AVI文件规范(更新版)

AVI文件规范

本文主要参考了如下资料：

http://blog.csdn.net/sunshine1314/archive/2007/10/14/1824432.aspx 格式规范

http://blogold.chinaunix.net/u2/69656/showart_1110871.html  格式规范

http://blog.csdn.net/njuitjf/archive/2010/06/19/5680632.aspx  格式解析

http://blog.csdn.net/happydeer/archive/2004/04/16/8775.aspx  AVI文件格式----摘自《DirectShow实务精选》 作者：陆其明

 

一、AVI文件简介

AVI的英文全称为Audio Video Interleaved，即音频视频交错格式，是将语音和影像同步组合在一起的文件格式。AVI于1992年被Microsoft公司推出，随Windows3.1一起被人们所认识和熟知。AVI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。

Note: 本文介绍的是基本的AVI文件格式规范，至于newAVI等一些AVI扩展格式，请关注笔者后续文章。

 

二、RIFF文件规范

AVI文件属于一种RIFF（Resource Interchange File Format的缩写）文件格式，与此同类的还有常见的WAV文件。RIFF是Microsoft提出的一种多媒体文件的存储方式，不同编码的音频、视频文件，可以按照它定义的存储规则保存、记录各自不同的数据。如果读者不熟悉RIFF文件规范，阅读下面章节前，建议先阅读《RIFF文件规范》这篇文章：http://blog.csdn.net/sunshine1314/archive/2007/10/10/1817991.aspx

 

三、AVI文件结构实例分析

1、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) ]
     )

 

 

2、AVI文件全局结构说明

       整个AVI文件的结构为：一个RIFF头 + 两个列表（一个用于描述媒体流格式、一个用于保存媒体流数据） + 一个可选的索引块 + 一个JUNK块。

首先，RIFF (‘AVI ’…)表征了AVI文件类型。然后就是AVI文件必需的第一个列表——‘hdrl’列表，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’列表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。然后，就是一个或多个‘strl’子列表。文件中有多少个流，这里就对应有多少个‘strl’子列表，示例clock.avi文件有两路流，既音频流和视频流。

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）。

最后，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）。

图1中还有一种特殊的数据块，用一个四字符码‘JUNK’来表征，它用于内部数据的队齐（填充），应用程序应该忽略这些数据块的实际意义。

 

3、’avih’块

‘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，可以使用一个AVIMAINHEADER数据结构来操作：

typedef struct _avimainheader {
    FOURCC fcc;   // 必须为‘avih’
    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）
    DWORD  dwMicroSecPerFrame;   // 视频帧间隔时间（以毫秒为单位）
    DWORD  dwMaxBytesPerSec;     // 这个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;

 

4、’strl’子列表

每个‘strl’子列表至少包含一个‘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。首先是‘strh’块，用于说明这个流的头信息，可以使用一个AVISTREAMHEADER数据结构来操作：

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;

 

然后是‘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。

 

5、‘movi’列表

‘movi’列表保存的是真正的媒体流数据，其数据组织方式有两种。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。

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？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。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：如果一个流的调色板中途可能改变，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。

 

6、AVI索引块

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;  // 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。

 

四、后记

       大家应该都听过“AVI文件不适合用于流媒体传输”这样的说法，通过本文对AVI文件结构的解析，相信大家对这种说法有更清晰的验证，因为AVI文件结构中置于文件尾部的索引块、头部信息中规定的文件长度等过多的选项都是不适合流媒体应用的。

     提示：上述关于AVI文件格式的介绍，并不包括OpenDML AVI M-JPEG文件格式小组制定的OpenDML AVI文件格式扩展部分的内容。想对该扩展部分有更多了解的读者，请另行参考“OpenDML AVI File Format Extensions”一文（此文可在Internet上搜索获得）。提示：上述关于AVI文件格式的介绍，并不包括OpenDML AVI M-JPEG文件格式小组制定的OpenDML AVI文件格式扩展部分的内容。想对该扩展部分有更多了解的读者，请另行参考“OpenDML AVI File Format Extensions”一文（此文可在Internet上搜索获得）。

 

五、二进制 格式解析

 

52 49 46 46 -> FORCC码'RIFF'的ASCII值，说明是一个RIFF文件。RIFF( resource interchange file format ) 。
84 CF 4A 00 -> 表示文件大小的4个字节，由于windows是小头的，所以文件大小为0x004ACF84，即4902788字节，由于该size不包含开头的8字节，所以文件总大小为4902796字节
41 56 49 20 -> FOURCC码'AVI '的ASCII码，文件类型，说明是一个avi文件。AVI（AudioVideoInterleaved）。
        4C 49 53 54 -> FOURCC码'LIST'的ASCII码，说明是一个list
        7C 02 00 00 -> 表示list大小的4个字节。该list size为0x0000027C，即636字节，整个list的大小为：636 + 8 = 644 字节
        68 64 72 6C -> FOURCC码'hdrl'的ASCII码，list类型，说明这是一个头信息列表（header list）。
                61 76 69 68 -> FOURCC码'avih'的ASCII码，表示该chunk的ID(ckID)，说明这是一个主avi头（main avi header）。是结构体AVIMAINHEADER中的fcc成员
                38 00 00 00 -> 表示chunk大小的4个字节。该chunk的size为0x00000038，即56字节，整个chunk的大小为：56 + 8 = 64 字节。是结构体AVIMAINHEADER中的cb成员
                56 82 00 00 -> 是结构体AVIMAINHEADER中的dwMicroSecPerFrame成员，表示帧之间的微秒数。为0x00008256，即33366微秒。
                EF AF 0A 00 -> 是结构体AVIMAINHEADER中的dwMaxBytesPerSec成员，表示文件的近似最大速率。为0x000AAFEF，即700399字节/秒。
                01 00 00 00 -> 是结构体AVIMAINHEADER中的dwPaddingGranularity成员，表示以多少字节对齐。为0x000001，即1字节，说明文件以1字节对齐。
                10 08 00 00 -> 是结构体AVIMAINHEADER中的dwFlags成员。为0x00000810，HasIndex(+)；MustUseIndex；IsInterleaved；WasCaptureFile；Copyrighted；TrustCKType(+)
                DD 00 00 00 -> 是结构体AVIMAINHEADER中的dwTotalFrames成员。表示文件中总共有多少帧。为：0x000000DD，即221帧。dwTotalFrames * dwMicroSecPerFrame = 文件总时长。221 * 33366 = 7373886 微秒。即文件总时长为7.373886秒。
                00 00 00 00 -> 是结构体AVIMAINHEADER中的dwInitialFrames成员。表示交错帧中的初始帧，非交错文件，该值为0。从dwFlags可知，该文件为非交错文件，所以该值为0。
                01 00 00 00 -> 是结构体AVIMAINHEADER中的dwStreams成员，表示文件中所包含的流的数量。该文件中只包含一中流，所以该值为1。
                A8 62 00 00 -> 是结构体AVIMAINHEADER中的dwSuggestedBufferSize成员，表示读该文件时，建议的缓存大小。为0x000062A8，即25256字节。查看数据chunk可知，最大的数据chunk的size就是25256。
                60 01 00 00 -> 是结构体AVIMAINHEADER中的dwWidth成员，表示AVI文件的宽，以像素为单位。为0x00000160，即352像素。
                F0 00 00 00 -> 是结构体AVIMAINHEADER中的dwHeight成员，表示AVI文件的高，以像素为单位。为0x000000F0，即240像素。
                00 00 00 00 -> 是结构体AVIMAINHEADER中的dwReserved[0]成员，保留。
                00 00 00 00 -> 是结构体AVIMAINHEADER中的dwReserved[1]成员，保留。
                00 00 00 00 -> 是结构体AVIMAINHEADER中的dwReserved[2]成员，保留。
                00 00 00 00 -> 是结构体AVIMAINHEADER中的dwReserved[3]成员，保留。
                4C 49 53 54 -> FOURCC码'LIST'的ASCII码，说明是一个list
                24 01 00 00 -> 表示list大小的4个字节。该list size为0x00000124，即292字节，整个list的大小为：292 + 8 = 300 字节
                73 74 72 6C -> FOURCC码'strl'的ASCII码，list类型，说明这是一个流信息的list。
                        73 74 72 68 -> FOURCC码'strh'的ASCII码，说明这是一个流的头信息chunk，其内容是一个AVISTREAMHEADER结构体。该值是AVISTREAMHEADER结构体的fcc成员。
                        38 00 00 00 -> 表示chunk大小的4个字节。该chunk的size为0x00000038，即56字节，整个chunk的大小为：56 + 8 = 64 字节。是结构体AVISTREAMHEADER的cb成员。
                        76 69 64 73 -> FOURCC码'vids'的ASCII码，说明这是一个视频流。是结构体AVISTREAMHEADER的fccType成员。
                        63 76 69 64 -> FOURCC码'cvid'的ASCII码，标识解码该流时使用的编解码器。是结构体AVISTREAMHEADER的fccHandler成员。
                        00 00 00 00 -> 是结构体AVISTREAMHEADER的dwFlags成员。整个数据流的标志。Disabled；VideoPaletteChanges。
                        00 00 00 00 -> 是结构体AVISTREAMHEADER的wPriority成员和wLanguage成员。
                        00 00 00 00 -> 是结构体AVISTREAMHEADER的dwInitialFrames成员。表示交错帧中的初始帧，非交错文件，该值为0。
                        E9 03 00 00 -> 是结构体AVISTREAMHEADER的dwScale成员。为0x000003E9，即1001。与 dwRate 一起，决定该流所要使用的时间尺度。对于视频流来说，dwRate / dwScale = 帧率（fram rate ）。
                        30 75 00 00 -> 是结构体AVISTREAMHEADER的dwRate成员。为0x00007530，即3000。该视频流的帧率为：3000 / 1001 = 29.97 (fps)
                        00 00 00 00 -> 是结构体AVISTREAMHEADER的dwStart成员。这个流的开始时间。此处为0。即文件开始时，流即开始。
                        DD 00 00 00 -> 是结构体AVISTREAMHEADER的dwLength成员。表示流的长度。为0x000000DD，即221。对于视频流，这其实就是总帧数，用dwLength除以帧率，即得到流的总时长。
                        A8 62 00 00 -> 是结构体AVISTREAMHEADER的dwSuggestedBufferSize成员。表示读该流时，建议的缓存大小。为0x000062A8，即25256字节。查看数据chunk可知，该流最大的数据chunk的size就是25256。
                        00 00 00 00 -> 是结构体AVISTREAMHEADER的dwQuality成员。表示该流的质量指标，此处为0。
                        00 00 00 00 -> 是结构体AVISTREAMHEADER的dwSampleSize成员。表示一个数据样本的大小。如果样本大小可变，此值为0。视频流中，该值一般为0。此处为0。
                        00 00 00 00 -> 是结构体AVISTREAMHEADER的rcFrame成员的left和top成员。rcFrame指定一个由主头文件中的wWidth 成员和dwHeight 成员文本流或视频流的目标矩形。此处，left和top都为0。
                        00 00 00 00 -> 是结构体AVISTREAMHEADER的rcFrame成员的right和bottom成员。此处为0。
                        73 74 72 66 -> FOURCC码'strf'的ASCII码，说明这是一个流的格式信息chunk。如果是视频流，其数据是一个BITMAPINFO结构体，对于音频流，其数据是一个WAVEFORMATEX结构体。
                        28 00 00 00 -> 格式信息chunk的大小，不包括最初的8个字节。为0x00000028，即40字节。整个chunk的大小为：40 + 8 = 48 字节。
                        28 00 00 00 -> 是结构体BITMAPINFO的成员BITMAPINFOHEADER的biSize成员，表示结构体BITMAPINFOHEADER的大小。为0x00000028，即40字节。这说明本chunk中，BITMAPINFO只包含一个成员，即BITMAPINFOHEADER结构体(因为biBitCount为24，所以结构体BITMAPINFO不包含颜色表)。
                        60 01 00 00 -> 是结构体BITMAPINFOHEADER的biWidth成员，位图的宽，以像素为单位。为0x00000160，即352像素。
                        F0 00 00 00 -> 是结构体BITMAPINFOHEADER的biHeight成员，位图的高，以像素为单位。为0x000000F0，即240像素。
                        01 00 18 00 -> 是结构体BITMAPINFOHEADER的biPlanes成员和biBitCount成员。其中biPlanes表示目标设备平面层的个数，其值为1。biBitCount表示一个像素所占的位数，其值为0x0018，即一个像素占24位。
                        63 76 69 64 -> 'cvid'的ASCII码，是结构体BITMAPINFOHEADER的biCompression成员，表示了压缩的类型。
                        FC 7B 00 00 -> 是结构体BITMAPINFOHEADER的biSizeImage成员，表明image的大小。为0x00007BFC，即31740字节。
                        00 00 00 00 -> 是结构体BITMAPINFOHEADER的biXPelsPerMeter成员，水平分辨率，此处为0。
                        00 00 00 00 -> 是结构体BITMAPINFOHEADER的biYPelsPerMeter成员，垂直分辨率，此处为0。
                        00 00 00 00 -> 是结构体BITMAPINFOHEADER的biClrUsed成员，此处为0。表明此处使用与对于biCompression指定的压缩模式的biBitCount值所对应的最大值。
                        00 00 00 00 -> 是结构体BITMAPINFOHEADER的biClrImportant成员，此处为0。表明所有的颜色都是重要的。
                        ------------------------------------------------------------------------------------------------
                        是一个AVI 2.0的索引结构体。由于此次只使用old index，暂不对此进行研究。
                        ------------------------------------------------------------------------------------------------
                --------------------------------------------------------------------------------------------------------
                一个AVI OpenDML 1.02 Header List，包含一个AVI ODML Header。暂不研究。
                --------------------------------------------------------------------------------------------------------
        4C 49 53 54 -> FOURCC码'LIST'的ASCII码，说明是一个list
        0C BF 4A 00 -> 表示list大小的4个字节。该list size为0x004ABF0C，即4898572字节，整个list的大小为：4898572 + 8 = 4898580 字节
        6D 6F 76 69 -> FOURCC码'movi'的ASCII码，list类型，说明这是一个数据list。
                --------------------------------------------------------------------------------------------------------
                一个AVI Standard Index Chunk，暂不研究
                --------------------------------------------------------------------------------------------------------
                30 30 64 62 -> FOURCC码'00db'的ASCII码，说明这是第一个流（视频流）的数据，为未压缩帧。
                08 62 00 00 -> 表示chunk大小的4个字节。该chunk的size为0x00006208，即25096字节，整个chunk的大小为：25096 + 8 = 25104 字节。
                --------------------------------------------------------------------------------------------------------
                chunk 的数据。
                --------------------------------------------------------------------------------------------------------
                30 30 64 63 -> FOURCC码'00dc'的ASCII码，说明这是第一个流（视频流）的数据，为压缩帧。
                DA 5A 00 00 -> 表示chunk大小的4个字节。该chunk的size为0x00005ADA，即23258字节，整个chunk的大小为：23258 + 8 = 23266 字节。
                --------------------------------------------------------------------------------------------------------
                chunk 的数据。
                --------------------------------------------------------------------------------------------------------
                --------------------------------------------------------------------------------------------------------
                连续的chunk 的数据。
                --------------------------------------------------------------------------------------------------------
        64 69 78 31 -> FOURCC码'idx1'的ASCII码，chunk 类型，说明这是一个old index chunk。
        E0 0D 00 00 -> 表示chunk大小的4个字节。该chunk的size为0x00000DE0，即3552字节，整个chunk的大小为：3552 + 8 = 3560 字节。每条索引信息有4个DWORD类型构成，即占16个字节，所以该index chunk中包含的索引项的个数为：3552 / 16 = 222。由此可以推知，movi list中含有222个数据chunk。
                37 46 78 78 -> '7Fxx'的ASCII码，chunk ID，这应该是用户自定义的chunk的索引。
                00 00 00 00 -> 标志。'LIST'-chunk；KeyFrame；Midpart；Firstpart；Lastpart；NoTime
                9C 02 00 00 -> 偏移量。为0x0000029C，即668字节。
                00 00 00 00 -> 该数据chunk的大小。根据给chunk的偏移量，没有找到该chunk。该chunk的数据大小又为0，推断这是一处错误数据。
                30 30 64 62 -> '00db'的ASCII码，chunk ID，说明是第一个流的非压缩帧。
                10 00 00 00 -> 标志。'LIST'-chunk；KeyFrame(+)；Midpart；Firstpart；Lastpart；NoTime
                FC 08 00 00 -> 偏移量。为0x000008FC，即2300字节。该文件中用的是从文件开始处的偏移量。
                08 62 00 00 -> 该数据chunk的大小。为0x00006208，即25096字节。
                30 30 64 63 -> '00dc'的ASCII码，chunk ID，说明是第一个流的压缩帧。
                00 00 00 00 -> 标志。'LIST'-chunk；KeyFrame；Midpart；Firstpart；Lastpart；NoTime
                0C 6B 00 00 -> 偏移量。为0x00006B0C，即27404字节。该文件中用的是从文件开始处的偏移量。
                DA 5A 00 00 -> 该数据chunk的大小。为0x00005ADA，即23258字节。
                --------------------------------------------------------------------------------------------------------
                下面依次是index成员，直到文件结束。
                --------------------------------------------------------------------------------------------------------