MP4文件格式解析.docx

mp4文件格式解析（一）转自：目前MP4的概念被炒得很火，也很乱最开始MP4指的是音频（MP3的升级版），即MPEG-2 AAC标准随后MP4概念被转移到视频上，对应的是MPEG-4标准而现在我们流行的叫法，多半是指能播放MPEG-4标准编码格式视频的播放器但是这篇文章介绍的内容跟上面这些都无关，我们要讨论的是MP4文件封装格式，对应的标准为ISO/IEC 14496-12，即信息技术 视听对象编码的第12部分：ISO 基本媒体文件格式（Information technology Coding of audio-visual objects Part 12: ISO base media file format）ISO/IEC组织指定的标准一般用数字表示，ISO/IEC 14496即MPEG-4标准    MP4视频文件封装格式是基于QuickTime容器格式定义的，因此参考QuickTime的格式定义对理解MP4文件格式很有帮助MP4文件格式是一个十分开放的容器，几乎可以用来描述所有的媒体结构，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。

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     现在我们就来看看MP4文件格式到底是什么样的1、概述    MP4文件中的所有数据都装在box（QuickTime中为atom）中，也就是说MP4文件由若干个box组成，每个box有类型和长度，可以将box理解为一个数据对象块box中可以包含另一个box，这种box称为container box一个MP4文件首先会有且只有一个“ftyp”类型的box，作为MP4格式的标志并包含关于文件的一些信息；之后会有且只有一个“moov”类型的box（Movie Box），它是一种container box，子box包含了媒体的metadata信息；MP4文件的媒体数据包含在“mdat”类型的box（Midia Data Box）中，该类型的box也是container box，可以有多个，也可以没有（当媒体数据全部引用其他文件时），媒体数据的结构由metadata进行描述    下面是一些概念：    track  表示一些sample可以暂时理解为frame的原始数据的集合，对于媒体数据来说，track表示一个视频或音频序列。

    hint track  这个特殊的track并不包含媒体数据，而是包含了一些将其他数据track打包成流媒体的指示信息    sample  对于非hint track来说，video sample即为一帧视频，或一组连续视频帧，audio sample即为一段连续的压缩音频，它们统称sample对于hint track，sample定义一个或多个流媒体包的格式    sample table  指明sampe时序和物理布局的表Trackchunk 一个track的几个sample组成的单元SampleSampleSampleChunk    在本文中，我们不讨论涉及hint的内容，只关注包含媒体数据的本地MP4文件下图为一个典型的MP4文件的结构树 2、Box       首先需要说明的是，box中的字节序为网络字节序，也就是大端字节序（Big-Endian），简单的说，就是一个32位的4字节整数存储方式为高位字节在内存的低端Box由header和body组成，其中header统一指明box的大小和类型，body根据类型有不同的意义和格式       标准的box开头的4个字节（32位）为box size，该大小包括box header和box body整个box的大小，这样我们就可以在文件中定位各个box。

如果size为1，则表示这个box的大小为large size，真正的size值要在largesize域上得到实际上只有“mdat”类型的box才有可能用到large size如果size为0，表示该box为文件的最后一个box，文件结尾即为该box结尾同样只存在于“mdat”类型的box中       size后面紧跟的32位为box type，一般是4个字符，如“ftyp”、“moov”等，这些box type都是已经预定义好的，分别表示固定的意义如果是“uuid”，表示该box为用户扩展类型如果box type是未定义的，应该将其忽略3、File Type Box（ftyp）    该box有且只有1个，并且只能被包含在文件层，而不能被其他box包含该box应该被放在文件的最开始，指示该MP4文件应用的相关信息    “ftyp” body依次包括1个32位的major brand（4个字符），1个32位的minor version（整数）和1个以32位（4个字符）为单位元素的数组compatible brands这些都是用来指示文件应用级别的信息该box的字节实例如下：4、Movie Box（moov）    该box包含了文件媒体的metadata信息，“moov”是一个container box，具体内容信息由子box诠释。

同File Type Box一样，该box有且只有一个，且只被包含在文件层一般情况下，“moov”会紧随“ftyp”出现    一般情况下（限于篇幅，本文只讲解常见的MP4文件结构），“moov”中会包含1个“mvhd”和若干个“trak”其中“mvhd”为header box，一般作为“moov”的第一个子box出现（对于其他container box来说，header box都应作为首个子box出现）trak”包含了一个track的相关信息，是一个container box下图为部分“moov”的字节实例，其中红色部分为box header，绿色为“mvhd”，黄色为一部分“trak”4.1 Movie Header Box（mvhd）    “mvhd”结构如下表 字段字节数意义box size4box大小box type4box类型version1box版本，0或1，一般为0以下字节数均按version=0）flags3 creation time4创建时间（相对于UTC时间1904-01-01零点的秒数）modification time4修改时间time scale4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duration4该track的时间长度，用duration和time scale值可以计算track时长，比如audio track的time scale = 8000, duration = 560128，时长为70.016，video track的time scale = 600, duration = 42000，时长为70rate4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volume2与rate类似，[8.8] 格式，1.0（0x0100）表示最大音量reserved10保留位matrix36视频变换矩阵pre-defined24 next track id4下一个track使用的id号        “mvhd”的字节实例如下图，各字段已经用颜色区分开：4.2 Track Box（trak）    “trak”也是一个container box，其子box包含了该track的媒体数据引用和描述（hint track除外）。

一个MP4文件中的媒体可以包含多个track，且至少有一个track，这些track之间彼此独立，有自己的时间和空间信息trak”必须包含一个“tkhd”和一个“mdia”，此外还有很多可选的box（略）其中“tkhd”为track header box，“mdia”为media box，该box是一个包含一些track媒体数据信息box的container box    “trak”的部分字节实例如下图，其中黄色为“trak”box的头，绿色为“tkhd”，蓝色为“edts”（一个可选box），红色为一部分“mdia”mp4文件格式解析（二） 4.2.1 Track Header Box（tkhd）    “tkhd”结构如下表 字段字节数意义box size4box大小box type4box类型version1box版本，0或1，一般为0以下字节数均按version=0）flags3按位或操作结果值，预定义如下：0x000001 track_enabled，否则该track不被播放；0x000002 track_in_movie，表示该track在播放中被引用；0x000004 track_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hint track，该值为0creation time4创建时间（相对于UTC时间1904-01-01零点的秒数）modification time4修改时间track id4id号，不能重复且不能为0reserved4保留位duration4track的时间长度reserved8保留位layer2视频层，默认为0，值小的在上层alternate group2track分组信息，默认为0表示该track未与其他track有群组关系volume2[8.8] 格式，如果为音频track，1.0（0x0100）表示最大音量；否则为0reserved2保留位matrix36视频变换矩阵width4宽height4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      “tkhd”的字节实例如下图，各字段已经用颜色区分开：4.2.2 Media Box（mdia）    “mdia”也是个container box，其子box的结构和种类还是比较复杂的。

先来看一个“mdia”的实例结构树图       总体来说，“mdia”定义了track媒体类型以及sample数据，描述sample信息一般“mdia”包含一个“mdhd”，一个“hdlr”和一个“minf”，其中“mdhd”为media header box，“hdlr”为handler reference box，“minf”为media information box下面依次看一下这几个box的结构4.2.2.1 Media Header Box（mdhd）    “mdhd”结构如下表 字段字节数意义box size4box大小box type4box类型version1box版本，0或1，一般为0以下字节数均按version=0）fla。