首先介紹下概念：

PTS：Presentation Time Stamp。PTS主要用於度量解碼後的視頻幀什麽時候被顯示出來
DTS：Decode Time Stamp。DTS主要是標識讀入內存中的ｂｉｔ流在什麽時候開始送入解碼器中進行解碼

也就是pts反映幀什麽時候開始顯示，dts反映數據流什麽時候開始解碼

怎麽理解這裏的“什麽時候”呢？如果有某一幀，假設它是第10秒開始顯示。那麽它的pts是多少呢。是10？還是10s？還是兩者都不是。

為了回答這個問題，先引入FFmpeg中時間基的概念，也就是time_base。它也是用來度量時間的。
如果把1秒分為25等份，你可以理解就是一把尺，那麽每一格表示的就是1/25秒。此時的time_base={1，25}
如果你是把1秒分成90000份，每一個刻度就是1/90000秒，此時的time_base={1，90000}。

所謂時間基表示的就是每個刻度是多少秒

pts的值就是占多少個時間刻度（占多少個格子）。它的單位不是秒，而是時間刻度。只有pts加上time_base兩者同時在一起，才能表達出時間是多少。

好比我只告訴你，某物體的長度占某一把尺上的20個刻度。但是我不告訴你，這把尺總共是多少厘米的，你就沒辦法計算每個刻度是多少厘米，你也就無法知道物體的長度。
pts=20個刻度
time_base={1,10} 每一個刻度是1/10厘米
所以物體的長度=pts * time_base=20 *1/10 厘米

在ffmpeg中。av_q2d(time_base)=每個刻度是多少秒
此時你應該不難理解 pts*av_q2d(time_base)才是幀的顯示時間戳。

下面理解時間基的轉換，為什麽要有時間基轉換。

首先，不同的封裝格式，timebase是不一樣的。另外，整個轉碼過程，不同的數據狀態對應的時間基也不一致。拿mpegts封裝格式25fps來說（只說視頻，音頻大致一樣，但也略有不同）。非壓縮時候的數據（即YUV或者其它），在ffmpeg中對應的結構體為AVFrame,它的時間基為AVCodecContext 的time_base ,AVRational{1,25}。
壓縮後的數據（對應的結構體為AVPacket）對應的時間基為AVStream的time_base，AVRational{1,90000}。
因為數據狀態不同，時間基不一樣，所以我們必須轉換，在1/25時間刻度下占10格，在1/90000下是占多少格。這就是pts的轉換。

根據pts來計算一楨在整個視頻中的時間位置：
timestamp(秒) = pts * av_q2d(st->time_base)

duration和pts單位一樣，duration表示當前幀的持續時間占多少格。或者理解是兩幀的間隔時間是占多少格。一定要理解單位。
pts：格子數
av_q2d(st->time_base): 秒/格

計算視頻長度：
time(秒) = st->duration * av_q2d(st->time_base)

ffmpeg內部的時間與標準的時間轉換方法：
ffmpeg內部的時間戳 = AV_TIME_BASE * time(秒)
AV_TIME_BASE_Q=1/AV_TIME_BASE

av_rescale_q(int64_t a, AVRational bq, AVRational cq)函數
這個函數的作用是計算a*bq / cq來把時間戳從一個時間基調整到另外一個時間基。在進行時間基轉換的時候，應該首先這個函數，因為它可以避免溢出的情況發生。
函數表示在bq下的占a個格子，在cq下是多少。

關於音頻pts的計算：

音頻sample_rate:samples per second，即采樣率，表示每秒采集多少采樣點。
比如44100HZ，就是一秒采集44100個sample.
即每個sample的時間是1/44100秒

一個音頻幀的AVFrame有nb_samples個sample，所以一個AVFrame耗時是nb_samples乘以（1/44100）秒
即標準時間下duration_s=nb_samples乘以（1/44100）秒，
轉換成AVStream時間基下
duration=duration_s / av_q2d(st->time_base)
基於st->time_base的num值一般等於采樣率,所以duration=nb_samples.
pts=n* duration=n *nb_samples

補充：
next_pts-current_pts=current_duration,根據數學等差公式an=a1+(n-1)* d可得pts=n *d

更多參考

理解ffmpeg中的pts，dts，time_base