1 概述
⽇常⽣活中，看到的视频⽂件的后缀名如 .mp4、.avi、.rmvb 都是属于视频⽂件的封装格式。所谓封装格式，就是以怎样的⽅式将视频轨、⾳频轨、字幕轨等信息组合在⼀起。说得通俗点，视频轨相当于饭，⽽⾳频轨相当于菜，封装格式就是⼀个碗或者⼀个锅，是⽤来盛放饭菜的容器。
视频⽂件的封装格式并不影响视频的画质，影响视频画⾯质量的是视频的编码格式。
下⾯介绍常见的视频封装格式 - MP4
MP4（MPEG-4 Part 14）是⼀种常见的多媒体容器格式，它是在 “ISO/IEC 14496-14” 标准⽂件中定义的，属于 MPEG-4 的⼀部分。 MP4 是⼀种较为全⾯的容器格式，被认为可以在其中嵌⼊任何形式的数据，，不过我们常见的⼤部分的 MP4 ⽂件存放的 AVC（H.264）或 MPEG-4（Part 2） 编码的视频和 AAC 编码的⾳频。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阉割版的格式，如 M4V、 3GP、F4V 等。 2 box 结构树
MP4 ⽂件中所有数据都装在 box 中，也就是说 MP4 由若⼲个 box 组成，每个 box 有类型和长度，包含不同的信息，可以将 box 理解为⼀个数据对象块。box 中可以嵌套另⼀个 box，这种 box 称为 container box。
MP4 ⽂件 box 以树形结构的⽅式组织， ⼀个简单的 MP4 ⽂件由以下 box 结构数组成（mp4info ⼯具查看 MP4 ⽂件结构）：
根节点之下，主要包含以下三个 box 节点:
1. ftyp：File Type Box，⽂件类型
2. moov：Movie Box，⽂件媒体的 metadata 信息
3. mdat：Media Data Box，具体的媒体数据
⼀个 MP4 ⽂件有且仅有⼀个 “ftyp” 类型的 box，作为 MP4 格式的标识并包含⼀些关于⽂件的⼀些信息；
ftyp box 之后会有⼀个 “moov” 类型的 box（Movie Box），它是⼀种 container box，⼦ box 中包含了媒体的 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；
要更深⼊的了解 MP4 封装格式，⾸先需要理解⼏个基本概念：
家用水处理器1. track：表⽰⼀些 sample 的集合，对于媒体数据来说，track 表⽰⼀个视频或⾳频序列
2. sample：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
3. chunk：⼀个 track 中连续⼏个 sample 组成的单元
3 MP
4 重要 box 详解
3.1 box
mp4 ⽂件由若⼲个 box 组成。下⾯是 box 结构⽰意图：
1. box 由 header 和 body 组成，其中 header 指明 box 的 size 和 type。size 是指包含 box header 的整个 box 的⼤⼩。
2. box type，通常是 4 个 ASCII 码的字符如 “ftyp”、“moov” 等。
3. 如果 header size 为 1，则表⽰ box 长度需要更多的 bits 来描述，在后⾯会有⼀个 64 bit 位的 large
size ⽤来描述 box 的长度。
自动投篮机如果 size 为 0，表⽰该 box 为⽂件的最后⼀个 box，⽂件结尾（存在于 “mdat” 类型的 box 中）。
4. container box 可以包含 box
5. box 分为两种，Box 和 Fullbox。FullBox 是 Box 的扩展，Header 中增加了version 和 flags 字段。
3.2 File Type Box（ftyp）
File Type Box 有且只有 1 个，并且只能被包含在⽂件层，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 部分依次包括 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。
截取⼀个 MP4 ⽂件最开头的 File Type Box：
00 00 00 14 66 74 79 70 69 73 6F 6D 00 00 00 01
69 73 6F 6D
可以看出，前⾯ 8 个字节是 box header，其中前 4 个字节为 box size 为 0x14 = 20，后 4 个字节为 box type（ftyp），box body 包含 （20- 8） = 12 个字节。
3.3 Movie Box（moov）
Movie Box 中包含了⽂件媒体的 metadata 信息，“moov” 是⼀个 container box，具体的内容信息在其⼦ box 中。
“moov” 中包含1个 “mvhd” 和若⼲个 “trak”。其中 “mvhd” 是 header box，⼀般作为 "moov " box 的第⼀个⼦ box 出现。“trak” 包含了⼀个 track 也就是⼀个媒体流序列的相关信息，是⼀个 container box。下图是 “moov” 的⼀个字节实例，其中红⾊部分为 box header，绿⾊为 “mvhd”，黄⾊为⼀部分的 “track”。
可以看到，该 moov box header 占 8 个字节，整个 box size 为 0x5AEB = 23272 字节
3.4 Movie Header Box（mvhd）
mvhd 结构如下表，具体值以上⾯的 mvhd 字节举例：
字段字节
数
说明
box size4mvhd box size，0xC8 = 108 字节
box type4box type，固定为 “mvhd”
box version1box 版本，⼀般为 0
flags3flag
creation time4创建时间（相对于 UTC 时间 1904-01-01 零点的秒数）
modification
time
4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。值 0x0258 = 600
duration
4媒体流时间长度，⽤ duration + time scale 计算时长，如实例值 0xA410 = 42000 video track->time scale = 600，则时长 = duration / scale = 88 秒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 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，固定全设为 0matrix
36视频变换矩阵pre-defined
24next track id 4下⼀个 track 使⽤的 id 号
字段
字节数说明3.5 Track Box （trak ）高铬铸铁
Track Box 是⼀个 container box，其⼦ box 包含了该 track 的媒体数据引⽤和描述。⼀个 mp4 ⽂件可以包含多个 track 且⾄少有⼀个track，track 之间是独⽴，有⾃⼰的时间和空间信息。Track Box 必须包含⼀个 “tkhd” 和⼀个 “mdia”，此外还有很多可选的 box。其中 “tkhd” 为 track header box，“mdia” 为 media box，该 box 包含⼀些 track 媒体数据信息，也是⼀个 container box。“trak” box 的字节实例如下图，其中黄⾊为 “trak” box 头，绿⾊为 “tkhd”，蓝⾊为 “edts”（⼀个可选 box），红⾊为⼀部分
“mdia”。
1）Track Header Box （tkhd ）
“tkhd” 结构如下表，具体值以上⾯的 tkhd 字节举例：
字段字节
数
说明box size 4
tkhd box size，0x5C = 92 字节box type 4
box type，固定为 “tkhd”box version 1
box 版本，⼀般为 0flags 3
flag，按位或操作结果值，定义见表格后说明creation time
4创建时间（相对于 UTC 时间 1904-01-01 零点的秒数）modification
time
4修改时间track id
4track id 号，不能重复且不能为 0，字节实例中值为 1reserved 4保留位
duration 4track 时间长度，⽤ duration + time scale 计算时长，如实例值 0xA410 = 42000 video track->time scale = 600，则时长
= duration / scale = 88 秒
reserved 8
保留位
数卡器layer
2视频层，默认为 0，值⼩的在上层alternate
group
2track 分组信息，默认为 0 表⽰该 track 未与其他 track 有组关系volume
2[8.8] 格式，1.0（0x0100）表⽰最⼤⾳量reserved
2保留位matrix
36视频变换矩阵width
4宽，字节势⼒中值为：height 4⾼，均为 [16.16] 格式值，⽤于播放时的展⽰宽⾼
字段
字节数说明表中 flag 为按位或操作结果值，预定义如下：
1. 0x000001 track_enabled，表⽰该 track 是否可⽤
2. 0x000002 track_in_movie，表⽰该 track 是否在播放中被引⽤；
3. 0x000004 track_in_preview，表⽰该 track 是否在预览时被引⽤；
有线电视分支分配器⼀般该值为 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。
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。rbd-508
3.6 Free Space Box （free ）
“free” 中的内容是⽆关紧要的，可以被忽略。该 box 被删除后，不会对播放产⽣任何影响
3.7 Meida Data Box （mdat ）
该 box 包含于⽂件层，可以有多个，也可以没有（当媒体数据全部为外部⽂件引⽤时），⽤来存储媒体数据。数据直接跟在 box type 字段后⾯，具体数据结构的意义需要参考 metadata（主要在sample table中描述）。
可参考资料
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议