• 最小组单元 BOX
• MP4 文件整体结构
  • File Type Box
  • Movie Box
    • Movie Header Box
  • Track Box
    • Track Header Box
  • Media Box
    • Media Header Box
    • Handler Reference Box
    • Media Informatino Box
    • Data Informatino Box(dinf)

MP4是由许多 Box 和 FullBox 组成的，每个 Box 是由 Header 和 Data 组成的，FullBox 是 Box 的扩展，Box 结构的基础上在 Header 中增加 8bits version 和 24bits flags。

最小组单元 BOX

MP4 是由一些列的 box 组成，它的最小组成单元是 box。MP4 文件中的所有数据都装在 box 中，即 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 文件首先会有且仅有 一个ftype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)，她是一种 container box, 可以有多个，也可以没有，媒体数据的结构由 metadata 进行描述。

• size：指明了 box 所占用的大小，包括 header 部分。
• type: 表示这个 box 的类型。
• largesize: 如果 box 很大超过 uint32 的最大数值,size 就被设置为 1,并用接下来的 largesize 来存放大小。

一些基本概念：

• 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，统称为 sample。对于 hint track，sample 定义一个或多个流媒体包的格式。
• sample table 指明 sample 时序和物理布局的表。
• chunk 一个track的几个 sample 组成的单元。

MP4 文件整体结构

File Type Box

ftyp类型会出现在 MP4 文件的开头，作为 MP4 容器格式的可表示信息。ftyp box内容结构如下：

1
2
3
4
5
6

class FileTypeBox
extends Box('ftyp'){
unsigned int(32) major_brand;
unsigned int(32) minor_version;
unsigned int(32) compatible_brands[];
}

Movie Box

moov里面包含了很多个 box,一般情况下 moov 会紧跟着 ftype。moov 里面包含着 MP4 文件中的 metedata。音视频相关 的基础信息。

Movie Header Box

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

class MovieHeader extends FullBox('mvhd', version, 0)
{
    if(version == 1)
    {
        unsinged int(64) creation_time;
        unsinged int(64) modification_time;
        unsinged int(64) timescale;
        unsinged int(64) duration;
    }else{
        unsinged int(32) creation_time;
        unsinged int(32) modification_time;
        unsinged int(32) timescale;
        unsinged int(32) duration;
    }

    template int(32) rate = 0x00010000;
    template int(16) volume = 0x0100;
    const bit(16) reserved = 0;
    const ungigned int(32)[2] reserved = 0;
    template int(32)[9] matrix = 
    { 0x0001000, 0, 0, 0, 0x0001000, 0, 0, 0, 0x40000000};
    bit(32)[6] pre_defined = 0;
    unsigned int(32) next_track_ID;
}

各个 Field 含义表格：

Track Box

在moov这个box中会含有若干个track box每个track都是相对独立，track box里面会包含很多别的box，有2个很关键 Track Header BoxMedia Box。

Track Header Box

Media Box

Media Header Box

Handler Reference Box

Media Informatino Box

minf里面包含着一系列的box，里面是track相关的特征信息。一般 情况minf包含:Media Information Header Boxes、Data Information Box(dinf)、Sample Table Box。

Media Information Header Boxes 根据类型分为 vmhd、smhd、hmhd、nmhd。

其中 vmhd 格式如下：

smhd 格式如下:

Data Informatino Box(dinf)

dinf解释如何定位媒体信息，是一个container box。dinf一般包含一个dref，即 data reference box； dref下会包含若干个url或urn，这些box组成一个表，用来定位track数据。

dref的结构如下表。