MP4文件格式分析及分割实现(附源码)

admin · 发表于 2018-12-27 20:36:28

MP4文件格式分析及分割实现(附源码)　　　　　　　　　　　　　　　MP4文件格式分析

　　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，是“ISO/IEC 14496-12(MPEG-4 Part 12 ISO base media file format)”标准中所定义的媒体格式的一种实现，后者定义了一种通用的媒体文件结构标准。MP4是一种描述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，各种编码的视频、音频等都不在话下，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缩水版本的格式，包括：M4V,3GP,F4V等。

　　一个mp4文件有可能包含非常多的box(全部大约70多个)，在很大程度上增加了解析的复杂性。如果要全部解析必要性不是很大。大部分mp4文件没有那么多的box类型，下图就是一个简化了的，常见的mp4文件结构：

下图是节点box详细说明：

下面我们将对以上主要box的解析进行详细说明：

1. 一级box

　　一级box主要包含ftyp、moov、free、mdat等等。

1.1 ftyp box

结构：

[url=]

[/url]
/********************************************************************************************** File Type Box (ftyp)**--------------------------------------------------------------------------------------------** 字段名称　　| 长度(bytes) | 有关描述--------------------------------------------------------------------------------------------** boxsize | 4 | box的长度** boxtype | 4 | box的类型** major_brand | 4 |** minor_version | 4 | 版本号** compatible_brands | 4 * N | 本文件遵从的多种协议（ismo, iso2, mp41）********************************************************************************************/[url=]

[/url]

运行结果：

1.2 moov box

结构：

[url=]

[/url]
/********************************************************************************************** 字段名称 | 长度(bytes) | 有关描述--------------------------------------------------------------------------------------------** boxsize | 4 | box的长度** boxtype | 4 | box的类型********************************************************************************************/[url=]

[/url]

1.3 free box

结构：

[url=]

[/url]
/********************************************************************************************** 字段名称 | 长度(bytes) | 有关描述--------------------------------------------------------------------------------------------** boxsize | 4 | box的长度** boxtype | 4 | box的类型********************************************************************************************/[url=]

[/url]

1.4 mdat box

结构：

[url=]

[/url]
/********************************************************************************************** 字段名称 | 长度(bytes) | 有关描述--------------------------------------------------------------------------------------------** boxsize | 4 | box的长度** boxtype | 4 | box的类型** | 后面全是真实数据********************************************************************************************/[url=]

[/url]

运行结果：

2. 二级box

　　本节所说的二级box皆为moov的子box,主要包含mvhd、trak、udat等等。

2.1 mvhd box

结构：

[url=]

[/url]
/************************************************************************************************************** mvhd**--------------------------------------------------------------------------------------------** 字段名称　　| 长度(bytes) | 有关描述--------------------------------------------------------------------------------------------** boxsize | 4 | box的长度** boxtype | 4 | box的类型** version | 1 | box版本，0或1，一般为0（以下字节数均按version = 0）** flags | 3 | ** 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** time scale | 4 | 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** duration | 4 | 该track的时间长度，用duration和time scale值可以计算track时长** 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 (0x00010000)** volume | 2 | 与rate类似，[8.8] 格式，1.0（0x0100）表示最大音量** reserved | 10 | 保留位** matrix | 36 | 视频变换矩阵** pre-defined | 24 | ** next track id | 4 | 下一个track使用的id号************************************************************************************************************/[url=]

[/url]

运行结果：

2.2 trak box

结构：

[url=]

[/url]
/********************************************************************************************** 字段名称 | 长度(bytes) | 有关描述--------------------------------------------------------------------------------------------** boxsize | 4 | box的长度** boxtype | 4 | box的类型********************************************************************************************/[url=]

[/url]

2.3 udat box

结构：

[url=]

[/url]
/************************************************************************************************************** udat**--------------------------------------------------------------------------------------------** 字段名称 | 长度(bytes) | 有关描述--------------------------------------------------------------------------------------------** boxsize 　| 4　　　　　　　　| box的长度** boxtype | 4　　　　　　　　| box的类型** 　　　　　　　　| 用户自定义数据解析************************************************************************************************************/[url=]

[/url]

运行结果：

3. 三级box

　　本节所说的三级box皆为trak的子box,主要包含tkhd、mdia等。

3.1 tkhd box

结构：

[url=]

[/url]
/************************************************************************************************************** tkhd**-------------------------------------------------------------------------------------------------------------** 字段名称　　 | 长度(bytes) | 有关描述-------------------------------------------------------------------------------------------------------------** boxsize | 4 | box的长度** boxtype | 4 | box的类型** version | 1 | box版本，0或1，一般为0。（以下字节数均按version = 0）** flags | 3 | 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0;** 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 | 4 | id号不能重复且不能为0** reserved | 4 | 保留位** duration | 4 | track的时间长度** reserved | 8 | 保留位** layer | 2 | 视频层，默认为0，值小的在上层** alternate_group | 2 | track分组信息，默认为0表示该track未与其他track有群组关系** volume | 2 | [8.8] 格式，如果为音频track，1.0（0x0100）表示最大音量；否则为0** reserved | 2 | 保留位** matrix | 36 | 视频变换矩阵** width | 4 | 宽** height | 4 | 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************************************************************************************************************/[url=]

[/url]

运行结果：

3.2 mdia box

结构：

[url=]

[/url]
/********************************************************************************************** 字段名称 | 长度(bytes) | 有关描述--------------------------------------------------------------------------------------------** boxsize | 4 | box的长度** boxtype | 4 | box的类型********************************************************************************************/[url=]

[/url]

4. 四级box

　　本节所说的四级box皆为mdia的子box,主要包含mdhd、hdlr、minf等。

4.1 mdhd box

结构：

[url=]

[/url]
/************************************************************************************************************** tkhd**-------------------------------------------------------------------------------------------------------------** 字段名称　　|　　长度(bytes)　　　| 有关描述-------------------------------------------------------------------------------------------------------------** boxsize | 4 　　 | box的长度** boxtype | 4 　　 | box的类型** version | 1　　　　　　　　　 | box版本0或1 一般为0 (以下字节数均按version=0)** flags | 3 　　 | ** 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** time_scale | 4 　　 | ** duration | 4 　　　| track的时间长度** language | 2 　　　| 媒体语言码,最高位为0 后面15位为3个字符[见ISO 639-2/T标准中定义]** pre-defined | 2 　　 | 保留位************************************************************************************************************/[url=]

[/url]

结果：

4.2 hdlr box

结构：

[url=]

[/url]
/************************************************************************************************************** hdlr**-------------------------------------------------------------------------------------------------------------** 字段名称　　 | 长度(bytes) | 有关描述-------------------------------------------------------------------------------------------------------------** boxsize | 4 | box的长度** boxtype | 4 | box的类型** version | 1 | box版本0或1 一般为0 (以下字节数均按version=0)** flags | 3 |** pre-defined | 4 |** handler type | 4 | 在media box中，该值为4个字符　　　　　　"vide"— video track 　　　　　　"soun"— audio track 　　　　　　"hint"— hint track** reserved | 12 |** name | 不定 | track type name，以‘\0’结尾的字符串************************************************************************************************************/[url=]

[/url]

结果：

4.3 minf box

结构：

[url=]

[/url]
/********************************************************************************************** 字段名称 | 长度(bytes) | 有关描述--------------------------------------------------------------------------------------------** boxsize | 4 | box的长度** boxtype | 4 | box的类型********************************************************************************************/[url=]

[/url]

5. 五级box

　　本节所说的五级box皆为minf的子box,主要包含header box(vmhd/smhd/hmld/nmld)、stbl等。

5.1 header box

本处的headerbox会根据前面的handler type数值选择哪个box。

"vide"—vmhd 视频

"soun"— smhd 音频

"hint"—hmhd 忽略

vmhd结构：

[url=]

[/url]
/************************************************************************************************************** vmhd**-------------------------------------------------------------------------------------------------------------** 字段名称 | 长度(bytes) | 有关描述-------------------------------------------------------------------------------------------------------------** boxsize | 4 | box的长度** boxtype | 4 | box的类型** version | 1 | box版本0或1 一般为0 (以下字节数均按version=0)** flags | 3 |** graphics_mode | 4 | 视频合成模式，为0时拷贝原始图像，否则与opcolor进行合成** opcolor | 2 ×3 | ｛red，green，blue｝************************************************************************************************************/[url=]

[/url]

结果：

5.2 stbl box

结构：

[url=]

[/url]
/********************************************************************************************** 字段名称 | 长度(bytes) | 有关描述--------------------------------------------------------------------------------------------** boxsize | 4 | box的长度** boxtype | 4 | box的类型********************************************************************************************/[url=]

[/url]

6. 六级box

　　本节所说的六级box皆为stbl的子box,主要包含stsd、stts、stsz、stsc、stss、stco等，这些也是mp4文件设计的精髓所在，主要控制chunk、sample、mdat之间的映射关系。

6.1 stsd box

stsd： Sample Description Box，解析stsd可获得coding类型、视频宽高、音频samplesize、channelcount这些和解码器有关信息。

6.2 stts box

stts： Decoding Time to Sample Box，时间戳和Sample映射表

上图是一个video trak，说明该视频包含87帧数据，每帧包含512个采样。

总共512*87=44544个采样，和我们前面mdhd box的Duration完全一致。

Duration / TimeScale = 44544 / 12288 = 3.625秒正是我们的视频播放长度。

12288 / 512 = 24 p/s (帧率)。

6.3 stsz box