多媒体封装协议之Matroska封装协议介绍

一、背景介绍

Matroska多媒体容器（Multimedia Container）是一种开放标准的自由的容器和文件格式，是一种多媒体封装格式，能够在一个文件中容纳无限数量的视频、音频、图片或字幕轨道。所以其不是一种压缩格式，而是Matroska定义的一种多媒体容器文件。其目标是作为一种统一格式保存常见的电影、电视节目等多媒体内容。在概念上Matroska和其他容器，比如AVI、MP4或ASF（Advanced Sreaming Format，即高级流格式）比较类似，但其在技术规程上完全开放，在实现上包含很多开源软件。可将多种不同编码的视频及16条以上不同格式的音频和不同语言的字幕流封装到一个Matroska 媒体文件当中。最大的特点就是能容纳多种不同类型编码的视频、音频及字幕流。
(注:采用Matroska封装协议的文件有很多，如mkv，webm，为了便于描述，下文中的matroska与mkv等价)

二、语法组成

与MP4封装协议类似， Matroska文件是由一个个EBML elements组成(MP4是由一个个box/atom组成)，
MP4的box的ID与size所占字节一般为4个字节，Matroska的element的ID和size所占的字节数是不定的，
根据实际情况来分配字节数。如下：

typedef struct {
vint ID // EBML-ID
vint size // size of element
char[size] data // data
} EBML_ELEMENT;
为了说明element的ID和size所占的字节数是变长的，我们使用vint(Unsigned Integer Values of Variable Length)来表示这种类型，
vint的len = 1 + [number_of_leading_zero_bits].
如mkv文件的第一个内容为0x1A，二进制位 0001 1010;
Leading_zero_bits的个数为3，故此ID的len = 1 + 3 = 4;
继续往后对三个字节，可知此ID为 1A 45 DF 43， 查表可知，此ID为 EBML Header。

三、文件结构

先整体看一下mkv的文件结构

从图中可以看出，mkv文件整体由两部分组成，EBML 与Segment
EBML用于描述此文件采用了EBML这种方式编码，此部分里面的内容与解码不相关；
而Segment里面包含了各种与解码信息相关的内容

3.1 Segment组成

3.1.1 SEEKHEAD

此部分用于快速seek文件，里面包含了其他部分相对于Segment起始位置的偏移量(如:记载了TRACKS的偏移量)，
方便快速找到其他部分，如果没有，也不影响解码;

如:本文件记录了三处seek点，分别为 SEGMENTINFO， TRACKS和CUES部分相对于Segment起始位置的偏移量，便于快速seek至对应的部分；

3.1.2 Void

空的element，没有什么作用

3.1.3 SEGMENTINFO

记录一些SEGMENT的通用信息，如时间戳的基准单位TimeCodeScale等信息，

TimeCodecScale：解码时间基础单位，计算duration时需要乘以此值获得对应的ns数；
MuxingApp与WritingApp表示如下：

Duration：此segment的duration，注意duration的内容要以float形式来查看，如本文件的duration的内容为：44 89 84 45 11 D0 00,Duration为45 11 D0 00，转换为float数为2333.0000
故本segment的时长为 duration x TimeCodeScale = 2333.0000 x 1000000ns = 2.333s
由于本文件只有一个segment，故文件的duration也为2.333s
注意;mkv协议中可以运行一个文件中包含多个segment，但为了兼容性，请不要包含多个segment。
DateUTC表示创建时的日期，距离Jan 01， 2001， 0:00:00 GMT+0h的纳秒数
SegmentUID， Segment独一无二的标示符。

3.1.4 TRACKS

各路track的metaData,注意各路track的数据在Cluster里面，而不是位于TRACKS里面

本文件中有两路track，
TrackNumber: cluster数据中对应track的number号，用于区分不用的track
TrackUID: 文件中此路track独一无二的标示
TrackType：track类型，如下：

Flaglacing: 指示一个Block中是否存放多帧视频或音频(默认为0，存放一帧视频或者音频)
MinCache: 指示播放时需要最新的真存buffer数，一般为0或者没有这一部分
CodecID:字符串的形式来表示此路track的编码格式，如V_MPEG4/ISO/AVC，
可以参考https://matroska.org/technical/specs/codecid/index.html来查看具体CodeID信息
CodecPrivate:配置帧信息
DefaultDuration:每一帧的duration，以ns为单位，可以根据此计算帧率
Video:存放宽高，显示宽高信息
Audio:存放采样率，通道数等信息
Language：一般为und，代表Undetermined，可以查询ISO639-2 .标准获取对应信息

TimeCode:当前Cluster的起锚时间，注意乘以TimeCodecScale来获取对应的值
SimpleBlock:不包含附件的Block，里面存放音频或者视频的数据包

3.1.5 CUES:里面存放视频关键帧的信息

由一包包CuePoint组成，每个CuePoint由关键帧的时间戳和关键帧在Segment中的相对位置pos组成，便于快速seek

##附录：
mkv解析工具下载地址
http://download.csdn.net/detail/u012188065/9688209
浮点数与十六进制转换工具下载地址
http://download.csdn.net/detail/u012188065/9688211
mkv封装协议下载地址
http://download.csdn.net/detail/u012188065/9688213
ISO639-2 协议下载地址
http://download.csdn.net/detail/u012188065/9688217