视频文件头解析之---avi

        AVI格式是音频视频交错(Audio VideoInterleaved)的英文缩写，它是Microsoft公司开发的一种符合RIFF文件规范的数字音频与视频文件格式，原先用于Microsoft Video forWindows (简称VFW)环境，现在已被Windows95/98、OS/2等多数操作系统直接支持。AVI格式允许视频和音频交错在一起同步播放，支持256色和RLE压缩，但AVI文件并未限定压缩标准，因此，AVI文件格式只是作为控制界面上的标准，不具有兼容性，用不同压缩算法生成的AVI文件，必须使用相应的解压缩算法才能播放出来。常用的AVI播放驱动程序，主要是Microsoft Video for Windows或Windows 95/98中的Video 1，以及Intel公司的Indeo Video。

        在介绍AVI文件前，我们要先来看看RIFF文件结构。AVI文件采用的是RIFF文件结构方式，RIFF（ResourceInterchange File Format，资源互换文件格式）是微软公司定义的一种用于管理windows环境中多媒体数据的文件格式，波形音频wave，MIDI和数字视频AVI都采用这种格式存储。RIFF文件使用四字符码FOURCC（four-character code）来表征数据类型，比如‘RIFF’、‘AVI ’、‘LIST’等。注意，Windows操作系统使用的字节顺序是little-endian，因此一个四字符码‘abcd’实际的DWORD值应为0x64636261。另外，四字符码中像‘AVI ’一样含有空格也是合法的。RIFF文件首先含有一个如图3.31的文件头结构。

图3.31 RIFF文件结构

        最开始的4个字节是一个四字符码‘RIFF’，表示这是一个RIFF文件；紧跟着后面用4个字节表示此RIFF文件的大小；然后又是一个四字符码说明文件的具体类型（比如AVI、WAVE等）；最后就是实际的数据。注意文件大小值的计算方法为：实际数据长度 + 4（文件类型域的大小）；也就是说，文件大小的值不包括‘RIFF’域和“文件大小”域本身的大小。

        构造RIFF文件的基本单元叫做数据块（Chunk），每个数据块包含3个部分，

        1、4字节的数据块标记（或者叫做数据块的ID）

        2、数据块的大小

        3、数据

        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块中包含一系列的子块，其中有一种字块的ID为"LIST"，称为LIST，LIST块中可以再包含一系列的子块，但除了LIST块外的其他所有的子块都不能再包含子块。

        RIFF和LIST块分别比普通的数据块多一个被称为形式类型（Form Type）和列表类型（List Type）的数据域，其组成如下：

        1、4字节的数据块标记（Chunk ID）

        2、数据块的大小

        3、4字节的形式类型或者列表类型

        4、数据

        下面我们看看AVI文件的结构。AVI文件是目前使用的最复杂的RIFF文件，它能同时存储同步表现的音频视频数据。AVI的RIFF块的形式类型是"AVI"(AVI后面有一个空格)，它包含3个子块，如下所述：

        1、信息块，一个ID为"hdrl"的LIST块，定义AVI文件的数据格式。（主要信息在这个块里面）

        2、数据块，一个ID为 "movi"的LIST块，包含AVI的音视频序列数据。

        3、索引块，ID为 "idxl"的子块，定义 "movi"LIST块的索引数据，是可选块。

        AVI文件的结构如下图所示，下面将具体介绍AVI文件的各子块构造。

        1、信息块，信息块包含两个子块，即一个ID为“avih”的子块和一个ID 为“strl”的LIST块。

        图1、AVI文件结构

        列表的结构为：‘LIST’listSize listType listData ——‘LIST’是一个四字符码，表示这是一个列表；listSize占用4字节，记录了整个列表的大小；listType也是一个四字符码，表示本列表的具体类型；listData就是实际的列表数据。注意listSize值的计算方法为：实际的列表数据长度 + 4（listType域的大小）；也就是说listSize值不包括‘LIST’域和listSize域本身的大小。再来看块的结构：ckID ckSize ckData ——ckID是一个表示块类型的四字符码；ckSize占用4字节，记录了整个块的大小；ckData为实际的块数据。注意ckSize值指的是实际的块数据长度，而不包括ckID域和ckSize域本身的大小。

        接下来介绍AVI文件格式。AVI文件类型用一个四字符码‘AVI ’来表示。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。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) ]
       )

        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，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 {
          FOURCCfcc;     // 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;

        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。）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 {
          FOURCCfcc;    // 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）
          FOURCCfccType;      // 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。

        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）。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。

        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）。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。

        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。