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 "libavformat/avio.h"
  33 #include "libswscale/swscale.h"
  34 #include "dnn_interface.h"
  35
  36 typedef struct SRContext {
  37     const AVClass *class;
  38
  39     char *model_filename;
  40     DNNBackendType backend_type;
  41     DNNModule *dnn_module;
  42     DNNModel *model;
  43     DNNData input, output;
  44     int scale_factor;
  45     struct SwsContext *sws_contexts[3];
  46     int sws_slice_h, sws_input_linesize, sws_output_linesize;
  47 } SRContext;
  48
  49 #define OFFSET(x) offsetof(SRContext, x)
  50 #define FLAGS AV_OPT_FLAG_FILTERING_PARAM | AV_OPT_FLAG_VIDEO_PARAM
  51 static const AVOption sr_options[] = {
  52     { "dnn_backend", "DNN backend used for model execution", OFFSET(backend_type), AV_OPT_TYPE_FLAGS, { .i64 = 0 }, 0, 1, FLAGS, "backend" },
  53     { "native", "native backend flag", 0, AV_OPT_TYPE_CONST, { .i64 = 0 }, 0, 0, FLAGS, "backend" },
  54 #if (CONFIG_LIBTENSORFLOW == 1)
  55     { "tensorflow", "tensorflow backend flag", 0, AV_OPT_TYPE_CONST, { .i64 = 1 }, 0, 0, FLAGS, "backend" },
  56 #endif
  57     { "scale_factor", "scale factor for SRCNN model", OFFSET(scale_factor), AV_OPT_TYPE_INT, { .i64 = 2 }, 2, 4, FLAGS },
  58     { "model", "path to model file specifying network architecture and its parameters", OFFSET(model_filename), AV_OPT_TYPE_STRING, {.str=NULL}, 0, 0, FLAGS },
  59     { NULL }
  60 };
  61
  62 AVFILTER_DEFINE_CLASS(sr);
  63
  64 static av_cold int init(AVFilterContext *context)
  65 {
  66     SRContext *sr_context = context->priv;
  67
  68     sr_context->dnn_module = ff_get_dnn_module(sr_context->backend_type);
  69     if (!sr_context->dnn_module){
  70         av_log(context, AV_LOG_ERROR, "could not create DNN module for requested backend\n");
  71         return AVERROR(ENOMEM);
  72     }
  73     if (!sr_context->model_filename){
  74         av_log(context, AV_LOG_ERROR, "model file for network was not specified\n");
  75         return AVERROR(EIO);
  76     } else {
  77         if (!sr_context->dnn_module->load_model) {
  78             av_log(context, AV_LOG_ERROR, "load_model for network was not specified\n");
  79             return AVERROR(EIO);
  80         } else {
  81             sr_context->model = (sr_context->dnn_module->load_model)(sr_context->model_filename);
  82         }
  83     }
  84     if (!sr_context->model){
  85         av_log(context, AV_LOG_ERROR, "could not load DNN model\n");
  86         return AVERROR(EIO);
  87     }
  88
  89     sr_context->sws_contexts[0] = NULL;
  90     sr_context->sws_contexts[1] = NULL;
  91     sr_context->sws_contexts[2] = NULL;
  92
  93     return 0;
  94 }
  95
  96 static int query_formats(AVFilterContext *context)
  97 {
  98     const enum AVPixelFormat pixel_formats[] = {AV_PIX_FMT_YUV420P, AV_PIX_FMT_YUV422P, AV_PIX_FMT_YUV444P,
  99                                                 AV_PIX_FMT_YUV410P, AV_PIX_FMT_YUV411P, AV_PIX_FMT_GRAY8,
 100                                                 AV_PIX_FMT_NONE};
 101     AVFilterFormats *formats_list;
 102
 103     formats_list = ff_make_format_list(pixel_formats);
 104     if (!formats_list){
 105         av_log(context, AV_LOG_ERROR, "could not create formats list\n");
 106         return AVERROR(ENOMEM);
 107     }
 108
 109     return ff_set_common_formats(context, formats_list);
 110 }
 111
 112 static int config_props(AVFilterLink *inlink)
 113 {
 114     AVFilterContext *context = inlink->dst;
 115     SRContext *sr_context = context->priv;
 116     AVFilterLink *outlink = context->outputs[0];
 117     DNNReturnType result;
 118     int sws_src_h, sws_src_w, sws_dst_h, sws_dst_w;
 119
 120     sr_context->input.width = inlink->w * sr_context->scale_factor;
 121     sr_context->input.height = inlink->h * sr_context->scale_factor;
 122     sr_context->input.channels = 1;
 123
 124     result = (sr_context->model->set_input_output)(sr_context->model->model, &sr_context->input, "x", "y");
 125     if (result != DNN_SUCCESS){
 126         av_log(context, AV_LOG_ERROR, "could not set input and output for the model\n");
 127         return AVERROR(EIO);
 128     }
 129
 130     result = (sr_context->dnn_module->execute_model)(sr_context->model, &sr_context->output);
 131     if (result != DNN_SUCCESS){
 132         av_log(context, AV_LOG_ERROR, "failed to execute loaded model\n");
 133         return AVERROR(EIO);
 134     }
 135
 136     if (sr_context->input.height != sr_context->output.height || sr_context->input.width != sr_context->output.width){
 137         sr_context->input.width = inlink->w;
 138         sr_context->input.height = inlink->h;
 139         result = (sr_context->model->set_input_output)(sr_context->model->model, &sr_context->input, "x", "y");
 140         if (result != DNN_SUCCESS){
 141             av_log(context, AV_LOG_ERROR, "could not set input and output for the model\n");
 142             return AVERROR(EIO);
 143         }
 144         result = (sr_context->dnn_module->execute_model)(sr_context->model, &sr_context->output);
 145         if (result != DNN_SUCCESS){
 146             av_log(context, AV_LOG_ERROR, "failed to execute loaded model\n");
 147             return AVERROR(EIO);
 148         }
 149         sr_context->scale_factor = 0;
 150     }
 151     outlink->h = sr_context->output.height;
 152     outlink->w = sr_context->output.width;
 153     sr_context->sws_contexts[1] = sws_getContext(sr_context->input.width, sr_context->input.height, AV_PIX_FMT_GRAY8,
 154                                                  sr_context->input.width, sr_context->input.height, AV_PIX_FMT_GRAYF32,
 155                                                  0, NULL, NULL, NULL);
 156     sr_context->sws_input_linesize = sr_context->input.width << 2;
 157     sr_context->sws_contexts[2] = sws_getContext(sr_context->output.width, sr_context->output.height, AV_PIX_FMT_GRAYF32,
 158                                                  sr_context->output.width, sr_context->output.height, AV_PIX_FMT_GRAY8,
 159                                                  0, NULL, NULL, NULL);
 160     sr_context->sws_output_linesize = sr_context->output.width << 2;
 161     if (!sr_context->sws_contexts[1] || !sr_context->sws_contexts[2]){
 162         av_log(context, AV_LOG_ERROR, "could not create SwsContext for conversions\n");
 163         return AVERROR(ENOMEM);
 164     }
 165     if (sr_context->scale_factor){
 166         sr_context->sws_contexts[0] = sws_getContext(inlink->w, inlink->h, inlink->format,
 167                                                      outlink->w, outlink->h, outlink->format,
 168                                                      SWS_BICUBIC, NULL, NULL, NULL);
 169         if (!sr_context->sws_contexts[0]){
 170             av_log(context, AV_LOG_ERROR, "could not create SwsContext for scaling\n");
 171             return AVERROR(ENOMEM);
 172         }
 173         sr_context->sws_slice_h = inlink->h;
 174     } else {
 175         if (inlink->format != AV_PIX_FMT_GRAY8){
 176             sws_src_h = sr_context->input.height;
 177             sws_src_w = sr_context->input.width;
 178             sws_dst_h = sr_context->output.height;
 179             sws_dst_w = sr_context->output.width;
 180
 181             switch (inlink->format){
 182             case AV_PIX_FMT_YUV420P:
 183                 sws_src_h = AV_CEIL_RSHIFT(sws_src_h, 1);
 184                 sws_src_w = AV_CEIL_RSHIFT(sws_src_w, 1);
 185                 sws_dst_h = AV_CEIL_RSHIFT(sws_dst_h, 1);
 186                 sws_dst_w = AV_CEIL_RSHIFT(sws_dst_w, 1);
 187                 break;
 188             case AV_PIX_FMT_YUV422P:
 189                 sws_src_w = AV_CEIL_RSHIFT(sws_src_w, 1);
 190                 sws_dst_w = AV_CEIL_RSHIFT(sws_dst_w, 1);
 191                 break;
 192             case AV_PIX_FMT_YUV444P:
 193                 break;
 194             case AV_PIX_FMT_YUV410P:
 195                 sws_src_h = AV_CEIL_RSHIFT(sws_src_h, 2);
 196                 sws_src_w = AV_CEIL_RSHIFT(sws_src_w, 2);
 197                 sws_dst_h = AV_CEIL_RSHIFT(sws_dst_h, 2);
 198                 sws_dst_w = AV_CEIL_RSHIFT(sws_dst_w, 2);
 199                 break;
 200             case AV_PIX_FMT_YUV411P:
 201                 sws_src_w = AV_CEIL_RSHIFT(sws_src_w, 2);
 202                 sws_dst_w = AV_CEIL_RSHIFT(sws_dst_w, 2);
 203                 break;
 204             default:
 205                 av_log(context, AV_LOG_ERROR, "could not create SwsContext for scaling for given input pixel format");
 206                 return AVERROR(EIO);
 207             }
 208             sr_context->sws_contexts[0] = sws_getContext(sws_src_w, sws_src_h, AV_PIX_FMT_GRAY8,
 209                                                          sws_dst_w, sws_dst_h, AV_PIX_FMT_GRAY8,
 210                                                          SWS_BICUBIC, NULL, NULL, NULL);
 211             if (!sr_context->sws_contexts[0]){
 212                 av_log(context, AV_LOG_ERROR, "could not create SwsContext for scaling\n");
 213                 return AVERROR(ENOMEM);
 214             }
 215             sr_context->sws_slice_h = sws_src_h;
 216         }
 217     }
 218
 219     return 0;
 220 }
 221
 222 static int filter_frame(AVFilterLink *inlink, AVFrame *in)
 223 {
 224     AVFilterContext *context = inlink->dst;
 225     SRContext *sr_context = context->priv;
 226     AVFilterLink *outlink = context->outputs[0];
 227     AVFrame *out = ff_get_video_buffer(outlink, outlink->w, outlink->h);
 228     DNNReturnType dnn_result;
 229
 230     if (!out){
 231         av_log(context, AV_LOG_ERROR, "could not allocate memory for output frame\n");
 232         av_frame_free(&in);
 233         return AVERROR(ENOMEM);
 234     }
 235     av_frame_copy_props(out, in);
 236     out->height = sr_context->output.height;
 237     out->width = sr_context->output.width;
 238     if (sr_context->scale_factor){
 239         sws_scale(sr_context->sws_contexts[0], (const uint8_t **)in->data, in->linesize,
 240                   0, sr_context->sws_slice_h, out->data, out->linesize);
 241
 242         sws_scale(sr_context->sws_contexts[1], (const uint8_t **)out->data, out->linesize,
 243                   0, out->height, (uint8_t * const*)(&sr_context->input.data),
 244                   (const int [4]){sr_context->sws_input_linesize, 0, 0, 0});
 245     } else {
 246         if (sr_context->sws_contexts[0]){
 247             sws_scale(sr_context->sws_contexts[0], (const uint8_t **)(in->data + 1), in->linesize + 1,
 248                       0, sr_context->sws_slice_h, out->data + 1, out->linesize + 1);
 249             sws_scale(sr_context->sws_contexts[0], (const uint8_t **)(in->data + 2), in->linesize + 2,
 250                       0, sr_context->sws_slice_h, out->data + 2, out->linesize + 2);
 251         }
 252
 253         sws_scale(sr_context->sws_contexts[1], (const uint8_t **)in->data, in->linesize,
 254                   0, in->height, (uint8_t * const*)(&sr_context->input.data),
 255                   (const int [4]){sr_context->sws_input_linesize, 0, 0, 0});
 256     }
 257     av_frame_free(&in);
 258
 259     dnn_result = (sr_context->dnn_module->execute_model)(sr_context->model, &sr_context->output);
 260     if (dnn_result != DNN_SUCCESS){
 261         av_log(context, AV_LOG_ERROR, "failed to execute loaded model\n");
 262         return AVERROR(EIO);
 263     }
 264
 265     sws_scale(sr_context->sws_contexts[2], (const uint8_t *[4]){(const uint8_t *)sr_context->output.data, 0, 0, 0},
 266               (const int[4]){sr_context->sws_output_linesize, 0, 0, 0},
 267               0, out->height, (uint8_t * const*)out->data, out->linesize);
 268
 269     return ff_filter_frame(outlink, out);
 270 }
 271
 272 static av_cold void uninit(AVFilterContext *context)
 273 {
 274     int i;
 275     SRContext *sr_context = context->priv;
 276
 277     if (sr_context->dnn_module){
 278         (sr_context->dnn_module->free_model)(&sr_context->model);
 279         av_freep(&sr_context->dnn_module);
 280     }
 281
 282     for (i = 0; i < 3; ++i){
 283         if (sr_context->sws_contexts[i]){
 284             sws_freeContext(sr_context->sws_contexts[i]);
 285         }
 286     }
 287 }
 288
 289 static const AVFilterPad sr_inputs[] = {
 290     {
 291         .name         = "default",
 292         .type         = AVMEDIA_TYPE_VIDEO,
 293         .config_props = config_props,
 294         .filter_frame = filter_frame,
 295     },
 296     { NULL }
 297 };
 298
 299 static const AVFilterPad sr_outputs[] = {
 300     {
 301         .name = "default",
 302         .type = AVMEDIA_TYPE_VIDEO,
 303     },
 304     { NULL }
 305 };
 306
 307 AVFilter ff_vf_sr = {
 308     .name          = "sr",
 309     .description   = NULL_IF_CONFIG_SMALL("Apply DNN-based image super resolution to the input."),
 310     .priv_size     = sizeof(SRContext),
 311     .init          = init,
 312     .uninit        = uninit,
 313     .query_formats = query_formats,
 314     .inputs        = sr_inputs,
 315     .outputs       = sr_outputs,
 316     .priv_class    = &sr_class,
 317     .flags         = AVFILTER_FLAG_SUPPORT_TIMELINE_GENERIC | AVFILTER_FLAG_SLICE_THREADS,
 318 };
 319