MP4格式详解

一、MP4基本结构

MP4由多个Box组成，Box又由Header和Data组成。

Header：包含Box的类型（type）和大小（size）；当size为0时，表示文件中的最后一个Box；当size为1时，会定义largesize描述Box长度；当type为UUID时，表示Box是用户自定义扩展类型。

Data：包含Box的实际数据，可以是纯数据或者是子Box；其中包含子Box的又称为Container Box。

FullBox：Box扩展，Box结构基础上在Header照片那个增加了8 bits version和24 bits flags。

Box的结构伪代码：

aligned(8) class Box (unsigned int(32) boxtype,optional unsigned int(8)[16] extended_type) 
{ 
    unsigned int(32) size; 
    unsigned int(32) type = boxtype; 
    if (size==1) 
    { 
        unsigned int(64) largesize; 
    } 
    else if (size==0) 
    { 
        // box extends to end of file 
    } 
    if (boxtype==‘uuid’) 
    { 
        unsigned int(8)[16] usertype = extended_type; 
    } 

二、MP4 Box

1、MP4 Box

ftpy	file type and compatibility	MP4第一个Box，描述文件的类型、版本、兼容协议等
moov	container for all the metadata	媒体文件的描述信息
mdata	media data container	实际媒体数据
mfra	movie fragment random access	一般在文件末尾，媒体的索引文件，可通过查询直接定位所需时间点的媒体数据
moof	movie fragement	媒体分片文件（fmp4）的描述信息

2、ftyp Box
ftyp box通常放在文件的开始，通过对该box解析可以让我们的软件（播放器、demux、解析器）知道应该使用哪种协议对这该文件解析。

3、moov Box
媒体文件的描述信息。视频信息包括码率、帧率、分辨率、时长、色域、位深等；音频信息包括声道数、采样率等。

moov
mvhd	movie header, overall declarations	包含媒体的创建和修改时间、时间刻度、默认音量、色域、可播放时长等信息。
trak	container for an individual track or stream	包含每个媒体轨道（track）的描述信息；视频轨道、音频轨道、字幕轨道等

1. mvhd伪代码

aligned(8) class MovieHeaderBox extends FullBox(‘mvhd’, version, 0) 
{ 
    if (version==1) 
    { 
        unsigned int(64) creation_time; 
        unsigned int(64) modification_time; 
        unsigned int(32) timescale; //时间刻度
        unsigned int(64) duration;  //播放时长
    } 
    else 
    { // version==0 
        unsigned int(32) creation_time; 
        unsigned int(32) modification_time; 
        unsigned int(32) timescale; 
        unsigned int(32) duration; 
    } 
    template int(32)  rate = 0x00010000; // typically 1.0 
    template int(16)  volume = 0x0100;  // typically, full volume 
    const bit(16)  reserved = 0; 
    const unsigned int(32)[2]  reserved = 0; 
    template int(32)[9]  matrix = { 0x00010000,0,0,0,0x00010000,0,0,0,0x40000000 }; 
    // Unity matrix 
    bit(32)[6]  pre_defined = 0; 
    unsigned int(32) next_track_ID; 
} 

2. tkhd伪代码

  aligned(8) class TrackHeaderBox extends FullBox(‘tkhd’, version, flags)
{
    if (version==1) 
    { 
      unsigned int(64) creation_time; 
      unsigned int(64) modification_time; 
      unsigned int(32) track_ID; 
      const unsigned int(32)  reserved = 0; 
      unsigned int(64) duration; 
    } 
    else 
    {   // version==0 
        unsigned int(32) creation_time; 
        unsigned int(32) modification_time; 
        unsigned int(32) track_ID; 
        const unsigned int(32)  reserved = 0; 
        unsigned int(32) duration; 
    } 
    const unsigned int(32)[2]  reserved = 0; 
    template int(16) layer = 0; 
    template int(16) alternate_group = 0; 
    template int(16)  volume = {if track_is_audio 0x0100 else 0}; 
    const unsigned int(16)  reserved = 0; 
    template int(32)[9]  matrix= { 0x00010000,0,0,0,0x00010000,0,0,0,0x40000000 }; 
    // unity matrix 
    unsigned int(32) width; 
    unsigned int(32) height; 
}

三、Sample Table Box 拓展

“stbl”几乎是普通的MP4文件中最复杂的一个box了，首先需要回忆一下sample的概念。sample是媒体数据存储的单位，存储在media的chunk中，chunk和sample的长度均可互不相同，如下图所示。

1、Sample Description Box（stsd）包含视频的编码类型、宽高、长度，音频的声道、采样等信息
box header和version字段后会有一个entry count字段，根据entry的个数，每个entry会有type信息，如“vide”、“sund”等，根据type不同sample description会提供不同的信息，例如对于video track，会有“VisualSampleEntry”类型信息，对于audio track会有“AudioSampleEntry”类型信息。

2、Time To Sample Box（stts）存储了sample的duration，描述了sample时序的映射方法，我们通过它可以找到任何时间的sample
“stts”可以包含一个压缩的表来映射时间和sample序号，用其他的表来提供每个sample的长度和指针。表中每个条目提供了在同一个时间偏移量里面连续的sample序号，以及samples的偏移量。递增这些偏移量，就可以建立一个完整的time to sample表。

MP4媒体格式1
MP4媒体格式2
Sample Table Box详解