  57     { "tensorflow", "tensorflow backend flag", 0, AV_OPT_TYPE_CONST, { .i64 = 1 }, 0, 0, FLAGS, "backend" },
  58 #endif
  59     { "scale_factor", "scale factor for SRCNN model", OFFSET(scale_factor), AV_OPT_TYPE_INT, { .i64 = 2 }, 2, 4, FLAGS },
  60     { "model", "path to model file specifying network architecture and its parameters", OFFSET(model_filename), AV_OPT_TYPE_STRING, {.str=NULL}, 0, 0, FLAGS },
  61     { NULL }
  62 };
  63
  64 AVFILTER_DEFINE_CLASS(sr);
  65
  66 static av_cold int init(AVFilterContext *context)
  67 {
  68     SRContext *sr_context = context->priv;
  69
  70     sr_context->dnn_module = ff_get_dnn_module(sr_context->backend_type);
  71     if (!sr_context->dnn_module){
  72         av_log(context, AV_LOG_ERROR, "could not create DNN module for requested backend\n");
  73         return AVERROR(ENOMEM);
  74     }
  75     if (!sr_context->model_filename){
  76         av_log(context, AV_LOG_ERROR, "model file for network was not specified\n");
  77         return AVERROR(EIO);
  78     } else {
  79         if (!sr_context->dnn_module->load_model) {
  80             av_log(context, AV_LOG_ERROR, "load_model for network was not specified\n");
  81             return AVERROR(EIO);
  82         } else {
  83             sr_context->model = (sr_context->dnn_module->load_model)(sr_context->model_filename);
  84         }
  85     }
  86     if (!sr_context->model){
  87         av_log(context, AV_LOG_ERROR, "could not load DNN model\n");
  88         return AVERROR(EIO);
  89     }
  90
  91     sr_context->input.dt = DNN_FLOAT;
  92     sr_context->sws_contexts[0] = NULL;
  93     sr_context->sws_contexts[1] = NULL;
  94     sr_context->sws_contexts[2] = NULL;
  95
  96     return 0;
  97 }
  98
  99 static int query_formats(AVFilterContext *context)
 100 {
 101     const enum AVPixelFormat pixel_formats[] = {AV_PIX_FMT_YUV420P, AV_PIX_FMT_YUV422P, AV_PIX_FMT_YUV444P,
 102                                                 AV_PIX_FMT_YUV410P, AV_PIX_FMT_YUV411P, AV_PIX_FMT_GRAY8,
 103                                                 AV_PIX_FMT_NONE};
 104     AVFilterFormats *formats_list;
 105
 106     formats_list = ff_make_format_list(pixel_formats);
 107     if (!formats_list){
 108         av_log(context, AV_LOG_ERROR, "could not create formats list\n");
 109         return AVERROR(ENOMEM);
 110     }
 111
 112     return ff_set_common_formats(context, formats_list);
 113 }
 114
 115 static int config_props(AVFilterLink *inlink)
 116 {
 117     AVFilterContext *context = inlink->dst;
 118     SRContext *sr_context = context->priv;
 119     AVFilterLink *outlink = context->outputs[0];
 120     DNNReturnType result;
 121     int sws_src_h, sws_src_w, sws_dst_h, sws_dst_w;
 122     const char *model_output_name = "y";
 123
 124     sr_context->input.width = inlink->w * sr_context->scale_factor;
 125     sr_context->input.height = inlink->h * sr_context->scale_factor;
 126     sr_context->input.channels = 1;
 127
 128     result = (sr_context->model->set_input_output)(sr_context->model->model, &sr_context->input, "x", &model_output_name, 1);
 129     if (result != DNN_SUCCESS){
 130         av_log(context, AV_LOG_ERROR, "could not set input and output for the model\n");
 131         return AVERROR(EIO);
 132     }
 133
 134     result = (sr_context->dnn_module->execute_model)(sr_context->model, &sr_context->output, 1);
 135     if (result != DNN_SUCCESS){
 136         av_log(context, AV_LOG_ERROR, "failed to execute loaded model\n");
 137         return AVERROR(EIO);
 138     }
 139
 140     if (sr_context->input.height != sr_context->output.height || sr_context->input.width != sr_context->output.width){
 141         sr_context->input.width = inlink->w;
 142         sr_context->input.height = inlink->h;
 143         result = (sr_context->model->set_input_output)(sr_context->model->model, &sr_context->input, "x", &model_output_name, 1);
 144         if (result != DNN_SUCCESS){
 145             av_log(context, AV_LOG_ERROR, "could not set input and output for the model\n");
 146             return AVERROR(EIO);
 147         }
 148         result = (sr_context->dnn_module->execute_model)(sr_context->model, &sr_context->output, 1);
 149         if (result != DNN_SUCCESS){
 150             av_log(context, AV_LOG_ERROR, "failed to execute loaded model\n");
 151             return AVERROR(EIO);
 152         }
 153         sr_context->scale_factor = 0;
 154     }
 155     outlink->h = sr_context->output.height;
 156     outlink->w = sr_context->output.width;
 157     sr_context->sws_contexts[1] = sws_getContext(sr_context->input.width, sr_context->input.height, AV_PIX_FMT_GRAY8,
 158                                                  sr_context->input.width, sr_context->input.height, AV_PIX_FMT_GRAYF32,
 159                                                  0, NULL, NULL, NULL);
 160     sr_context->sws_input_linesize = sr_context->input.width << 2;
 161     sr_context->sws_contexts[2] = sws_getContext(sr_context->output.width, sr_context->output.height, AV_PIX_FMT_GRAYF32,
 162                                                  sr_context->output.width, sr_context->output.height, AV_PIX_FMT_GRAY8,
 163                                                  0, NULL, NULL, NULL);
 164     sr_context->sws_output_linesize = sr_context->output.width << 2;
 165     if (!sr_context->sws_contexts[1] || !sr_context->sws_contexts[2]){
 166         av_log(context, AV_LOG_ERROR, "could not create SwsContext for conversions\n");
 167         return AVERROR(ENOMEM);
 168     }
 169     if (sr_context->scale_factor){
 170         sr_context->sws_contexts[0] = sws_getContext(inlink->w, inlink->h, inlink->format,
 171                                                      outlink->w, outlink->h, outlink->format,
 172                                                      SWS_BICUBIC, NULL, NULL, NULL);
 173         if (!sr_context->sws_contexts[0]){
 174             av_log(context, AV_LOG_ERROR, "could not create SwsContext for scaling\n");
 175             return AVERROR(ENOMEM);
 176         }
 177         sr_context->sws_slice_h = inlink->h;
 178     } else {
 179         if (inlink->format != AV_PIX_FMT_GRAY8){
 180             sws_src_h = sr_context->input.height;
 181             sws_src_w = sr_context->input.width;
 182             sws_dst_h = sr_context->output.height;
 183             sws_dst_w = sr_context->output.width;
 184
 185             switch (inlink->format){
 186             case AV_PIX_FMT_YUV420P:
 187                 sws_src_h = AV_CEIL_RSHIFT(sws_src_h, 1);
 188                 sws_src_w = AV_CEIL_RSHIFT(sws_src_w, 1);
 189                 sws_dst_h = AV_CEIL_RSHIFT(sws_dst_h, 1);
 190                 sws_dst_w = AV_CEIL_RSHIFT(sws_dst_w, 1);
 191                 break;
 192             case AV_PIX_FMT_YUV422P:
 193                 sws_src_w = AV_CEIL_RSHIFT(sws_src_w, 1);
 194                 sws_dst_w = AV_CEIL_RSHIFT(sws_dst_w, 1);
 195                 break;
 196             case AV_PIX_FMT_YUV444P:
 197                 break;
 198             case AV_PIX_FMT_YUV410P:
 199                 sws_src_h = AV_CEIL_RSHIFT(sws_src_h, 2);
 200                 sws_src_w = AV_CEIL_RSHIFT(sws_src_w, 2);
 201                 sws_dst_h = AV_CEIL_RSHIFT(sws_dst_h, 2);
 202                 sws_dst_w = AV_CEIL_RSHIFT(sws_dst_w, 2);
 203                 break;
 204             case AV_PIX_FMT_YUV411P:
 205                 sws_src_w = AV_CEIL_RSHIFT(sws_src_w, 2);
 206                 sws_dst_w = AV_CEIL_RSHIFT(sws_dst_w, 2);
 207                 break;
 208             default:
 209                 av_log(context, AV_LOG_ERROR,
 210                        "could not create SwsContext for scaling for given input pixel format: %s\n",
 211                        av_get_pix_fmt_name(inlink->format));
 212                 return AVERROR(EIO);
 213             }
 214             sr_context->sws_contexts[0] = sws_getContext(sws_src_w, sws_src_h, AV_PIX_FMT_GRAY8,
 215                                                          sws_dst_w, sws_dst_h, AV_PIX_FMT_GRAY8,
 216                                                          SWS_BICUBIC, NULL, NULL, NULL);
 217             if (!sr_context->sws_contexts[0]){
 218                 av_log(context, AV_LOG_ERROR, "could not create SwsContext for scaling\n");
 219                 return AVERROR(ENOMEM);
 220             }
 221             sr_context->sws_slice_h = sws_src_h;
 222         }
 223     }
 224
 225     return 0;
 226 }
 227
 228 static int filter_frame(AVFilterLink *inlink, AVFrame *in)
 229 {
 230     AVFilterContext *context = inlink->dst;
 231     SRContext *sr_context = context->priv;
 232     AVFilterLink *outlink = context->outputs[0];
 233     AVFrame *out = ff_get_video_buffer(outlink, outlink->w, outlink->h);
 234     DNNReturnType dnn_result;
 235
 236     if (!out){
 237         av_log(context, AV_LOG_ERROR, "could not allocate memory for output frame\n");
 238         av_frame_free(&in);
 239         return AVERROR(ENOMEM);
 240     }
 241     av_frame_copy_props(out, in);
 242     out->height = sr_context->output.height;
 243     out->width = sr_context->output.width;
 244     if (sr_context->scale_factor){
 245         sws_scale(sr_context->sws_contexts[0], (const uint8_t **)in->data, in->linesize,
 246                   0, sr_context->sws_slice_h, out->data, out->linesize);
 247
 248         sws_scale(sr_context->sws_contexts[1], (const uint8_t **)out->data, out->linesize,
 249                   0, out->height, (uint8_t * const*)(&sr_context->input.data),
 250                   (const int [4]){sr_context->sws_input_linesize, 0, 0, 0});
 251     } else {
 252         if (sr_context->sws_contexts[0]){
 253             sws_scale(sr_context->sws_contexts[0], (const uint8_t **)(in->data + 1), in->linesize + 1,
 254                       0, sr_context->sws_slice_h, out->data + 1, out->linesize + 1);
 255             sws_scale(sr_context->sws_contexts[0], (const uint8_t **)(in->data + 2), in->linesize + 2,
 256                       0, sr_context->sws_slice_h, out->data + 2, out->linesize + 2);
 257         }
 258
 259         sws_scale(sr_context->sws_contexts[1], (const uint8_t **)in->data, in->linesize,
 260                   0, in->height, (uint8_t * const*)(&sr_context->input.data),
 261                   (const int [4]){sr_context->sws_input_linesize, 0, 0, 0});
 262     }
 263     av_frame_free(&in);
 264
 265     dnn_result = (sr_context->dnn_module->execute_model)(sr_context->model, &sr_context->output, 1);
 266     if (dnn_result != DNN_SUCCESS){
 267         av_log(context, AV_LOG_ERROR, "failed to execute loaded model\n");
 268         return AVERROR(EIO);
 269     }
 270
 271     sws_scale(sr_context->sws_contexts[2], (const uint8_t *[4]){(const uint8_t *)sr_context->output.data, 0, 0, 0},
 272               (const int[4]){sr_context->sws_output_linesize, 0, 0, 0},
 273               0, out->height, (uint8_t * const*)out->data, out->linesize);
 274
 275     return ff_filter_frame(outlink, out);
 276 }
 277
 278 static av_cold void uninit(AVFilterContext *context)
 279 {
 280     int i;
 281     SRContext *sr_context = context->priv;
 282
 283     if (sr_context->dnn_module){
 284         (sr_context->dnn_module->free_model)(&sr_context->model);
 285         av_freep(&sr_context->dnn_module);
 286     }
 287
 288     for (i = 0; i < 3; ++i){
 289         sws_freeContext(sr_context->sws_contexts[i]);
 290     }
 291 }
 292
 293 static const AVFilterPad sr_inputs[] = {
 294     {
 295         .name         = "default",
 296         .type         = AVMEDIA_TYPE_VIDEO,
 297         .config_props = config_props,
 298         .filter_frame = filter_frame,
 299     },
 300     { NULL }
 301 };
 302
 303 static const AVFilterPad sr_outputs[] = {
 304     {
 305         .name = "default",
 306         .type = AVMEDIA_TYPE_VIDEO,
 307     },
 308     { NULL }
 309 };
 310
 311 AVFilter ff_vf_sr = {
 312     .name          = "sr",
 313     .description   = NULL_IF_CONFIG_SMALL("Apply DNN-based image super resolution to the input."),
 314     .priv_size     = sizeof(SRContext),
 315     .init          = init,
 316     .uninit        = uninit,
 317     .query_formats = query_formats,
 318     .inputs        = sr_inputs,
 319     .outputs       = sr_outputs,
 320     .priv_class    = &sr_class,
 321     .flags         = AVFILTER_FLAG_SUPPORT_TIMELINE_GENERIC,
 322 };