機(jī)頂盒平臺(tái)的字幕數(shù)據(jù)格式分析及其顯示實(shí)現(xiàn)

1 引言

隨著數(shù)字電視的蓬勃發(fā)展，數(shù)字電視已逐漸進(jìn)入千家萬戶，除了傳統(tǒng)的電視節(jié)目外，通過利用先進(jìn)的數(shù)字電視技術(shù)為廣大用戶提供更多的信息服務(wù)，是廣播電視事業(yè)發(fā)展的必然趨勢(shì)。字幕（subtitle）作為一種簡便而直觀的信息提供途徑，其重要性主要體現(xiàn)在兩個(gè)方面。一是字幕可以為聽力有障礙的人提供另一個(gè)語音信息途徑；二是字幕功能可以通過簡單的后期制作（如多語言顯示），配合電視節(jié)目的全球化推廣提供便捷的平臺(tái)。DVB 作為全球應(yīng)用最廣泛的數(shù)字電視傳輸標(biāo)準(zhǔn)，也為多種語言的字幕提供了相應(yīng)的規(guī)范，從而使字幕成為不同國家和地區(qū)電視節(jié)目交流的良好載體。

　　2 DVB 數(shù)字電視字幕規(guī)范

2.1 字幕控制信息規(guī)范
控制信息的規(guī)范主要包括有效數(shù)據(jù)的加載和提取索引信息的存放兩個(gè)方面。DVB 中規(guī)定，字幕信息要以節(jié)目的私有數(shù)據(jù)包形式復(fù)用到節(jié)目的基本流中，與音視頻數(shù)據(jù)加載形式類似。提取索引信息則是利用DVB 中的描述符（descriptor）語法插入到節(jié)目映射表（PMT）的私有數(shù)據(jù)段中。

流類型為0×06 的私有數(shù)據(jù)段，承載本節(jié)目私有數(shù)據(jù)提取的相關(guān)信息：私有數(shù)據(jù)包的PID 及其描述符。字幕描述符的標(biāo)簽值（descriptor_tag）為0×59,語法如下：
　　
分析字幕描述子可得出該字幕的語言代碼（ISO639_language_code）、字幕類型、合成頁及可選的輔助頁。這些信息在字幕數(shù)據(jù)的提取中將作為數(shù)據(jù)提取的索引信息。

2.2 字幕數(shù)據(jù)編碼規(guī)范

字幕顯示在終端是以頁的形式顯示出來，每一頁又分成多個(gè)區(qū)域，每一個(gè)區(qū)域里又關(guān)聯(lián)著多個(gè)圖形對(duì)象和區(qū)域的顏色。因此，字幕數(shù)據(jù)編碼是根據(jù)這些需求來定義的。字幕數(shù)據(jù)承載在PES 包的負(fù)載中，結(jié)構(gòu)如圖1 所示。

圖1 字幕數(shù)據(jù)的數(shù)據(jù)結(jié)構(gòu)

　　分析字幕的數(shù)據(jù)結(jié)構(gòu)可知，前兩個(gè)字節(jié)是字幕數(shù)據(jù)的確定信息，包括一個(gè)數(shù)據(jù)定義字節(jié)（該字段定義該數(shù)據(jù)流為DVB 字幕，其值為0×20）和一個(gè)字節(jié)的字幕流識(shí)別id（其值為0×00）；最后一個(gè)字節(jié)為字幕數(shù)據(jù)結(jié)束標(biāo)志（其值為0×ff）。中間填充的數(shù)據(jù)則是字幕段數(shù)據(jù)。在字幕段數(shù)據(jù)中前6 個(gè)字節(jié)為字幕段的頭信息，包括1 個(gè)同步字節(jié)（其值為0×0f）、1 個(gè)類型字節(jié)（用來確定data_field（）里攜帶的是哪種類型的數(shù)據(jù)分段）、2 個(gè)字節(jié)的頁ID （用來唯一標(biāo)志一個(gè)字幕段）以及2 個(gè)字節(jié)的段長度標(biāo)識(shí)（標(biāo)識(shí)其后面攜帶負(fù)載的大?。?br />
字幕段類型主要有以下四種：

頁分段（page composition）。通過頁id（page_id）定義了該頁顯示終止時(shí)間、頁的狀態(tài)、該頁中區(qū)域數(shù)、各區(qū)域號(hào)、各區(qū)域的水平及垂直位置。


區(qū)域分段（region composition）。用于定義該區(qū)域的寬高、水平垂直位置、所使用的CLUT 表的CLUT_id值、對(duì)象的id、區(qū)域背景色以及像素深度等信息。

CLUT 分段（CLUT definition）。用于定義顏色，以便把傳輸?shù)奶擃伾D(zhuǎn)換成實(shí)際色板中的顏色。
對(duì)象數(shù)據(jù)分段（object data）。用于定義對(duì)象的編碼方法和編碼數(shù)據(jù)。編碼方法包括像素編碼和字符編碼。每一個(gè)對(duì)象可以看作是一個(gè)可顯示的圖像單元。

每一頁數(shù)據(jù)的完整顯示都至少需要這四個(gè)數(shù)據(jù)分段，所以在解析字幕流時(shí)，需要利用各種結(jié)構(gòu)體及鏈表對(duì)這幾個(gè)數(shù)據(jù)段數(shù)據(jù)進(jìn)行解析并存儲(chǔ)。

　　3 機(jī)頂盒字幕解碼顯示系統(tǒng)設(shè)計(jì)

在STB 上實(shí)現(xiàn)字幕接收和顯示主要包括四大模塊：數(shù)據(jù)提取模塊、數(shù)據(jù)解碼模塊、圖層顯示模塊和用戶控制模塊。各模塊關(guān)系如圖2 所示。

圖中，用戶控制模塊用于響應(yīng)用戶按鍵，并發(fā)送消息控制其它各模塊；數(shù)據(jù)提取模塊根據(jù)接收控制模塊發(fā)來的濾波啟動(dòng)、停止或提取字幕數(shù)據(jù)等控制消息，并完成數(shù)據(jù)的提取工作；數(shù)據(jù)解碼模塊負(fù)責(zé)對(duì)數(shù)據(jù)提取模塊送來的字幕原始數(shù)據(jù)進(jìn)行解碼，并將解碼后的數(shù)據(jù)送到指定的緩沖區(qū)內(nèi)供圖層顯示模塊調(diào)用；圖層顯示模塊用于實(shí)現(xiàn)字幕界面的各種OSD 顯示操作。

圖2 字幕系統(tǒng)模塊關(guān)系圖。

3.1 字幕數(shù)據(jù)提取模塊

字幕數(shù)據(jù)提取模塊包括兩部分：字幕控制信息的提取和字幕數(shù)據(jù)包的提取。

用戶控制模塊發(fā)送字幕啟動(dòng)請(qǐng)求時(shí)，提取模塊就啟動(dòng)SI 引擎。首先，啟動(dòng)本節(jié)目的PMT 表濾波工作，獲取PMT 數(shù)據(jù)并進(jìn)行分析。若當(dāng)前節(jié)目沒有字幕信息，則發(fā)送無字幕消息至用戶模塊；若當(dāng)前節(jié)目帶有字幕信息，則根據(jù)PMT 中的私有數(shù)據(jù)段和字幕描述符，獲取字幕數(shù)據(jù)對(duì)應(yīng)的PID、字幕的語言代碼、字幕類型、合成頁及可選的輔助頁，并存放到字幕索引信息表中。其次，根據(jù)字幕索引信息表啟動(dòng)字幕有效數(shù)據(jù)的PES 濾波，提取對(duì)應(yīng)字幕數(shù)據(jù)包。字幕數(shù)據(jù)提取總體流程如圖3 所示。

圖3 字幕數(shù)據(jù)提取流程

當(dāng)獲得字幕的PID 及其它信息后，則按字幕語言的不同，把當(dāng)前節(jié)目所攜帶的所有語言的字幕列表，供用戶選擇。當(dāng)用戶選擇完一個(gè)條目后，可利用該條目相應(yīng)的控制信息獲取字幕PES 包，把字幕PID,合成頁id 和輔助頁id 注冊(cè)進(jìn)濾波通道，并啟動(dòng)濾波器。

此時(shí)，若濾波器接收到相匹配的數(shù)據(jù)，則會(huì)產(chǎn)生相應(yīng)的中斷，通知上層進(jìn)程讀取數(shù)據(jù)；當(dāng)獲取一個(gè)完整的PES 包后，就傳送給字幕解碼器進(jìn)行解碼顯示。

3.2 字幕數(shù)據(jù)解碼模塊

字幕數(shù)據(jù)解碼模塊負(fù)責(zé)對(duì)字幕PES 包進(jìn)行解碼。

字幕PES 包解碼流程如圖4 所示。

圖4 字幕PES 包解析流程。

字幕解碼主要是對(duì)PES 包進(jìn)行分析，包括PES包頭的檢測(cè)，PES 包頭信息的提取和字幕段的分析。

濾波得到一個(gè)PES 包后，首先判斷包頭是否合法，包括判斷前四個(gè)字節(jié)是否為0×000001BD 和PES包長度是否合法。

PES 包頭信息提取包括提取PTS、PES 包頭長度等。PTS 是該分組中承載的所要顯示的數(shù)據(jù)的顯示時(shí)間。根據(jù)包頭長度可以定位到PES 的負(fù)載位置，進(jìn)而分析PES 包的負(fù)載。

分析PES 包的負(fù)載，首先判斷前兩個(gè)字節(jié)（定義字節(jié)和字幕流id）是否分別為0×20、0×00.若都符合，則可以確定這個(gè)包就是所要的封裝有字幕數(shù)據(jù)的PES 包。然后進(jìn)入字幕段分析，字幕字段的內(nèi)容有四種情況。先找到同步頭字節(jié)0×0f,再往后分析8bit 的段類型（segment_type），通過判斷該字節(jié)值來確定data_field（）攜帶的是哪種類型的數(shù)據(jù)。當(dāng)segment_type為0×10 時(shí)[3],該段為頁分段；當(dāng)segment_type 為0×11時(shí)，則該段為區(qū)域分段；當(dāng)segment_byte 為0×12 時(shí)，該段為CLUT 分段；當(dāng)segment_byte 為0×13 時(shí)，該段為對(duì)象數(shù)據(jù)分段。最后，根據(jù)不同的類型調(diào)用不同的函數(shù)對(duì)各種類型的分段進(jìn)行下一步的分析。

在頁分段的解析中找到該頁的頁id、顯示終止時(shí)間、顯示狀態(tài)、該頁由幾個(gè)區(qū)域組成、每個(gè)區(qū)域的區(qū)域id 和每個(gè)區(qū)域的水平垂直坐標(biāo)，并把這些數(shù)據(jù)存儲(chǔ)起來。然后，根據(jù)從頁分段中獲取的區(qū)域的id 找到相應(yīng)的區(qū)域分段，獲取該區(qū)域的寬高、像素深度、該區(qū)域填充的顏色、顏色表id（CLUT_id）、區(qū)域的數(shù)據(jù)對(duì)象個(gè)數(shù)、每個(gè)數(shù)據(jù)對(duì)象編號(hào)（object_id），并存儲(chǔ)這些數(shù)據(jù)。

最后，通過CLUT_id 找到顏色表，得到顏色的Y、Cr、Cb、T 值。通過object_id 找到對(duì)象數(shù)據(jù)的內(nèi)容，包括編碼方式及編碼數(shù)據(jù)。用相應(yīng)的解碼方式把這些相關(guān)的編碼數(shù)據(jù)解碼出來，并放入緩沖區(qū)。其中，在頁分析時(shí)，當(dāng)解析出的該頁的顯示終止時(shí)間已經(jīng)過了，則并不需要分析該頁，把跟與該頁相關(guān)的數(shù)據(jù)緩沖區(qū)進(jìn)行清空操作。

由于一個(gè)PES 包可能包含多個(gè)字幕段（subtitling_segment），因此必須循環(huán)分析到最后一個(gè)字幕段。對(duì)每個(gè)字幕段分析完后，都要判斷下一個(gè)字節(jié)是下一個(gè)字幕段的同步頭（0×0f）還是字幕數(shù)據(jù)結(jié)束標(biāo)志（0×ff）。若是下一個(gè)字幕段的同步頭則繼續(xù)分析，若是數(shù)據(jù)結(jié)束標(biāo)志則代表該P(yáng)ES 包攜帶的負(fù)載分析完畢。最后，把得到的數(shù)據(jù)存放到顯示緩沖區(qū)，通過分析得到的PTS 創(chuàng)建一個(gè)定時(shí)時(shí)間，當(dāng)時(shí)間到的時(shí)候從緩沖區(qū)中把數(shù)據(jù)讀出，并調(diào)用OSD 層驅(qū)動(dòng)顯示數(shù)據(jù)。

在該解碼中，對(duì)于合成頁（composition_page_id）的處理分為兩種，這是因?yàn)橥粋€(gè)PID 可能傳送不同語言的字幕流，即語言不同的多個(gè)信息共享同一個(gè)PID流，所以在處理的時(shí)候可以把合成頁設(shè)置為濾波器的深度。當(dāng)一路數(shù)據(jù)流進(jìn)來的時(shí)候，對(duì)符合該P(yáng)ID 的PES 包中對(duì)應(yīng)的頁ID 進(jìn)行判斷，與頁ID 相同的就提取，不同的就丟棄，這是其中的一種解析提取方式。另一種方式是采用多種語言共用的PID 值去設(shè)置濾波器，把與該P(yáng)ID 值符合的字幕流提取出來，送去PES包解析。經(jīng)過PES 解析出該頁ID,這時(shí)再判斷該頁ID是否與在PMT 表解析得到的頁ID 一樣。如果一樣的話，說明正是要找的包，反之則說明是一個(gè)無效的PES 包，則丟棄該包。

3.3 字幕圖層顯示模塊

當(dāng)用戶在收看節(jié)目，啟動(dòng)字幕功能時(shí)，用戶看到的是節(jié)目畫面和字幕畫面的疊加，OSD 界面顯示技術(shù)是指在圖像畫面上疊加圖文顯示，使屏幕提供更多附加信息。

為了控制字幕在屏幕上的正常顯示，需要利用OSD 驅(qū)動(dòng)模塊提供的區(qū)域操作功能。在該字幕顯示實(shí)現(xiàn)中主要用到的OSD 函數(shù)接口有OSD 初始化函數(shù)、區(qū)域清除函數(shù)、OSD 區(qū)域創(chuàng)建函數(shù)、OSD 區(qū)域顯示函數(shù)和OSD 區(qū)域隱藏函數(shù)，在該系統(tǒng)中以回調(diào)函數(shù)的形式利用這些接口函數(shù)。在系統(tǒng)初始化中，必須先初始化字幕OSD 區(qū)域，獲取OSD 層的設(shè)備id,注冊(cè)字幕區(qū)域創(chuàng)建回調(diào)函數(shù)、字幕區(qū)域顯示回調(diào)函數(shù)、字幕清屏回調(diào)函數(shù)和字幕區(qū)域隱藏回調(diào)函數(shù)。把這些函數(shù)的地址加以保存，當(dāng)需要相應(yīng)的OSD 服務(wù)時(shí)，就通過函數(shù)指針調(diào)用相應(yīng)的函數(shù)。

字幕顯示可以根據(jù)分析PES 包得到時(shí)間信息，并通過這個(gè)時(shí)間信息與音視頻同步。在每區(qū)域數(shù)據(jù)解碼完畢后，顯示模塊創(chuàng)建相關(guān)的OSD 區(qū)域，分配內(nèi)存空間，把解析完的數(shù)據(jù)連同該數(shù)據(jù)要顯示的時(shí)間PTS 送到顯示緩沖區(qū)。此時(shí)，根據(jù)當(dāng)前系統(tǒng)時(shí)鐘STC 和存儲(chǔ)的PTS 創(chuàng)建一個(gè)定時(shí)器，如果顯示時(shí)間已經(jīng)超過了系統(tǒng)時(shí)間，那么顯示緩沖區(qū)的數(shù)據(jù)就要清空掉；反之，當(dāng)顯示時(shí)間到的時(shí)候，定時(shí)器被觸發(fā)，顯示內(nèi)容輸出到OSD 緩沖區(qū)，并結(jié)合顯示持續(xù)時(shí)間來進(jìn)行字幕的顯示。顯示狀態(tài)流程如圖5 所示。

圖5 顯示狀態(tài)流程

由于字幕的顯示和機(jī)頂盒菜單界面的顯示都是基于區(qū)域的，對(duì)于不同的應(yīng)用，不能同時(shí)往同一個(gè)位置填充不同的數(shù)據(jù)。因此，在字幕顯示前要把菜單OSD 顯示區(qū)域隱藏起來。當(dāng)字幕正在顯示又需要使用系統(tǒng)菜單時(shí)，調(diào)用字幕區(qū)域隱藏函數(shù)，設(shè)置顯示標(biāo)志為非需要顯示狀態(tài)。在菜單顯示結(jié)束后，調(diào)用字幕區(qū)域顯示函數(shù)，恢復(fù)字幕顯示。采用這種方式可以解決字幕顯示和界面顯示的沖突。

3.4 字幕用戶控制模塊

控制模塊是人機(jī)交換模塊，主要負(fù)責(zé)用戶請(qǐng)求的處理。本模塊的首要任務(wù)是將用戶的請(qǐng)求進(jìn)行消息分類，再根據(jù)不同的消息與相關(guān)的模塊進(jìn)行通信，消息可分為以下幾種：獲取字幕控制信息消息、啟動(dòng)及停止字幕數(shù)據(jù)濾波消息、字幕數(shù)據(jù)解碼及停止解碼消息、OSD 區(qū)域顯示消息、OSD 區(qū)域清除消息和OSD 區(qū)域隱藏消息。

在機(jī)頂盒系統(tǒng)軟件中，字幕的創(chuàng)建通過遙控器上的字幕鍵（SUBT）觸發(fā)，發(fā)送消息啟動(dòng)數(shù)據(jù)控制信息提取模塊，解析完畢后顯示多語言字幕列表，供用戶選擇所要接收的語言（上下鍵選擇及OK 鍵觸發(fā)）。用戶一旦選擇后，啟動(dòng)字幕數(shù)據(jù)提取模塊，進(jìn)行字幕PES數(shù)據(jù)流的濾波和緩沖，同時(shí)啟動(dòng)顯示模塊，根據(jù)各種時(shí)間進(jìn)行顯示或者清屏。字幕的關(guān)閉由遙控器上的退出（EXIT）鍵觸發(fā)，進(jìn)而控制停止濾波、停止數(shù)據(jù)解碼，釋放字幕功能創(chuàng)建的各內(nèi)存空間，停止字幕顯示。

在顯示字幕的同時(shí)，進(jìn)行界面菜單操作分成兩種情況。一種是菜單操作進(jìn)行了調(diào)臺(tái)，用戶控制模塊發(fā)送消息關(guān)掉字幕功能、停止濾波、釋放字幕功能創(chuàng)建的各內(nèi)存空間；另一種情況是非調(diào)臺(tái)的其他菜單操作，當(dāng)界面操作結(jié)束后則發(fā)送字幕恢復(fù)顯示消息給圖層顯示模塊恢復(fù)顯示。

　　4 結(jié)束語

本文采用模塊化的設(shè)計(jì)思路，按照功能將機(jī)頂盒字幕解碼系統(tǒng)分為四個(gè)模塊，即數(shù)據(jù)提取、數(shù)據(jù)解碼、數(shù)據(jù)顯示和用戶控制模塊。在各個(gè)模塊的實(shí)現(xiàn)上按照中間件和驅(qū)動(dòng)層兩個(gè)方面進(jìn)行程序設(shè)計(jì)，使得編寫的代碼便于理解閱讀，同時(shí)又易于實(shí)現(xiàn)不同平臺(tái)間移植。