多媒体文件格式之AVI

[时间：2016-07] [状态：Open]

AVI（Audio Video Interleaved的缩写）是一种RIFF（Resource Interchange File Format的缩写）文件格式，多用于音视频捕捉、编辑、回放等应用程序中。通常情况下，一个AVI文件可以包含多个不同类型的媒体流（典型的情况下有一个音频流和一个视频流），不过含有单一音频流或单一视频流的AVI文件也是合法的。AVI可以算是Windows操作系统上最基本的、也是最常用的一种媒体文件格式。

之前整理的关于RIFF格式简介，建议阅读本文前先了解下。

0. 学习多媒体容器格式的目的

主要是为了回答以下问题：

1. 该容器中数据是如何组织的？
2. 该容器包含哪些编码格式的数据？这些数据是如何存储的？
3. 该容器包含哪些元数据信息？包含哪些节目信息？
4. 对于支持多节目的容器格式，如何找到对应的音频流、视频流、字幕流？
5. 如何确定该容器的节目播放时长？
6. 如何从该容器中提取音频、视频、字幕数据，并交给解码器解码，有时间戳否？
7. 该容器是否支持seek？有哪些辅助信息？
8. 是否支持直接流化？
9. 哪里可以找到该容器格式最标准的文档资料？
10. 有哪些可用的工具，方便分析容器格式异常或者错误？

1. AVI整体结构

整个AVI文件是一个类型码为为"AVI "的RIFF块，其主要有三个subchunk构成：信息块（"hdrl" LIST块，用于描述AVI的流数据格式）、数据块（"movi" LIST块，用于保存音视频序列数据）、索引块（可选的，"idxl"子块）。

AVI文件的展开结构大致如下：

RIFF (‘AVI ’
      LIST (‘hdrl’
            ‘avih’(主AVI信息头数据)
            LIST (‘strl’
                  ‘strh’ (流的头信息数据)
                  ‘strf’ (流的格式信息数据)
                  [‘strd’ (可选的额外的头信息数据) ]
                  [‘strn’ (可选的流的名字) ]
                  ...
                 )
             ...
           )
      LIST (‘movi’
            { SubChunk | LIST (‘rec ’
                              SubChunk1
                              SubChunk2
                              ...
                             )
               ...
            }
            ...
           )
      [‘idx1’ (可选的AVI索引块数据) ]
     )

AVI信息块（"hdrl" LIST块）

通常AVI信息块包含一个"avih"子块，其包括MainAVIHeader和至少一个"strl" chunk（描述的strem info）。

MainAVIHeader的定义如下：

typedef struct {
    DWORD dwMicroSecPerFrame;
    DWORD dwMaxBytesPerSec;
    DWORD dwReserved1;
    DWORD dwFlags;
    DWORD dwTotalFrames;
    DWORD dwInitialFrames;
    DWORD dwStreams;
    DWORD dwSuggestedBufferSize;
    DWORD dwWidth;
    DWORD dwHeight;
    DWORD dwReserved[4];
} MainAVIHeader;

这里面的dwStreams给出了AVI文件中的流数目，dwFlags说明了AVI解析的特殊标志，比如是否有索引块，是否是交织的音视频数据，

"strl" chunk中包含至少包含一个'strh'块和一个'strf'块，而'strd'块（保存编解码器需要的一些配置信息）和'strn'块（保存流的名字）是可选的。

• 'strh'块，用于说明这个流的头信息，可以使用一个AVISTREAMHEADER数据结构来描述：

typedef struct _avistreamheader {
     FOURCC fcc;  // 必须为‘strh’
     DWORD  cb;   // 本数据结构的大小，不包括最初的8个字节（fcc和cb两个域）
	 FOURCC fccType;    // 流的类型：'auds'（音频流）、'vids'（视频流）、
                   		// 'mids'（MIDI流）、'txts'（文字流）
     FOURCC fccHandler; // 指定流的处理者，对于音视频来说就是解码器
     DWORD  dwFlags;    // 标记：是否允许这个流输出？调色板是否变化？
     WORD   wPriority;  // 流的优先级（当有多个相同类型的流时优先级最高的为默认流）
     WORD   wLanguage;
     DWORD  dwInitialFrames; // 为交互格式指定初始帧数
     DWORD  dwScale;   // 这个流使用的时间尺度
     DWORD  dwRate;
     DWORD  dwStart;   // 流的开始时间
     DWORD  dwLength;  // 流的长度（单位与dwScale和dwRate的定义有关）
     DWORD  dwSuggestedBufferSize; // 读取这个流数据建议使用的缓存大小
     DWORD  dwQuality;    // 流数据的质量指标（0 ~ 10,000）
     DWORD  dwSampleSize; // Sample的大小
     struct {
         short int left;
         short int top;
         short int right;
         short int bottom;
	 }  rcFrame;  // 指定这个流（视频流或文字流）在视频主窗口中的显示位置
                  // 视频主窗口由AVIMAINHEADER结构中的dwWidth和dwHeight决定
} AVISTREAMHEADER;

• ‘strf’块，用于说明流的具体格式。如果是视频流，则使用一个BITMAPINFO数据结构来描述；如果是音频流，则使用一个WAVEFORMATEX数据结构来描述。

当AVI文件中的所有流都使用一个‘strl’子列表说明了以后（注意：‘strl’子列表出现的顺序与媒体流的编号是对应的，比如第一个‘strl’子列表说明的是第一个流（Stream 0），第二个‘strl’子列表说明的是第二个流（Stream 1），以此类推），‘hdrl’列表的任务也就完成了，随后跟着的就是AVI文件必需的第二个列表——‘movi’列表，用于保存真正的媒体流数据（视频图像帧数据或音频采样数据等）。

数据块（"movi" LIST块）

那么，怎么来组织这些数据呢？可以将数据块直接嵌在'movi'列表里面，也可以将几个数据块分组成一个'rec '列表后再编排进‘movi’列表。（注意：在读取AVI文件内容时，建议将一个'rec '列表中的所有数据块一次性读出。）

但是，当AVI文件中包含有多个流的时候，数据块与数据块之间如何来区别呢？于是数据块使用了一个四字符码来表示其类型，这个四字符码由2个字节的类型码和2个字节的流编号组成。标准的类型码定义如下：'db'（非压缩视频帧）、'dc'（压缩视频帧）、'pc'（改用新的调色板）、'wb'（音缩视频）。比如第一个流（Stream 0）是音频，则表征音频数据块的四字符码为'00wb'；第二个流（Stream 1）是视频，则表征视频数据块的四字符码为'00db'或'00dc'。对于视频数据来说，在AVI数据序列中间还可以定义一个新的调色板，每个改变的调色板数据块用'xxpc'来表征，新的调色板使用一个数据结构AVIPALCHANGE来定义。（注意：如果一个流的调色办中途可能改变，则应在这个流格式的描述中，也就是AVISTREAMHEADER结构的dwFlags中包含一个AVISF_VIDEO_PALCHANGES标记。）另外，文字流数据块可以使用随意的类型码表征。

索引块（"idxl"子块）

紧跟在'hdrl'列表和'movi'列表之后的，就是AVI文件可选的索引块。这个索引块为AVI文件中每一个媒体数据块进行索引，并且记录它们在文件中的偏移（可能相对于'movi'列表，也可能相对于AVI文件开头）。索引块使用一个四字符码'idx1'来表示，索引信息使用一个数据结构来AVIOLDINDEX定义。

typedef struct _avioldindex {
   FOURCC  fcc;  // 必须为‘idx1’
   DWORD   cb;   // 本数据结构的大小，不包括最初的8个字节（fcc和cb两个域）
   struct _avioldindex_entry {
      DWORD   dwChunkId;   // 表征本数据块的四字符码
      DWORD   dwFlags;     // 说明本数据块是不是关键帧、是不是‘rec ’列表等信息
      DWORD   dwOffset;    // 本数据块在文件中的偏移量
      DWORD   dwSize;      // 本数据块的大小
  } aIndex[]; // 这是一个数组！为每个媒体数据块都定义一个索引信息
} AVIOLDINDEX;

注意：如果一个AVI文件包含有索引块，则应在主AVI信息头的描述中，也就是AVIMAINHEADER结构的dwFlags中包含一个AVIF_HASINDEX标记。

2. AVI文件如何播放？

读完上一节中的描述，貌似没有看到时间戳信息在哪里，音视频改如何播放呢？那只能通过实际读取的帧数和AVISTREAMHEADER中的帧率信息计算出来。同样，由于索引块中明显没有时间-位置映射，如果要实现seek，只能通过附加的手段实现了。

至于如何计算节目时长，没有相应字段，那就通过帧率和总帧数计算。

其他扩展部分建议阅读下：OpenDML specification, v. 1.02

3. 参考资料

1. msdn AVI RIFF Form
2. AVI (Audio Video Interleaved) File Format
3. AVI文件格式分析