摘要：本文通過對DVB 標準中的ETS 300 743 規(guī)范的字幕數(shù)據(jù)格式進行研究和分析，結合機頂盒平臺的解復用濾波、圖層處理和用戶接口模塊，給出一種能夠正確、完整、及時的字幕顯示實現(xiàn)方案。

　　1 引言

　　隨著數(shù)字電視的蓬勃發(fā)展，數(shù)字電視已逐漸進入千家萬戶，除了傳統(tǒng)的電視節(jié)目外，通過利用先進的數(shù)字電視技術為廣大用戶提供更多的信息服務，是廣播電視事業(yè)發(fā)展的必然趨勢。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)在兩個方面。一是字幕可以為聽力有障礙的人提供另一個“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。DVB 作為全球應用最廣泛的數(shù)字電視傳輸標準，也為多種語言的字幕提供了相應的規(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)提取的相關信息：私有數(shù)據(jù)包的PID 及其描述符。字幕描述符的標簽值（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，每一頁又分成多個區(qū)域，每一個區(qū)域里又關聯(lián)著多個圖形對象和區(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 包的負載中，結構如圖1 所示。

　　圖1 字幕數(shù)據(jù)的數(shù)據(jù)結構

　　分析字幕的數(shù)據(jù)結構可知，前兩個字節(jié)是字幕數(shù)據(jù)的確定信息，包括一個數(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）和一個字節(jié)的字幕流識別id（其值為0×00）；最后一個字節(jié)為字幕數(shù)據(jù)結束標志（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 個字節(jié)為字幕段的頭信息，包括1 個同步字節(jié)（其值為0×0f）、1 個類型字節(jié)（用來確定data_field（）里攜帶的是哪種類型的數(shù)據(jù)分段）、2 個字節(jié)的頁ID （用來唯一標志一個字幕段）以及2 個字節(jié)的段長度標識（標識其后面攜帶負載的大小）。

　　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間、頁的狀態(tài)、該頁中區(qū)域數(shù)、各區(qū)域號、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換成實際色板中的顏色。

　　對象數(shù)據(jù)分段（object data）。用于定義對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。每一個對象可以看作是一個可顯示的圖像單元。

　　每一頁數(shù)據(jù)的完整顯示都至少需要這四個數(shù)據(jù)分段，所以在解析字幕流時，需要利用各種結構體及鏈表對這幾個數(shù)據(jù)段數(shù)據(jù)進行解析并存儲。

　　3 機頂盒字幕解碼顯示系統(tǒng)設計

　　在STB 上實現(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。各模塊關系如圖2 所示。

　　圖中，用戶控制模塊用于響應用戶按鍵，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、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)解碼模塊負責對數(shù)據(jù)提取模塊送來的字幕原始數(shù)據(jù)進行解碼，并將解碼后的數(shù)據(jù)送到指定的緩沖區(qū)內供圖層顯示模塊調用；圖層顯示模塊用于實現(xiàn)字幕界面的各種OSD 顯示操作。

　　圖2 字幕系統(tǒng)模塊關系圖。

　　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)送字幕啟動請求時，提取模塊就啟動SI 引擎。首先，啟動本節(jié)目的PMT 表濾波工作，獲取PMT 數(shù)據(jù)并進行分析。若當前節(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)對應的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字幕有效數(shù)據(jù)的PES 濾波，提取對應字幕數(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

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

　　此時，若濾波器接收到相匹配的數(shù)據(jù)，則會產(chǎn)生相應的中斷，通知上層進程讀取數(shù)據(jù)；當獲取一個完整的PES 包后，就傳送給字幕解碼器進行解碼顯示。

　　3.2 字幕數(shù)據(jù)解碼模塊

　　字幕數(shù)據(jù)解碼模塊負責對字幕PES 包進行解碼。

　　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PES 包進行分析，包括PES包頭的檢測，PES 包頭信息的提取和字幕段的分析。

　　濾波得到一個PES 包后，首先判斷包頭是否合法，包括判斷前四個字節(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)的顯示時間。根據(jù)包頭長度可以定位到PES 的負載位置，進而分析PES 包的負載。

　　分析PES 包的負載，首先判斷前兩個字節(jié)（定義字節(jié)和字幕流id）是否分別為0×20、0×00.若都符合，則可以確定這個包就是所要的封裝有字幕數(shù)據(jù)的PES 包。然后進入字幕段分析，字幕字段的內容有四種情況。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segment_type為0×10 時［3］，該段為頁分段；當segment_type 為0×11時，則該段為區(qū)域分段；當segment_byte 為0×12 時，該段為CLUT 分段；當segment_byte 為0×13 時，該段為對象數(shù)據(jù)分段。最后，根據(jù)不同的類型調用不同的函數(shù)對各種類型的分段進行下一步的分析。

　　在頁分段的解析中找到該頁的頁id、顯示終止時間、顯示狀態(tài)、該頁由幾個區(qū)域組成、每個區(qū)域的區(qū)域 id 和每個區(qū)域的水平垂直坐標，并把這些數(shù)據(jù)存儲起來。然后，根據(jù)從頁分段中獲取的區(qū)域的id 找到相應的區(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)對象個數(shù)、每個數(shù)據(jù)對象編號（object_id），并存儲這些數(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 找到對象數(shù)據(jù)的內容，包括編碼方式及編碼數(shù)據(jù)。用相應的解碼方式把這些相關的編碼數(shù)據(jù)解碼出來，并放入緩沖區(qū)。其中，在頁分析時，當解析出的該頁的顯示終止時間已經(jīng)過了，則并不需要分析該頁，把跟與該頁相關的數(shù)據(jù)緩沖區(qū)進行清空操作。

　　由于一個PES 包可能包含多個字幕段（subtitling_segment），因此必須循環(huán)分析到最后一個字幕段。對每個字幕段分析完后，都要判斷下一個字節(jié)是下一個字幕段的同步頭（0×0f）還是字幕數(shù)據(jù)結束標志（0×ff）。若是下一個字幕段的同步頭則繼續(xù)分析，若是數(shù)據(jù)結束標志則代表該PES 包攜帶的負載分析完畢。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)建一個定時時間，當時間到的時候從緩沖區(qū)中把數(shù)據(jù)讀出，并調用OSD 層驅動顯示數(shù)據(jù)。

　　在該解碼中，對于合成頁（composition_page_id）的處理分為兩種，這是因為同一個PID 可能傳送不同語言的字幕流，即語言不同的多個信息共享同一個PID流，所以在處理的時候可以把合成頁設置為濾波器的深度。當一路數(shù)據(jù)流進來的時候，對符合該PID 的PES 包中對應的頁ID 進行判斷，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 值去設置濾波器，把與該PID 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，反之則說明是一個無效的PES 包，則丟棄該包。

　　3.3 字幕圖層顯示模塊

　　當用戶在收看節(jié)目，啟動字幕功能時，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 驅動模塊提供的區(qū)域操作功能。在該字幕顯示實現(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 層的設備id，注冊字幕區(qū)域創(chuàng)建回調函數(shù)、字幕區(qū)域顯示回調函數(shù)、字幕清屏回調函數(shù)和字幕區(qū)域隱藏回調函數(shù)。把這些函數(shù)的地址加以保存，當需要相應的 OSD 服務時，就通過函數(shù)指針調用相應的函數(shù)。

　　字幕顯示可以根據(jù)分析PES 包得到時間信息，并通過這個時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)建相關的OSD 區(qū)域，分配內存空間，把解析完的數(shù)據(jù)連同該數(shù)據(jù)要顯示的時間PTS 送到顯示緩沖區(qū)。此時，根據(jù)當前系統(tǒng)時鐘STC 和存儲的PTS 創(chuàng)建一個定時器，如果顯示時間已經(jīng)超過了系統(tǒng)時間，那么顯示緩沖區(qū)的數(shù)據(jù)就要清空掉；反之，當顯示時間到的時候，定時器被觸發(fā)，顯示內容輸出到OSD 緩沖區(qū)，并結合顯示持續(xù)時間來進行字幕的顯示。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頂盒菜單界面的顯示都是基于區(qū)域的，對于不同的應用，不能同時往同一個位置填充不同的數(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。當字幕正在顯示又需要使用系統(tǒng)菜單時，調用字幕區(qū)域隱藏函數(shù)，設置顯示標志為非需要顯示狀態(tài)。在菜單顯示結束后，調用字幕區(qū)域顯示函數(shù)，恢復字幕顯示。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

　　控制模塊是人機交換模塊，主要負責用戶請求的處理。本模塊的首要任務是將用戶的請求進行消息分類，再根據(jù)不同的消息與相關的模塊進行通信，消息可分為以下幾種：獲取字幕控制信息消息、啟動及停止字幕數(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，啟動字幕數(shù)據(jù)提取模塊，進行字幕PES數(shù)據(jù)流的濾波和緩沖，同時啟動顯示模塊，根據(jù)各種時間進行顯示或者清屏。字幕的關閉由遙控器上的退出（EXIT）鍵觸發(fā)，進而控制停止濾波、停止數(shù)據(jù)解碼，釋放字幕功能創(chuàng)建的各內存空間，停止字幕顯示。

　　在顯示字幕的同時，進行界面菜單操作分成兩種情況。一種是菜單操作進行了調臺，用戶控制模塊發(fā)送消息關掉字幕功能、停止濾波、釋放字幕功能創(chuàng)建的各內存空間；另一種情況是非調臺的其他菜單操作，當界面操作結束后則發(fā)送字幕恢復顯示消息給圖層顯示模塊恢復顯示。

　　4 結束語

　　本文采用模塊化的設計思路，按照功能將機頂盒字幕解碼系統(tǒng)分為四個模塊，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。在各個模塊的實現(xiàn)上按照中間件和驅動層兩個方面進行程序設計，使得編寫的代碼便于理解閱讀，同時又易于實現(xiàn)不同平臺間移植。