AVI文件格式详解
AVI是音频视频交错(Audio Video
Interleaved)的英文缩写,它是Microsoft公司开发的一种符合RIFF文件规范的数字音频与视频文件格式,原先用于Microsoft
Video for Windows (简称VFW)环境,现在已被Windows
95/98、OS/2等多数操作系统直接支持。AVI格式允许视频和音频交错在一起同步播放,支持256色和RLE压缩,但AVI文件并未限定压缩标准,
因此,AVI文件格式只是作为控制界面上的标准,不具有兼容性,用不同压缩算法生成的AVI文件,必须使用相应的解压缩算法才能播放出来。常用的AVI播
放驱动程序,主要是Microsoft Video for Windows或Windows 95/98中的Video 1,以及Intel公司的Indeo Video。
在介绍AVI文件前,我们要先来看看RIFF文件结构。AVI文件采用的是RIFF文件结构方式,RIFF(Resource Interchange File Format,资源互换文件格式)是微软公司定义的一种用于管理windows环境中多媒体数据的文件格式,波形音频wave,MIDI和数字视频AVI 都采用这种格式存储。构造RIFF文件的基本单元叫做数据块(Chunk),每个数据块包含3个部分, 1、4字节的数据块标记(或者叫做数据块的ID) 2、数据块的大小 3、数据 整个RIFF文件可以看成一个数据块,其数据块ID为RIFF,称为RIFF块。一个RIFF文件中只允许存在一个RIFF块。RIFF块中包含一系列 的子块,其中有一种字块的ID为"LIST",称为LIST,LIST块中可以再包含一系列的子块,但除了LIST块外的其他所有的子块都不能再包含子 块。 RIFF和LIST块分别比普通的数据块多一个被称为形式类型(Form Type)和列表类型(List Type)的数据域,其组成如下: 1、4字节的数据块标记(Chunk ID) 2、数据块的大小 3、4字节的形式类型或者列表类型 4、数据 下面我们看看AVI文件的结构。AVI文件是目前使用的最复杂的RIFF文件,它能同时存储同步表现的音频视频数据。AVI的RIFF块的形式类型是AVI,它包含3个子块,如下所述: 1、信息块,一个ID为"hdrl"的LIST块,定义AVI文件的数据格式。 2、数据块,一个ID为 "movi"的LIST块,包含AVI的音视频序列数据。 3、索引块,ID为 "idxl"的子块,定义 "movi"LIST块的索引数据,是可选块。 AVI文件的结构如下图所示,下面将具体介绍AVI文件的各子块构造。 1、信息块,信息块包含两个子块,即一个ID为 avih 的子块和一个ID 为 strl 的LIST块。 "avih"子块的内容可由如下的结构定义:
指定帧之间的微秒数。此值表明本文件的总时间。 dwMaxBytesPerSec 指定文件的近似最大数据速率。此值表明该系统每秒要处理的字节数,以表现一个AVI序列,正如在main header 和 stream header chunks 中其他参数指所指定的字节数。 dwPaddingGranularity 规定以字节为单位的数据对齐。将数据以该值的整数倍进行对齐。 dwFlags 包含0个 或多个一下标志的按位组合:
dwTotalFrames 指定本文件中包含的帧数据的总数。也就是指定文件中总共包含多少帧。 dwInitialFrames 指定交错文件中的初始帧。非交错文件,该参数应该被设置为0。如果你正在创建一个交错文件,在该参数中指定文件中,AVI文件的初始帧之前,帧的数量,即文件中 在初始帧前面还有多少帧。 为了让音频驱动有足够的音频去处理,交错文件中的音频数据必须与视频数据有一定的偏移。通常情况下,音频数 据必须前移足够的帧,以使大约0.75秒的音频数据被预装。应该将音频数据中偏移的帧数设置到成员dwInitialRecords(未找到该成员,怀疑应该是dwInitialFrames)。 音频流header的结构体AVISTREAMHEADER的dwInitialFrames 成员,应该被设置为同样的值。 dwStreams 指定文件中包含的流的数量。例如,一个包含视频和音频数据的文件有两个流。 dwSuggestedBufferSize 指定读该文件用的建议的缓存大小。一般来说,该大小要足以包含文件中最大的数据块(chunk)。如果该成员被设置为0,或者太小,播放软件在播放时就需要重新 分配内容,这将导致性能的下降。对于一个交叉文件,该缓存大小应该足以读取一整条记录(在movi list中,有的数据以chunk的形式存在,有的数据以record即记录的形式存在,一个record 是多个chunk的组合),而不是一个chunk。 dwWidth 指定该AVI文 件的宽,以像素为单位。 dwHeight 指定该AVI文 件的高,以像素为单位。 dwReserved 保留,设置为0。
"strl" LIST块用于记录AVI数据流,每一种数据流都在该LIST块中占有3个子块,他们的ID分别是"strh","strf", "strd"; "strh"子块由如下结构定义。
fccType 包含一个标识流中数据类型的FOURCC码。针对视频和音频,标准的AVI值定义如下:
fccHandler 该成员是可选的,包含了一个FOURCC码,用于标识一个特定的数据处理程序。该数据处理程序是该流的首选数据处理程序。对于视频流和音 频流来说,这是一个解码流时用的编解码器。 dwFlags 包含数据流的所有标志。这些标志的高位序字,具体到流中包含的数据类型(意思应该是,这些标志的高位,说明了流的类 型)。标准标志定义如下:
wPriority 指定一种流的优先级。例如,一个文件中包含了多个音频流,其中优先级最高的可能会是默认的流。 wLanguage Language tag. dwInitialFrames 指定在交叉文件中,音频流相对于视频流要向前偏移多少。通常情况下,是大约0.75秒。如果你正在创建交叉文件,在该成员中指定文件中,AVI序列的初始帧之前,帧的数量。详细信息, 请参考AVIMAINHEADER结构体中 dwInitialFrames 成员。 dwScale 与 dwRate 一起,决定该流 所要使用的时间尺度。用dwScale 去除dwRate ,得到一秒钟样本的数量。对于视频流,这就是帧率( fram rate )。对于音频流,这个频率相当于播放nBlockAlign 个字节的音频需要的时间,对于PCM音频,它只是采样率。 dwRate 参考dwScale. dwStart 指定这个流开始的时间。其单位有主文件头中的dwRate 和dwScale 成 员定义(即其单位是dwRate/dwScale)。通常,dwStart是0,但是它也可以为不与文件同时启动的流定义一个时间延迟。 dwLength 指定这个流的长度。单位由流的头信息中的dwRate 和dwScale 来 确定(即其单位是dwRate/dwScale)。(对于视频流,dwLength就是流包含的总 帧数;对于音频流,dwLength就是包含的block的数量,block是音频解码器能处理的原子单位)。dwLength/(dwRate/dwScale),即dwLength * dwScale / dwRate,可以得到流的总时长。 dwSuggestedBufferSize 指定读该流时需要的缓存的大小。通常情况下,这是一个与该流中最大的chunk的大小相对应的值。使用准确的缓存 大小,可以提高播放器的性能。如果你不知道准确的缓存大小,可以设置为0。 dwQuality 指定一个流数据的质量指标。该指标是一个0到10,000的 数值。对于压缩数据,这通常是一个作为质量参数值传给压缩软件的数值。如果该值为-1,驱动将使用默认的质量值。 dwSampleSize 指定 一个数据样本的大小。如果样本的大小可变,该成员将被设置为0。 如果该值为非0,该文件中的多个样本可以组成一个信号chunk。如果该值为0, 数据中的每个样本(例如,一个视频帧)必须放在一个单独的chunk中。对于视频流,该数值通常为0, 虽然当所有的视频帧都具有相同的大小时,它也可以为非0。对于音频流,该数值应该和结构体WAVEFORMATEX中的成员nBlockAlign一致。 rcFrame 指定一个在由AVI主头结构中的dwWidth 成 员和dwHeight 成员决定的电影矩形中,文本流或视频流的目标矩形。rcFrame 成 员通常用于支持多个视频流。将该矩形设置为与电影矩形对应的坐标,以更新整个电影矩形。该成员的单位是像素。目标矩形的左上角与电影矩形的左上角关联。 Remarks 该结构体的部分成员在结构体AVIMAINHEADER中也存在。AVIMAINHEADER中的数据是针对整个文件的,AVISTREAMHEADER中的数据是针 对单个流的。 "strf"子块紧跟在"strh"子块之后,其结构视"strh"子块的类型而定,如下所述;如果 strh子块是视频数据流,则 strf子块的内容是一个与windows设备无关位图的BIMAPINFO结构,如下:
Remarks一个设备无关的位图包含两个不同的部分:一个描述位图尺寸和颜色的BITMAPINFO结构体,和一个定义位 图像素的字节数组。数组中的数据排列在一起,但是必须用0将每个扫描行与LONG类型边界对齐。 如果位图的高是正数,则该位图是一个自下而上的DIP,并且它是以左下角起始的。 如果位图的高是负数,则该位图是一个自上而下的DIP,并且它是以左上角起始的。 当一个位图紧跟在BITMAPINFO 之 后时,该位图将被打包。打包的位图通过一个指针进行引用。 对于打包位图,当使用DIB_PAL_COLORS 模式时,BITMAPINFOHEADER 结构体的ClrUsed 必须被设置为一个偶数,这样DIB位图数组将从DWORD边界上开始。 如果一个位图保存在文件中,或者将要传送给其他应用程序,bmiColors 成 员不应该保护调色板索引。 位图的颜色表应保护明确的RGB数值,除非这个应用程序独占使用和控制 该位图。 BITMAPINFO 结构体由一个BITMAPINFOHEADER 结 构体以及一个跟在其后面的RGBQUAD 数值数组构成。数组的大小由BITMAPINFOHEADER结 构体的成员biClrUsed 决定。 在验证分配给BITMAPINFO 结 构体的buffer的大小之前,不要将一个颜色表拷贝到BITMAPINFO 结构体。
如果 strh子块是音频数据流,则strf子块的内容是一个WAVEFORMAT结构,如下:
索引块,索引快包含数据块在文件中的位置索引,能提高avi文件的读写速度,其中存放着一组AVIINDEXENTRY结构数据。如下,这个块并不是必需的,也许不存在。
AVI RIFF 文件参考
文档来源:MSDN Library->Win32 and COM Development->Graphics and Multimedia->Audio and Video->DirectShow->Appendixes->AVI File Format-> AVI RIFF File Reference
微软的AVI文件格式是一种用于拍摄,编辑和播放音频,视频序列的RIFF文件格式。一般情况下, AVI文件包含多个流的不同类型的数据。大多数的AVI序列同时使用音频和视频数据流。一个简单的变种AVI序列使用视频数据而不需要音频流。 本节不描述OpenDML AVI文件格式的扩展。如需进一步关于这些扩展的资料,见AVI OpenDML的M-JPEG文件格式的小组委员会所发表的OpenDML AVI文件格式的扩展
FOURCCs 一个FOURCC(四字符代码)是一个由32位无符号整数所连接的四个ASCII字符。例如,FOURCC 'abcd'代表的小端(译者注:一种存放二进制数据的格式,所有数字的低位放在前面)系统为0x64636261。FOURCCs可以包含空格,' abc'是合法的FOURCC。在AVI文件格式中使用FOURCC码来识别流类型,数据块,索引项目,以及其他信息。
RIFF文件格式 AVI文件格式是基于RIFF(资源交换文件格式)文件格式的。一个RIFF文件包括一个RIFF头,后跟零个或多个list和chunk。
RIFF头格式如下: 'RIFF' fileSize fileType (data) 其中,'RIFF'是FOURCC的字面值,fileSize是4字节值表示的数据在文件中的大小,fileType是一个FOURCC表示的文件类型。fileSize的值包括fileType和data,并不包括'RIFF'和fileSize本身。Data由chunk和list以任意顺序组成。
Chunk格式如下: CkID ckSize ckData 其中,ckID是FOURCC表示的chunk中数据的标识。ckSize是4字节标识的ckData中数据的大小,ckData是大于等于零的数据,都要填充到最接近的词边界。ckSize是chunk中有效数据的大小;并不包括填充,ckID和ckSize。
List格式如下: 'LIST' listSize listType listData 其中,'LIST'是FOURCC的字面值,listSize是4字节值表示的数据在文件中的大小,listType是FOURCC码,listData以任意顺序包含chunk和list。listSize包含listType和listData的大小,并不包括'LIST'和listSize本身。
本节余下的部分使用下例符号来描述RIFF chunk: ckID ( ckData ) chunkSize被隐藏。使用下例符号来描述RIFF list: 'LIST' (listType (listData)) 可选元素是放在括号中:[可选元素]
AVI RIFF格式: AVI文件定义一个'AVI '的FOURCC在RIFF header中。所有的AVI文件包括两个强制性的list块,分别定义格式流和数据流。一个AVI文件可能还包括一个索引块,用于定位数据chunk在文件中的位置。一个AVI文件的组件如下: RIFF ('AVI ' LIST ('hdrl' ...) LIST ('movi' ...) ['idx1' (<AVI Index>)] ) 'hdrl'定义数据格式,是第一个需要的list块。'movi'包含AVI序列的数据,是第二个需要的list块。'idx1'包含索引。AVI文件必须保持这三个部分的顺序。
注意:OpenDML扩展定义另一种类型的索引,用FOURCC 'indx'表示。
'hdrl' and 'movi'用子chunk来存储数据。下面的例子展现了AVI RIFF所需要完成的chunk形式: RIFF ('AVI ' LIST ('hdrl' 'avih'(<Main AVI Header>) LIST ('strl' 'strh'(<Stream header>) 'strf'(<Stream format>) [ 'strd'(<Additional header data>) ] [ 'strn'(<Stream name>) ] ... ) ... ) LIST ('movi' {SubChunk | LIST ('rec ' SubChunk1 SubChunk2 ... ) ... } ... ) ['idx1' (<AVI Index>) ] )
AVI头: AVI 头以'hdrl'列表开始,包含一个'avih'块。头包括AVI文件的全局信息,如文件中包含的流的数量,AVI序列的高和宽。头chunk由一个AVIMAINHEADER结构组成。
typedef struct _avimainheader { FOURCC fcc; DWORD cb; DWORD dwMicroSecPerFrame; DWORD dwMaxBytesPerSec; DWORD dwPaddingGranularity; DWORD dwFlags; DWORD dwTotalFrames; DWORD dwInitialFrames; DWORD dwStreams; DWORD dwSuggestedBufferSize; DWORD dwWidth; DWORD dwHeight; DWORD dwReserved[4]; } AVIMAINHEADER;
AVI流头: 一个或多个'strl'列表跟在AVI头后面。每一个数据流需要一个'strl'列表,每一个'strl'列表包含一个流的信息,它必须包含'strh'的流头块和'strf'的流格式块。此外,'strl'可以包含'strd'的流头数据块和'strn'的流名称块。 'strh'流头块可以用AVISTREAMHEADER结构表示。
typedef struct _avistreamheader { FOURCC fcc; DWORD cb; FOURCC fccType; FOURCC fccHandler; DWORD dwFlags; WORD wPriority; WORD wLanguage; DWORD dwInitialFrames; DWORD dwScale; DWORD dwRate; DWORD dwStart; DWORD dwLength; DWORD dwSuggestedBufferSize; DWORD dwQuality; DWORD dwSampleSize; struct { short int left; short int top; short int right; short int bottom; } rcFrame; } AVISTREAMHEADER;
'strf'流格式块必须跟在流头块的后面。流格式块描述流中的数据格式。这个块中的数据决定于流的类型。视频流由BITMAPINFO结构表示,如果适合会包括调色板信息。音频流由WAVEFORMATEX结构表示。
typedef struct tagBITMAPINFOHEADER { DWORD biSize; LONG biWidth; LONG biHeight; WORD biPlanes; WORD biBitCount; DWORD biCompression; DWORD biSizeImage; LONG biXPelsPerMeter; LONG biYPelsPerMeter; DWORD biClrUsed; DWORD biClrImportant; } BITMAPINFOHEADER;
typedef struct { WORD wFormatTag; WORD nChannels; DWORD nSamplesPerSec; DWORD nAvgBytesPerSec; WORD nBlockAlign; WORD wBitsPerSample; WORD cbSize; } WAVEFORMATEX;
如果'strd'流头数据块存在,它将跟在流格式块后面。它的格式和内容决定于编解码器驱动程序。通常情况下,驱动用它做配置信息。应用程序,读取和写入AVI文件不需要解释此信息;他们可以简单的传输到驱动作为一个内存区块。
可选的'strn'块包含一个以空字符结尾的文本描述流。
'hdrl'列表中的流头和'movi'列表中通过'strl'块相关联。第一个'strl'块使用Stream 0,第二个使用Stream 1,如此等等。
流数据 ('movi' 列表) 在头信息之后是'movi'列表包含真实的数据流,视频帧和音频样本。数据可以直接存放在'movi'列表中,也可以组织在'rec '列表中。组织在'rec '列表中意味着数据块应该一次性从硬盘读入,使得文件可以在CD-ROM中播放。 表示每个数据块的FOURCC由两字节的流编号和两字节的信息类型。
例如,如果Stream 0 包含音频,这个数据块应该是FOURCC '00wb'。如果Stream 1包含视频,这个数据块应该是FOURCC '01db'或'01dc'。视频数据块也可以定义新的调色板更新调色板中的AVI序列。每一个palette-change块('xxpc')包含一个AVIPALCHANGE结构。如果一个流包含调色板改变,设置AVISTREAMHEADER 结构中的dwFlags 的AVISF_VIDEO_PALCHANGES标志
typedef struct { BYTE bFirstEntry; BYTE bNumEntries; WORD wFlags; PALETTEENTRY peNew[]; } AVIPALCHANGE
文本流可以使用任意两个字符代码。
AVI 索引 可选的'idx1'索引块出现在'movi'列表的后面。索引包括列表中的数据块和它们在文件中的位置。每一个数据块都可以用一个AVIOLDINDEX结构做索引,包括'rec '块。如果文件包含索引,将设置AVIMAINHEADER结构的dwFlags的AVIF_HASINDEX标志。
typedef struct _avioldindex { FOURCC fcc; DWORD cb; struct _avioldindex_entry { DWORD dwChunkId; DWORD dwFlags; DWORD dwOffset; DWORD dwSize; } aIndex[]; } AVIOLDINDEX;
其他数据chunk: 可以在需要的时候插入'JUNK'块来对齐AVI文件。应用程序应该忽略JUNK块中的内容。 |
|