MP4文件格式解析个人总结讲解.docx
《MP4文件格式解析个人总结讲解.docx》由会员分享，可在线阅读，更多相关《MP4文件格式解析个人总结讲解.docx（11页珍藏版）》请在冰点文库上搜索。
MP4文件格式解析个人总结讲解
MP4文件格式解析总结
1.引言
MP4是一种常见的多媒体容器格式，对应MPEG-4标准，这种容器格式非常全面开放，被认为可以在其中嵌入任何形式的数据，各种编码的视频、音频等都可以。
在MP4文件中，媒体的描述信息与媒体数据是分开的，并且媒体数据的组织也很自由，不一定要按照时间顺序排列。
同时，MP4也支持流媒体，MP4目前被广泛用于封装h.264视频和AAC音频，是高清视频的代表。
MP4格式的官方文件后缀名是“.mp4”，还有其他的以mp4为基础进行的扩展或者是缩水版本的格式。
2.MP4中一些概念详解
MP4文件格式中，所有的内容存在一个称为movie的容器中。
一个movie可以由多个tracks组成。
每个track就是一个随时间变化的媒体序列，track里的每个时间单位是一个sample，它可以是一帧视频，或者一段连续的压缩音频。
sample按照时间顺序排列。
其中一帧音频可以分解成多个音频sample，所以音频一般用sample作为单位，而不用帧。
MP4文件格式的定义里面，用sample表示一个时间帧或者数据单元。
几个连续的sample就构成了一个chunk。
3.MP4文件结构分析
3.1box结构
MP4由一个一个box组成，每个box由一个boxheader和boxdata组成，boxheader又分为3部分：
①4字节的size:
表示这个box的大小
②4字节的type:
表示这个box的类型
③8字节的largesize
如果整个box的大小超出了4字节能表示的最大值，那么size=1，同时，box的大小就储存在largesize中。
3.2MP4总体结构
Mp4必须包含ftypbox、moovbox、mdatbox。
Filetypebox（ftyp）用来储存文件类型的相关信息，Moviebox（moov）用来储存媒体的信息，是一个containerbox,
Mediadatabox（mdat）用来储存媒体的具体数据
3.3Moviebox（moov）
一个moviebox包含一个mvhdbox和若干个trakbox，比如audiotrakbox,vediotrakbox。
3.3.1MovieHeaderbox（mvhd）
mvmd具体结构如下：
字段
字节数
意义
boxsize
4
box大小
boxtype
4
box类型
version
1
box版本，0或1，一般为0。
（以下字节数均按version=0）
flags
3
creationtime
4
创建时间（相对于UTC时间1904-01-01零点的秒数）
modificationtime
4
修改时间
timescale
4
文件媒体在1秒时间内的刻度值，可以理解为1秒长度的时间单元数
duration
4
该track的时间长度，用duration和timescale值可以计算track时长，比如audiotrack的timescale=8000,duration=560128，时长为70.016，videotrack的timescale=600,duration=42000，时长为70
rate
4
推荐播放速率，高16位和低16位分别为小数点整数部分和小数部分，即[16.16]格式，该值为1.0（0x00010000）表示正常前向播放
volume
2
与rate类似，[8.8]格式，1.0（0x0100）表示最大音量
reserved
10
保留位
matrix
36
视频变换矩阵
pre-defined
24
nexttrackid
4
下一个track使用的id号
3.3.2Trakbox
Trakbox必须包含一个tkhdbox和一个mediabox，此外还有很多可选的box:
①TrackHeaderbox（tkhd）:
定义了一个track的特性，例如时间，空间和音量信息。
结构如下：
字段
字节数
意义
boxsize
4
box大小
boxtype
4
box类型
version
1
box版本，0或1，一般为0。
（以下字节数均按version=0）
flags
3
按位或操作结果值，预定义如下：
0x000001track_enabled，否则该track不被播放；
0x000002track_in_movie，表示该track在播放中被引用；
0x000004track_in_preview，表示该track在预览时被引用。
一般该值为7，如果一个媒体所有track均未设置track_in_movie和track_in_preview，将被理解为所有track均设置了这两项；对于hinttrack，该值为0
creationtime
4
创建时间（相对于UTC时间1904-01-01零点的秒数）
modificationtime
4
修改时间
trackid
4
id号，不能重复且不能为0
reserved
4
保留位
duration
4
track的时间长度
reserved
8
保留位
layer
2
视频层，默认为0，值小的在上层
alternategroup
2
track分组信息，默认为0表示该track未与其他track有群组关系
volume
2
[8.8]格式，如果为音频track1.0（0x0100）表示最大音量；否则为0
reserved
2
保留位
matrix
36
视频变换矩阵
width
4
宽
height
4
高，均为[16.16]格式值，与sample描述中的实际画面大小比值，用于播放时的展示宽高
②mediabox:
该box是一个包含一些track媒体数据信息box的containerbox。
3.4Mediabox
Mediabox主要包含mediaheaderbox（mdhd）、hdlrbox、minfbox。
3.4.1Mediaheaderbox（mdhd）
mediaheaderbox（mdhd）定义了整个movie的特性，例如timescale和duratio，具体结构如下：
字段
字节数
意义
boxsize
4
box大小
boxtype
4
box类型
version
1
box版本，0或1，一般为0。
（以下字节数均按version=0）
flags
3
creationtime
4
创建时间（相对于UTC时间1904-01-01零点的秒数）
modificationtime
4
修改时间
timescale
4
文件媒体在1秒时间内的刻度值，可以理解为1秒长度的时间单元数
duration
4
track的时间长度
language
2
媒体语言码。
最高位为0，后面15位为3个字符（见ISO639-2/T标准中定义）
pre-defined
2
3.4.2Hdlrbox
Hdlrbox解释了媒体的播放过程信息。
同时也指明了本trak类型,如：
vedio、autio、hint,具体结构如下：
字段
字节数
意义
boxsize
4
box大小
boxtype
4
box类型
version
1
box版本，0或1，一般为0。
（以下字节数均按version=0）
flags
3
pre-defined
4
handlertype
4
在mediabox中，该值为4个字符：
“vide”—videotrack
“soun”—audiotrack
“hint”—hinttrack
reserved
12
name
不定
tracktypename，以‘\0’结尾的字符串
3.4.3Minfbox
存储了解释该track的媒体数据的handler-specific的信息。
mediahandler用这些信息将媒体时间映射到媒体数据，并进行处理。
minf包含一个headerbox，一个DataInformationBox（dinf）和一个SampleTableBox（stbl）：
①Headerbox定义颜色和图形模式信息
②dinfbox解释如何定位媒体信息
③stblbox包含了关于track中sample所有时间和位置的信息，以及sample的编解码等信息。
利用这个表，可以解释sample的时序、类型、大小以及在各自存储容器中的位置。
3.5SampleTableBox（stbl）
SampleTableBox（stbl）包含：
sampledescriptionbox（stsd）、timetosamplebox（stts）、samplesizebox（stsz）、sampletochunkbox（stsc）、chunkoffsetbox（stco）、compositiontimetosamplebox（ctts）、syncsamplebox（stss）。
3.5.1SampleDescriptionBox（stsd）
boxheader和version字段后会有一个entrycount字段，根据entry的个数，每个entry会有type信息，如“vide”、“sund”等，根据type不同sampledescription会提供不同的信息，例如对于videotrack，会有“VisualSampleEntry”类型信息，对于audiotrack会有“AudioSampleEntry”类型信息。
视频的编码类型、宽高、长度，音频的声道、采样等信息都会出现在这个box中。
3.5.2TimeToSampleBox（stts）
stts存储了sample的duration，描述了sample时序的映射方法，我们通过它可以找到任何时间的sample。
stts可以包含一个压缩的表来映射时间和sample序号，用其他的表来提供每个sample的长度和指针。
表中每个条目提供了在同一个时间偏移量里面连续的sample序号，以及samples的偏移量。
递增这些偏移量，就可以建立一个完整的timetosample表。
3.5.3SampleSizeBox（stsz）
stsz定义了每个sample的大小，包含了媒体中全部sample的数目和一张给出每个sample大小的表。
这个box相对来说体积是比较大的。
3.5.4SampleToChunkBox（stsc）
用chunk组织sample可以方便优化数据获取，一个thunk包含一个或多个sample。
stsc中用一个表描述了sample与chunk的映射关系，查看这张表就可以找到包含指定sample的thunk，从而找到这个sample。
3.5.5SyncSampleBox（stss）
stss确定media中的关键帧。
对于压缩媒体数据，关键帧是一系列压缩序列的开始帧，其解压缩时不依赖以前的帧，而后续帧的解压缩将依赖于这个关键帧。
stss可以非常紧凑的标记媒体内的随机存取点，它包含一个sample序号表，表内的每一项严格按照sample的序号排列，说明了媒体中的哪一个sample是关键帧。
如果此表不存在，说明每一个sample都是一个关键帧，是一个随机存取点。
3.5.6ChunkOffsetBox（stco）
stco定义了每个thunk在媒体流中的位置。
位置有两种可能，32位的和64位的，后者对非常大的电影很有用。
在一个表中只会有一种可能，这个位置是在整个文件中的，而不是在任何box中的，这样做就可以直接在文件中找到媒体数据，而不用解释box。
需要注意的是一旦前面的box有了任何改变，这张表都要重新建立，因为位置信息已经改变了。
升级会员 