H.264媒体流AnnexB和AVCC格式分析 及 FFmpeg解析mp4的H.264码流方法

H264码流分两种组织方式，一种是AnnexB格式，一种是AVCC格式。

首先要了解的是H.264编码规范只是规定了如何编码，并没有规定以何种方式来排列编码后的数据。就如同AES算法只是规定如何加密一组数据，并没有强制规定如果分组。H.264规范没有规定如何组织数据，但是在附录B中提供了一种可选方案，即Annex B格式。

H.264 NALU 概念

H.264视频编码后的数据叫NALU(Network Abstraction Layer Units)。
NALU有多种类型，分为两大类：VCL(Video Coding Layer) 和 非VCL。VCL是图像编码数据，非VCL为编码参数信息。NALU结构头部指明类型，类型字段如下。

NALU类型	说明	是否VCL
0	Unspecified	non-VCL
1	Coded slice of a non-IDR picture	VCL
2	Coded slice data partition A	VCL
3	Coded slice data partition B	VCL
4	Coded slice data partition C	VCL
5	Coded slice of an IDR picture	VCL
6	Supplemental enhancement information (SEI)	non-VCL
7	Sequence parameter set (SPS)	non-VCL
8	Picture parameter set (PPS)	non-VCL
9	Access unit delimiter	non-VCL
10	End of sequence	non-VCL
11	End of stream	non-VCL
12	Filler data	non-VCL
13	Sequence parameter set extension	non-VCL
14	Prefix NAL unit	non-VCL
15	Subset sequence parameter set	non-VCL
16	Depth parameter set	non-VCL
17…18	Reserved	non-VCL
19	Coded slice of an auxiliary coded picture without partitioning	non-VCL
20	Coded slice extension	non-VCL
21	Coded slice extension for depth view components	non-VCL
22…23	Reserved	non-VCL
24…31	Unspecified	non-VCL

SPS： 序列参数集，包含解码配置，比如profile level 分辨率和帧率等。
PPS：图像参数集，包含有关熵编码模式、分片组、运动预测和去块滤波器等信息。
IDR: 立即解码刷新单元，这种NALU包含一个完整的图像序列，不依赖其他NALU就可以独立解码和显示，即一种特殊的I帧。

值得注意的是，一个NALU即使是VCL NALU 也并不一定表示一个视频帧。因为一个帧的数据可能比较多，可以分片为多个NALU来储存。一个或者多个NALU组成一个访问单元AU，一个AU包含一个完整的帧。

H.264 码流格式

H264码流分两种组织方式，一种是AnnexB格式，一种是AVCC格式。

AnnexB格式

[start code]NALU | [start code] NALU |...
这种格式比较常见，也就是我们熟悉的每个帧前面都有0x00 00 00 01或者0x00 00 01作为起始码。.h264文件就是采用的这种格式，每个帧前面都要有个起始码。SPS PPS等也作为一类NALU存储在这个码流中，一般在码流最前面。也就是说这种格式包含VCL 和 非VCL 类型的NALU。

AVCC格式

([extradata]) | ([length] NALU) | ([length] NALU) | ...
这种模式也叫AVC1格式，没有起始码，每个帧最前面几个字节（通常4字节）是帧长度。这里的NALU一般没有SPS PPS等参数信息，参数信息属于额外数据extradata存在其他地方。
比如ffmpeg中解析mp4文件后sps pps存在streams[index]->codecpar->extradata;中。也就是说这种码流通常只包含VCL类型NALU。

这些extradata通常有如下格式（可以根据这个规则ffmpeg解析mp4文件的SPS和PPS）

第1字节：version (通常0x01)
第2字节：avc profile (值同第1个sps的第2字节)
第3字节：avc compatibility (值同第1个sps的第3字节)
第4字节：avc level (值同第1个sps的第3字节)
第5字节前6位：保留全1
第5字节后2位：NALU Length 字段大小减1，通常这个值为3，即NAL码流中使用3+1=4字节表示NALU的长度
第6字节前3位：保留，全1
第6字节后5位：SPS NALU的个数，通常为1
第7字节开始后接1个或者多个SPS数据
	SPS结构 [16位 SPS长度][SPS NALU data]

SPS数据后
第1字节：PPS的个数，通常为1
第2字节开始接1个或多个PPS数据
	PPS结构 [16位 PPS长度][SPS NALU data]

上述内容参考 https://titanwolf.org/Network/Articles/Article?AID=7efa4423-1e7d-46e0-ba19-6f5c6eec84a7

FFmpeg解析mp4中H.264 码流

MP4文件中编码信息是存储在文件开始或者文件末尾的，详细结构这里不详述了。就知道不是和图像数据放在一起的就可以了。
FFmpeg使用av_read_frame(AVFormatContext *s, AVPacket *pkt)函数读mp4文件，读到packet里面仅仅是VCL编码数据NAL，并且这个编码数据是AVCC格式组织的码流，直接保存成.264文件没法播放。
先说一下思路：
1 .从avFmtCtx->streams[_videoStreamIndex]->codecpar->extradata中解析SPS和PPS数据，数据格式上一节已经描述了。解析出SPS PPS数据加上4字节的0001的起始码拼装成nnexB格式的NALU，先写入文件。
2. 通过av_read_frame(AVFormatContext *s, AVPacket *pkt)读取到数据存放在pkt->data中，长度为pkt->size。

注意：这1个pkt->data中的数据可能是多个NALU的数据！！！这些数据按([length] NALU) | ([length] NALU) | ...规则排列。先取前4字节作为长度，读取指定长度的数据加上起始码拼NALU。然后同样的方式读取后面的数据，直到总长度等于pkt->size。

FFmpeg 解析mp4中H264码流 代码示例

这里就只贴关键部分代码。省略前面打开文件和查询流信息等操作。

	//...
    AVPacket spsPacket, ppsPacket, tmpPacket;
    uint8_t startCode[4] = {0x00, 0x00, 0x00, 0x01};
    bool sendSpsPps = false;

    while (av_read_frame(_avFmtCtx, _avPacket) == 0) { // 能读到数据返回0，循环读取
    	// 根据pkt->stream_index判断是不是视频流
        if (_avPacket->stream_index == _videoStreamIndex) {
        	// 仅1次处理sps pps，也可以拿在while外面
            if (!sendSpsPps) { 
                int spsLength = 0;
                int ppsLength = 0;
                // extradata 数据指针，方便操作取其指针
                uint8_t *ex = _avFmtCtx->streams[_videoStreamIndex]->codecpar->extradata;
				
				// extradata;第6字节后5位表示SPS个数，通常为1，这里就省略判断处理，严谨期间还是要判断
				// 直接 取第7 8 俩字节作为SPS长度
                spsLength = (ex[6] << 8) | ex[7];
				
				// x[8+spsLength]表示PPS个数，通常为1，这里就省略判断处理
				// 取接下来两位作为PPS长度
                ppsLength = (ex[8 + spsLength + 1] << 8) | ex[8 + spsLength + 2];

				// 为spsPacket ppsPacket的data分配内存，类似malloc
				// 如果只是为了保存文件，可以不使用pkt结构，直接malloc就行
				// 分配的空间为sps或pps长度加上4字节的起始码
                av_new_packet(&spsPacket, spsLength + 4);
                av_new_packet(&ppsPacket, ppsLength + 4);
				
				// 给SPS拼前4字节起始码
                memcpy(spsPacket.data, startCode, 4);
                // 把SPS数据拼在起始码后面
                memcpy(spsPacket.data + 4, ex + 8, spsLength);
				
				// TODO: 这里可以把spsPacket.data数据写入文件 
				
				// 给PPS拼前4字节起始码
                memcpy(ppsPacket.data, startCode, 4);
                // 把PPS数据拼在起始码后面
                memcpy(ppsPacket.data + 4, ex + 8 + spsLength + 2 + 1, ppsLength);
                
				// TODO: 这里可以把ppsPacket.data数据写入文件 
				
                sendSpsPps = true;
            }

			// 下面处理读到pkt中的数据
            int nalLength = 0;
            uint8_t *data = _avPacket->data;
            // _avPacket->data中可能有多个NALU，循环处理
            while (data < _avPacket->data + _avPacket->size) {
            	// 取前4字节作为nal的长度
                nalLength = (data[0] << 24) | (data[1] << 16) | (data[2] << 8) | data[3];
                if (nalLength > 0) {
                    memcpy(data, startCode, 4);  // 拼起始码
                    tmpPacket = *_avPacket;      // 仅为了复制packet的其他信息，保存文件可忽略
                    tmpPacket.data = data;		 // 把tmpPkt指针偏移到实际数据位置
                    tmpPacket.size = nalLength + 4; // 长度为nal长度+起始码4
					
					//TODO: 处理这个NALU的数据，可以直接把tmpPacket.data写入文件
                }
                data = data + 4 + nalLength; // 处理data中下一个NALU数据
            }
        }

        av_packet_unref(_avPacket);
    }

上述代码FFmpeg 4.4使用正常。
此外，FFmpeg也提供了h264_mp4toannexb_filter相关的过滤器进行相应转换的操作，filter`使用比较麻烦，这里不示例怎么用了。