封装格式 -- MP4

---

前言

MP4，又称为MPEG-4 Part 14，是一种多媒体容器格式(container)，扩展名为.mp4

发展历史

• 2001年，apple的QuickTime格式，.qt和.mov的后缀名。
• 2001年，MPEG-4 Part1，把基于QuickTime的box布局的容器格式添加到了MPEG-4标准。
• 2004年，MPEG-4标准文档把编码和容器格式分开为两部分进行说明。
  MPEG-4 Part12：定义了容器格式通用的box结构，即ISO基本媒体文件格式(ISO base media file format, ISOBMFF)。
  MPEG-4 Part14：基于Part12进行了细化，是对Part-12的一种实现，定义了用于存储MPEG-4内容的容器格式，即.mp4格式。
  两者间的关系：
  

MP4在线分析工具

1. mp4parser
   界面如下：
   
2. onlinemp4parser
   界面如下：
   

MPEG-4

MPEG-4协议中不同部分描述的对象：

---

MP4解析

MP4文件中，媒体信息储存在“moov”的box中，一个moov通常包含若干个track信息，每个track都是一个随时间变化的媒体序列，Track里面基本时间单位为sample，sample是按照时间顺序排列，为了方便存取，若干个sample会被组织成一个chunk；而媒体数据存储在mdat box中，即sample是存储在mdat box中。如下图为sample和chunk关系：

重要概念

Box

MP4文件有若干个box组成。
下图为box的内部结构图：

可以看到：

1. Box由header和body组成，header大小为8 bytes， 主要有size和type两个栏位。
   size: 是包含box header的整个box的大小。

   !! 两种特殊情况：
   当size为1，则表示box长度超出4字节表示范围，就会用largesize(8 bytes)来表示box大小。
   当size为0，表示该box为文件的最后一个box，这种情况只存在“mdat”类型的box中。
   

   type: 通常是4个ASCII码的字符如“ftpy”，“moov”。这些box type都是mp4 spec已经预定义好的，表示特定的含义。

   如果是“uuid”，表示该box是用户自定义的拓展类型
   

2. 规范还定义了一种Fullbox，Fullbox是box的扩展。header中加入了1字节的version和3字节的flags字段，整个header大小是12bytes。
   结构如下图：
   
3. box中可以嵌套box，这种box被称为container box，比如moov box。而ftyp box不是container box，因为没有包含其它box。

Track

相同类型的sample的集合，对于媒体数据来说，一个track表示一个视频序列、一个音频序列或一个字幕序列。

Sample

Mp4中多媒体数据存储的最小单位。
video sample表示一帧或者一组连续的视频帧，audio sample表示一段连续的音频(也可以说是一帧音频帧)。

Chunk

一个track的几个sample组成的单元。

---

BOX详解

MP4文件由许多box组成，每个box包含不同信息，这些box以树型结构的方式组织。如下图：

可以看到在根节点之下，主要包含三个重要节点：ftyp、moov、mdat。

• ftyp：file type box，文件类型。描述本文件遵从的规范版本。
  内部结构为：

  aligned(8