怎么说我也算是做协议开发的，14229，15765是我的专业内容。但是关于解码和文件格式一般都是有协议的，网上搜索了下spec名称为ISO14496，有一系列的白皮书呢！

快速入门了下MPEG4标准中的文件格式，box是一个主要概念。网上有ISO协议下载，也有现成的解析分析工具。我了解一个大概，比如moov box只有一个，包括了音频和视频的总信息。trak box至少有一个，一般为2个，一个为音频一个为视频信息。utda box保存的是帧的数据。

image.png

一，MPEG-4媒体文件主要信息

MPEG-4标准为ISO14496系列，MP4格式在-12文件中可以看到。
offset
moov box中记录的每帧音视频数据位置信息，实际上都在mdat box中，通过解析moov box来获取到每帧音视频数据具体位置后，使得播放器能方便的拖拉进度条。
DTS和PTS
avcC box指定了该流的编码类型为H264
stsc stsz stco三个box用于保存每帧视频或音频数据在文件中的保存位置。
stts stss ctts三个box用于保存媒体数据和时间戳的对应关系。
IPB帧的概念
I帧表示关键帧，P帧为向前引用，B帧为双向(前后)引用。

二，MPEG-4媒体文件参考网址

1.MPEG-4标准
2.mp4文件格式解析
3.MP4格式解析二 ftyp/mvhd
4.mp4封装格式各box类型讲解及IBP帧计算
5.MP4格式分析之我见
6.IBP帧的定义

其实就是14496-10。H264功能分为两层，VCL(视频编码层)和 NAL(网络提取层)
SODB 数据比特串 ----＞最原始的编码数据，即VCL数据
RBSP　原始字节序列载荷
EBSP　扩展字节序列载荷（会填充0x30）

image.png

H264的码流分6层，其中宏块和IPB相关
1帧 = 1个或n个片
1片 = n个宏块
1宏块 = 16x16yuv数据

image.png

宏块结构

image.png

mb_type 确定该 MB 是帧内或帧间(P 或 B)编码模式，确定该 MB 分割的尺寸，mb_pred 确定帧内预测模式

image.png

解码顺序，由于B依赖前后帧，所以要先把后面的P帧先解码。若是网络直播，一般B帧出现的比较少，需要保证实时性。

运动补偿，帧内预测，残差补偿等算法还不太清楚，之后慢慢了解，慢慢看paper。今天先入门。

H.264 Visa 和StreamEye我都用了下。

如何学习H264协议
H264基础简介
H264格式详细介绍