mp4文件格式

ftyp(File Type Box)

box有且只有1個，而且只能被包含在文件層，而不能被其餘box包含。該box應該被放在文件的最開始，知道應該使用哪一種協議對這該文件解析，是後續解讀文件基礎。

moov

box包含了文件媒體的metadata信息，「moov」是一個container box，具體內容信息由子box，好比包含多個trak（視頻流，音頻流），moov第一個box通常是mvhd。

mvhd

mvhd(Movie Header Box),主要存放着視頻文件的meta data

字段	字節數	意義
box size	4	box大小
box type	4	box類型
version	1	box版本, 0或者1, 通常爲0(如下字節數均按照version=0)
flags	3	擴展的movie header標誌
creation	4	建立時間(相對於UTC時間1904-01-01 0點秒數
modification	4	修改時間
time scale	4	文件媒體在1秒時間內的刻度值, 能夠理解爲1秒長度的時間單元數
duration	4	該tack的時間長度, 用duration和time scale值能夠計算track時長, 好比audio track的time scale = 8000, duration = 560128, 時長爲70.016, video track 的time scale = 600, duration = 42000, 時長爲70
rate	4	推薦播放速率, 高16位和低16位分別爲小數點整數播放和小數部分, 即[16, 16] 格式, 該值爲1.0(0x00010000) 表示正常前向播放
volume	2	與rate類型, [8, 8]格式, 1.0 (0x0100) 表示最大音量
reserved	10	保留位
matrix	36	視頻轉換矩陣
pre-defined	24	未使用
next track id	4	下一個track使用的id號，未使用

影片視頻長度如何計算

1. 從 mvhd - movie header atom 中找到 time scale 和 duration，duration 除以 time scale 便是整部電影的長度。

time scale 至關於定義了標準的 1 秒在這部電影裏面的刻度是多少

例如 audio track 的 time scale = 8000, duration = 560128，因此總長度是 70.016，video track 的 time scale = 600, duration = 42000，因此總長度是 70

1. 首先計算出共有多少個幀，也就是 sample（從 sample size atoms 中獲得），而後

整部電影的 duration = 每一個幀的 duration 之和（從 Time-to-sample atoms 中得出）

例如 audio track 共有 547 個 sample，每一個 sample 的長度是 1024，則總 duration 是 560128，電影長度是 70.016；video track 共有

1050 個 sample，每一個 sample 的長度是 40，則總 duration 是 42000，電影長度是 70

tkhd(Track Header Box)

每一個trak都包含了一個tkhd，記錄時間，空間和音量信息。

字段	字節數	意義
box size	4	box大小
box type	4	box類型
version	1	box版本，0或1，通常爲0。（如下字節數均按version=0）
flags	3	按位或操做結果值，預約義以下：0x000001 track_enabled，不然該track不被播放；0x000002 track_in_movie，表示該track在播放中被引用；0x000004 track_in_preview，表示該track在預覽時被引用。通常該值爲7，若是一個媒體全部track均未設置track_in_movie和track_in_preview，將被理解爲全部track均設置了這兩項；對於hint track，該值爲0
creation time	4	建立時間（相對於UTC時間1904-01-01零點的秒數）
modification time	4	修改時間
track id	4	id號，不能重複且不能爲0
reserved	4	保留位
duration	4	track的時間長度
reserved	8	保留位
layer	2	視頻層，默認爲0，值小的在上層
alternate group	2	track分組信息，默認爲0表示該track未與其餘track有羣組關係
volume	2	[8.8] 格式，若是爲音頻track，1.0（0x0100）表示最大音量；不然爲0
reserved	2	保留位
matrix	36	視頻變換矩陣
width	4	寬
height	4	高，均爲 [16.16] 格式值，與sample描述中的實際畫面大小比值，用於播放時的展現寬高

edts

不是必須的，將時間線映射在media時間線上。

mdia

track的媒體類型和sample數據，例如音頻或視頻，包含一個media header atom ('mdhd')，一個handler reference ('hdlr')，一個媒體信息引用('minf')和用戶數據atom('udta').

mdhd

主要定義了該Track的媒體頭信息，最重要的兩個字段是Time scale和Duration，分別表示了該Track的時間戳和時長信息，這個時間戳信息也是PTS和DTS的單位。

字段	字節數	意義
box size	4	box大小
box type	4	box類型
version	1	box版本，0或1，通常爲0。（如下字節數均按version=0）
flags	3	該Box該字段填充0
creation time	4	當前Track建立時間（相對於UTC時間1904-01-01零點的秒數）
modification time	4	當前Track修改時間（相對於UTC時間1904-01-01零點的秒數）
timescale	4	當前Track的時間計算單位
duration	4	該Track的播放時長，須要參考前面的timescale計算
language	2	媒體語言碼，參考其餘標準
qualiiy	2	媒體的回放質量

hdlr

解釋了媒體的播放過程信息，用來設置不一樣Track的處理方式，標識了該Track的類型。

hand sub type，視頻：‘vide’，音頻：‘soun

minf

最複雜box，包含多個子box，創建時間到真實音視頻sample的映射關係

stbl

Sample是媒體數據的存儲單元，其中存儲在Media的chunk中，每一個Sample的時間和位置、編解碼信息、和chunk關係等都是由Stbl Box來描述的，Stbl Box包含了Track中media媒體的全部時間和索引，利用這個容器的Sample信息，就能夠定位Sample的媒體時間、類型、大小以及和其相鄰的Sample。同時該Box是必須在Trak Box中存在的。

stsd

採樣描述容器： Sample Description即stsd Box

stts

採樣時間容器： Time To Sample 即stts Box

stss

採樣同步容器： Sync Sample即stss Box

stsc

Chunk採樣容器: Sample To Chunk即stsc Box

stsz

採樣大小容器： Sample Size即stsz Box

stco

Chunk偏移容器：Chunk Offest即Stco Box

ctts

該Box保存了每一個sample的composition time和decode time之間的差值，這裏經過Composition Time就能夠計算出Sample的PTS。

mdat

mdat Box這個Box是存儲音視頻數據的Box，要從這個Box解封裝出真實的媒體數據。