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         if (!sr_context->dnn_module->load_model) {
  79             av_log(context, AV_LOG_ERROR, "load_model for network was not specified\n");
  80             return AVERROR(EIO);
  81         } else {
  82             sr_context->model = (sr_context->dnn_module->load_model)(sr_context->model_filename);
  83         }
  84     }
  85     if (!sr_context->model){
  86         av_log(context, AV_LOG_ERROR, "could not load DNN model\n");
  87         return AVERROR(EIO);
  88     }
  89
  90     sr_context->sws_contexts[0] = NULL;
  91     sr_context->sws_contexts[1] = NULL;
  92     sr_context->sws_contexts[2] = NULL;
  93
  94     return 0;
  95 }
  96
  97 static int query_formats(AVFilterContext *context)
  98 {
  99     const enum AVPixelFormat pixel_formats[] = {AV_PIX_FMT_YUV420P, AV_PIX_FMT_YUV422P, AV_PIX_FMT_YUV444P,
 100                                                 AV_PIX_FMT_YUV410P, AV_PIX_FMT_YUV411P, AV_PIX_FMT_GRAY8,
 101                                                 AV_PIX_FMT_NONE};
 102     AVFilterFormats *formats_list;
 103
 104     formats_list = ff_make_format_list(pixel_formats);
 105     if (!formats_list){
 106         av_log(context, AV_LOG_ERROR, "could not create formats list\n");
 107         return AVERROR(ENOMEM);
 108     }
 109
 110     return ff_set_common_formats(context, formats_list);
 111 }
 112
 113 static int config_props(AVFilterLink *inlink)
 114 {
 115     AVFilterContext *context = inlink->dst;
 116     SRContext *sr_context = context->priv;
 117     AVFilterLink *outlink = context->outputs[0];
 118     DNNReturnType result;
 119     int sws_src_h, sws_src_w, sws_dst_h, sws_dst_w;
 120
 121     sr_context->input.width = inlink->w * sr_context->scale_factor;
 122     sr_context->input.height = inlink->h * sr_context->scale_factor;
 123     sr_context->input.channels = 1;
 124
 125     result = (sr_context->model->set_input_output)(sr_context->model->model, &sr_context->input, &sr_context->output);
 126     if (result != DNN_SUCCESS){
 127         av_log(context, AV_LOG_ERROR, "could not set input and output for the model\n");
 128         return AVERROR(EIO);
 129     }
 130     else{
 131         if (sr_context->input.height != sr_context->output.height || sr_context->input.width != sr_context->output.width){
 132             sr_context->input.width = inlink->w;
 133             sr_context->input.height = inlink->h;
 134             result = (sr_context->model->set_input_output)(sr_context->model->model, &sr_context->input, &sr_context->output);
 135             if (result != DNN_SUCCESS){
 136                 av_log(context, AV_LOG_ERROR, "could not set input and output for the model\n");
 137                 return AVERROR(EIO);
 138             }
 139             sr_context->scale_factor = 0;
 140         }
 141         outlink->h = sr_context->output.height;
 142         outlink->w = sr_context->output.width;
 143         sr_context->sws_contexts[1] = sws_getContext(sr_context->input.width, sr_context->input.height, AV_PIX_FMT_GRAY8,
 144                                                      sr_context->input.width, sr_context->input.height, AV_PIX_FMT_GRAYF32,
 145                                                      0, NULL, NULL, NULL);
 146         sr_context->sws_input_linesize = sr_context->input.width << 2;
 147         sr_context->sws_contexts[2] = sws_getContext(sr_context->output.width, sr_context->output.height, AV_PIX_FMT_GRAYF32,
 148                                                      sr_context->output.width, sr_context->output.height, AV_PIX_FMT_GRAY8,
 149                                                      0, NULL, NULL, NULL);
 150         sr_context->sws_output_linesize = sr_context->output.width << 2;
 151         if (!sr_context->sws_contexts[1] || !sr_context->sws_contexts[2]){
 152             av_log(context, AV_LOG_ERROR, "could not create SwsContext for conversions\n");
 153             return AVERROR(ENOMEM);
 154         }
 155         if (sr_context->scale_factor){
 156             sr_context->sws_contexts[0] = sws_getContext(inlink->w, inlink->h, inlink->format,
 157                                                          outlink->w, outlink->h, outlink->format,
 158                                                          SWS_BICUBIC, NULL, NULL, NULL);
 159             if (!sr_context->sws_contexts[0]){
 160                 av_log(context, AV_LOG_ERROR, "could not create SwsContext for scaling\n");
 161                 return AVERROR(ENOMEM);
 162             }
 163             sr_context->sws_slice_h = inlink->h;
 164         }
 165         else{
 166             if (inlink->format != AV_PIX_FMT_GRAY8){
 167                 sws_src_h = sr_context->input.height;
 168                 sws_src_w = sr_context->input.width;
 169                 sws_dst_h = sr_context->output.height;
 170                 sws_dst_w = sr_context->output.width;
 171
 172                 switch (inlink->format){
 173                 case AV_PIX_FMT_YUV420P:
 174                     sws_src_h = AV_CEIL_RSHIFT(sws_src_h, 1);
 175                     sws_src_w = AV_CEIL_RSHIFT(sws_src_w, 1);
 176                     sws_dst_h = AV_CEIL_RSHIFT(sws_dst_h, 1);
 177                     sws_dst_w = AV_CEIL_RSHIFT(sws_dst_w, 1);
 178                     break;
 179                 case AV_PIX_FMT_YUV422P:
 180                     sws_src_w = AV_CEIL_RSHIFT(sws_src_w, 1);
 181                     sws_dst_w = AV_CEIL_RSHIFT(sws_dst_w, 1);
 182                     break;
 183                 case AV_PIX_FMT_YUV444P:
 184                     break;
 185                 case AV_PIX_FMT_YUV410P:
 186                     sws_src_h = AV_CEIL_RSHIFT(sws_src_h, 2);
 187                     sws_src_w = AV_CEIL_RSHIFT(sws_src_w, 2);
 188                     sws_dst_h = AV_CEIL_RSHIFT(sws_dst_h, 2);
 189                     sws_dst_w = AV_CEIL_RSHIFT(sws_dst_w, 2);
 190                     break;
 191                 case AV_PIX_FMT_YUV411P:
 192                     sws_src_w = AV_CEIL_RSHIFT(sws_src_w, 2);
 193                     sws_dst_w = AV_CEIL_RSHIFT(sws_dst_w, 2);
 194                     break;
 195                 default:
 196                     av_log(context, AV_LOG_ERROR, "could not create SwsContext for scaling for given input pixel format");
 197                     return AVERROR(EIO);
 198                 }
 199                 sr_context->sws_contexts[0] = sws_getContext(sws_src_w, sws_src_h, AV_PIX_FMT_GRAY8,
 200                                                              sws_dst_w, sws_dst_h, AV_PIX_FMT_GRAY8,
 201                                                              SWS_BICUBIC, NULL, NULL, NULL);
 202                 if (!sr_context->sws_contexts[0]){
 203                     av_log(context, AV_LOG_ERROR, "could not create SwsContext for scaling\n");
 204                     return AVERROR(ENOMEM);
 205                 }
 206                 sr_context->sws_slice_h = sws_src_h;
 207             }
 208         }
 209
 210         return 0;
 211     }
 212 }
 213
 214 static int filter_frame(AVFilterLink *inlink, AVFrame *in)
 215 {
 216     AVFilterContext *context = inlink->dst;
 217     SRContext *sr_context = context->priv;
 218     AVFilterLink *outlink = context->outputs[0];
 219     AVFrame *out = ff_get_video_buffer(outlink, outlink->w, outlink->h);
 220     DNNReturnType dnn_result;
 221
 222     if (!out){
 223         av_log(context, AV_LOG_ERROR, "could not allocate memory for output frame\n");
 224         av_frame_free(&in);
 225         return AVERROR(ENOMEM);
 226     }
 227     av_frame_copy_props(out, in);
 228     out->height = sr_context->output.height;
 229     out->width = sr_context->output.width;
 230     if (sr_context->scale_factor){
 231         sws_scale(sr_context->sws_contexts[0], (const uint8_t **)in->data, in->linesize,
 232                   0, sr_context->sws_slice_h, out->data, out->linesize);
 233
 234         sws_scale(sr_context->sws_contexts[1], (const uint8_t **)out->data, out->linesize,
 235                   0, out->height, (uint8_t * const*)(&sr_context->input.data),
 236                   (const int [4]){sr_context->sws_input_linesize, 0, 0, 0});
 237     }
 238     else{
 239         if (sr_context->sws_contexts[0]){
 240             sws_scale(sr_context->sws_contexts[0], (const uint8_t **)(in->data + 1), in->linesize + 1,
 241                       0, sr_context->sws_slice_h, out->data + 1, out->linesize + 1);
 242             sws_scale(sr_context->sws_contexts[0], (const uint8_t **)(in->data + 2), in->linesize + 2,
 243                       0, sr_context->sws_slice_h, out->data + 2, out->linesize + 2);
 244         }
 245
 246         sws_scale(sr_context->sws_contexts[1], (const uint8_t **)in->data, in->linesize,
 247                   0, in->height, (uint8_t * const*)(&sr_context->input.data),
 248                   (const int [4]){sr_context->sws_input_linesize, 0, 0, 0});
 249     }
 250     av_frame_free(&in);
 251
 252     dnn_result = (sr_context->dnn_module->execute_model)(sr_context->model);
 253     if (dnn_result != DNN_SUCCESS){
 254         av_log(context, AV_LOG_ERROR, "failed to execute loaded model\n");
 255         return AVERROR(EIO);
 256     }
 257
 258     sws_scale(sr_context->sws_contexts[2], (const uint8_t *[4]){(const uint8_t *)sr_context->output.data, 0, 0, 0},
 259               (const int[4]){sr_context->sws_output_linesize, 0, 0, 0},
 260               0, out->height, (uint8_t * const*)out->data, out->linesize);
 261
 262     return ff_filter_frame(outlink, out);
 263 }
 264
 265 static av_cold void uninit(AVFilterContext *context)
 266 {
 267     int i;
 268     SRContext *sr_context = context->priv;
 269
 270     if (sr_context->dnn_module){
 271         (sr_context->dnn_module->free_model)(&sr_context->model);
 272         av_freep(&sr_context->dnn_module);
 273     }
 274
 275     for (i = 0; i < 3; ++i){
 276         if (sr_context->sws_contexts[i]){
 277             sws_freeContext(sr_context->sws_contexts[i]);
 278         }
 279     }
 280 }
 281
 282 static const AVFilterPad sr_inputs[] = {
 283     {
 284         .name         = "default",
 285         .type         = AVMEDIA_TYPE_VIDEO,
 286         .config_props = config_props,
 287         .filter_frame = filter_frame,
 288     },
 289     { NULL }
 290 };
 291
 292 static const AVFilterPad sr_outputs[] = {
 293     {
 294         .name = "default",
 295         .type = AVMEDIA_TYPE_VIDEO,
 296     },
 297     { NULL }
 298 };
 299
 300 AVFilter ff_vf_sr = {
 301     .name          = "sr",
 302     .description   = NULL_IF_CONFIG_SMALL("Apply DNN-based image super resolution to the input."),
 303     .priv_size     = sizeof(SRContext),
 304     .init          = init,
 305     .uninit        = uninit,
 306     .query_formats = query_formats,
 307     .inputs        = sr_inputs,
 308     .outputs       = sr_outputs,
 309     .priv_class    = &sr_class,
 310     .flags         = AVFILTER_FLAG_SUPPORT_TIMELINE_GENERIC | AVFILTER_FLAG_SLICE_THREADS,
 311 };
 312