常见视频封装格式（1） — AVI
-> 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 -AVI。
1 AVI
容器 AVI（Audio Video Interleaved）即音视频交错格式是一门成熟的老技术，尽管国际学术界公认 AVI 已经属于被淘汰的技术，但是简单易懂的开发 API，还在被广泛使用。
AVI 符合 RIFF（Resource Interchange File Format）文件规范，使用四字符码 FOURCC（four-character code）来表征数据类型。AVI 的文件结构分为头部、主体和索引三部分。 主体中图像数据和声音数据是交互存放的，从尾部的索引可以索引跳到自己想放的位置。
AVI 本身只是提供了这么一个框架，内部的图像数据和声音数据格式可以是任意的编码形式。因为索引放在了文件尾部，所以在播网络流媒体时已属力不从心。一个很简单的例子，从网络上下载 AVI 文件，如果没有下载完成，是很难正常播放出来。
1.1 基本数据单元
AVI 中有两种最基本的数据单元，一个是 chunk，一个是 list。这两种结构如下：
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;
如上可知，Chunks 数据块由一个四字符码、4 字节 data size（指下面的数据大小）以及数据组成
List 由四部分组成，四个字节四字符码（“list”）、4 字节数据大小（指后面列的两部分数据大小）、四字节 list 类型以及数据组成，与 Chunk 数据块不同的是，List 数据内容可以包含字块（Chunk 或 List）。
1.2 AVI 文件结构
AVI 文件采用 RIFF 文件结构方式，使用四字符码 FOURCC（four-character code）来表征数据类型，比如 ‘RIFF’、‘AVI’、‘LIST’ 等，通常我们称四字符码为数据块 ID。因此首先我们需要了解一个标准 RIFF 文件结构。
- RIFF 文件的基本单元叫做数据块（Chunk），如上面基本数据单元的介绍，由数据块四字符码（数据块 ID） + 数据长度 + 数据组成。
- 整个 RIFF 文件可以看成一个数据块，其数据块 ID 为 “RIFF”，称为 RIFF 块。一个 RIFF 文件中只允许存在一个 RIFF 块。
- RIFF 块中包含一系列其他子块，其中 ID 为 “LIST” 称为 LIST 块，LIST 块中可以再包含一系列其他子块，但除了 LIST 块外的其他所有的子块都不能再包含子块。
有了 RIFF 文件结构的了解，下面这张 AVI 文件结构图就比较好理解了。需要说明的是，一个 AVI 通常都包含以下几个字块：
- ID 为 “hdrl” 的 list 块，包含了音视频信息，描述媒体流信息
- ID 为 “info” 的 list 块,包含编码该 AVI 的程序信息
- ID 为 “junk” 的 chunk 数据块，无用数据，用于填充
- ID 为 “movi” 的 list 块，包含了交错排列的音视频数据
- ID为 “idxl” 的 chunk 块，包含音视频排列的索引数据（可选块）
图：AVI 文件结构
1.3 AVI 结构详解
AVI 文件直接用文本编辑如（UltraEdit）打开分析其结构即可，下面以一个 AVI 文件为例，逐字节往下分析。
★ 1. RIFF 文件头
用 UltraEdit 打开一个 AVI 文件
可以看到前四个字节为 “RIFF”，在接着四个字节为 RIFF 文件大小（0x01526E34 即 22176380 字节），22176380 字节只包含 "AVI " RIFF 文件类型四字符码及 RIFF 块数据长度，因此 22176380 + 8 是整个 RIFF 文件的大小。再接着 4 字节为 RIFF 文件类型 "avi "。
★★ 2. hdrl list
1）hdrl list 头部
AVI 文件中必需的第一个 list 就是 hdrl list，用于描述 AVI 文件中各个流的格式信息（AVI 文件中的每一路媒体数据都称为一个流）。hdrl list 中嵌套了一系列块和子列表，首先是一个 “avih” 块，用于记录 AVI 文件的全局信息，比如流的数量、视频图像的宽和高等。
可以看到首先是 4 字节的 “list”，然后是 4 字节的 list size，接着是 4 字节 list 类型 “hdrl”，接着是 list 数据内容。
2）avih 块
avih 即 avi_header，该数据块是主信息头，这意外着该 header 数据块之后就是文件多媒体流信息。
4 字节的 “avih” 标识码，4 字节大小（0x38 即 56），接下来是 56 个字节数据。该块可以用如下结构体表示：
typedef struct {
FourCC fcc; // "avih" 特征码
DWORD cb; // 数据大小
DWORD dwMicroSecPerFrame; // 视频帧间隔时间（以毫秒为单位）
DWORD dwMaxBytesPerSec; // AVI 文件的最大数据率
DWORD dwPaddingGranularity; // 数据填充的粒度
DWORD dwFlags; // AVI 文件的全局标记，比如是否含有索引块等
DWORD dwTotalFrames; // 总帧数
DWORD dwInitialFrames; // 为交互格式指定初始帧数（非交互格式应该指定为 0）
DWORD dwStreams; // 本文件包含的流的个数
DWORD dwSuggestedBufferSize; // 建议读取本文件的缓存大小（应能容纳最大的块）
DWORD dwWidth; // 视频图像的宽（以像素为单位）
DWORD dwHeight; // 视频图像的高（以像素为单位）
DWORD dwReserved[4]; // 保留
} AVIMainHeader;
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，依次为 4 字节 “list”，4 字节数据大小，4 字节 “strl” 四字符码标识符。
4）strh 块
用于描述流的头信息
4 字节 “strh”，4 字节 “strh” 块大小（0x38 即 56），后面是 56 字节大小数据。该块用如下结构体表示，由上面 strh 块可知，该 AVI 第一个流是视频流（vids）。
// AVI流头部
typedef struct
{
FourCC fcc; // "strh"
DWORD cb; // 数据大小
FourCC fccType; // 流类型: 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
} AVIStreamHeader;
5）strf 块
该块用于描述流的具体信息。如果是视频流（vids，由 strh 块得知），用一个 BitmapInfo 结构体表示，如果是音频流（auds），用 WaveFormatEx 结构体表示。
// 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;
该块首先 4 字节 “strf” 标识，4 字节数据大小（0x28 即 40个字节），接着的数据用一个 40 字节大小的 BitmapInfo 结构体表示。
6）strd 块与strh 块
- strd：保存编解码器需要的一些配置信息
- strn：保存流的名字
这两个块是可选的，一个 strl list 可以不包含，不加分析。
★★ 3. info list
info list 用于描述编码该 AVI 文件的程序信息，包含一个 isft 块
★★ 4. movi list
movi list 用于保存真正的媒体流数据，音视频数据块在该 list 中交错方式存放着。
当 AVI 文件中包含有多个流时，数据块与数据块之间如何来区别呢？
同样的，这些数据块使用了一个四字符码来表征它的类型，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。
可用类型码有：
- 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
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 “01db” 或 “01dc”。
★★ 5. idx1 块
最后，紧跟在 hdrl list 和 movi list 之后的，就是 AVI 文件的索引块（可选），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 list，也可能相对于 AVI 文件开头）。索引块使用一个四字符码 “idx1” 来表征，索引信息使用一个数据结构来 AVIOLDINDEX 定义。
typedef struct _avioldindex {
FOURCC fcc; // "idx1"
DWORD cb; // 数据大小
struct _avioldindex_entry {
DWORD dwChunkId; // 数据块 id
DWORD dwFlags;
DWORD dwOffset; // 数据块偏移
DWORD dwSize; // 数据块大小
} aIndex[];
} AVIOLDINDEX;
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。
3. 总结
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) ]
)