MP4封装格式介绍及解析

た入场券 2021-09-24 07:50 1108阅读 0赞

# 概述 #

MP4文件由许多box组成，每个box包含不同的信息， 这些box以树形结构的方式组织。以下是主要box的简要说明：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2d1b3l1bmZlaTEyMw_size_16_color_FFFFFF_t_70][]

根节点之下，主要包含三个节点：ftyp、moov、mdat。

*  **ftyp**：文件类型。描述遵从的规范的版本。
 *  **moov box**：媒体的metadata信息。
 *  **mdat**：具体的媒体数据。

**说明**：在 mp4 中默认写入字节序是 Big-Endian的。

分析mp4文件的工具：

1.  [mp4box.js][]：一个在线解析mp4的工具。
2.  [bento4][]：包含mp4dump、mp4edit、mp4encrypt等工具。
3.  [MP4Box][]：类似于bento4，包含很全面的工具。
4.  [mp4info.exe][]: windows平台图形界面展示mp4基本信息的工具。

下图为使用mp4info.exe打开mp4文件的界面：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2d1b3l1bmZlaTEyMw_size_16_color_FFFFFF_t_70 1][]

1、 文件，由许多Box和FullBox组成。

2、 Box，每个Box由Header和Data组成。

3、 FullBox，是Box的扩展，Box结构的基础上在Header中增加8bits version和24bits flags。

4、 Header，包含了整个Box的长度size和类型type。当size==0时，代表这是文件中最后一个Box；当size==1时，意 味着Box长度需要更多bits来描述，在后面会定义一个64bits的largesize描述Box的长度；当type是uuid时，代表Box中的数 据是用户自定义扩展类型。

5、 Data，是Box的实际数据，可以是纯数据也可以是更多的子Boxes。

6、 当一个Box的Data中是一系列子Box时，这个Box又可成为Container Box。

结构如下图：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2d1b3l1bmZlaTEyMw_size_16_color_FFFFFF_t_70 2][]

1、  ftypbox，在文件的开始位置，描述的文件的版本、兼容协议等；

2、  moovbox，这个box中不包含具体媒体数据，但包含本文件中所有媒体数据的宏观描述信息，moov box下有mvhd和trak box。

>>mvhd中记录了创建时间、修改时间、时间度量标尺、可播放时长等信息。

>>trak中的一系列子box描述了每个媒体轨道的具体信息。

3、  moofbox，这个box是视频分片的描述信息。并不是MP4文件必须的部分，但在我们常见的可在线播放的MP4格式文件中（例如Silverlight Smooth Streaming中的**ismv****文件）确是重中之重**。

4、  mdatbox，实际媒体数据。我们最终解码播放的数据都在这里面。

5、  mfrabox，一般在文件末尾，媒体的索引文件，可通过查询直接定位所需时间点的媒体数据。

附：Smooth Streaming中ismv文件结构，文件分为了多个Fragments，每个Fragment中包含moof和mdat。这样的结构符合渐进式播放需求。（**mdat****及其描述信息逐步传输，收齐一个****Fragment****便可播放其中的****mdat**）。

# **MP4文件结构** #

MP4是由Atom嵌套来存放媒体信息。Atom的基本结构是：

\[4bytes atom length\] \[4bytes atom name\] \[8bytes largesize, if size ==1\] \[contents of the atom, if any\]

结构如图：![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2d1b3l1bmZlaTEyMw_size_16_color_FFFFFF_t_70 3][]

SIZE表示整个Atom所占用的大小，包括header部分。如果Atom很大，超过了uint32的最大数值(例如存放具体视频数据的mdat)，size就被设置为1，并用接下来的LARGESIZE来存放数据大小。  
TYPE表示这个Atom的类型，主要有ftyp、moov、mdat等。  
LARGESIZE，如果SIZE==1，则使用8bytes uint64来存储该Atom大小。  
DATA是实际的数据。

MP4文件含有很多Atom，主要的Atom和嵌套结构如图。![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2d1b3l1bmZlaTEyMw_size_16_color_FFFFFF_t_70 4][]

**一个典型的****MP4文件实例**  
MP4文件需要有ftyp、moov、mdat，它们都是顶级Atom，不能被其他Atom嵌套。  
ftyp标示了MP4文件，必须出现在第一个。  
moov保存了视频的基本信息，

mdat保存视频和音频数据。这两个Atom顺序不固定。

一个moov在mdat之后的MP4文件的Atom结构：![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2d1b3l1bmZlaTEyMw_size_16_color_FFFFFF_t_70 5][]

由于moov中保存了视频数据的索引，对于在线播放的场景，需要moov在mdat之前，才能流式读取视频数据。

部分摄像设备生成的MP4文件中，moov在mdat之前，两者之间可能还存在一个Atom free，即moov-free-mdat。  
free中为全0，只是用于占位。

一个moov在mdat之前的MP4文件的Atom结构：![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2d1b3l1bmZlaTEyMw_size_16_color_FFFFFF_t_70 5][]

# **FTYP** #

ftyp是整个文件的第一个Atom，通过判断该Atom来确定文件的类型。该Atom有且只有1个，并且只能被包含在文件层，而不能被其他Atom包含。该Atom应该被放在文件的最开始，指示文件的相关信息。  
文件的最开始的四个字节就是“ftyp”Atom的大小，然后是该Atom的类型。 “ftyp”的body依次包括1个32位的major brand（4个字符），1个32位的minor version（整数）和1个以32位（4个字符）为单位元素的数组compatible brands。这些都是用来指示文件应用级别的信息。以一个MP4文件的“ftyp”Atom为例，如下所示：  
`0000000: 0000 0018 6674 7970 6d70 3432 0000 0000 ....ftypmp42....`  
`0000010: 6d70 3432 6d70 3431 0528 834f 6d64 6174 mp42mp41.(.Omdat`

其中，  
（1）0x00 00 00 18是“ftyp”Atom的大小，为24个字节，这在一般情况下为一个固定值。  
（2）0x66 74 79 70是“ftyp”四个字符的ASCII值，也就是该Atom的类型。  
（3）0x6D 70 34 32是major brand，这里为“mp42”，对于不同的文件，该值可能是不一样的。  
（4）0x00 00 00 00是minor version。  
（5）0x6D 70 34 32和0x6D 70 34 31是compatible brands，”mp42”和“mp41”

FTYP到底是什么呢？  
ftyp就是一个由四个字符组成的码字，用来标识编码类型、兼容性或者媒体文件的用途。它存在于MP4文件和MOV文件中，当然，也存在于3GP文件中。  
虽然MP4文件、MOV文件和3GP文件采用了相同的封装标准，但由于是由不同的厂商合成，因此还是存在差别的。即使是同一种媒体文件，比如MP4文件，由不同developers开发的MP4也是存在差别的。ftyp简单的说就是为了标识它的developer是谁，兼容哪些标准等。  
比如上面的例子，“mp42”表示它的major brand是MP4 v2 \[ISO 14496-14\]，而“mp42”和“mp41”则表示它的compatible brands是MP4 v2 \[ISO 14496-14\]和MP4 v1 \[ISO 14496-1:ch13\]。

# **FREE（可选的）** #

free是可选的，如果存在，则通常出现在moov与mdat之间，即moov-free-mdat。  
free中的数据通常为全0，其作用相当于占位符，在实时拍摄视频，moov数据增多时分配给moov使用。  
因为设备录制视频时并不能预先知道视频数据大小，如果moov在mdat之前，随着拍摄mdat的数据会增加，moov数据也会增多，如果没有free预留的空间，则要不停的向后移动mdat数据以腾出moov空间。

# **MOOV** #

moov中主要保存了媒体的时间信息、trak信息和媒体索引等。

3.1 媒体时间信息  
moov-mvhd中有一个time scale，以1/n秒的形式给出一个总的时间粒度，moov-trak-tkhd中以此时间粒度给出各个track的duration；

3.2 trak信息  
moov中通常包含两个trak，一个视频索引，一个音频索引。

3.2.1 trak类型  
trak的类型在moov-trak-mdia-hdlr中给出，包括’vide’, ‘soun’和’hint’三种。

3.2.2 trak的时间  
moov-trak-mdia-mdhd中以1/n秒的形式给出各个媒体的时间粒度以及以此时间粒度为单位的duration。  
moov-trak-mdia-minf-stbl-stts中有媒体帧之间的时间间隔，单位是moov-trak-tkhd中的时间粒度。

3.2.3 索引信息  
moov-trak-mdia-minf-stbl比较重要，其中保存了解码器需要的信息和索引信息，以下Atom都是stbl Atom的孩子。  
stsd中保存了解码器需要的媒体描述信息。![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2d1b3l1bmZlaTEyMw_size_16_color_FFFFFF_t_70 6][]

`stss, Sync Sample Atom`  
标识了媒体流中的关键帧，提供了随机访问点。每个entry标识了一个关键帧。

关键帧号是按照增长顺序排列的。如果该Atom不存在，表示所有帧都是关键帧。![20200524155151176.jpeg][]

**Sync Sample Table的布局**

`stts, Time-To-Sample Atoms`  
stts给出每个数据帧之间的时间间隔，单位是moov-trak-tkhd中的时间粒度。  
Atom的每个entry给出了具有相同时间间隔的连续帧的个数，这些帧的时间间隔值，结构如图。

![20200524155151140.jpeg][]

**Time-To-Sample的table entry布局**

如果连续的帧有相同的时长，他们会被放在同一个entry中。如果所有的帧具有相同的时长，那么Atom中就只有一个entry。

`stts``实例`  
下图通过3个entries来描述9个帧。需要说明的是，这里的entry和chunk不是对应的。例如，4、5、6帧可以在同一个chunk中，但是，由于它们的时长不同，4帧的时长为3，而5、6帧的时长为1，因此，保存在不同的entry中。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2d1b3l1bmZlaTEyMw_size_16_color_FFFFFF_t_70 7][]

`stco/co64, Chunk Offset Atom`  
stco/co64给出每个数据Chunk在文件中的偏移。Chunk Offset Atom的每个entry给出了每个chunk在文件中的偏移。  
如果Chunk Offset Atom的类型为stco，则保存的偏移量是32位；如果是co64，则保存的偏移量是64位的。布局如图。

![20200524155151154.jpeg][]

**chunk offset table的布局**  
需要注意的是，该Atom中只给出了每个chunk的偏移量，并没有给出每个sample的偏移量。因此，如果要获得每个sample的偏移量，还需要用到Sample Size Table和Sample-To-Chunk Table。

`stsc, Sample-To-Chunk Atom`  
stsc给出各个数据Chunk中包含的数据帧。一个chunk可能会包含一个或者几个帧。每个chunk会有不同的size，每个chunk中的帧也会有不同的size。  
entry中保存了第一个chunk号、每个chunk包含的帧数、帧描述ID。

![20200524155151178.jpeg][]

**Sample-To-Chunk Atom的table entry布局**

每个entry包含一组chunk，其中每个chunk的帧数相同。而且，这些chunk中的每个帧都必须使用相同的帧描述。  
如果chunk中的帧数或者帧描述改变，必须创建一个新的entry。  
如果所有的chunk包含的帧数和帧描述相同，那么只有一个entry。

`stsc``实例`  
图中表示至少有5个chunk，第1、2个chunk分别包含3个帧，帧描述ID是23；第3、4个chunk分别包含1个帧，帧描述ID是23；第5个及以后的chunk，包含1个帧，帧描述ID是24。  
对于最后一个entry需要特殊的处理，因为无法判断什么时候结束。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2d1b3l1bmZlaTEyMw_size_16_color_FFFFFF_t_70 8][]

`stsz, Sample Size Atom`

![20200524155151175.jpeg][]

**sample size table的布局**

3.3 用户定义数据  
udta中保存了用户定义数据，例如iTune使用的meta数据就保存在udta中。

3.4 用户扩展数据  
Atom的扩展通过uuid实现。用户可以使用类型为’uuid’的Atom，以16个特定的字节作为标识，定义自己的数据格式。

# **MDAT** #

所有媒体数据统一存放在mdat中，没有同步字，没有分隔符，只能根据索引进行访问。  
mdat的位置比较灵活，可以位于moov之前，也可以位于moov之后，但必须和stbl中的信息保持一致。

另外，在写mp4文件的时候，对于mdat这个Atom，一般是先将Atom size填写0，待数据写完之后，再回过来填入具体大小。

# 参考 #

[https://www.cnblogs.com/jingzhishen/p/3698570.html][https_www.cnblogs.com_jingzhishen_p_3698570.html]

[https://blog.csdn.net/sdsszk/article/details/90719075][https_blog.csdn.net_sdsszk_article_details_90719075]

[https://www.jianshu.com/p/529c3729f357][https_www.jianshu.com_p_529c3729f357]

[https://blog.csdn.net/uyy203/article/details/79283087][https_blog.csdn.net_uyy203_article_details_79283087]

[https://blog.csdn.net/hejjunlin/article/details/73162841][https_blog.csdn.net_hejjunlin_article_details_73162841]

[https://www.jianshu.com/p/529c3729f357][https_www.jianshu.com_p_529c3729f357]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2d1b3l1bmZlaTEyMw_size_16_color_FFFFFF_t_70]: /images/20210923/26465a67ad594ac8978bed5801f63fc4.png
[mp4box.js]: https://links.jianshu.com/go?to=http%3A%2F%2Fdownload.tsi.telecom-paristech.fr%2Fgpac%2Fmp4box.js%2Ffilereader.html
[bento4]: https://links.jianshu.com/go?to=http%3A%2F%2Fbento4.com
[MP4Box]: https://links.jianshu.com/go?to=https%3A%2F%2Fgpac.wp.mines-telecom.fr%2Fmp4box%2F
[mp4info.exe]: https://links.jianshu.com/go?to=https%3A%2F%2Fdl.pconline.com.cn%2Fdownload%2F409348.html
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2d1b3l1bmZlaTEyMw_size_16_color_FFFFFF_t_70 1]: /images/20210923/4f1acc6bbf15488cbdb7c5df869dcc0b.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2d1b3l1bmZlaTEyMw_size_16_color_FFFFFF_t_70 2]: /images/20210923/18d4a5edb8904d86b3fab00554049d24.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2d1b3l1bmZlaTEyMw_size_16_color_FFFFFF_t_70 3]: /images/20210923/0f89515ea6684c4b8368dc70a4ed9b1c.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2d1b3l1bmZlaTEyMw_size_16_color_FFFFFF_t_70 4]: /images/20210923/a2f9c61db30648cb86e552b46b7a3545.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2d1b3l1bmZlaTEyMw_size_16_color_FFFFFF_t_70 5]: /images/20210923/eaabbd3c541641848a615b0397400262.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2d1b3l1bmZlaTEyMw_size_16_color_FFFFFF_t_70 6]: /images/20210923/120668b73ad34bb18cea625d0db6855f.png
[20200524155151176.jpeg]: /images/20210923/8842136e62894b6e90953db80ecb27dd.png
[20200524155151140.jpeg]: /images/20210923/9c3543575f494bc38a1f6245648627ea.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2d1b3l1bmZlaTEyMw_size_16_color_FFFFFF_t_70 7]: /images/20210923/ad5c430226204029890924d586b68825.png
[20200524155151154.jpeg]: /images/20210923/21b5647360f7426bab8c3e7c1f0220ac.png
[20200524155151178.jpeg]: /images/20210923/438d8ea027a74378a7d6fd045796eeda.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2d1b3l1bmZlaTEyMw_size_16_color_FFFFFF_t_70 8]: /images/20210923/267c0e7732df4a0ca060b3c2195feaee.png
[20200524155151175.jpeg]: /images/20210923/698bf78948d6403ea681796a110cb761.png
[https_www.cnblogs.com_jingzhishen_p_3698570.html]: https://www.cnblogs.com/jingzhishen/p/3698570.html
[https_blog.csdn.net_sdsszk_article_details_90719075]: https://blog.csdn.net/sdsszk/article/details/90719075
[https_www.jianshu.com_p_529c3729f357]: https://www.jianshu.com/p/529c3729f357
[https_blog.csdn.net_uyy203_article_details_79283087]: https://blog.csdn.net/uyy203/article/details/79283087
[https_blog.csdn.net_hejjunlin_article_details_73162841]: https://blog.csdn.net/hejjunlin/article/details/73162841