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     }
  77     else{
  78         sr_context->model = (sr_context->dnn_module->load_model)(sr_context->model_filename);
  79     }
  80     if (!sr_context->model){
  81         av_log(context, AV_LOG_ERROR, "could not load DNN model\n");
  82         return AVERROR(EIO);
  83     }
  84
  85     sr_context->sws_contexts[0] = NULL;
  86     sr_context->sws_contexts[1] = NULL;
  87     sr_context->sws_contexts[2] = NULL;
  88
  89     return 0;
  90 }
  91
  92 static int query_formats(AVFilterContext *context)
  93 {
  94     const enum AVPixelFormat pixel_formats[] = {AV_PIX_FMT_YUV420P, AV_PIX_FMT_YUV422P, AV_PIX_FMT_YUV444P,
  95                                                 AV_PIX_FMT_YUV410P, AV_PIX_FMT_YUV411P, AV_PIX_FMT_GRAY8,
  96                                                 AV_PIX_FMT_NONE};
  97     AVFilterFormats *formats_list;
  98
  99     formats_list = ff_make_format_list(pixel_formats);
 100     if (!formats_list){
 101         av_log(context, AV_LOG_ERROR, "could not create formats list\n");
 102         return AVERROR(ENOMEM);
 103     }
 104
 105     return ff_set_common_formats(context, formats_list);
 106 }
 107
 108 static int config_props(AVFilterLink *inlink)
 109 {
 110     AVFilterContext *context = inlink->dst;
 111     SRContext *sr_context = context->priv;
 112     AVFilterLink *outlink = context->outputs[0];
 113     DNNReturnType result;
 114     int sws_src_h, sws_src_w, sws_dst_h, sws_dst_w;
 115
 116     sr_context->input.width = inlink->w * sr_context->scale_factor;
 117     sr_context->input.height = inlink->h * sr_context->scale_factor;
 118     sr_context->input.channels = 1;
 119
 120     result = (sr_context->model->set_input_output)(sr_context->model->model, &sr_context->input, &sr_context->output);
 121     if (result != DNN_SUCCESS){
 122         av_log(context, AV_LOG_ERROR, "could not set input and output for the model\n");
 123         return AVERROR(EIO);
 124     }
 125     else{
 126         if (sr_context->input.height != sr_context->output.height || sr_context->input.width != sr_context->output.width){
 127             sr_context->input.width = inlink->w;
 128             sr_context->input.height = inlink->h;
 129             result = (sr_context->model->set_input_output)(sr_context->model->model, &sr_context->input, &sr_context->output);
 130             if (result != DNN_SUCCESS){
 131                 av_log(context, AV_LOG_ERROR, "could not set input and output for the model\n");
 132                 return AVERROR(EIO);
 133             }
 134             sr_context->scale_factor = 0;
 135         }
 136         outlink->h = sr_context->output.height;
 137         outlink->w = sr_context->output.width;
 138         sr_context->sws_contexts[1] = sws_getContext(sr_context->input.width, sr_context->input.height, AV_PIX_FMT_GRAY8,
 139                                                      sr_context->input.width, sr_context->input.height, AV_PIX_FMT_GRAYF32,
 140                                                      0, NULL, NULL, NULL);
 141         sr_context->sws_input_linesize = sr_context->input.width << 2;
 142         sr_context->sws_contexts[2] = sws_getContext(sr_context->output.width, sr_context->output.height, AV_PIX_FMT_GRAYF32,
 143                                                      sr_context->output.width, sr_context->output.height, AV_PIX_FMT_GRAY8,
 144                                                      0, NULL, NULL, NULL);
 145         sr_context->sws_output_linesize = sr_context->output.width << 2;
 146         if (!sr_context->sws_contexts[1] || !sr_context->sws_contexts[2]){
 147             av_log(context, AV_LOG_ERROR, "could not create SwsContext for conversions\n");
 148             return AVERROR(ENOMEM);
 149         }
 150         if (sr_context->scale_factor){
 151             sr_context->sws_contexts[0] = sws_getContext(inlink->w, inlink->h, inlink->format,
 152                                                          outlink->w, outlink->h, outlink->format,
 153                                                          SWS_BICUBIC, NULL, NULL, NULL);
 154             if (!sr_context->sws_contexts[0]){
 155                 av_log(context, AV_LOG_ERROR, "could not create SwsContext for scaling\n");
 156                 return AVERROR(ENOMEM);
 157             }
 158             sr_context->sws_slice_h = inlink->h;
 159         }
 160         else{
 161             if (inlink->format != AV_PIX_FMT_GRAY8){
 162                 sws_src_h = sr_context->input.height;
 163                 sws_src_w = sr_context->input.width;
 164                 sws_dst_h = sr_context->output.height;
 165                 sws_dst_w = sr_context->output.width;
 166
 167                 switch (inlink->format){
 168                 case AV_PIX_FMT_YUV420P:
 169                     sws_src_h = AV_CEIL_RSHIFT(sws_src_h, 1);
 170                     sws_src_w = AV_CEIL_RSHIFT(sws_src_w, 1);
 171                     sws_dst_h = AV_CEIL_RSHIFT(sws_dst_h, 1);
 172                     sws_dst_w = AV_CEIL_RSHIFT(sws_dst_w, 1);
 173                     break;
 174                 case AV_PIX_FMT_YUV422P:
 175                     sws_src_w = AV_CEIL_RSHIFT(sws_src_w, 1);
 176                     sws_dst_w = AV_CEIL_RSHIFT(sws_dst_w, 1);
 177                     break;
 178                 case AV_PIX_FMT_YUV444P:
 179                     break;
 180                 case AV_PIX_FMT_YUV410P:
 181                     sws_src_h = AV_CEIL_RSHIFT(sws_src_h, 2);
 182                     sws_src_w = AV_CEIL_RSHIFT(sws_src_w, 2);
 183                     sws_dst_h = AV_CEIL_RSHIFT(sws_dst_h, 2);
 184                     sws_dst_w = AV_CEIL_RSHIFT(sws_dst_w, 2);
 185                     break;
 186                 case AV_PIX_FMT_YUV411P:
 187                     sws_src_w = AV_CEIL_RSHIFT(sws_src_w, 2);
 188                     sws_dst_w = AV_CEIL_RSHIFT(sws_dst_w, 2);
 189                     break;
 190                 default:
 191                     av_log(context, AV_LOG_ERROR, "could not create SwsContext for scaling for given input pixel format");
 192                     return AVERROR(EIO);
 193                 }
 194                 sr_context->sws_contexts[0] = sws_getContext(sws_src_w, sws_src_h, AV_PIX_FMT_GRAY8,
 195                                                              sws_dst_w, sws_dst_h, AV_PIX_FMT_GRAY8,
 196                                                              SWS_BICUBIC, NULL, NULL, NULL);
 197                 if (!sr_context->sws_contexts[0]){
 198                     av_log(context, AV_LOG_ERROR, "could not create SwsContext for scaling\n");
 199                     return AVERROR(ENOMEM);
 200                 }
 201                 sr_context->sws_slice_h = sws_src_h;
 202             }
 203         }
 204
 205         return 0;
 206     }
 207 }
 208
 209 static int filter_frame(AVFilterLink *inlink, AVFrame *in)
 210 {
 211     AVFilterContext *context = inlink->dst;
 212     SRContext *sr_context = context->priv;
 213     AVFilterLink *outlink = context->outputs[0];
 214     AVFrame *out = ff_get_video_buffer(outlink, outlink->w, outlink->h);
 215     DNNReturnType dnn_result;
 216
 217     if (!out){
 218         av_log(context, AV_LOG_ERROR, "could not allocate memory for output frame\n");
 219         av_frame_free(&in);
 220         return AVERROR(ENOMEM);
 221     }
 222     av_frame_copy_props(out, in);
 223     out->height = sr_context->output.height;
 224     out->width = sr_context->output.width;
 225     if (sr_context->scale_factor){
 226         sws_scale(sr_context->sws_contexts[0], (const uint8_t **)in->data, in->linesize,
 227                   0, sr_context->sws_slice_h, out->data, out->linesize);
 228
 229         sws_scale(sr_context->sws_contexts[1], (const uint8_t **)out->data, out->linesize,
 230                   0, out->height, (uint8_t * const*)(&sr_context->input.data), &sr_context->sws_input_linesize);
 231     }
 232     else{
 233         if (sr_context->sws_contexts[0]){
 234             sws_scale(sr_context->sws_contexts[0], (const uint8_t **)(in->data + 1), in->linesize + 1,
 235                       0, sr_context->sws_slice_h, out->data + 1, out->linesize + 1);
 236             sws_scale(sr_context->sws_contexts[0], (const uint8_t **)(in->data + 2), in->linesize + 2,
 237                       0, sr_context->sws_slice_h, out->data + 2, out->linesize + 2);
 238         }
 239
 240         sws_scale(sr_context->sws_contexts[1], (const uint8_t **)in->data, in->linesize,
 241                   0, in->height, (uint8_t * const*)(&sr_context->input.data), &sr_context->sws_input_linesize);
 242     }
 243     av_frame_free(&in);
 244
 245     dnn_result = (sr_context->dnn_module->execute_model)(sr_context->model);
 246     if (dnn_result != DNN_SUCCESS){
 247         av_log(context, AV_LOG_ERROR, "failed to execute loaded model\n");
 248         return AVERROR(EIO);
 249     }
 250
 251     sws_scale(sr_context->sws_contexts[2], (const uint8_t **)(&sr_context->output.data), &sr_context->sws_output_linesize,
 252               0, out->height, (uint8_t * const*)out->data, out->linesize);
 253
 254     return ff_filter_frame(outlink, out);
 255 }
 256
 257 static av_cold void uninit(AVFilterContext *context)
 258 {
 259     int i;
 260     SRContext *sr_context = context->priv;
 261
 262     if (sr_context->dnn_module){
 263         (sr_context->dnn_module->free_model)(&sr_context->model);
 264         av_freep(&sr_context->dnn_module);
 265     }
 266
 267     for (i = 0; i < 3; ++i){
 268         if (sr_context->sws_contexts[i]){
 269             sws_freeContext(sr_context->sws_contexts[i]);
 270         }
 271     }
 272 }
 273
 274 static const AVFilterPad sr_inputs[] = {
 275     {
 276         .name         = "default",
 277         .type         = AVMEDIA_TYPE_VIDEO,
 278         .config_props = config_props,
 279         .filter_frame = filter_frame,
 280     },
 281     { NULL }
 282 };
 283
 284 static const AVFilterPad sr_outputs[] = {
 285     {
 286         .name = "default",
 287         .type = AVMEDIA_TYPE_VIDEO,
 288     },
 289     { NULL }
 290 };
 291
 292 AVFilter ff_vf_sr = {
 293     .name          = "sr",
 294     .description   = NULL_IF_CONFIG_SMALL("Apply DNN-based image super resolution to the input."),
 295     .priv_size     = sizeof(SRContext),
 296     .init          = init,
 297     .uninit        = uninit,
 298     .query_formats = query_formats,
 299     .inputs        = sr_inputs,
 300     .outputs       = sr_outputs,
 301     .priv_class    = &sr_class,
 302     .flags         = AVFILTER_FLAG_SUPPORT_TIMELINE_GENERIC | AVFILTER_FLAG_SLICE_THREADS,
 303 };
 304