摘要：本篇文檔概括性的介紹了DirectShow的主要組成部分，以及一些Directshow的基本概念。熟悉這些基本的知識對於Directshow的應用開發或者過濾器的開發者都會有所幫助。
DirectShow是微軟公司提供的一套在Windows平臺上進行流媒體處理的開發包，與DirectX開發包一起發佈。那麼，DirectShow能夠做些什麼呢？且看，DirectShow爲多媒體流的捕捉和回放提供了強有力的支持。運用DirectShow，我們可以很方便地從支持WDM驅動模型的採集卡上捕獲數據，並且進行相應的後期處理乃至存儲到文件中。它廣泛地支持各種媒體格式，包括Asf、Mpeg、Avi、Dv、Mp3、Wave等等，使得多媒體數據的回放變得輕而易舉。另外，DirectShow還集成了DirectX其它部分（比如DirectDraw、DirectSound）的技術，直接支持DVD的播放，視頻的非線性編輯，以及與數字攝像機的數據交換。更值得一提的是，DirectShow提供的是一種開放式的開發環境，我們可以根據自己的需要定製自己的組件。
應用程序與DirectShow組件以及DirectShow所支持的軟硬件之間的關係如圖1所示。
圖1 DirectShow系統框圖
1、DirectShow的 Filter
Directshow是基於模塊化，每個功能模塊都採取COM組件方式，稱爲Filter。Directshow提供了一系列的標準的模塊可用於應用開發，開發者也可以開發自己的功能Filter來擴展Directshow的應用。下面我們用一個例子來說明如何採取Filter來播放一個AVI的視頻文件。
1) 首先從一個文件中讀取AVI數據，形成字節流。（這個工作由源Filter完成）
2) 檢查AVI數據流的頭格式，然後通過AVI分割Filter將視頻流和音頻流分開。
3) 解碼視頻流，根據壓縮格式的不同，選取不同的decoder filters 。
4) 通過Renderer Filter重畫視頻圖像。
5) 音頻流送到聲卡進行播放，一般採用缺省的 DirectSound DeviceFilter。流程見下圖。
圖2 音頻流播放Graph圖
從上面的圖表看，每一個filter都一個其他的一個或者兩個filter相連接。兩個Filter相連接的連接點也是com對象，我們稱爲Pin。Filter通過pin將數據從一個filter傳遞到另一個filter中，從而可以使數據在由filter組成的鏈表中流動。圖中的箭頭表示filter鏈表中的數據流的方向。在Directshow中，像上面的這樣一個filter 鏈表我們稱爲filter Graph。
Filter具有三個狀態，運行，停止，暫停。當一個filter運行時，它就處理媒體數據流，當停止時，filter就不在處理數據，暫停狀態常用來給運行狀態之前cure data。Data Flow in the Filter Graph一章詳細描述了這些概念，可以參考。
除了一些特別的例外， Filter graph中所有的filter的狀態的改變都是統一的，也就說，filte graph中的所有的filter 的狀態改變是一致協調的。也就是說，我們也可以用filter graph也可以有運行，停止，暫停三種狀態。
Filter 一般分爲下面幾種類型。
（1）源過濾器（sourcefilter）：源過濾器引入數據到過濾器圖表中，數據來源可以是文件、網絡、照相機等。不同的源過濾器處理不同類型的數據源。
（2）變換過濾器（transform filter）：變換過濾器的工作是獲取輸入流，處理數據，並生成輸出流。變換過濾器對數據的處理包括編解碼、格式轉換、壓縮解壓縮等。
（3）提交過濾器（renderer filter）：提交過濾器在過濾器圖表裏處於最後一級，它們接收數據並把數據提交給外設。
（4）分割過濾器（splitter filter）：分割過濾器把輸入流分割成多個輸出。例如，AVI分割過濾器把一個AVI格式的字節流分割成視頻流和音頻流。
（5）混合過濾器（mux filter）：混合過濾器把多個輸入組合成一個單獨的數據流。例如，AVI混合過濾器把視頻流和音頻流合成一個AVI格式的字節流。
過濾器的這些分類並不是絕對的，例如一個ASF讀過濾器（ASF Reader filter）既是一個源過濾器又是一個分割過濾器。
2、關於Filter Graph Manager
Filter Graph Manager也是一個com對象，用來控制Filter graph中的所有的filter，主要有以下的功能：
1) 用來協調filter之間的狀態改變，從而使graph 中的所有的filter的狀態的改變應該一致。
2) 建立一個參考時鐘。
3) 將filter 的消息通知返回給應用程序
4) 提供用來建立 filter graph的方法。
這裏只是簡單的描述一下，詳細地可以參考文檔。
狀態改變，Graph中的filter的狀態改變應該一致，因此，應用程序並將狀態改變的命令直接發給filter，而是將相應的狀態改變的命令發送給Filter graph Manager，由manager將命令分發給graph中每一個filter。Seeking也是同樣的方式工作，首先由應用程序將seek命令發送到filter graph 管理器，然後由其分發給每個filter。
參考時鐘，graph中的filter都採用的同一個時鐘，稱爲參考時鐘（reference clock），參考時鐘可以確保所有的數據流同步，視頻楨或者音頻楨應該被提交的時間稱爲presentation time.presentation time 是相對於參考時鐘來確定的。Filter graph Manager應該選擇一個參考時鐘，可以選擇聲卡上的時鐘，也可以選擇系統時鐘。
Graph事件， Graph 管理器採用事件機制將graph中發生的事件通知給應用程序，這個機制類似於windows的消息循環機制。
Graph構建的方法，graph管理器給應用程序提供了將filter添加進graph的方法，連接filter的方法，斷開filter連接的方法。
但是，graph 管理器沒有提供如何將數據從一個filter發送到另一個filter的方法，這個工作是由filter在內部通過pin來獨立完成的，3、媒體類型
因爲Directshow是基於com組件的，就需要有一種方式來描述filter graph每一個點的數據格式，例如，我們還以播放AVI文件爲例，數據以RIFF塊的形式進入graph中，然後被分割成視頻和音頻流，視頻流有一系列的壓縮的視頻楨組成，解壓後，視頻流由一系列的無壓縮的位圖組成，音頻流也要走同樣的步驟。
Media Types: How DirectShow Represents Formats
媒體類型是一種很普遍的，可以擴展的用來描述數字媒體格式的方法，當兩個filter連接的時候，他們會就採用某一種媒體類型達成一致的協議。媒體類型定義了處於源頭的filter將要給下游的filter發送什麼樣的數據，以及數據的physical layout。如果兩個filter不能夠支持同一種的媒體類型，那麼他們就沒法連接起來。
對於大多數的應用來說，也許你不用考慮媒體類型，但是，有些應用程序中，你會直接應用到媒體類型的。
媒體類型是通過AM_MEDIA_TYPE結構定義的，看看原始定義吧
typedef struct _MediaType {
GUID majortype;
GUID subtype;
BOOL bFixedSizeSamples;
BOOL bTemporalCompression;
ULONG lSampleSize;
GUID formattype;
IUnknown *pUnk;
ULONG cbFormat;
[size_is(cbFormat)] BYTE *pbFormat;
} AM_MEDIA_TYPE;
Major type:是一個GUID，用來定義數據的主類型，包括，音頻，視頻，unparsed字節流，MIDI數據，等等，具體可以參考msdn。
Subtype:子類型，也是一個GUID，用來進一步的細化數據格式，例如，在視頻主類型中，還包括RGB-24, RGB-32, UYVY等等一些子類型，在音頻主類型中還包括PCM audio, MPEG-1 payload等類型，子類型提供了比主類型更詳細的信息，但是並沒有定義所有的格式，例如，視頻的子類型並沒有定義圖像大小，楨率。這些由下面的字段定義。
bFixedSizeSamples當這個值爲TRUE時，表示sample大小固定。
bTemporalCompression當這個值爲TRUE時，表示sample採用了臨時壓縮格式，表明不是所有的楨都是關鍵楨，如果爲FALSE，表明所有的都是關鍵楨。
lSampleSize 表示sample的大小。對於壓縮的數據，這個值可能爲零。
Formattype一個GUID值，用來表明內存塊的格式。包括如下：FORMAT_None，FORMAT_DvInfo，FORMAT_MPEGVideo，FORMAT_MPEG2Video，FORMAT_VideoInfo，FORMAT_VideoInfo2，FORMAT_WaveFormatEx，GUID_NULL。
pUnk該參數沒有用到。
cbFormat內存塊的大小。
pbFormat指向內存塊的指針。
下面我們看一段代碼，看看filter如何檢測媒體類型的。
HRESULT CheckMediaType(AM_MEDIA_TYPE *pmt)
{
if (pmt == NULL) return E_POINTER;
// Check the major type. We’re looking for video.
if (pmt->majortype != MEDIATYPE_Video)
{
return VFW_E_INVALIDMEDIATYPE;
}
// Check the subtype. We’re looking for 24-bit RGB.
if (pmt->subtype != MEDIASUBTYPE_RGB24)
{
return VFW_E_INVALIDMEDIATYPE;
}
// Check the format type and the size of the format block.
if ((pmt->formattype == FORMAT_VideoInfo) && (pmt->cbFormat >= sizeof(VIDEOINFOHEADER) &&
(pmt->pbFormat != NULL))
{
// Now it’s safe to coerce the format block pointer to the
// correct structure, as defined by the formattype GUID.
VIDEOINFOHEADER *pVIH = (VIDEOINFOHEADER*)pmt->pbFormat;
// Examine pVIH (not shown). If it looks OK, return S_OK.
return S_OK;
}
return VFW_E_INVALIDMEDIATYPE;
}
下面簡單介紹幾個和 Media Type相關的函數：
AM_MEDIA_TYPE結構包含一個指向數據塊的指針，因此，當你使用這個結構的時候，一定要小心內存分配，以防內存泄漏。
分配函數
1) AM_MEDIA_TYPE * WINAPI CreateMediaType(AM_MEDIA_TYPE const *pSrc );
這個函數分配一個新的AM_MEDIA_TYPE結構，包含特定格式的數據塊。釋放由這個函數分配的內存，可以調用DeleteMediaType函數
2) STDAPI CreateAudioMediaType(const WAVEFORMATEX *pwfx,AM_MEDIA_TYPE *pmt,BOOL bSetFormat);
該函數利用一個給定的WAVEFORMATIEX結構來初始化媒體類型，如果bsetFormat參數爲TRUE，該函數就分配一塊新的內存，如果原來的pmt已經包含內存，就有可能發生內存泄漏。爲了避免內存泄漏，在調用這個函數前要調用FreeMediaType（），在這個函數返回之後，再次調用FreeMediaType（），釋放format block。
3) HRESULT WINAPI CopyMediaType(AM_MEDIA_TYPE *pmtTarget,const AM_MEDIA_TYPE *pmtSource);
這個函數複製了一個結構到另一個結構中去。這個函數也要重新分配內存給目的結構，如果pmtTarget,已經包含一個內存塊，就要內存泄漏，因此，在調用該函數前後都要調用FreeMediaType函數。
釋放函數
4) void WINAPI DeleteMediaType( AM_MEDIA_TYPE *pmt);
無論是採用CoTaskMemAlloc函數還是用CreateMediaType函數分配的內存都可以用這個函數來釋放，如果你沒有連接基類的動態庫，你可以用下面的代碼
void MyDeleteMediaType(AM_MEDIA_TYPE *pmt)
{
if (pmt != NULL)
{
MyFreeMediaType(*pmt); // 見下面的 FreeMediaType 函數
CoTaskMemFree(pmt);
}
}
5) void WINAPI FreeMediaType( AM_MEDIA_TYPE& mt);
這個函數用來釋放數據塊的內存，如果要刪除AM_MEDIA_TYPE結構，可以使用DeleteMediaType函數。
void MyFreeMediaType(AM_MEDIA_TYPE& mt)
{
if (mt.cbFormat != 0)
{
CoTaskMemFree((PVOID)mt.pbFormat);
mt.cbFormat = 0;
mt.pbFormat = NULL;
}
if (mt.pUnk != NULL)
{
// Unecessary because pUnk should not be used, but safest.
mt.pUnk->Release();
mt.pUnk = NULL;
}
}
4、媒體Samples和Allocators
Filters通過pin的連接來傳遞數據，數據流是從一個filter的輸出pin流向相連的filter的輸入pin。輸出pin常用的傳遞數據的方式是調用輸入pin上的IMemInputPin::Receive方法。
對於filter來說，可以有好幾種方式來分配媒體數據使用的內存塊，可以在堆上分配，可以在DirectDraw的表面，也可以採用GDI共享內存，還有其他的一些方法，在Directshow中用來進行內存分配任務的是內存分配器（allocator），也是一個COM對象，暴露了一個IMemAllocator接口。
當兩個pin連接的時候，必須有一個pin提供一個allocator，Directshow定義了一系列函數調用用來確定由哪個pin提供allocator，以及buffer的數量和大小。
在數據流開始之前，allocator會創建一個內存池（pool of buffer），在開始發送數據流以後，源filter就會將數據填充到內存池中一個空閒的buffer中，然後傳遞給下面的filter。但是，源filter並不是直接將內存buffer的指針直接傳遞給下游的filter，而是通過一個media samples的COM對象，這個sample是allocator創建的用來管理內存buffer。Media sample暴露了IMediaSample接口，一個sample包含了下面的內容：
一個指向沒有發送的內存的指針。
一個時間戳
一些標誌
媒體類型。
時間戳表明了presentation time，Renderer filter就是根據這個時間來安排render順序的。標誌是用來標示數據是否中斷等等，媒體類型提供了中途改變數據格式的一種方法，不過，一般sample沒有媒體類型，表明它們的媒體類型一直沒有改變。
當一個filter正在使用buffer，它就會保持一個sample的引用計數，allocator通過sample的引用計數用來確定是否可以重新使用一個buffer。這樣就防止了buffer的使用衝突，當所有的filter都釋放了對sample的引用，sample才返回到allocator的內存池，供重新使用。
5、硬件設備在graph中的作用
下面的這段話借用的是陸其明的一段文檔，特此標記2005-1-26我覺得他對硬件的表述比較清楚。
大家知道，爲了提高系統的穩定性，Windows操作系統對硬件操作進行了隔離；應用程序一般不能直接訪問硬件。DirectShow Filter工作在用戶模式（User mode，操作系統特權級別爲Ring 3），而硬件工作在內核模式（Kernel mode，操作系統特權級別爲Ring 0），那麼它們之間怎麼協同工作呢？
DirectShow解決的方法是，爲這些硬件設計包裝Filter；這種Filter能夠工作在用戶模式下，外觀、控制方法跟普通Filter一樣，而包裝Filter內部完成與硬件驅動程序的交互。這樣的設計，使得編寫DirectShow應用程序的開發人員，從爲支持硬件而需做出的特殊處理中解脫出來。DirectShow已經集成的包裝Filter，包括Audio Capture Filter（qcap.dll）、VfW Capture Filter（qcap.dll，Filter的Class Id爲CLSID_VfwCapture）、TV Tuner Filter（KSTVTune.ax，Filter的Class Id爲CLSID_CTVTunerFilter）、Analog Video Crossbar Filter（ksxbar.ax）、TV Audio Filter（Filter的Class Id爲CLSID_TVAudioFilter）等；另外，DirectShow爲採用WDM驅動程序的硬件設計了KsProxy Filter（Ksproxy.ax,）。我們可以看一下結構圖：見圖1
我們可以看出，Ksproxy.ax、Kstune.ax、Ksxbar.ax這些包裝Filter跟其它普通的DirectShow Filter處於同一個級別，可以協同工作；用戶模式下的Filter通過Stream Class控制硬件的驅動程序minidriver（由硬件廠商提供的實現對硬件控制功能的DLL）；Stream Class和minidriver一起向上層提供系統底層級別的服務。值得注意的是，這裏的Stream Class是一種驅動模型，它負責調用硬件的minidriver；另外，Stream Class的功能還在於協調minidriver之間的工作，使得一些數據可以直接在Kernel mode下從一個硬件傳輸到另一個硬件（或同一個硬件上的不同功能模塊），提高了系統的工作效率。（更多的關於底層驅動程序的細節，請讀者參閱Windows DDK。）
下面，我們分別來看一下幾種常見的硬件。
VfW視頻採集卡。這類硬件在市場上已經處於一種淘汰的趨勢；新生產的視頻採集卡一般採用WDM驅動模型。但是，DirectShow爲了保持向後兼容，還是專門提供了一個包裝Filter支持這種硬件。和其他硬件的包裝Filter一樣，這種包裝Filter的創建不是像普通Filter一樣使用CoCreateInstance，而要通過系統枚舉，然後BindToObject。
音頻採集卡（聲卡）。聲卡的採集功能也是通過包裝Filter來實現的；而且現在的聲卡大部分都有混音的功能。這個Filter一般有幾個Input pin，每個pin都代表一個輸入，如Line In、Microphone、CD、MIDI等。值得注意的是，這些pin代表的是聲卡上的物理輸入端子，在Filter Graph中是永遠不會連接到其他Filter上的。聲卡的輸出功能，可以有兩個Filter供選擇：DirectSound Renderer Filter和Audio Renderer (WaveOut) Filter。注意，這兩個Filter不是上述意義上的包裝Filter，它們能夠同硬件交互，是因爲它們使用了API函數：前者使用了DirectSound API，後者使用了waveOut API。這兩個Filter的區別，還在於後者輸出音頻的同時不支持混音。（順便說明一下，Video Renderer Filter能夠訪問顯卡，也是因爲使用了GDI、DirectDraw或Direct3D API。）如果你的機器上有聲卡的話，你可以通過GraphEdit，在Audio Capture Sources目錄下看到這個聲卡的包裝Filter。
WDM驅動的硬件（包括視頻捕捉卡、硬件解壓卡等）。這類硬件都使用Ksproxy.ax這個包裝Filter。Ksproxy.ax實現了很多功能，所以有“瑞士軍刀”的美譽；它還被稱作爲“變色龍Filter”，因爲該Filter上定義了統一的接口，而接口的實現因具體的硬件驅動程序而異。在Filter Graph中，Ksproxy Filter顯示的名字爲硬件的Friendly name（一般在驅動程序的.inf文件中定義）。我們可以通過GraphEdit，在WDM Streaming開頭的目錄中找到本機系統中安裝的WDM硬件。因爲KsProxy.ax能夠代表各種WDM的音視頻設備，所以這個包裝Filter的工作流程有點複雜。這個Filter不會預先知道要代表哪種類型的設備，它必須首先訪問驅動程序的屬性集，然後動態配置Filter上應該實現的接口。
當Ksproxy Filter上的接口方法被應用程序或其他Filter調用時，它會將調用方法以及參數傳遞給驅動程序，由驅動程序最終完成指定功能。除此以外，WDM硬件還支持內核流（Kernel Streaming），即內核模式下的數據傳輸，而無需經過到用戶模式的轉換。因爲內核模式與用戶模式之間的相互轉換，需要花費很大的計算量。如果使用內核流，不僅可以避免大量的計算，還避免了內核數據與主機內存之間的拷貝過程。在這種情況下，用戶模式的Filter Graph中，即使pin之間是連接的，也不會有實際的數據流動。典型的情況，如帶有Video Port Pin的視頻捕捉卡，Preview時顯示的圖像就是在內核模式下直接傳送到顯卡的顯存的。所以，你也休想在VP Pin後面截獲數據流。
講到這裏，我想大家應該對DirectShow對硬件的支持問題有了一個總體的認識。對於應用程序開發人員來說，這方面的內容不用研究得太透，而只需作爲背景知識瞭解一下就好了。其實，大量繁瑣的工作DirectShow已經幫我們做好了。