资讯

精准传达 • 有效沟通

从品牌网站建设到网络营销策划，从策略到执行的一站式服务

网站建设 >

查看其它板块

c实现mp4解封装-创新互联

文章目录
    • 前序
    • MP4简介
      • MP4的定义
      • MP4的封装格式
    • Box类型详解
      • Box格式
      • ftyp box
      • mvhd box
      • tkhd box
      • hdlr box
      • mdat box
      • stbl box
      • stsd box
      • stco box
      • stsc box
      • stsz box
      • stts box
      • stss box
    • demuxer demo的实现(视频数据部分)
    • 总结：
    • 工具介绍
    • 源码
    • 参考

我们提供的服务有：做网站、网站设计、微信公众号开发、网站优化、网站认证、江孜ssl等。为上千余家企事业单位解决了网站和推广的问题。提供周到的售前咨询和贴心的售后服务，是有科学管理、有技术的江孜网站制作公司前序

最近为了更加深入了解音视频demux这块的功能，准备着手写个demuxer，提取视频流。

MP4简介 MP4的定义

MP4是一种常用的视音频流封装格式，按照指定的协议来存放媒体数据；因为mp4是基于苹果QuickTime文件格式，所以与mov有很多相同之处，在苹果开发者平台可以看到详细的有关封装文档(https://developer.apple.com/library/archive/documentation/QuickTime/QTFF/QTFFChap2/qtff2.html#//apple_ref/doc/uid/TP40000939-CH204-25615)

MP4的封装格式

  • MP4格式预览—mp4是由多个box嵌套组成的
    在这里插入图片描述

  • MP4主要的顶部box

    ftyp box：描述MP4锁遵循的规范和版本

    mdat box ：存放媒体数据

    moov box：存放媒体参数(pps、sps等)相关信息和用于索引媒体数据存储位置的信息

  • MP4常用box
    在这里插入图片描述

Box类型详解 Box格式

在这里插入图片描述

  1. size字段为整个box的大小，包括box header和box body
  2. type为box的类型，通常为四字节的字符串，例如ftyp
  3. 当size == 0时，box的大小为large size
  4. 当box为full box时，存在version和flags字段，具体含义因box不同而不同
  5. 若box没有嵌套其他box，例如ftyp box，则box body部分根据具体规范解析相应字段；若box为container box，则box body部分嵌套其它box，还需一步步解套获取最终的数据
ftyp box

  • 字段分布图
    在这里插入图片描述

  • 字段解析

  • major_brand：比如常见的 isom、mp41、mp42、avc1、qt等。它表示“最好”基于哪种格式来解析当前的文件。举例，major_brand 是 A，compatible_brands 是 A1，当解码器同时支持 A、A1 规范时，最好使用A规范来解码当前媒体文件，如果不支持A规范，但支持A1规范，那么，可以使用A1规范来解码；

  • minor_version：提供 major_brand 的说明信息，比如版本号，不得用来判断媒体文件是否符合某个标准/规范；

  • compatible_brands：文件兼容的brand列表。比如 mp41 的兼容 brand 为 isom。通过兼容列表里的 brand 规范，可以将文件 部分（或全部）解码出来；

mvhd box

  • 字段分布图
    在这里插入图片描述

  • 字段解析

    • version ：一字节用于指定mvhd的版本

    • flags：3字节，预留

    • Create time：媒体创建时间，与UTC时间不同的是，此时间是从1904年1月1日0:0:0开始计算的，而utc是从1970年1月1日0:0:0开始计算，故Create time须要减去时间差换算成utc时间

      // 注：66年时间差不是66*365*24*3600来计算
creation_time_utc = creation_time - (66年时间差) = creation_time - 2082844800

    • Modification time：媒体最后被修改的时间，计算方式同Create time

    • Timescale：一秒包含的时间单位（整数）。举个例子，如果timescale等于1000，那么，一秒包含1000个时间单位（后面track等的时间，都要用这个来换算，比如track的duration为10,000，那么，track的实际时长为10,000/1000=10s）；

    • Duration：影片时长（整数），根据文件中的track的信息推导出来，等于时间最长的track的duration；

    • Preferred rate：推荐的播放速率，32位整数，高16位、低16位分别代表整数部分、小数部分（[16.16]），举例 0x0001 0000 代表1.0，正常播放速度；

    • Preferred volume：播放音量，16位整数，高8位、低8位分别代表整数部分、小数部分（[8.8]），举例 0x01 00 表示 1.0，即大音量；

    • Matrix struct：视频的转换矩阵，详情看

      Basic Data Types

    • Next_track_ID：32位整数，非0，一般可以忽略不计。当要添加一个新的track到这个影片时，可以使用的track id，必须比当前已经使用的track id要大。也就是说，添加新的track时，需要遍历所有track，确认可用的track id；

tkhd box

  • 字段分布图
    在这里插入图片描述

  • 字段解析

    • version：tkhd box的版本；
    • flags：按位或操作获得，默认值是7（0x000001 | 0x000002 | 0x000004），表示这个track是启用的、用于播放的 且 用于预览的。
      • Track_enabled：值为0x000001，表示这个track是启用的，当值为0x000000，表示这个track没有启用；
      • Track_in_movie：值为0x000002，表示当前track在播放时会用到；
      • Track_in_preview：值为0x000004，表示当前track用于预览模式；
    • Creation time：当前track的创建时间；
    • Modification time：当前track的最近修改时间；
    • Track ID：当前track的唯一标识，不能为0，不能重复；
    • Duration：当前track的完整时长（需要除以timescale得到具体秒数）；
    • Layer：视频轨道的叠加顺序，数字越小越靠近观看者，比如1比2靠上，0比1靠上；
    • Alternate_group：当前track的分组ID，alternate_group值相同的track在同一个分组里面。同个分组里的track，同一时间只能有一个track处于播放状态。当alternate_group为0时，表示当前track没有跟其他track处于同个分组。一个分组里面，也可以只有一个track；
    • Volume：audio track的音量，介于0.0~1.0之间；
    • Matrix structure：视频的变换矩阵；
    • Track width：视频的宽
    • Track height：视频的高
hdlr box

  • 字段分布图
    在这里插入图片描述

  • 字段解析

    • Version：hdlr box的版本
    • Flags：置0
    • Component type：四字节子串定义handler的类型；此字段只有两种值合法：'mhlr’(media handlers)和’dhlr’(data handlers)
    • Component subtype：针对Component type进行细分类型，例如’vide’定义为视频数据，'soun’定义为音频数据
    • Component manufacturer：保留，置0
    • Component flags：保留，置0
    • Component flags mask：保留，置0
    • Component name：子串指定Component 的名字，可能为空
mdat box

  • 数据结构分布图
    在这里插入图片描述

    注意：取到的frame前四个字节为frame数据的长度字节，须要偏移去掉

stbl box

主要存放了媒体参数(pps、sps、vps等)相关信息和用于解析mdat中视音频数据的关键信息

  • stsd：给出视音频的相关参数信息，有高宽、音量、位深度和每个sample多少个frame
  • stco：chunk在文件中的偏移
  • stsc：每个chunk中包含几个sample
  • stsz：每个sample的size（单位是字节）
  • stts：每个sample的时长
  • stss：哪些sample是关键帧
stsd box

  • 字段分布图
    在这里插入图片描述

  • 字段解析

    • Version：stsd box的版本
    • Flags：置0
    • Number of entries：Sample description table的个数
    • Sample description table：以视频为例，此时Sample description table字段中为若干个视频编码相关的box，例如avc1 box

      • avc1 box

        • 字段分布图
          在这里插入图片描述

        • 字段解析

          这个在https://developer.apple.com/library/archive/documentation/QuickTime/QTFF/QTFFChap2/qtff2.html的“Sample Description Atoms”一节可以研究下

      • avcC box(包含了视频关键参数，在ISO/IEC 14496-15中定义)

        • 字段分布图
          在这里插入图片描述

        • 字段解析

          • num_of_sps：sps的个数
          • sps_length：sps的长度
          • sps_nal_unit：长度为sps_length的sps
          • num_of_pps：pps的个数
          • pps_length：pps的长度
          • pps_nal_unit：长度为pps_length的pps

          其他字段可以自行在ISO/IEC 14496-15中查到

stco box

  • 字段分布图
    在这里插入图片描述

  • 字段解析

    • Version：stco box的版本
    • Flags：置0
    • Number of entries：chunk的个数
    • Chunk offset table：每个chunk在整个视频文件的偏移值，每个值的长度为4字节
stsc box

  • 字段分布图
    在这里插入图片描述

  • 字段解析

    • Version：stsc box的版本
    • Flags：置0
    • Number of entries：”Sample-to-chunk table”的条数
    • Sample-to-chunk table：
      • First chunk：chunk的索引
      • Samples per chunk：从’First chunk’开始，每个chunk中sample的个数
      • Sample description ID：stsd box中‘Sample description table’的下标

  • Sample-to-chunk table示意图
    在这里插入图片描述

    • chunk1-chunk2：每个chunk中有3个sample，并且Sample description ID为23
    • chunk3-chunk4：每个chunk中有1个sample，并且Sample description ID为23
    • chunk5：每个chunk中有3个sample，并且Sample description ID为24
stsz box

  • 字段分布图
    在这里插入图片描述

  • 字段解析

    • Version：stsz box的版本
    • Flags：置0
    • Sample size：为0则表示所有sample的大小不一定一样，不为0则表示所有sample的大小一样
    • Number of entries：”Sample size table”的条数
    • Sample size table：每个sample的size，每个sample size的长度为4字节
stts box

  • 字段分布图
    在这里插入图片描述

  • 字段解析

    • Version：stts box的版本
    • Flags：置0
    • Number of entries：“Time-to-sample table”的条数
    • Time-to-sample table：
      • Sample count：具有相同“Sample duration”的个数
      • Sample duration：sample的时长（以timescale为计量)

  • Time-to-sample table：示意图
    在这里插入图片描述

    sample1 - sample4的sample duration是4

stss box

  • 字段分布图
    在这里插入图片描述

  • 字段解析

    • Version：stts box的版本
    • Flags：置0
    • Number of entries：“Sync sample table”的条数
    • Sync sample table：关键帧对应的sample index
demuxer demo的实现(视频数据部分)

  1. 获取sps pps参数

    1. 解析stsd box，其中contain avc1 box和avcC box(此步骤详解见上文)

    2. 解析avcC box可以获取到sps和pps

      以下为ISO/IEC 14496-15中解析avcC的伪代码

    aligned(8) class AVCDecoderConfigurationRecord { unsigned int(8) configurationVersion = 1; 
	 unsigned int(8) AVCProfileIndication; 
	 unsigned int(8) profile_compatibility; 
	 unsigned int(8) AVCLevelIndication; 
	 bit(6) reserved = ‘111111’b; 
	 unsigned int(2) lengthSizeMinusOne; 
	 bit(3) reserved = ‘111’b; 
	 unsigned int(5) numOfSequenceParameterSets; 
	 for (i=0; i< numOfSequenceParameterSets; i++) { unsigned int(16) sequenceParameterSetLength ; 
		 bit(8*sequenceParameterSetLength) sequenceParameterSetNALUnit; 
	 } 
	 unsigned int(8) numOfPictureParameterSets; 
	 for (i=0; i< numOfPictureParameterSets; i++) { unsigned int(16) pictureParameterSetLength; 
		 bit(8*pictureParameterSetLength) pictureParameterSetNALUnit; 
 }

 if( profile_idc == 100 || profile_idc == 110 || 
	 profile_idc == 122 || profile_idc == 144 ) 
	 { bit(6) reserved = ‘111111’b; 
		 unsigned int(2) chroma_format; 
		 bit(5) reserved = ‘11111’b; 
		 unsigned int(3) bit_depth_luma_minus8; 
		 bit(5) reserved = ‘11111’b; 
		 unsigned int(3) bit_depth_chroma_minus8; 
		 unsigned int(8) numOfSequenceParameterSetExt; 
		 for (i=0; i< numOfSequenceParameterSetExt; i++) {	 unsigned int(16) sequenceParameterSetExtLength; 
			 bit(8*sequenceParameterSetExtLength) sequenceParameterSetExtNALUnit; 
		 } 
	 } 
}

  2. 获取关键帧位置

    解析stss box可以知道哪一个sample中包含关键帧

  3. 获取chunk位置

    解析stco box可以获取到每个chunk在视频文件中的索引

  4. 获取每个chunk中sample个数

    解析stsc box可以获取到每个chunk包含多少个sample

  5. 获取sample大小

    解析stsz box可以获取到每个sample的大小

  6. 获取frame位置(demo视频文件一个sample只包含一个frame，所以sample的位置和大小就是frame的位置和大小)

    1. 根据stsd解析到每个sample中有多少个frame
    2. 然后再根据trunk的位置和sample的大小来定位frame起始地址
    3. mdat中frame的数据格式为： | 4字节数据长度 | frame数据|，所以根据字节长度读取相应个数frame

  7. 获取到一帧数据后

    1. 判断当前frame为I帧，则添加写入(start_code+sps) + (start_code+pps) + (start_code + frame数据)到输出文件
    2. 判断当前frame不为I帧，则写入(start_code + frame数据)到输出文件

  8. 保存成h264文件，可使用ffplay和potplay播放

注意：有些非字串的字段为大端字节序，须要转换

总结：
  1. 解析非字符串的数据时，需要注意大小端的问题
  2. 解析对应的box获取到sps、vps、pps
  3. 解析对应的box拿到视频帧数据
  4. 将视频帧写入本地文件的时候要注意
    1. 视频帧前四个字节为视频帧数据长度
    2. 若为I帧则需要加上sps、vps、pps
    3. 视频帧注意加上start_code
工具介绍

  1. mp4info—可以看到相关box的字节信息，但发现对avcC的解析漏掉了几个字节
    在这里插入图片描述

  2. mp4 exploer—可以更加直观的看到视音频数据信息
    在这里插入图片描述

源码

https://github.com/TaoChou/demuxer-c

参考
  1. https://zhuanlan.zhihu.com/p/333765990
  2. https://developer.apple.com/library/archive/documentation/QuickTime/QTFF/QTFFChap2/qtff2.html#//apple_ref/doc/uid/TP40000939-CH204-25691
  3. ISO/IEC 14496-15

你是否还在寻找稳定的海外服务器提供商？创新互联www.cdcxhl.cn海外机房具备T级流量清洗系统配攻击溯源，准确流量调度确保服务器高可用性，企业级服务器适合批量采购，新人活动首月15元起，快前往官网查看详情吧


网页题目：c实现mp4解封装-创新互联
文章分享：http://cdkjz.cn/article/didscg.html
返回首页 了解更多建站资讯

相关资讯

多年建站经验

多一份参考，总有益处

联系快上网，免费获得专属《策划方案》及报价

咨询相关问题或预约面谈，可以通过以下方式与我们联系

大客户专线   成都：13518219792   座机：028-86922220

在线咨询 提交需求
友情链接 交换友情链接
软文推广公司成都网站建设眉山电信机房托管艾名斯线缆关键词优化排名免备案空间腾讯云营销型网站建设成都网站推广响应式网站建设黔盛装饰

成都网站建设公司地址：成都市青羊区太升南路288号锦天国际A座10层 建设咨询028-86922220

成都快上网科技有限公司-四川网站建设设计公司 | 蜀ICP备19037934号 Copyright 2020,ALL Rights Reserved cdkjz.cn | 成都网站建设 | © Copyright 2020版权所有.

专家团队为您提供成都网站建设,成都网站设计,成都品牌网站设计,成都营销型网站制作等服务,成都建网站就找快上网！ | 成都网站建设哪家好？ | 网站建设地图