-> 概述
日常生活中，看到的視頻文件的後綴名如 .mp4、.avi、.rmvb 都是屬於視頻文件的封裝格式。所謂封裝格式，就是以怎樣的方式將視頻軌、音頻軌、字幕軌等信息組合在一起。說得通俗點，視頻軌相當於飯，而音頻軌相當於菜，封裝格式就是一個碗或者一個鍋，是用來盛放飯菜的容器。
視頻文件的封裝格式並不影響視頻的畫質，影響視頻畫面質量的是視頻的編碼格式。
下面介紹常見的視頻封裝格式 -AVI。
1 AVI
容器 AVI（Audio Video Interleaved）即音視頻交錯格式是一門成熟的老技術，儘管國際學術界公認 AVI 已經屬於被淘汰的技術，但是簡單易懂的開發 API，還在被廣泛使用。
AVI 符合 RIFF（Resource Interchange File Format）文件規範，使用四字符碼 FOURCC（four-character code）來表徵數據類型。AVI 的文件結構分爲頭部、主體和索引三部分。 主體中圖像數據和聲音數據是交互存放的，從尾部的索引可以索引跳到自己想放的位置。
AVI 本身只是提供了這麼一個框架，內部的圖像數據和聲音數據格式可以是任意的編碼形式。因爲索引放在了文件尾部，所以在播網絡流媒體時已屬力不從心。一個很簡單的例子，從網絡上下載 AVI 文件，如果沒有下載完成，是很難正常播放出來。
1.1 基本數據單元
AVI 中有兩種最基本的數據單元，一個是 chunk，一個是 list。這兩種結構如下：
Chunks
typedef struct {
DWORD dwFourCC
DWORD dwSize //data
BYTE data[dwSize] // contains headers or video/audio data
} CHUNK;
Lists
typedef struct {
DWORD dwList
DWORD dwSize //dwFourcc + data
DWORD dwFourCC
BYTE data[dwSize-4] // contains Lists and Chunks
} LIST;
如上可知，Chunks 數據塊由一個四字符碼、4 字節 data size（指下面的數據大小）以及數據組成
List 由四部分組成，四個字節四字符碼（“list”）、4 字節數據大小（指後面列的兩部分數據大小）、四字節 list 類型以及數據組成，與 Chunk 數據塊不同的是，List 數據內容可以包含字塊（Chunk 或 List）。
1.2 AVI 文件結構
AVI 文件採用 RIFF 文件結構方式，使用四字符碼 FOURCC（four-character code）來表徵數據類型，比如 ‘RIFF’、‘AVI’、‘LIST’ 等，通常我們稱四字符碼爲數據塊 ID。因此首先我們需要了解一個標準 RIFF 文件結構。
- RIFF 文件的基本單元叫做數據塊（Chunk），如上面基本數據單元的介紹，由數據塊四字符碼（數據塊 ID） + 數據長度 + 數據組成。
- 整個 RIFF 文件可以看成一個數據塊，其數據塊 ID 爲 “RIFF”，稱爲 RIFF 塊。一個 RIFF 文件中只允許存在一個 RIFF 塊。
- RIFF 塊中包含一系列其他子塊，其中 ID 爲 “LIST” 稱爲 LIST 塊，LIST 塊中可以再包含一系列其他子塊，但除了 LIST 塊外的其他所有的子塊都不能再包含子塊。
有了 RIFF 文件結構的瞭解，下面這張 AVI 文件結構圖就比較好理解了。需要說明的是，一個 AVI 通常都包含以下幾個字塊：
- ID 爲 “hdrl” 的 list 塊，包含了音視頻信息，描述媒體流信息
- ID 爲 “info” 的 list 塊,包含編碼該 AVI 的程序信息
- ID 爲 “junk” 的 chunk 數據塊，無用數據，用於填充
- ID 爲 “movi” 的 list 塊，包含了交錯排列的音視頻數據
- ID爲 “idxl” 的 chunk 塊，包含音視頻排列的索引數據（可選塊）
圖：AVI 文件結構
1.3 AVI 結構詳解
AVI 文件直接用文本編輯如（UltraEdit）打開分析其結構即可，下面以一個 AVI 文件爲例，逐字節往下分析。
★ 1. RIFF 文件頭
用 UltraEdit 打開一個 AVI 文件
可以看到前四個字節爲 “RIFF”，在接着四個字節爲 RIFF 文件大小（0x01526E34 即 22176380 字節），22176380 字節只包含 "AVI " RIFF 文件類型四字符碼及 RIFF 塊數據長度，因此 22176380 + 8 是整個 RIFF 文件的大小。再接着 4 字節爲 RIFF 文件類型 "avi "。
★★ 2. hdrl list
1）hdrl list 頭部
AVI 文件中必需的第一個 list 就是 hdrl list，用於描述 AVI 文件中各個流的格式信息（AVI 文件中的每一路媒體數據都稱爲一個流）。hdrl list 中嵌套了一系列塊和子列表，首先是一個 “avih” 塊，用於記錄 AVI 文件的全局信息，比如流的數量、視頻圖像的寬和高等。
可以看到首先是 4 字節的 “list”，然後是 4 字節的 list size，接着是 4 字節 list 類型 “hdrl”，接着是 list 數據內容。
2）avih 塊
avih 即 avi_header，該數據塊是主信息頭，這意外着該 header 數據塊之後就是文件多媒體流信息。
4 字節的 “avih” 標識碼，4 字節大小（0x38 即 56），接下來是 56 個字節數據。該塊可以用如下結構體表示：
typedef struct {
FourCC fcc; // "avih" 特徵碼
DWORD cb; // 數據大小
DWORD dwMicroSecPerFrame; // 視頻幀間隔時間（以毫秒爲單位）
DWORD dwMaxBytesPerSec; // AVI 文件的最大數據率
DWORD dwPaddingGranularity; // 數據填充的粒度
DWORD dwFlags; // AVI 文件的全局標記，比如是否含有索引塊等
DWORD dwTotalFrames; // 總幀數
DWORD dwInitialFrames; // 爲交互格式指定初始幀數（非交互格式應該指定爲 0）
DWORD dwStreams; // 本文件包含的流的個數
DWORD dwSuggestedBufferSize; // 建議讀取本文件的緩存大小（應能容納最大的塊）
DWORD dwWidth; // 視頻圖像的寬（以像素爲單位）
DWORD dwHeight; // 視頻圖像的高（以像素爲單位）
DWORD dwReserved[4]; // 保留
} AVIMainHeader;
3）strl list 頭部
一個 strl list 中至少包含一個 strh 塊和一個 strf 塊。文件中有多少個流，就對應有多少個 strl list。
上圖可知，依次爲 4 字節 “list”，4 字節數據大小，4 字節 “strl” 四字符碼標識符。
4）strh 塊
用於描述流的頭信息
4 字節 “strh”，4 字節 “strh” 塊大小（0x38 即 56），後面是 56 字節大小數據。該塊用如下結構體表示，由上面 strh 塊可知，該 AVI 第一個流是視頻流（vids）。
// AVI流頭部
typedef struct
{
FourCC fcc; // "strh"
DWORD cb; // 數據大小
FourCC fccType; // 流類型: auds(音頻流) vids(視頻流) mids(MIDI流) txts(文字流)
FourCC fccHandler; // 指定流的處理者，對於音視頻來說就是解碼器
DWORD dwFlags; // 標記：是否允許這個流輸出？調色板是否變化？
WORD wPriority; // 流的優先級（當有多個相同類型的流時優先級最高的爲默認流）
WORD wLanguage; // 語言
DWORD dwInitialFrames; // 爲交互格式指定初始幀數
DWORD dwScale; // 每幀視頻大小或者音頻採樣大小
DWORD dwRate; // dwScale/dwRate，每秒採樣率
DWORD dwStart; // 流的開始時間
DWORD dwLength; // 流的長度（單位與 dwScale 和 dwRate 的定義有關）
DWORD dwSuggestedBufferSize;// 讀取這個流數據建議使用的緩存大小
DWORD dwQuality; // 流數據的質量指標（0 ~ 10,000）
DWORD dwSampleSize; // Sample的大小
RECT rcFrame; // 指定這個流（視頻流或文字流）在視頻主窗口中的顯示位置
} AVIStreamHeader;
5）strf 塊
該塊用於描述流的具體信息。如果是視頻流（vids，由 strh 塊得知），用一個 BitmapInfo 結構體表示，如果是音頻流（auds），用 WaveFormatEx 結構體表示。
// 位圖頭
typedef struct
{
DWORD biSize;
LONG biWidth;
LONG biHeight;
WORD biPlanes;
WORD biBitCount;
DWORD biCompression;
DWORD biSizeImage;
LONG biXPelsPerMeter;
LONG biYPelsPerMeter;
DWORD biClrUsed;
DWORD biClrImportant;
} BitmapInfoHeader;
// 位圖信息
typedef struct
{
BitmapInfoHeader bmiHeader; // 位圖頭
RGBQUAD bmiColors[1]; // 調色板
} BitmapInfo;
// 音頻波形信息
typedef struct
{
WORD wFormatTag;
WORD nChannels; // 聲道數
DWORD nSamplesPerSec; // 採樣率
DWORD nAvgBytesPerSec; // 每秒的數據量
WORD nBlockAlign; // 數據塊對齊標誌
WORD wBitsPerSample; // 每次採樣的數據量
WORD cbSize; // 大小
} WaveFormatEx;
該塊首先 4 字節 “strf” 標識，4 字節數據大小（0x28 即 40個字節），接着的數據用一個 40 字節大小的 BitmapInfo 結構體表示。
6）strd 塊與strh 塊
- strd：保存編解碼器需要的一些配置信息
- strn：保存流的名字
這兩個塊是可選的，一個 strl list 可以不包含，不加分析。
★★ 3. info list
info list 用於描述編碼該 AVI 文件的程序信息，包含一個 isft 塊
★★ 4. movi list
movi list 用於保存真正的媒體流數據，音視頻數據塊在該 list 中交錯方式存放着。
當 AVI 文件中包含有多個流時，數據塊與數據塊之間如何來區別呢？
同樣的，這些數據塊使用了一個四字符碼來表徵它的類型，這個四字符碼由 2 個字節的類型碼和 2 個字節的流編號組成。
可用類型碼有：
- db：未壓縮的視頻幀
- dc：壓縮的視頻幀
- wb：音頻數據
- pc：改用新的調色板
比如第一個流（Stream 0）是音頻，則表徵音頻數據塊的四字符碼爲 “00wb” ，第二個流（Stream 1）是視頻，則表徵視頻數據塊的四字符碼爲 “01db” 或 “01dc”。
★★ 5. idx1 塊
最後，緊跟在 hdrl list 和 movi list 之後的，就是 AVI 文件的索引塊（可選），這個索引塊爲 AVI 文件中每一個媒體數據塊進行索引，並且記錄它們在文件中的偏移（可能相對於 movi list，也可能相對於 AVI 文件開頭）。索引塊使用一個四字符碼 “idx1” 來表徵，索引信息使用一個數據結構來 AVIOLDINDEX 定義。
typedef struct _avioldindex {
FOURCC fcc; // "idx1"
DWORD cb; // 數據大小
struct _avioldindex_entry {
DWORD dwChunkId; // 數據塊 id
DWORD dwFlags;
DWORD dwOffset; // 數據塊偏移
DWORD dwSize; // 數據塊大小
} aIndex[];
} AVIOLDINDEX;
在 AVIMainHeader 的 dwFlags 中指出是否包含索引塊。有了索引塊可以方便文件快進，如果沒有索引塊，在對 AVI 進行快進時需要計算位置，會很耗時。
3. 總結
RIFF ('AVI'
LIST('hdrl'
'avih'(主 AVI 信息頭數據)
LIST('strl'
'strh' (流的頭信息數據)
'strf' (流的格式信息數據)
['strd' (可選的額外的頭信息數據)]
['strn' (可選的流的名字) ]
)
... // 其他流信息
)
LIST('movi'
{
// 媒體流數據
SubChunk | LIST ('rec'
SubChunk1
SubChunk2
...
}
)
['idx1' (可選的 AVI 索引塊數據) ]
)