AVI封装格式解析

原创已于 2023-03-01 09:36:49 修改 · 5.2k 阅读

23 ·

CC 4.0 BY-SA版权

文章标签：

#avi #RIFF

于 2018-11-23 09:56:07 首次发布

封装格式专栏收录该内容

6 篇文章

订阅专栏

AVI是基于RIFF文件格式的多媒体容器，包含音视频流信息。RIFF由LIST和CHUNK组成，AVI文件包括RIFF文件头、hdrl（音视频信息）、info（编码信息）、junk（填充数据）、movi（音视频数据）和idx1（索引数据）。strl子列表中的strh和strf块分别描述流头信息和格式。索引块idx1提供媒体数据快速访问。

AVI封装格式解析

一、AVI简介
二、AVI格式示意图
三、各部分详细介绍
四、总结

一、AVI简介

AVI（Audio Video Interleaved的缩写） 是一种RIFF文件格式，多用于音视频捕捉、编辑、回放等应用程序中。通常情况下，一个AVI文件可以包含多个不同类型的媒体流（典型的情况下有一个音频流和一个视频流），不过含有单一音频流或单一视频流的AVI文件也是合法的。AVI可以算是Windows操作系统上最基本的、也是最常用的一种媒体文件格式。

RIFF（Resource Interchange File Format资源交互文件格式） ，是由Microsoft提出的一种多媒体文件存储方式，不同编码的视频、音频文件按照RIFF保存，当提取文件时，可以根据RIFF的规则解析文件。常见的RIFF文件有：WAV、AVI等。
RIFF文件使用四字符码FOURCC（four-character code）来表征数据类型，比如‘RIFF’、‘AVI ’、‘LIST’等。注意，Windows操作系统使用的字节顺序是little-endian，因此一个四字符码‘abcd’实际的DWORD值应为0x64636261。另外，四字符码中像‘AVI ’一样含有空格也是合法的。

二、AVI格式示意图

在这里插入图片描述

1. 信息块——包括文件的通用信息，定义数据格式，所用的压缩算法等参数
2. 数据块——包含实际数据流，即图像和声音序列数据。这是文件的主体，也是决定文件容量的主要部分。视频文件的大小等于该文件的数据率乘以该视频播放的时间长度
3. 索引块——索引块包含数据块列表好它们在文件中的位置，以提供文件内数据随机存取能力。

三、各部分详细介绍

RIFF格式 是一种树状结构，基本组成单元为LIST和CHUNK：LIST相当于目录，可以包含多个CHUNK或者多个LIST，包含关键字“LIST”。CHUNK是数据保存的基本单元，可用于保存音视频数据或者一些参数信息。RIFF文件结构最开始4个字节表示“RIFF”，接着4个字节表示该文件的大小，再下来的4个字节表示该文件的类型（AVI或者WAV等）。

LIST结构：

‘LIST’，一个四字符码，表示这是一个列表；
listSize，占用4字节，记录了整个列表的大小；
listType，一个四字符码，表示本列表的具体类型；
listData，实际的列表数据。

CHUNK结构：

ckID，一个表示块类型的四字符码；
ckSize，占用4字节，记录了整个块的大小；
ckData，实际的块数据。

AVI文件通常有如下几个子块组成：

RIFF文件头：块的数据类型是AVI；
“hdrl” list：音视频信息，描述媒体流信息；
“info” list：编码该AVI的程序信息；
“junk” chunk：无用数据，用于字节对齐；
“movi” list：交错排列的音视频数据；
“idxl” chunk：音视频排列的索引数据。

以片源B004_720P_AVC_MPEG_5M_30F.avi为例，详细介绍AVI各部分。下图为该码流基本信息：
在这里插入图片描述

1、RIFF文件头

RIFF(‘AVI’…) 表明AVI文件的格式。

2、“hdrl” list

hdrl列表： 嵌套了一系列块和子列表，一个avih块，一个或多个strl子列表。如下图：

在这里插入图片描述

（1）avih块： 记录AVI文件的全局信息，使用AVIMAINHEADER数据结构来操作：

typedef struct
{
	DWORD	dwMicroSecPerFrame;     //显示每帧所需的时间ns，定义avi的显示速率
	DWORD	dwMaxBytesPerSec;       // 最大数据传输率
	DWORD	dwPaddingGranularity;   //记录块的长度须为此值的倍数，通常是2048
	DWORD	dwFlags;       // AVI文件的特殊属性，包含文件中的任何标志字。如：有无索引块，是否是interlaced，是否含版权信息等
    DWORD	dwTotalFrames;  	    // 数据帧的总数
    DWORD	dwInitialFrames;     // 在开始播放前需要的帧数
    DWORD	dwStreams;           //文件中包含的数据流种类
	DWORD	dwSuggestedBufferSize;//建议使用的缓冲区的大小，通常为存储一帧图像以及同步声音所需要的数据之和，大于最大的CHUNK的大小
    DWORD	dwWidth;             //图像宽，像素
    DWORD	dwHeight;            //图像高，像素
    DWORD	dwReserved[4];       //保留值dwScale,dwRate,dwStart,dwLength
} MainAVIHeader;

由上图的码流数据可计算出MainAVIHeader各成员的值：

‘avih’，size 56 bytes
        microsec/frame：33333
        max bytes/sec：0
        reserved：0
        flags：$00000910
        #frames：3091
        init frame：0
        #streams：2
        sug.bufsize：0
        width：1280
        height：720
        scale：0
        rate：0
        start：0
        length：0

（2）strl子列表： 一个strl子列表中至少包含一个strh块和一个strf块，而‘strd’块（保存编解码器需要的一些配置信息）和‘strn’块（保存流的名字）是可选的。文件中有多少个流，就对应有多少个strl子列表，strl子列表在hdrl中的次序就是流的序号。

‘strh’块，说明这个流的头信息，长度为64字节，使用AVISTREAMHEADER数据结构来操作：

typedef struct {
	FOURCC		fccType;     //4字节，表示数据流的种类，“vids”表示视频数据流，“auds”表示音频数据流
	FOURCC		fccHandler;  //4字节，描述数据所用编解码算法
	DWORD		dwFlags;     //数据流的属性
	WORD		wPriority;   //此数据流播放的优先级别
	WORD		wLanguage;   //音频的语言代号
	DWORD		dwInitialFrames;  //用于interlaced文件，开始播放前所需帧数
	DWORD		dwScale;     //数据量，视频每帧的大小或者音频的采样大小
	DWORD		dwRate;      // dwRate/dwScale = =samples/second（每秒采样数）
	DWORD		dwStart;     //数据流开始播放的位置，单位：dwScale
	DWORD		dwLength;    //数据流的数据量，单位：dwScale
	DWORD		dwSuggestedBufferSize;  //建议缓冲区的大小
	DWORD		dwQuality;    //解压缩质量参数，值越大，质量越好（0~10000）
	DWORD		dwSampleSize; //音频的采样大小
	RECT		rcFrame{
	                    short int left;
	                    short int top;
	                    short int right;
	                    short int bottom;
	                    };      //视频数据图像所占的矩形。即这个流在视频主窗口显示的位置。
}AVIStreamHeader;

‘strf’ 块，用于说明流的具体格式。如果是视频流，则使用一个BITMAPINFOHEADER数据结构来描述；如果是音频流，则使用一个WAVEFORMAT数据结构来描述。

// strf:strh子块是视频数据流
typedef struct tagBITMAPINFO
{
	BITMAPINFOHEADER	bmiHeader;
	RGBQUAD			bmiColors[1]; //颜色表
}BITMAPINFO;
typedef struct{
	DWORD	dwSize;
	DWORD	dwWidth;
	DWORD	dwHeight;
	WORD	wPlanes;
	WORD	wBitCount;
	DWORD	dwCompression;
	DWORD	dwSizeImage;
	DWORD	dwXPelsPerMeter;
	DWORD	dwYPelsPerMeter;
	DWORD	dwClrUsed;
	DWORD	dwClrImportant;
}BITMAPINFOHEADER;
typedef struct {
	BYTE	rgbBlue;		// 蓝色分量
	BYTE	rgbGreen;		// 绿色分量
	BYTE	rgbRed;		    // 红色分量
	BYTE	rgbReserved;	// 保留字节（用作Alpha通道或忽略）
} RGBQUAD;


// strf:strh子块是音频数据流
typedef struct 
{
	WORD	wFormatTag; 
	WORD	wChannels;		   //声道数
	DWORD	dwSamplesPerSec;   //采样率
	DWORD	dwAvgBytesPerSec;  //WAVE声音中每秒的数据量
	WORD	wBlockAlign;	  //数据块的对齐标志
	WORD	wBitsPerSample;    //每次采样的数据量
	WORD	wSize;		      //此结构的大小
}WAVEFORMAT;

由上图的码流数据可计算出AVIStreamHeader和BITMAPINFOHEADER各成员的值：

‘strl’（‘LIST’ container），size 192 bytes
		‘strh’，size 56 bytes
        	fccType：vids
        	fccHandler：avc1
        	flags：0
        	priority：0
        	language：0
        	init frames：0
        	scale：1
        	rate：30
        	start：0
        	length：3091
        	sug bufsize：293279
        	quality：0
        	sample size：0
        	left：0
        	top：0
        	right：1280
        	bottom：720
        ‘strf’，size 40 bytes
        	size：40
			width：1280
			height：720
			planes：1
			bit count：24
			compression：avc1
			size image：$002A3000
			XPelsPerMeter：0
			YPelsPerMeter：0
			clr used：0
			clr important：0

音频对应的strl列表同理，此处省略。

3、“info” list和"junk" chunk

“junk” chunk，一种特殊的数据块，用一个四字符码‘JUNK’来表征，它用于内部数据的对齐（填充），应用程序应该忽略这些数据块的实际意义。

在这里插入图片描述

4、“movi” list

“junk” chunk后是movi列表，movi列表中存储流的实际数据（视频图像帧数据或音频采样数据等），movi列表中数据子块的种类有：##db,##dc,##pc,##wb。

##表示数据所属的流的序号；
db：未压缩的视频帧（RGB数据流）；
dc：压缩的视频帧；
wb：音频未压缩数据（Wave数据流）；
wc：音频压缩数据（压缩的Wave数据流）；
pc：改用新的调色板。（新的调色板使用一个数据结构AVIPALCHANGE来定义。如果一个流的调色板中途可能改变，则应在这个流格式的描述中，也就是AVISTREAMHEADER结构的dwFlags中包含一个AVISF_VIDEO_PALCHANGES标记。）

在这里插入图片描述

5、“idx1” chunk

最后，紧跟在‘movi’列表之后的，就是AVI文件可选的索引块。这个索引块为AVI文件中每一个媒体数据块进行索引，并且记录它们在文件中的偏移（可能相对于‘movi’列表，也可能相对于AVI文件开头）。索引块使用一个四字符码‘idx1’来表征，索引信息使用一个数据结构来AVIOLDINDEX定义。

typedef struct _avioldindex {
	FOURCC	fcc;  // 必须为‘idx1’
	DWORD	cb;   // 本数据结构的大小，不包括最初的8个字节（fcc和cb两个域）
	struct _avioldindex_entry {
		DWORD	dwChunkId;   // 表征本数据块的四字符码
		DWORD	dwFlags;     // 说明本数据块是不是关键帧、是不是‘rec ’列表等信息
		DWORD	dwOffset;    // 本数据块在文件中的偏移量
		DWORD	dwSize;      // 本数据块的大小
	} aIndex[]; // 这是一个数组！为每个媒体数据块都定义一个索引信息
} AVIOLDINDEX;