AVI 视频文件格式解析

最近突发奇想研究了一下视频播放，听说 AVI 视频文件较简单，找到了一篇古老的英文文档，翻译后供自己看。

原文链接：https://web.archive.org/web/20170411001412/http://www.alexander-noe.com/video/documentation/avi.pdf

1 introduction

1.1 为什么要这一个AVI文件格式文档

​ 尽管AVI文件格式已经存在了10多年，但是没有一个文档不仅描述了格式本身，而且还说明了有缺陷的 demuxer 和 decoder 的问题，以及如何规避这些问题。

​ 本文档的目的不仅仅是解释AVI格式，就像文章中定义的那样，而是在使用有缺陷的 muxers、demuxer、decompressor 时如何使用它。

1.2 基本数据结构

1.2.1 Chunks

typedef struct{
    DWORD dwFourCC
    DWORD dwSize
    BYTE  data[dwSize] // contains headers or video/audio data
}CHUNK;

1.2.2 Lists

typedef struct{
    DWORD dwList
    DWORD dwSize
    DWORD dwFourCC
    BYTE  data[dwSize-4] //contains Lists and Chunks
}LIST;

一个 chunk 包含视频、音频或字幕数据，使用 dwFourCC 中包含的 2 个十六进制数字指定流编号，2个字母指定数据类型（dc = 视频，wb = 音频， tx = 文本）。dwFourCC 和 dwSize 在两种结构中的意思相同，dwFourCC 描述了 chunk 的类型（例如 “header list” 是 “hdrl”），dwSize 是 chunk 或 list 的大小，包括了 dwSize 后的第一个字节。在 list 结构中，dwSize 包括了 dwFourCC 的 4 字节。

dwList 的值可以是 “RIFF” (RIFF-List) 或 “LIST” (List)。

注：FourCC : four character code

1.3 AVI 文件类型

通常有三种类型的 AVI 文件：

• AVI 1.0 原始的，老的 AVI 文件
• Open-DML 一个 AVI 文件格式的扩展，在 1996.2.28 制定了 V1.02 版本，最重要的改进是：
  • 几乎不限制文件大小（超过了 NTFS 允许的大小）
  • 开销减少 33%
• Hybride-Files Open-DML 文件为了兼容性，包含了一个额外的索引。这不是一个官方的词，但是它很好的描述了文件类型。仅包含一个 RIFF List 的 Hybride files 可以视为任意一种文件类型。

本文档描述了 Open-DML 1.02 文件格式特性的子集，以及一些附加功能(“hacks”)。如果安装了适当的(免费可用的)过滤器，这些附加功能将在普通播放器中使用。在 Open-DML 中可用，但在 AVI 1.0 中不可用的特性，将被指示为仅 Open-DML。

2 AVI 文件的布局

当一个 RIFF-List 的 dwFourCC 是 “AVI ” 时被称为 RIFF-AVI-List，当一个 RIFF-List 的 dwFourCC 是 “AVIX” 时被称为 RIFF-AVIX-List。

每一个 AVI 文件都有如下的布局：

RIFF AVI      // mandatory
{ RIFF AVIX } // only for Open-DML files

这些 List 的大小不是 uint32_t 的最大值 4GB，而是：

• 对于 AVI 1.0：size(RIFF-AVI) < 2GB
• 对于 Open-DML：
  • size(RIFF-AVI) < 1GB (某些 muxing 软件是 2GB)
  • size(RIFF-AVIX) < 2GB

如果没有找到 Legacy index，Windows XP 总是把第一个 RIFF AVI List 整个读取，这个 Legacy index 会导致一定的开销，所以推荐尽可能创建一个小的 RIFF AVI List。

2.1 Header

AVI 文件的 Header 看起来是这样：

接下来说明这些 header 和 chunk 的意思。

2.1.1 MainAVIHeader(avih)

这个结构定义如下：

typedef struct {
    DWORD  dwMicroSecPerFrame;   //  frame  display  rate  (or  0)
    DWORD  dwMaxBytesPerSec;     //  max.  transfer  rate
    DWORD  dwPaddingGranularity; //  pad  to  multiples  of  this size;
    DWORD  dwFlags;              //  the  ever-present  flags
    DWORD  dwTotalFrames;        //  #  frames  in  file
    DWORD  dwInitialFrames;
    DWORD  dwStreams;
    DWORD  dwSuggestedBufferSize;
    DWORD  dwWidth;
    DWORD  dwHeight;
    DWORD  dwReserved[4];
}  MainAVIHeader;

不幸的是，这些值没有它们的名字看上去的那种意思。

• dwMicroSecPerFrame

  包含一个视频帧的时间，以 us 为时间。这个值可以忽略，但是任何 AVI 文件都应该正确的填入该值。重要：一些坏的软件将帧率写入到 stream header 而不是 dwMicroSecPerFrame 。因此 dwMicroSecPerFrame 是不可信的。

• dwMaxBytesPerSec

  文件的最大数据率。这个也不是不重要，只是不应该过高的估计重要性

• dwPaddingGranularity

  文件被填充为这个的倍数

• dwFlags

  see below

• dwTotalFrames

  包含 RIFF-AVI List 中视频的帧数（在 RIFF-AVIX-List 中，不是整个文件的帧数。一些声称可以处理AVI文件的工具甚至会假设这一点，但它肯定违反了opendml文件格式规范。）鉴于一些 AVI 文件 muxer 在这写入错误的值，这个值也变得不可信。

• dwInitialFrames

  忽略这个

• dwStreams

  文件中 stream 的数量

• dwSuggestedBufferSize

  装载这个文件中chunk的buffer大小。这个值的可信度不可高估

• dwWidth

  视频流的宽度

• dwHeight

  视频流的高度

MainAVIHeader 中可用的 flags：

• AVIF_HASINDEX ：文件中有一个 index
• AVIF_MUSTUSEINDEX ： 视频和音频块播放的顺序必须由 index 确定，并且可能不同于这些块在文件中出现的顺序。
• AVIF_ISINTERLEAVED ：这些 stream 适当地交织在一起
• AVIF_WASCAPTUREFILE ：The file was captured. The interleave might be weird
• AVIF_COPYRIGHTED ： 忽略
• AVIF_TRUSTCKTYPE ：只有 Open-DML 才有，这个 flag 表明了在 index 中的关键帧标记是可信的。如果在 Open-DML 文件中没有这个flag，则关键帧标志可能有缺陷，但技术上不会使文件无效。

2.1.2 Stream Header list (strl)

每一个 stream 都有一个 strl 。如果在 hdrl 中 strl 的数量与 MainAVIHeader 中 streams 字段的值不相等，则应该报一个 fatal error。

2.1.3 stream header chunk

typedef struct {
    FOURCC  fccType;
    FOURCC  fccHandler;
    DWORD   dwFlags;
    WORD    wPriority;
    WORD    wLanguage;
    DWORD   dwInitialFrames;
    DWORD   dwScale;
    DWORD   dwRate; /* dwRate / dwScale = fps */
    DWORD   dwStart;
    DWORD   dwLength;        /* In units above... */
    DWORD   dwSuggestedBufferSize;
    DWORD   dwQuality;
    DWORD   dwSampleSize;
    RECT    rcFrame;
} AVIStreamHeader;

同样的，这些值的意思也不总是明显的。

• fccType 可以是 vids ， auds ， txts 依次代表 视频流，音频流， 字幕流

• fccHandler ：使用的编码器

• dwFlags：

• AVISF_DISABLED ： stream 默认处于未激活状态

• AVISF_VIDEO_PALCHANGES ： stream 是一个使用调色板的视频流，并且调色板在播放时会改变。

• dwInitialFrames ：文件中存在的流的第一个 chunk 的编号。

• dwRate / dwScale = samples / second(audio) or frames / second(video). dwScale 和 dwRate 应该互为素数，测试表明，使用10000000/400000 而不是 25/1 将导致某些硬件 MPEG4 播放器不工作。

• dwStart ：stream的开始时间。如果是VBR音频，这个值指示了 stream 开始前的静音帧数量

• dwLength ：以dwRate和dwScale中定义的单位表示的流大小

• dwSuggestedBufferSize ：用来存储 stream 块的缓存大小。可以是0（这样应用程序必须靠猜），但是不应该是0，因为 Microsoft 的 AVI splitter 不能正确处理这种情况（例如 Open-DML 文件中的 MP3-CBR）

• dwQuality ：指示 stream 的质量，不重要

• dwSampleSize ：stream 中一个 atom 的字节数（不应进一步拆分）

2.1.4 stream header list (strf)

strf 块的结构依赖于媒体的类型。视频流使用 BITMAPINFOHEADER 结构，音频流使用 WAVEFORMATEX 结构

2.1.5 stream header list (index)

这个块包含更高级别的索引，见第3章

2.1.6 stream header list (strn)

这个块包含流的名字，该名字应该仅使用简单的 ASCII，尤其不能是UTF-8

3 AVI indexes

3.1 旧风格的索引

所描述的索引是你将在 AVI1.0 文件中找到的索引。它放在 RIFF AVI List 的 movi List 之后。idx1块的数据部分具有以下布局：

AVIINDEXENTRY index_entry[n]

typedef struct {
    DWORD      ckid;
    DWORD      dwFlags;
    DWORD      dwChunkOffset;
    DWORD      dwChunkLength;
}AVIINDEXENTRY;

这些值的意思如下：

• ckid ：规定与文件中数据块的 chunkID 相对应的 FourCC

• dwFlags ：

  以下flag被定义：

  • AVIIF_KEYFRAME ：指向的块是一个关键帧
  • AVIIF_LIST ：指向一个List 而不是块
  • AVIIF_FIRSTPART ：指示此块需要使用它后面的帧；它不能独立
  • AVIIF_LASTPART ：指示此块需要使用它前面的帧；它不能独立
  • AVIIF_NOTIME ：应用于相应区块的持续时间为0

如果 AVIIF_FIRSTPART 和 AVIIF_LASTPART 都没有设置，这个块可以独立，换言之，它是对应流的至少一个分组。这对于在 AVI 文件中存储 VBR 音频流非常重要（参见第5.4章）

• dwChunkOffset ：包含相应块的头位置。警告：这可以是文件的绝对位置，也可以是相对 movi 标识符的相对位置，AVI 文件解析器必须能处理这两种情况。
• dwChunkLength ： 对应块的字节长度

3.2 Open-DML Index

Open-DML 索引块的通常结构如下：

typedef struct _aviindex_chunk {
    FOURCC fcc;
    DWORD  cb;
    WORD   wLongsPerEntry;
    BYTE   bIndexSubType;
    BYTE   bIndexType;
    DWORD  nEntriesInUse;
    DWORD  dwChunkId;
    DWORD  dwReserved[3];
    struct _aviindex_entry {
        DWORD  adw[wLongsPerEntry];
    } aIndex [ ];
} AVIINDEXCHUNK;