談談time_scale和time_base的了解

在音視訊領域，常常會看到time_scale和time_base這樣的概念。由于這是非常基礎的概念，在許多書本、工程代碼中并沒有解釋這兩個概念的實際含義。正是從這個角度出發，我将談一談對這兩個概念的了解，故形成此文。

首先，從常識角度來看

我們現行的時間機關有：小時(h)，分鐘(min)，秒(s)，毫秒(ms)，微妙(us)等。

對于小時，我們知道1(h)=60(min)。也就是将1小時細分為60個刻度，每個刻度就是1分鐘。一小時的 時間刻度(time_scale) 有60個，每一個刻度的時間由 時間基(time_base) 表示，一個時間基就代表1/60個小時，也就是1分鐘。是以，time_scale=60，time_base = 1/60 (h) = 1 (min)。

對于分鐘，時間刻度(time_scale)也是60個，但每一個刻度，也就是時間基(time_base)代表1/60個分鐘，即1秒。time_scale=60，time_base = 1/60 (min) = 1(s)。

對于秒，時間刻度(time_scale)是1000個，每一個刻度，也就是時間基(time_base)代表1/1000個秒，即1毫秒。time_scale=1000，time_base = 1/1000 (s) = 1(ms)。

相信看到這裡，可以發現，本質上就是不同精度的時間度量機關的表示，這些約定俗成的轉換規則就是所謂的時間轉換标準。

在音視訊領域，我們常看到，

time_scale = 1000，time_base = 1/1000

time_scale = 30000，time_base = 1/30000

time_scale = 90000， time_base = 1/90000

什麼意思呢？

通常我們觀看的電視節目、視訊等，都包含有視訊流、音頻流、字幕流；3種流要保持同步(通俗的講就是嘴型、聲音、字幕都對的上)，就需要基于時間戳的同步機制(同步機制的原理本文不展開)。而這個時間戳就是所謂的PTS(顯示時間戳)。以視訊為例，假設視訊的幀率為25fps，就是一秒鐘要顯示25幀圖像，那麼每幀圖像的顯示時長為40(ms)。如果采用time_scale = 90000， time_base = 1/90000(s)來度量PTS，意思是将1秒劃分為90000個刻度，每一個刻度表示1/90000秒；那麼要将25幀圖像以time_sclae=90000在1秒内均分，每幀圖像的顯示時長的起始時刻就用pts表示，

第1幀pts=0，

第2幀pts=3600，轉換為時間就是 3600*time_base=0.04(s)=40(ms)，即第2幀圖像的顯示的起始時刻為40ms

第3幀pts=7200，轉換為時間就是 7200*time_base=0.08(s)=80(ms)，即第2幀圖像的顯示的起始時刻為80ms

依此類推。

不同精度的時間度量，在表現形式上不同，但時間度量上是一樣。

1. 25fps，1秒的時間刻度time_scale = 1000， time_base = 1/1000，那麼每幀圖像占40個time_base = 40(ms)—基于常識時間度量機關
2. 1秒的時間刻度，将精度提高為time_scale = 90000，time_base=1/90000(s)，那麼每幀圖像占3600個time_base 也是 40(ms)

問題又來了，為什麼要使用不同精度的time_scale呢？簡單來說，因為視訊流、音頻流、字幕流的采樣精度不同，為了使不同流同步，需要足夠精度time_scale來表示pts，使視訊同步。

好了，以上内容表示time_scale和time_base的了解。典型的細分思想。是不是非常簡單呢！！！