mp4文件格式解析 box说明

需积分: 25 140 浏览量更新于2023-03-16 1 收藏 471KB DOCX 举报

MP4文件中的所有数据都装在box（QuickTime中为atom）中，也就是说MP4文件由若干个box组成，每个box有类型和长度，可以将box理解为一个数据对象块。box中可以包含另一个box，这种box称为container box。一个MP4文件首先会有且只有一个“ftyp”类型的box，作为MP4格式的标志并包含关于文件的一些信息；之后会有且只有一个“moov”类型的box（Movie Box），它是一种container box，子box包含了媒体的metadata信息；MP4文件的媒体数据包含在“mdat”类型的box（Midia Data Box）中，该类型的box也是container box，可以有多个，也可以没有（当媒体数据全部引用其他文件时），媒体数据的结构由metadata进行描述。

 文件格式解析

目前 MP4 的概念被炒得很火，也很乱。最开始 MP4 指的是音频（MP3 的升级版），

即 MPEG-2 AAC 标准。随后 MP4 概念被转移到视频上，对应的是 MPEG-4 标准。而现

在我们流行的叫法，多半是指能播放 MPEG-4 标准编码格式视频的播放器。但是这篇文

章介绍的内容跟上面这些都无关，我们要讨论的是 MP4 文件封装格式，对应的标准为

ISO/IEC 14496-12，即信息技术V视听对象编码的第 12 部分：ISO基本媒体文件格式

（Information technology Coding of audio-visual objects Part 12: ISO base

media )le format）。ISO/IEC 组织指定的标准一般用数字表示，ISO/IEC 14496 即

MPEG-4 标准。

MP4 视频文件封装格式是基于 QuickTime 容器格式定义的，因此参考 QuickTime

的格式定义对理解 MP4 文件格式很有帮助。MP4 文件格式是一个十分开放的容器，几乎

可以用来描述所有的媒体结构，MP4 文件中的媒体描述与媒体数据是分开的，并且媒体数

据的组织也很自由，不一定要按照时间顺序排列，甚至媒体数据可以直接引用其他文件。

同时，MP4 也支持流媒体。MP4 目前被广泛用于封装 h.264 视频和 AAC 音频，是高清

视频的代表。



现在我们就来看看 MP4 文件格式到底是什么样的。

1、概述

MP4 文件中的所有数据都装在 box（QuickTime 中为 atom）中，也就是说 MP4 文

件由若干个 box 组成，每个 box 有类型和长度，可以将 box 理解为一个数据对象块。box

中可以包含另一个 box，这种 box 称为 container box。一个 MP4 文件首先会有且只有

一个“ftyp”类型的 box，作为 MP4 格式的标志并包含关于文件的一些信息；之后会有且

只有一个“moov”类型的 box（Movie Box），它是一种 container box，子 box 包含了

媒体的 metadata 信息；MP4 文件的媒体数据包含在“mdat”类型的 box（Midia Data

Box）中，该类型的 box 也是 container box，可以有多个，也可以没有（当媒体数据全

部引用其他文件时），媒体数据的结构由 metadata 进行描述。

下面是一些概念：

track表示一些 sample 的集合，对于媒体数据来说，track 表示一个视频或音频序

列。

hint track这个特殊的 track 并不包含媒体数据，而是包含了一些将其他数据 track

打包成流媒体的指示信息。

sample对于非 hint track 来说，video sample 即为一帧视频，或一组连续视频帧，

audio sample 即为一段连续的压缩音频，它们统称 sample。对于 hint track，sample

定义一个或多个流媒体包的格式。

sample table指明 sampe 时序和物理布局的表。

chunk一个 track 的几个 sample 组成的单元。

在本文中，我们不讨论涉及 hint 的内容，只关注包含媒体数据的本地 MP4 文件。下图

为一个典型的 MP4 文件的结构树。



2、Box

首先需要说明的是，box 中的字节序为网络字节序，也就是大端字节序（Big-

Endian），简单的说，就是一个 32 位的 4 字节整数存储方式为高位字节在内存的低端。

Box 由 header 和 body 组成，其中 header 统一指明 box 的大小和类型，body 根据类

型有不同的意义和格式。

标准的 box 开头的 4 个字节（32 位）为 box size，该大小包括 box header 和 box

body 整个 box 的大小，这样我们就可以在文件中定位各个 box。如果 size 为 1，则表示

这个 box 的大小为 large size，真正的 size 值要在 largesize 域上得到。（实际上只有

“mdat”类型的 box 才有可能用到 large size。）如果 size 为 0，表示该 box 为文件的最

后一个 box，文件结尾即为该 box 结尾。（同样只存在于“mdat”类型的 box 中。）

size 后面紧跟的 32 位为 box type，一般是 4 个字符，如“ftyp”、“moov”等，这些

box type 都是已经预定义好的，分别表示固定的意义。如果是“uuid”，表示该 box 为用

户扩展类型。如果 box type 是未定义的，应该将其忽略。

3、File Type Box（ftyp）

该 box 有且只有 1 个，并且只能被包含在文件层，而不能被其他 box 包含。该 box 应

该被放在文件的最开始，指示该 MP4 文件应用的相关信息。

“ftyp” 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。该 box 的字节实例如下：

4、Movie Box（moov）

该 box 包含了文件媒体的 metadata 信息，“moov”是一个 container box，具体内容

信息由子 box 诠释。同 File Type Box 一样，该 box 有且只有一个，且只被包含在文件

层。一般情况下，“moov”会紧随“ftyp”出现。

一般情况下（限于篇幅，本文只讲解常见的 MP4 文件结构），“moov”中会包含 1 个

“mvhd”和若干个“trak”。其中“mvhd”为 header box，一般作为“moov”的第一个子

box 出现（对于其他 container box 来说，header box 都应作为首个子 box 出现）。

“trak”包含了一个 track 的相关信息，是一个 container box。下图为部分“moov”的字

节实例，其中红色部分为 box header，绿色为“mvhd”，黄色为一部分“trak”。

剩余13页未读，继续阅读

魏长志

粉丝: 27
资源: 17

mp4文件格式解析 box说明

音视频封装：MP4各个Box详解和H264打包方法1

MP4Box完整版，用于做简单的视频点播（VOD）

mp4 info查看工具

mp4格式文件分析

MP4parser:MP4parser，C语言编写的一个解析MP4文件格式的小工具

MP4格式解析工具

mp4reader mp4格式分析查看软件

视频文件文件头解析--mp4

MP4文件格式中音视频编码技术原理解析

MP4文件格式中的流媒体传输与解码原理

最新资源