如何在 ffmpeg 命令行中将 RGB 图像编码为 HDR10 视频？

Question

如何使用 ffmpeg 命令行对 RGB 图像中的 HDR10 视频进行编码，并使用正确的颜色和亮度元数据？

在搜索有关如何正确编码 HDR10 流的信息时，有很多 ffmpeg 命令行示例，但我没有找到任何包含使用 RGB 帧时可以调整的所有参数的完整列表作为输入。

例如：

• This article 有很多信息，但使用现有视频作为输入。
• 同样，this article 使用现有视频作为输入

Answer 1

传统视频需要有以下几组元数据：

• 传递函数决定了如何将编码的 RGB 或 YUV 值映射到显示亮度（ffmpeg 选项中的-color_trc，x265 选项中的transfer）。常用选项是 HLG (arib-std-b67) 或 PQ (smpte2084)。
• 色彩空间原色定义了编码后的 RGB 值如何映射到真实颜色（-color_primaries 用于 ffmpeg，colorprim 用于 x265）。对于 HDR10，最常见的选项是 bt2020。
• 颜色矩阵用于在 RGB 值（用于在屏幕上显示数据）和 YUV 值（使视频编码器效率更高，因为它们大致将亮度（Y）与色度（UV）通道分开），并对应于 ffmpeg 中的 -colorspace 和 x265 中的 colormatrix。对于 HDR10，最常见的选项是 bt2020nc。
• 信号范围确定 0-100% 之间的 RGB 值是否映射到完整的 0-255（8 位）或 0-1023（10 位）范围，或者是否保留一个边距供内部使用（-color_range 在 ffmpeg 中，range 在 x265 中）。传统上，它在视频中是“有限的”（或：“tv”、“narrow”），而在 RGB 图像中是“完整的”（或：“pc”）。

HDR10 在此之上定义了额外的元数据，旨在供操作系统/播放器用于调整不支持 HDR 的屏幕上的视频输出，以便在这些限制下尽可能地显示它们：

• MaxFALL 和 MaxCLL 分别描述。视频的平均和最大亮度（max-cll x265 选项）
• 掌握显示特性描述视频的“完美”显示（master-display x265 选项）

现在，有几件事需要特别注意：

• 传统元数据可以在视频容器和x265流中设置（所以要在ffmpeg和x265中都设置，以免播放时不匹配）。
• 应为输入（-i 之前）和输出（之后）格式设置传统元数据，以便 ffmpeg 在编码时可以进行正确的转换。
• HDR10 元数据仅存在于 x265 选项中； ffmpeg 对它们一无所知，它们不会影响视频像素值。
• 不幸的是，ffmpeg 用于格式转换的默认过滤器（swscale，或命令行中的-vf scale）在自动应用时存在很多问题。我发现最好始终至少明确指定信号范围，或者甚至使用 zscale 替换它并且表现得更好。 Several issues 与 swscale 一起存在，因此很难正确处理。
• 传统 SDR (BT709) 视频和 HDR10 (BT2020) 之间的 YUV 到/从 RGB 转换（这是我们在这里所做的，因为我们使用 RGB 图像作为输入！）不同。这是一个非常常见的错误来源，因为如果没有在 输入和输出格式中明确指定，很多 ffmpeg 内部都假定默认（可能是错误的）转换！
• 输入图像的-pix_fmt 应该是自动确定的，但我在这里包含它是为了全面；如果您想从原始 RGB 数据流式传输，它也是必需的。
• 输出视频的-pix_fmt 指定我们要将 10 位 YUV 数据传递给编码器，并且是必需的。
• 此命令行假定您的 TIFF 图像已经包含正确的颜色配置文件（它们已经是 HDR10 Rec2020 HLG 图像）。如果您想从例如进行转换sRGB 或其他空间你需要设置输入文件的具体格式和zscale 正确过滤。

考虑到这一点，我们可以使用以下命令行将 Rec2020 HLG RGB 图像转换为 HDR10 Rec2020 HLG x265/HEVC 视频：

ffmpeg \

  # Some basic options
  -hide_banner \
  -loglevel verbose \

  # Scaling flags for the input
  # The print_info flag is very useful to debug cases when swscale is applied automatically!
  # The other flags ensure ffmpeg favors accuracy over (very limited) performance gains.
  -sws_flags print_info+accurate_rnd+bitexact+full_chroma_int \

  # Traditional metadata for input images (note the "pc" or "full" range)
  -color_range pc \
  -color_trc arib-std-b67 \
  -color_primaries bt2020 \
  -colorspace bt2020nc \
  -pix_fmt rgb48be \

  # Input frames as 16-bit big-endian RGB TIFF images with pixel values in Rec2020 HLG
  -framerate 30 -start_number 1 -i input-%03d.tif \

  # Explicitly configure the range conversion (so as to avoid using swscale)
  -vf zscale=rangein=full:range=limited \

  # Specify output codec (x265/HEVC)
  -c:v libx265 \

  # Traditional metadata for output video (note the "tv" or "limited" range)
  -color_range tv \
  -color_trc arib-std-b67 \
  -color_primaries bt2020 \
  -colorspace bt2020nc \
  -pix_fmt yuv444p10le \

  # Scaling flags for the output
  -sws_flags print_info+accurate_rnd+bitexact+full_chroma_int \

  # x265 HDR10 metadata
  -x265-params colorprim=bt2020:transfer=arib-std-b67:colormatrix=bt2020nc:range=limited:master-display=G(13250,34500)B(7500,3000)R(34000,16000)WP(15635,16450)L(10000000,1):max-cll=1000,400 \

  # Output file
  output.mov