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     DNNData 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
  76     if (!sr_context->model_filename){
  77         av_log(context, AV_LOG_ERROR, "model file for network was not specified\n");
  78         return AVERROR(EIO);
  79     }
  80     if (!sr_context->dnn_module->load_model) {
  81         av_log(context, AV_LOG_ERROR, "load_model for network was not specified\n");
  82         return AVERROR(EIO);
  83     }
  84     sr_context->model = (sr_context->dnn_module->load_model)(sr_context->model_filename);
  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->input.dt = DNN_FLOAT;
  91     sr_context->sws_contexts[0] = NULL;
  92     sr_context->sws_contexts[1] = NULL;
  93     sr_context->sws_contexts[2] = NULL;
  94
  95     return 0;
  96 }
  97
  98 static int query_formats(AVFilterContext *context)
  99 {
 100     const enum AVPixelFormat pixel_formats[] = {AV_PIX_FMT_YUV420P, AV_PIX_FMT_YUV422P, AV_PIX_FMT_YUV444P,
 101                                                 AV_PIX_FMT_YUV410P, AV_PIX_FMT_YUV411P, AV_PIX_FMT_GRAY8,
 102                                                 AV_PIX_FMT_NONE};
 103     AVFilterFormats *formats_list;
 104
 105     formats_list = ff_make_format_list(pixel_formats);
 106     if (!formats_list){
 107         av_log(context, AV_LOG_ERROR, "could not create formats list\n");
 108         return AVERROR(ENOMEM);
 109     }
 110
 111     return ff_set_common_formats(context, formats_list);
 112 }
 113
 114 static int config_props(AVFilterLink *inlink)
 115 {
 116     AVFilterContext *context = inlink->dst;
 117     SRContext *sr_context = context->priv;
 118     AVFilterLink *outlink = context->outputs[0];
 119     DNNReturnType result;
 120     int sws_src_h, sws_src_w, sws_dst_h, sws_dst_w;
 121     const char *model_output_name = "y";
 122
 123     sr_context->input.width = inlink->w * sr_context->scale_factor;
 124     sr_context->input.height = inlink->h * sr_context->scale_factor;
 125     sr_context->input.channels = 1;
 126
 127     result = (sr_context->model->set_input_output)(sr_context->model->model, &sr_context->input, "x", &model_output_name, 1);
 128     if (result != DNN_SUCCESS){
 129         av_log(context, AV_LOG_ERROR, "could not set input and output for the model\n");
 130         return AVERROR(EIO);
 131     }
 132
 133     result = (sr_context->dnn_module->execute_model)(sr_context->model, &sr_context->output, 1);
 134     if (result != DNN_SUCCESS){
 135         av_log(context, AV_LOG_ERROR, "failed to execute loaded model\n");
 136         return AVERROR(EIO);
 137     }
 138
 139     if (sr_context->input.height != sr_context->output.height || sr_context->input.width != sr_context->output.width){
 140         sr_context->input.width = inlink->w;
 141         sr_context->input.height = inlink->h;
 142         result = (sr_context->model->set_input_output)(sr_context->model->model, &sr_context->input, "x", &model_output_name, 1);
 143         if (result != DNN_SUCCESS){
 144             av_log(context, AV_LOG_ERROR, "could not set input and output for the model\n");
 145             return AVERROR(EIO);
 146         }
 147         result = (sr_context->dnn_module->execute_model)(sr_context->model, &sr_context->output, 1);
 148         if (result != DNN_SUCCESS){
 149             av_log(context, AV_LOG_ERROR, "failed to execute loaded model\n");
 150             return AVERROR(EIO);
 151         }
 152         sr_context->scale_factor = 0;
 153     }
 154     outlink->h = sr_context->output.height;
 155     outlink->w = sr_context->output.width;
 156     sr_context->sws_contexts[1] = sws_getContext(sr_context->input.width, sr_context->input.height, AV_PIX_FMT_GRAY8,
 157                                                  sr_context->input.width, sr_context->input.height, AV_PIX_FMT_GRAYF32,
 158                                                  0, NULL, NULL, NULL);
 159     sr_context->sws_input_linesize = sr_context->input.width << 2;
 160     sr_context->sws_contexts[2] = sws_getContext(sr_context->output.width, sr_context->output.height, AV_PIX_FMT_GRAYF32,
 161                                                  sr_context->output.width, sr_context->output.height, AV_PIX_FMT_GRAY8,
 162                                                  0, NULL, NULL, NULL);
 163     sr_context->sws_output_linesize = sr_context->output.width << 2;
 164     if (!sr_context->sws_contexts[1] || !sr_context->sws_contexts[2]){
 165         av_log(context, AV_LOG_ERROR, "could not create SwsContext for conversions\n");
 166         return AVERROR(ENOMEM);
 167     }
 168     if (sr_context->scale_factor){
 169         sr_context->sws_contexts[0] = sws_getContext(inlink->w, inlink->h, inlink->format,
 170                                                      outlink->w, outlink->h, outlink->format,
 171                                                      SWS_BICUBIC, NULL, NULL, NULL);
 172         if (!sr_context->sws_contexts[0]){
 173             av_log(context, AV_LOG_ERROR, "could not create SwsContext for scaling\n");
 174             return AVERROR(ENOMEM);
 175         }
 176         sr_context->sws_slice_h = inlink->h;
 177     } else {
 178         if (inlink->format != AV_PIX_FMT_GRAY8){
 179             sws_src_h = sr_context->input.height;
 180             sws_src_w = sr_context->input.width;
 181             sws_dst_h = sr_context->output.height;
 182             sws_dst_w = sr_context->output.width;
 183
 184             switch (inlink->format){
 185             case AV_PIX_FMT_YUV420P:
 186                 sws_src_h = AV_CEIL_RSHIFT(sws_src_h, 1);
 187                 sws_src_w = AV_CEIL_RSHIFT(sws_src_w, 1);
 188                 sws_dst_h = AV_CEIL_RSHIFT(sws_dst_h, 1);
 189                 sws_dst_w = AV_CEIL_RSHIFT(sws_dst_w, 1);
 190                 break;
 191             case AV_PIX_FMT_YUV422P:
 192                 sws_src_w = AV_CEIL_RSHIFT(sws_src_w, 1);
 193                 sws_dst_w = AV_CEIL_RSHIFT(sws_dst_w, 1);
 194                 break;
 195             case AV_PIX_FMT_YUV444P:
 196                 break;
 197             case AV_PIX_FMT_YUV410P:
 198                 sws_src_h = AV_CEIL_RSHIFT(sws_src_h, 2);
 199                 sws_src_w = AV_CEIL_RSHIFT(sws_src_w, 2);
 200                 sws_dst_h = AV_CEIL_RSHIFT(sws_dst_h, 2);
 201                 sws_dst_w = AV_CEIL_RSHIFT(sws_dst_w, 2);
 202                 break;
 203             case AV_PIX_FMT_YUV411P:
 204                 sws_src_w = AV_CEIL_RSHIFT(sws_src_w, 2);
 205                 sws_dst_w = AV_CEIL_RSHIFT(sws_dst_w, 2);
 206                 break;
 207             default:
 208                 av_log(context, AV_LOG_ERROR,
 209                        "could not create SwsContext for scaling for given input pixel format: %s\n",
 210                        av_get_pix_fmt_name(inlink->format));
 211                 return AVERROR(EIO);
 212             }
 213             sr_context->sws_contexts[0] = sws_getContext(sws_src_w, sws_src_h, AV_PIX_FMT_GRAY8,
 214                                                          sws_dst_w, sws_dst_h, AV_PIX_FMT_GRAY8,
 215                                                          SWS_BICUBIC, NULL, NULL, NULL);
 216             if (!sr_context->sws_contexts[0]){
 217                 av_log(context, AV_LOG_ERROR, "could not create SwsContext for scaling\n");
 218                 return AVERROR(ENOMEM);
 219             }
 220             sr_context->sws_slice_h = sws_src_h;
 221         }
 222     }
 223
 224     return 0;
 225 }
 226
 227 static int filter_frame(AVFilterLink *inlink, AVFrame *in)
 228 {
 229     AVFilterContext *context = inlink->dst;
 230     SRContext *sr_context = context->priv;
 231     AVFilterLink *outlink = context->outputs[0];
 232     AVFrame *out = ff_get_video_buffer(outlink, outlink->w, outlink->h);
 233     DNNReturnType dnn_result;
 234
 235     if (!out){
 236         av_log(context, AV_LOG_ERROR, "could not allocate memory for output frame\n");
 237         av_frame_free(&in);
 238         return AVERROR(ENOMEM);
 239     }
 240     av_frame_copy_props(out, in);
 241     out->height = sr_context->output.height;
 242     out->width = sr_context->output.width;
 243     if (sr_context->scale_factor){
 244         sws_scale(sr_context->sws_contexts[0], (const uint8_t **)in->data, in->linesize,
 245                   0, sr_context->sws_slice_h, out->data, out->linesize);
 246
 247         sws_scale(sr_context->sws_contexts[1], (const uint8_t **)out->data, out->linesize,
 248                   0, out->height, (uint8_t * const*)(&sr_context->input.data),
 249                   (const int [4]){sr_context->sws_input_linesize, 0, 0, 0});
 250     } else {
 251         if (sr_context->sws_contexts[0]){
 252             sws_scale(sr_context->sws_contexts[0], (const uint8_t **)(in->data + 1), in->linesize + 1,
 253                       0, sr_context->sws_slice_h, out->data + 1, out->linesize + 1);
 254             sws_scale(sr_context->sws_contexts[0], (const uint8_t **)(in->data + 2), in->linesize + 2,
 255                       0, sr_context->sws_slice_h, out->data + 2, out->linesize + 2);
 256         }
 257
 258         sws_scale(sr_context->sws_contexts[1], (const uint8_t **)in->data, in->linesize,
 259                   0, in->height, (uint8_t * const*)(&sr_context->input.data),
 260                   (const int [4]){sr_context->sws_input_linesize, 0, 0, 0});
 261     }
 262     av_frame_free(&in);
 263
 264     dnn_result = (sr_context->dnn_module->execute_model)(sr_context->model, &sr_context->output, 1);
 265     if (dnn_result != DNN_SUCCESS){
 266         av_log(context, AV_LOG_ERROR, "failed to execute loaded model\n");
 267         return AVERROR(EIO);
 268     }
 269
 270     sws_scale(sr_context->sws_contexts[2], (const uint8_t *[4]){(const uint8_t *)sr_context->output.data, 0, 0, 0},
 271               (const int[4]){sr_context->sws_output_linesize, 0, 0, 0},
 272               0, out->height, (uint8_t * const*)out->data, out->linesize);
 273
 274     return ff_filter_frame(outlink, out);
 275 }
 276
 277 static av_cold void uninit(AVFilterContext *context)
 278 {
 279     int i;
 280     SRContext *sr_context = context->priv;
 281
 282     if (sr_context->dnn_module){
 283         (sr_context->dnn_module->free_model)(&sr_context->model);
 284         av_freep(&sr_context->dnn_module);
 285     }
 286
 287     for (i = 0; i < 3; ++i){
 288         sws_freeContext(sr_context->sws_contexts[i]);
 289     }
 290 }
 291
 292 static const AVFilterPad sr_inputs[] = {
 293     {
 294         .name         = "default",
 295         .type         = AVMEDIA_TYPE_VIDEO,
 296         .config_props = config_props,
 297         .filter_frame = filter_frame,
 298     },
 299     { NULL }
 300 };
 301
 302 static const AVFilterPad sr_outputs[] = {
 303     {
 304         .name = "default",
 305         .type = AVMEDIA_TYPE_VIDEO,
 306     },
 307     { NULL }
 308 };
 309
 310 AVFilter ff_vf_sr = {
 311     .name          = "sr",
 312     .description   = NULL_IF_CONFIG_SMALL("Apply DNN-based image super resolution to the input."),
 313     .priv_size     = sizeof(SRContext),
 314     .init          = init,
 315     .uninit        = uninit,
 316     .query_formats = query_formats,
 317     .inputs        = sr_inputs,
 318     .outputs       = sr_outputs,
 319     .priv_class    = &sr_class,
 320     .flags         = AVFILTER_FLAG_SUPPORT_TIMELINE_GENERIC,
 321 };