【转载】MP4文件数据结构以及提取部分信息的代码

最新推荐文章于 2025-03-20 17:40:16 发布

greatbody

最新推荐文章于 2025-03-20 17:40:16 发布

阅读量1.1k

点赞数

分类专栏： VB 图像文章标签：数据结构索引视频

VB 同时被 2 个专栏收录

17 篇文章

订阅专栏

图像

3 篇文章

订阅专栏

原文链接：http://bbs.pfan.cn/post/413874.html

MP4文件数据结构以及提取部分信息的代码

一、名词解释

track：音轨，它是样本的集合，对于媒体数据来说，音轨表示一个视频或音频序列。
hint track：索引音轨，这个特殊的音轨并不包含媒体数据，而是包含了一些将其他数据音轨打包成流媒体的指示信息。如果文件只是本地播放，可以忽略索引音轨，因为它们只与流媒体有关系。本文不讨论索引音轨的内容，只关注包含媒体数据的本地MP4文件。
sample：样本，对于非索引音轨来说，视频样本即为一帧视频，或一组连续视频帧；音频样本即为一段连续的压缩音频。对于索引音轨来说，样本定义一个或多个流媒体包的格式。
sample table：样本表。指明样本时序和物理布局的表格。
chunk：块。一个音轨中的几个样本组成的单元。
ticks：瞬时，是MP4 文件媒体的最小时间单元。

二、概述

MP4 文件中的媒体描述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，甚至媒体数据可以直接引用其他文件，这样，一部电影就可以由一个媒体数据库中的多个不同文件组成，而不用把它们全部拷贝到一个文件中。同时，MP4也支持流媒体。

MP4文件由许多包（box）组成。包可以嵌套，嵌套的包称为集装包（container box）。

由于嵌套的出现，又形成了层，最顶级的层为文件层。

包有很多类型（但并不都是必需的），类型名称由４个小写的Ascii字符组成。包类型是预先定义好的，有固定的意义。MP4 文件层的常用包类型见表１。

MP4 文件中有关长度和大小的数据，其字节序为高位在前的存储方式。

表1 MP4文件层常用的包类型

名称	描述
ftyp	描述的文件的版本、兼容协议等信息
moov	本文件中所有媒体数据的宏观描述信息
mdat	实际媒体数据。我们最终解码播放的数据都在这里面
moof	电影片断描述信息，在流文件中是重中之重
mfra	媒体索引，一般在文件末尾，可通过查询直接定位所需时间点的媒体数据
pdin	下载信息
free	自由空间
skip	自由空间
meta	元数据
meca	附加元数据集合
uuid	用户扩展类型

说明：
1. 一个MP4文件必有且只有一个”ftyp”类型的包，它在文件的开始位置，也是MP4文件格式的标志。
2. 一个MP4文件必有且只有一个”moov”类型的包，这是一种集装包类型，子包包含了媒体的属性数据（metadata）信息。
3. mdat也是一种集装包类型，包含着MP4文件的媒体数据，媒体数据的属性数据由metadata进行描述。当 MP4文件的媒体数据不是全部引用其他文件时，这种包是必有包，还可以有多个。当媒体数据全部引用其他文件时，就不需要这种包了。
4. moof类型包是流文件中的必有包，但本地MP4文件不需要。

三、包的数据结构

包由包头（header）和包体（body）组成，其中包头指明包的大小和类型，包体根据包类型有不同的意义和格式。

集装包也由包头和包体组成，其包体由若干子包组成，第一个子包称作头部包。除了头部包外，其它子包也可以是集装包。

下表是包头的结构。

表2 包头的结构

名称	数据类型	占用字节	说明
size	UINT32	4	包头和包体的总大小
type	字符型	4	包类型的Ascii码字符
largesize	UINT64	8	如果size=1，才有此项

说明：
1. 除了mdat类型的包以外，其它包都只有前两项，没有largesize这一项。
2. mdat类型的包才可能会有largesize。如果size＝1，说明包很大，超过了uint32的最大值，这时就会有largesize项，包大小就由该该项值决定，如果size＝0，表示该包为文件的最后一个包，文件结尾即为该包结尾。

四、ftyp包（File Type Box，文件类型包）

该包在文件的最前面，包含着该MP4文件版本、兼容协议等信息。
文件类型包的包体结构见表3。
表3 ftyp包的包体结构

名称	数据类型	占用字节	说明
major brand	字符	4	主版本
minor version	UINT32	4	次版本
compatible brands	数组	不定

说明：
1. compatible brands是字符型数组，以４字符为单位元素，描述兼容协议。

五、moov包（Movie Box，影像包）

该包紧随在ftyp包后面，它包含了文件媒体的属性数据（metadata）。moov是集装包，具体内容由子包诠释。

一般情况下，moov包中除了包头外，它的包体由１个mvhd子包和若干个trak子包构成。mvhd为头部包，trak是音轨包。音轨包也是集装包，其中的一系列子包描述了每个媒体轨道的具体信息。
下面分别解析。

影像包的mvhd（头部包）
mvhd中记录了创建时间、修改时间、时间度量标尺、可播放时长等信息。

表4 影像包mvhd的结构

名称	字节数	意义
box size	4	包大小，共108（&H6C）字节
box type	4	包类型，”mvhd”字符
version	1	版本，一般为0
flags	3	标记，一般为0
creation time	4	创建时间（相对于UTC时间1904-01-01零时的秒数）
modification time	4	修改时间（同上）
time scale	4	时间刻度，设置文件媒体每秒＝多少个瞬时
duration	4	持续时间，设置该音轨共有多少个瞬时
rate	4	播放速率
volume	2	音量
reserved	10	保留位
matrix	36	视频变换矩阵
pre-defined	24	预定义（用途不明）
next track id	4	下一条音轨的ID号

说明：
1. 用duration和time scale可以计算音轨时长：音轨时长（秒）＝duration÷time scale
例如：音频音轨的time scale = 8000, duration = 560128，时长＝560128÷8000＝70.016秒
视频音轨的time scale = 600, duration = 42000，时长＝42000÷600＝70秒
2. rate是[16.16] 格式，高16位和低16位分别为小数的整数部分和小数部分，1.0表示正常向前播放
3. volume是[8.8] 格式。如果是音频音轨，1.0表示最大音量；如果是视频音轨，该项值＝0
4. next track id指向的音轨其实是不存在的，此ID号是在本moov包中最大的音轨ID号再加上１。

查看原文

博客模板如下

本Markdown编辑器使用StackEdit修改而来，用它写博客，将会带来全新的体验哦：

Markdown和扩展Markdown简洁的语法**
- 代码块高亮
- 图片链接和图片上传
- LaTex数学公式
- UML序列图和流程图
- 离线写博客
- 导入导出Markdown文件
- 丰富的快捷键

快捷键

加粗 Ctrl + B
斜体 Ctrl + I
引用 Ctrl + Q
插入链接 Ctrl + L
插入代码 Ctrl + K
插入图片 Ctrl + G
提升标题 Ctrl + H
有序列表 Ctrl + O
无序列表 Ctrl + U
横线 Ctrl + R
撤销 Ctrl + Z
重做 Ctrl + Y

Markdown及扩展

Markdown 是一种轻量级标记语言，它允许人们使用易读易写的纯文本格式编写文档，然后转换成格式丰富的HTML页面。 —— [ 维基百科 ]

使用简单的符号标识不同的标题，将某些文字标记为粗体或者斜体，创建一个链接等，详细语法参考帮助？。

本编辑器支持 Markdown Extra , 　扩展了很多好用的功能。具体请参考Github.

表格

Markdown　Extra　表格语法：

项目	价格
Computer	$1600
Phone	$12
Pipe	$1

可以使用冒号来定义对齐方式：

项目	价格	数量
Computer	1600 元	5
Phone	12 元	12
Pipe	1 元	234

定义列表

Markdown　Extra　定义列表语法：项目１项目２

定义 A

定义 B

项目３

定义 C

定义 D

定义D内容

代码块

代码块语法遵循标准markdown代码，例如：

@requires_authorization
def somefunc(param1='', param2=0):
    '''A docstring'''
    if param1 > param2: # interesting
        print 'Greater'
    return (param2 - param1 + 1) or None
class SomeClass:
    pass
>>> message = '''interpreter
... prompt'''