AVI文件规范

PeterLee 2007-10-14

一、AVI文件简介

AVI的英文全称为Audio Video Interleaved，即音频视频交错格式，是将语音和影像同步组合在一起的文件格式。AVI于1992年被Microsoft公司推出，随Windows3.1一起被人们所认识和熟知。AVI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。

Note: 本文介绍的是基本的AVI文件格式规范，至于newAVI等一些AVI扩展格式，请关注笔者后续文章。

二、RIFF文件规范

AVI文件属于一种RIFF（Resource Interchange File Format的缩写）文件格式，与此同类的还有常见的WAV文件。RIFF是Microsoft提出的一种多媒体文件的存储方式，不同编码的音频、视频文件，可以按照它定义的存储规则保存、记录各自不同的数据。如果读者不熟悉RIFF文件规范，阅读下面章节前，建议先阅读《RIFF文件规范》这篇文章：http://blog.csdn.net/sunshine1314/archive/2007/10/10/1817991.aspx

三、AVI文件结构实例分析

1、AVI文件结构示例

       图1所示为windows系统目录下的clock.avi的文件结构图，其结构是用RIFFspot程序解析得到的，关于RIFFspot程序，感兴趣的读者可以到下面的网址中下载：http://blog.csdn.net/sunshine1314/archive/2007/09/22/1795739.aspx

图1 clock.avi文件结构

2、AVI文件全局结构说明

       如图1所示，整个AVI文件的结构为：一个RIFF头 + 两个列表（一个用于描述媒体流格式、一个用于保存媒体流数据） + 一个可选的索引块 + 一个JUNK块。

首先，RIFF (‘AVI ’…)表征了AVI文件类型。然后就是AVI文件必需的第一个列表——‘hdrl’列表，用于描述AVI文件中各个流的格式信息（AVI文件中的每一路媒体数据都称为一个流）。‘hdrl’列表嵌套了一系列块和子列表——首先是一个‘avih’块，用于记录AVI文件的全局信息。然后，就是一个或多个‘strl’子列表。文件中有多少个流，这里就对应有多少个‘strl’子列表，示例clock.avi文件有两路流，既音频流和视频流。

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）。

最后，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）。

图1中还有一种特殊的数据块，用一个四字符码‘JUNK’来表征，它用于内部数据的队齐（填充），应用程序应该忽略这些数据块的实际意义。

3、’avih’块

‘avih’块，用于记录AVI文件的全局信息，比如流的数量、视频图像的宽和高等，可以使用一个AVIMAINHEADER数据结构来操作： 

typedef struct _avimainheader {
    FOURCC fcc;   // 必须为‘avih’
    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）
    DWORD  dwMicroSecPerFrame;   // 视频帧间隔时间（以毫秒为单位）
    DWORD  dwMaxBytesPerSec;     // 这个AVI文件的最大数据率
    DWORD  dwPaddingGranularity; // 数据填充的粒度
    DWORD  dwFlags;         // AVI文件的全局标记，比如是否含有索引块等
    DWORD  dwTotalFrames;   // 总帧数
    DWORD  dwInitialFrames; // 为交互格式指定初始帧数（非交互格式应该指定为0）
    DWORD  dwStreams;       // 本文件包含的流的个数
    DWORD  dwSuggestedBufferSize; // 建议读取本文件的缓存大小（应能容纳最大的块）
    DWORD  dwWidth;         // 视频图像的宽（以像素为单位）
    DWORD  dwHeight;        // 视频图像的高（以像素为单位）
    DWORD  dwReserved[4];   // 保留
} AVIMAINHEADER;

4、’strl’子列表

每个‘strl’子列表至少包含一个‘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。首先是‘strh’块，用于说明这个流的头信息，可以使用一个AVISTREAMHEADER数据结构来操作： 

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;

然后是‘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。

5、‘movi’列表

‘movi’列表保存的是真正的媒体流数据，其数据组织方式有两种。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。

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？数据块使用了一个四字符码来表征它的类型，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：如果一个流的调色板中途可能改变，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。

6、AVI索引块

索引块使用一个四字符码‘idx1’来表征，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。

四、后记

       大家应该都听过“AVI文件不适合用于流媒体传输”这样的说法，通过本文对AVI文件结构的解析，相信大家对这种说法有更清晰的验证，因为AVI文件结构中置于文件尾部的索引块、头部信息中规定的文件长度等过多的选项都是不适合流媒体应用的。

1. /*  
2. * This source code is free software; you can redistribute it and/or  
3. * modify it under the terms of the GNU Lesser General Public  
4. * License as published by the Free Software Foundation; either  
5. * version 2 of the License, or (at your option) any later version.  
6. *  
7. * This library is distributed in the hope that it will be useful,  
8. * but WITHOUT ANY WARRANTY; without even the implied warranty of  
9. * MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the GNU  
10. * Lesser General Public License for more details.  
11. *         
12. * You should have received a copy of the GNU Lesser General Public  
13. * License along with this library; if not, write to the Free Software  
14. * Foundation, Inc., 59 Temple Place, Suite 330, Boston, MA  02111-1307  USA  
15. *  
16. * File Name: testac3dec.c                             
17. *  
18. * Reference:  
19. *  
20. * Author: Li Feng,  fli_linux@yahoo.com.cn                                                   
21. *  
22. * Description:  
23. *  
24. *     
25. *   
26. * History:  
27. * 02/23/2005  Li Feng    Created  
28. *    
29. *  
30. *CodeReview Log:  
31. *   
32. */   
33. #include <stdio.h>   
34. #include <string.h>   
35. #include "libac3dec.h"   
36.    
37. typedef signed char         INT8;   
38. typedef signed short        INT16;   
39. typedef signed int          INT32;   
40. typedef unsigned char       UINT8;   
41. typedef unsigned short      UINT16;   
42. typedef unsigned long        UINT32;   
43.    
44. #define PCM_FRAME_SIZE 2048*4   
45.    
46. #define WAVE_FORMAT_PCM 1   
47.    
48. #define SWAP32(val) (UINT32)((((UINT32)(val)) & 0x000000FF)<<24|  \   
49.     (((UINT32)(val)) & 0x0000FF00)<<8 |   \   
50.     (((UINT32)(val)) & 0x00FF0000)>>8 |   \   
51.     (((UINT32)(val)) & 0xFF000000)>>24)      
52.    
53.    
54. #pragma pack(push,1)   
55.    
56. typedef struct _riffchunk   
57. {   
58.     UINT32 fcc;   
59.     UINT32  cb;   
60. } RIFFCHUNK, *LPRIFFCHUNK;   
61.    
62. typedef struct _rifflist    
63. {   
64.     UINT32 fcc;   
65.     UINT32  cb;   
66.     UINT32 fccListType;   
67. } RIFFLIST , *LPRIFFLIST;   
68.    
69. #define RIFFROUND(cb) ((cb) + ((cb)&1))   
70.    
71. #define RIFFNEXT(pChunk) (LPRIFFCHUNK)((LPBYTE)(pChunk) \   
72.     + sizeof(RIFFCHUNK) \   
73. + RIFFROUND(((LPRIFFCHUNK)pChunk)->cb))   
74. typedef struct    
75. {   
76.     UINT32 fcc;   
77.     UINT32 cb;   
78.     UINT16  wFormatTag;    
79.     UINT16  nChannels;    
80.     UINT32 nSamplesPerSec;    
81.     UINT32 nAvgBytesPerSec;    
82.     UINT16  nBlockAlign;    
83.     UINT16  wBitsPerSample;    
84. }WAVEFORM;   
85.    
86. #pragma pack(pop)   
87.    
88. const UINT32 WAVE_HEAD_LEN=44;   
89. static UINT8 head[44];     
90.    
91. void SetWaveHead(UINT32 dwDataLen, UINT32 nSampleRate, UINT32 nChannel)   
92. {   
93.     RIFFCHUNK *pch;   
94.     RIFFLIST  *priff;   
95.     WAVEFORM *pwave;   
96.        
97.     memset(&head,0x00,WAVE_HEAD_LEN);   
98.     priff=(RIFFLIST*)head;   
99.     priff->fcc=0x46464952;//SWAP32('RIFF');   
100.     if(dwDataLen)   
101.         priff->cb=dwDataLen+WAVE_HEAD_LEN-sizeof(RIFFCHUNK);   
102.     priff->fccListType=0x45564157;//SWAP32('WAVE');   
103.     pwave=(WAVEFORM*)(priff+1);   
104.     pwave->fcc=0x20746d66;//SWAP32('fmt ');   
105.     pwave->cb=sizeof(WAVEFORM)-sizeof(RIFFCHUNK);   
106.     pwave->wFormatTag=WAVE_FORMAT_PCM;   
107.     pwave->nChannels=nChannel;   
108.     pwave->nSamplesPerSec=nSampleRate;   
109.     pwave->nAvgBytesPerSec=pwave->nSamplesPerSec*nChannel*2;   
110.     pwave->nBlockAlign=nChannel*2;   
111.     pwave->wBitsPerSample=16;   
112.     pch=(RIFFCHUNK*)(pwave+1);   
113.     pch->fcc=0x61746164;//SWAP32('data');   
114.     if(dwDataLen)   
115.     {   
116.         pch->cb = dwDataLen;   
117.     }   
118. }   
119.    
120. #define BUF_SIZE 1024   
121.    
122. int SearchSyncWord(FILE *fp)   
123. {   
124.     unsigned char syncWord[2];   
125.     int i=0;   
126.     if(fread(syncWord, 1, 2, fp)!=2)   
127.         return 0;   
128.     do    
129.     {   
130.         if(syncWord[0] == 0x0B && syncWord[1] == 0x77)   
131.         {   
132.             return 1;   
133.         }   
134.         i++;   
135.         syncWord[0] = syncWord[1];   
136.     }    
137.     while(fread(syncWord+1,1,1, fp));   
138.     return 1;   
139. }   
140.    
141. int main(int argc, char **argv)   
142. {   
143.     FILE *fpInput;   
144.     FILE *fpOutput;   
145.     signed short data[PCM_FRAME_SIZE];   
146.     unsigned char mpa_data[1792];   
147.     int nRead = 0;   
148.     UINT32 nDataLen;   
149.     UINT32 nFileLen = 0;   
150.     UINT32 nFrameSize;   
151.     UINT32 nFrameLen;   
152.     UINT32 nSampleRate;   
153.     UINT32 n = 0;   
154.        
155.     if(argc<3)   
156.         return 0;   
157.        
158.     fpInput = fopen(argv[1], "rb");   
159.     fpOutput= fopen(argv[2], "wb");   
160.     if(fpInput==NULL ||fpOutput==NULL)   
161.     {   
162.         printf("open file error\n");   
163.         goto err;   
164.     }   
165.        
166.     fwrite(head, 1, WAVE_HEAD_LEN, fpOutput);   
167.     if(fread(mpa_data, 1, 5, fpInput)!=5)   
168.     {   
169.         goto err;   
170.     }   
171.     if(AC3_GetAudioInfo(&nFrameSize, &nSampleRate, mpa_data)==0)   
172.     {   
173.         printf("AC3_GetAudioInfo Error1\n");   
174.         goto err;   
175.     }   
176.     printf("nFrameSize=%d, nSampleRate = %d \n",nFrameSize,nSampleRate );   
177.    
178.     while((fread(mpa_data+5, 1, nFrameSize-5, fpInput))==nFrameSize-5)   
179.     {   
180.         nFrameLen = AC3_SampleConvert(data, &nDataLen, mpa_data, nFrameSize);   
181.         if(nDataLen>0)   
182.         {   
183.             fwrite(data, 1, nDataLen, fpOutput);   
184.             nFileLen += nDataLen;   
185.         }   
186.         if(SearchSyncWord(fpInput)==0)   
187.             break;   
188.         memset(mpa_data, 0, 1792);   
189.         mpa_data[0] = 0x0B;   
190.         mpa_data[1] = 0x77;   
191.         if(fread(mpa_data+2, 1, 3, fpInput)!=3)   
192.         {   
193.             goto err;   
194.         }   
195.            
196.         if(AC3_GetAudioInfo(&nFrameSize, &nSampleRate, mpa_data)==0)   
197.         {   
198.             printf("AC3_GetAudioInfo Error\n");   
199.             break;   
200.         }   
201.         printf("nFrameSize=%d, nSampleRate = %d \n",nFrameSize,nSampleRate );   
202.            
203.         n++;   
204.         printf("decode %d frame\n", n);   
205.     }   
206.     printf("nSampleRate = %d\n", nSampleRate);   
207.     SetWaveHead(nFileLen, nSampleRate, 2);   
208.     fseek(fpOutput, 0, SEEK_SET);   
209.     fwrite(head, 1, WAVE_HEAD_LEN, fpOutput);   
210.        
211. err:   
212.     if(fpInput)   
213.     {   
214.         fclose(fpInput);   
215.     }   
216.     if(fpOutput)   
217.     {   
218.         fclose(fpOutput);   
219.     }   
220.     return 0;   
221. }   
222.    
223.    
224. </string.h></stdio.h>