• 多媒体文件格式之AVI


    [时间:2016-07] [状态:Open]

    AVI(Audio Video Interleaved的缩写)是一种RIFF(Resource Interchange File Format的缩写)文件格式,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。
    之前整理的关于RIFF格式简介,建议阅读本文前先了解下。

    0. 学习多媒体容器格式的目的

    主要是为了回答以下问题:

    1. 该容器中数据是如何组织的?
    2. 该容器包含哪些编码格式的数据?这些数据是如何存储的?
    3. 该容器包含哪些元数据信息?包含哪些节目信息?
    4. 对于支持多节目的容器格式,如何找到对应的音频流、视频流、字幕流?
    5. 如何确定该容器的节目播放时长?
    6. 如何从该容器中提取音频、视频、字幕数据,并交给解码器解码,有时间戳否?
    7. 该容器是否支持seek?有哪些辅助信息?
    8. 是否支持直接流化?
    9. 哪里可以找到该容器格式最标准的文档资料?
    10. 有哪些可用的工具,方便分析容器格式异常或者错误?

    1. AVI整体结构

    整个AVI文件是一个类型码为为"AVI "的RIFF块,其主要有三个subchunk构成:信息块("hdrl" LIST块,用于描述AVI的流数据格式)、数据块("movi" LIST块,用于保存音视频序列数据)、索引块(可选的,"idxl"子块)。
    AVI文件的展开结构大致如下:

    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) ]
                      ...
                     )
                 ...
               )
          LIST (‘movi’
                { SubChunk | LIST (‘rec ’
                                  SubChunk1
                                  SubChunk2
                                  ...
                                 )
                   ...
                }
                ...
               )
          [‘idx1’ (可选的AVI索引块数据) ]
         )
    

    AVI信息块("hdrl" LIST块)

    通常AVI信息块包含一个"avih"子块,其包括MainAVIHeader和至少一个"strl" chunk(描述的strem info)。
    MainAVIHeader的定义如下:

    typedef struct {
        DWORD dwMicroSecPerFrame;
        DWORD dwMaxBytesPerSec;
        DWORD dwReserved1;
        DWORD dwFlags;
        DWORD dwTotalFrames;
        DWORD dwInitialFrames;
        DWORD dwStreams;
        DWORD dwSuggestedBufferSize;
        DWORD dwWidth;
        DWORD dwHeight;
        DWORD dwReserved[4];
    } MainAVIHeader;
    

    这里面的dwStreams给出了AVI文件中的流数目,dwFlags说明了AVI解析的特殊标志,比如是否有索引块,是否是交织的音视频数据,

    "strl" chunk中包含至少包含一个'strh'块和一个'strf'块,而'strd'块(保存编解码器需要的一些配置信息)和'strn'块(保存流的名字)是可选的。

    • 'strh'块,用于说明这个流的头信息,可以使用一个AVISTREAMHEADER数据结构来描述:
    typedef struct _avistreamheader {
         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;
         DWORD  dwInitialFrames; // 为交互格式指定初始帧数
         DWORD  dwScale;   // 这个流使用的时间尺度
         DWORD  dwRate;
         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
         struct {
             short int left;
             short int top;
             short int right;
             short int bottom;
    	 }  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;
    
    • ‘strf’块,用于说明流的具体格式。如果是视频流,则使用一个BITMAPINFO数据结构来描述;如果是音频流,则使用一个WAVEFORMATEX数据结构来描述。

    当AVI文件中的所有流都使用一个‘strl’子列表说明了以后(注意:‘strl’子列表出现的顺序与媒体流的编号是对应的,比如第一个‘strl’子列表说明的是第一个流(Stream 0),第二个‘strl’子列表说明的是第二个流(Stream 1),以此类推),‘hdrl’列表的任务也就完成了,随后跟着的就是AVI文件必需的第二个列表——‘movi’列表,用于保存真正的媒体流数据(视频图像帧数据或音频采样数据等)。

    数据块("movi" LIST块)

    那么,怎么来组织这些数据呢?可以将数据块直接嵌在'movi'列表里面,也可以将几个数据块分组成一个'rec '列表后再编排进‘movi’列表。(注意:在读取AVI文件内容时,建议将一个'rec '列表中的所有数据块一次性读出。)
    但是,当AVI文件中包含有多个流的时候,数据块与数据块之间如何来区别呢?于是数据块使用了一个四字符码来表示其类型,这个四字符码由2个字节的类型码和2个字节的流编号组成。标准的类型码定义如下:'db'(非压缩视频帧)、'dc'(压缩视频帧)、'pc'(改用新的调色板)、'wb'(音缩视频)。比如第一个流(Stream 0)是音频,则表征音频数据块的四字符码为'00wb';第二个流(Stream 1)是视频,则表征视频数据块的四字符码为'00db'或'00dc'。对于视频数据来说,在AVI数据序列中间还可以定义一个新的调色板,每个改变的调色板数据块用'xxpc'来表征,新的调色板使用一个数据结构AVIPALCHANGE来定义。(注意:如果一个流的调色办中途可能改变,则应在这个流格式的描述中,也就是AVISTREAMHEADER结构的dwFlags中包含一个AVISF_VIDEO_PALCHANGES标记。)另外,文字流数据块可以使用随意的类型码表征。

    索引块("idxl"子块)

    紧跟在'hdrl'列表和'movi'列表之后的,就是AVI文件可选的索引块。这个索引块为AVI文件中每一个媒体数据块进行索引,并且记录它们在文件中的偏移(可能相对于'movi'列表,也可能相对于AVI文件开头)。索引块使用一个四字符码'idx1'来表示,索引信息使用一个数据结构来AVIOLDINDEX定义。

    typedef struct _avioldindex {
       FOURCC  fcc;  // 必须为‘idx1’
       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)
       struct _avioldindex_entry {
          DWORD   dwChunkId;   // 表征本数据块的四字符码
          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
      } aIndex[]; // 这是一个数组!为每个媒体数据块都定义一个索引信息
    } AVIOLDINDEX;
    

    注意:如果一个AVI文件包含有索引块,则应在主AVI信息头的描述中,也就是AVIMAINHEADER结构的dwFlags中包含一个AVIF_HASINDEX标记。

    2. AVI文件如何播放?

    读完上一节中的描述,貌似没有看到时间戳信息在哪里,音视频改如何播放呢?那只能通过实际读取的帧数和AVISTREAMHEADER中的帧率信息计算出来。同样,由于索引块中明显没有时间-位置映射,如果要实现seek,只能通过附加的手段实现了。

    至于如何计算节目时长,没有相应字段,那就通过帧率和总帧数计算。

    其他扩展部分建议阅读下:OpenDML specification, v. 1.02

    3. 参考资料

    1. msdn AVI RIFF Form
    2. AVI (Audio Video Interleaved) File Format
    3. AVI文件格式分析
  • 相关阅读:
    遗传算法求解TSP问题
    蚁群算法求解TSP问题
    遗传算法之函数优化
    k-means和iosdata聚类算法在生活案例中的运用
    MATLAB实现模糊控制
    感知机算法及BP神经网络
    K-means聚类算法
    链表_leetcode92
    链表_leetcode86
    链表_leetcode83
  • 原文地址:https://www.cnblogs.com/tocy/p/media_container_8-avi.html
Copyright © 2020-2023  润新知