【编解码：AVI格式解析】

2024-03-06 10:46:19

编解码：AVI格式解析

1 音视频及AVI知识
2 最基本的数据单元
3 AVI主要结构介绍
4 AVI主要结构解析
5 总结

1 音视频及AVI知识

一个完整的音视频文件格式有mp4、mov、flv、avi、rmvb、mkv、ts等，它们是封装数据的容器，包括音频、视频、字幕、基础元信息等，通过一些特定的编码算法，对各种信息进行编码压缩过后得到的。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。

H264、HEVC、VP9、AV1等就是视频编码格式，MP3、AAC、AC-3等就是音频编码格式，SRT、SSA等就是字幕编码格式。

例如：将一个视频流以Xvid格式编码、一个音频流以MP3格式编码、一个字幕流以SRT格式进行编码，按AVI封装标准封装以后，就得到一个AVI视频文件。

AVI即Audio Video Interleaved，音视频交错格式，基于RIFF文件结构。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即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。

2 最基本的数据单元

//Chunks
typedef struct {
DWORD dwFourCC
DWORD dwSize      //data
BYTE data[dwSize] // contains headers or video/audio data
} CHUNK;
 
//Lists
typedef struct {
DWORD dwList
DWORD dwSize        //dwFourcc + data
DWORD dwFourCC
BYTE data[dwSize-4] // contains Lists and Chunks
} LIST;

Chunks由三部分组成：4字节的数据流格式ID，4字节的数据大小，数据。
Lists由四部分组成：4字节LIST（LIST块中可以再包含一系列的子块），4字节数据加fourCC大小，4字节数据流格式ID，数据。

3 AVI主要结构介绍

一个AVI文件通常有如下几个子块组成：

ID为"AVI"的RIFF，文件头
ID为"hdrl"的list，信息块，包含了音视频信息，描述媒体流信息
ID为"info"的list，包含编码该AVI的程序信息
ID为"junk"的chunk，无用的数据，用于字节对齐
ID为"movi"的list，数据块，包含了交错排列的音视频数据
ID为"idxl"的chunk，索引块，包含音视频排列的索引数据（可选块，不存在时seek会慢很多）

文件信息：
分析工具分别是MediaInfo以及MediaConch。

4 AVI主要结构解析

1.RIFF文件头

4个字节的"RIFF"，4字节的RIFF文件大小（342872字节），4字节为RIFF文件类型"AVI"

2.hdrl列表

1）hdrl列表头
4字节的"LIST"描述信息，4字节list大小（8952字节），4字节list类型"hdrl"

2）avih块

用于描述主信息，该块可以用如下结构体表示

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;

3）strl list头部

一个strl list中至少包含一个strh块和一个strf块。文件中有多少个流，就对应有多少个strl list。
上图可知存在两个流，Stream info 0，Stream info 1。

4）strh块

 // AVI流头部
typedef struct
{
    FourCC fcc;                 // 必须为 strh
    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)
    FourCC fccType;             // 流的类型: auds(音频流) vids(视频流) mids(MIDI流) txts(文字流)
    FourCC fccHandler;          // 指定流的处理者，对于音视频来说就是解码器
    DWORD dwFlags;              // 标记：是否允许这个流输出？调色板是否变化？
    WORD wPriority;             // 流的优先级（当有多个相同类型的流时优先级最高的为默认流）
    WORD wLanguage;             // 语言
    DWORD dwInitialFrames;      // 为交互格式指定初始帧数
    DWORD dwScale;              // 每帧视频大小或者音频采样大小
    DWORD dwRate;               // dwScale/dwRate，每秒采样率
    DWORD dwStart;              // 流的开始时间
    DWORD dwLength;             // 流的长度（单位与dwScale和dwRate的定义有关）
    DWORD dwSuggestedBufferSize;// 读取这个流数据建议使用的缓存大小
    DWORD dwQuality;            // 流数据的质量指标（0 ~ 10,000）
    DWORD dwSampleSize;         // Sample的大小
    RECT rcFrame;               // 指定这个流（视频流或文字流）在视频主窗口中的显示位置，视频主窗口由AVIMAINHEADER结构中的dwWidth和dwHeight决定
} AVIStreamHeader;

5）strf块

该块用于描述流的具体信息

视频流，fccType = “vids”

// 位图头
typedef struct
{
    DWORD  biSize;
    LONG   biWidth;
    LONG   biHeight;
    WORD   biPlanes;
    WORD   biBitCount;
    DWORD  biCompression;
    DWORD  biSizeImage;
    LONG   biXPelsPerMeter;
    LONG   biYPelsPerMeter;
    DWORD  biClrUsed;
    DWORD  biClrImportant;
} BitmapInfoHeader;
 
// 位图信息
typedef struct
{
    BitmapInfoHeader bmiHeader;   // 位图头
    RGBQUAD bmiColors[1];         // 调色板
} BitmapInfo;

音频流，fccType = “auds”

// 音频波形信息
typedef struct
{
    WORD wFormatTag;
    WORD nChannels;               // 声道数
    DWORD nSamplesPerSec;         // 采样率
    DWORD nAvgBytesPerSec;        // 每秒的数据量
    WORD nBlockAlign;             // 数据块对齐标志
    WORD wBitsPerSample;          // 每次采样的数据量
    WORD cbSize;                  // 大小
} WaveFormatEx;

6）strd块与strn块
strd：可选的额外的头信息数据
strn：可选的流的名字
这两个块是可选的，本AVI文件不包含，故不分析。

3.info列表

该list用于描述编码该AVI文件的程序信息，包含一个isft块。

4.junk块

一些垃圾填充数据，用于内部数据的队齐（填充），直接跳过。

5.movi列表

存储音视频数据，音视频数据在其中以交错方式存放着，视频clip，n音频clip，视频clip，n音频clip…方便seek。
音视频数据子块的种类有：##db,##dc,##pc,##wb。
–##：数据所属的流的序号，视频是00dc或00db，音频是01wb。
–db：未压缩的视频帧
–dc：压缩的视频帧
–wb：音频数据
–pc：改用新的调色板

6.idx1块

该块是可选的，描述音视频数据的索引块信息，在AVIMainHeader的dwFlags中指出是否包含索引块。有了索引块可以方便文件快进，如果没有索引块，在对AVI进行快进时需要计算位置，会很耗时。索引块可用如下结构体表示：

// 索引节点信息
typedef struct
{
    DWORD dwChunkId;   // 本数据块的四字符码(00dc 01wb)
    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
} AVIIndexEntry;

5 总结

可以编译FFmpeg源码，对AVI文件进行解码，在分离器Demuxer中进一步研究其格式，会有更清晰的认识。

RIFF ('AVI'
     LIST('hdrl'
        'avih'(主 AVI 信息头数据)
        LIST('strl'
                'strh' (流的头信息数据)
                'strf' (流的格式信息数据)
                ['strd' (可选的额外的头信息数据)]
                ['strn' (可选的流的名字) ]
        )
        
        ... // 其他流信息
    )
        
    LIST('movi'
            { 
                // 媒体流数据
                SubChunk | LIST ('rec'
                SubChunk1
                SubChunk2
                ...
            }
    )
    ['idx1' (可选的 AVI 索引块数据) ]
)

码农公寓