3GP文件格式分析

1. 概述

现在很多智能手机都支持多媒体功能，特别是音频和视频播放功能，而3GP文件格式是手机端普遍支持的视频文件格式。

目前很多手机都支持h263视频编码格式的视频文件播放，还有些手机支持h264。音频文件格式普遍支持amr，有些手机还支持AAC音频格式。

鉴于凤凰卫视节目主要以新闻类为主，音频压缩采用AMR标准，视频压缩采用H263和H264标准。

编号	文件名	文件长度	时长
1	news_h263.3gp	1.38MB	01:21.90
2	zbc1217_h263.3gp	1.92MB	02:37.98
3	zbc1217_h264.3gp	2.44MB	02:37.98

2. 3GP文件结构分析示例

AtomicParsley是一个开源的多媒体文件结构分析器。

下面是用该程序分析的两个3GP文件结构：

news_h263.3gp

Atom ftyp @ 0 of size: 28, ends @ 28

Atom mdat @ 28 of size: 65, ends @ 93

Atom mdat @ 93 of size: 130856, ends @ 130949

Atom mdat @ 130949 of size: 1312119, ends @ 1443068

Atom moov @ 1443068 of size: 7136, ends @ 1450204

Atom mvhd @ 1443076 of size: 108, ends @ 1443184

Atom trak @ 1443184 of size: 1546, ends @ 1444730

Atom tkhd @ 1443192 of size: 92, ends @ 1443284

Atom udta @ 1443284 of size: 48, ends @ 1443332

Atom uuid=484d496e-6354-7261-636b-496e666f2020 @ 1443292 of size: 40, ends @ 1443332

Atom mdia @ 1443332 of size: 1398, ends @ 1444730

Atom mdhd @ 1443340 of size: 32, ends @ 1443372

Atom hdlr @ 1443372 of size: 37, ends @ 1443409

Atom minf @ 1443409 of size: 1321, ends @ 1444730

Atom smhd @ 1443417 of size: 16, ends @ 1443433

Atom dinf @ 1443433 of size: 36, ends @ 1443469

Atom dref @ 1443441 of size: 28, ends @ 1443469

Atom stbl @ 1443469 of size: 1261, ends @ 1444730

Atom stts @ 1443477 of size: 24, ends @ 1443501

Atom stsd @ 1443501 of size: 69, ends @ 1443570

Atom samr @ 1443517 of size: 53, ends @ 1443570

Atom damr @ 1443553 of size: 17, ends @ 1443570

Atom stsz @ 1443570 of size: 1112, ends @ 1444682

Atom stsc @ 1444682 of size: 28, ends @ 1444710

Atom stco @ 1444710 of size: 20, ends @ 1444730

Atom trak @ 1444730 of size: 5474, ends @ 1450204

Atom tkhd @ 1444738 of size: 92, ends @ 1444830

Atom tref @ 1444830 of size: 20, ends @ 1444850

Atom sync @ 1444838 of size: 12, ends @ 1444850

Atom udta @ 1444850 of size: 48, ends @ 1444898

Atom uuid=484d496e-6354-7261-636b-496e666f2020 @ 1444858 of size: 40, ends @ 1444898

Atom mdia @ 1444898 of size: 5306, ends @ 1450204

Atom mdhd @ 1444906 of size: 32, ends @ 1444938

Atom hdlr @ 1444938 of size: 37, ends @ 1444975

Atom minf @ 1444975 of size: 5229, ends @ 1450204

Atom vmhd @ 1444983 of size: 20, ends @ 1445003

Atom dinf @ 1445003 of size: 36, ends @ 1445039

Atom dref @ 1445011 of size: 28, ends @ 1445039

Atom stbl @ 1445039 of size: 5165, ends @ 1450204

Atom stts @ 1445047 of size: 24, ends @ 1445071

Atom stsd @ 1445071 of size: 117, ends @ 1445188

Atom s263 @ 1445087 of size: 101, ends @ 1445188

Atom d263 @ 1445173 of size: 15, ends @ 1445188

Atom stsz @ 1445188 of size: 4920, ends @ 1450108

Atom stss @ 1450108 of size: 48, ends @ 1450156

Atom stsc @ 1450156 of size: 28, ends @ 1450184

Atom stco @ 1450184 of size: 20, ends @ 1450204

------------------------------------------------------

Total size: 1450204 bytes; 46 atoms total. AtomicParsley version: 0.9.0 (utf16)

Media data: 1442975 bytes; 7229 bytes all other atoms (0.498% atom overhead).

Total free atom space: 0 bytes; 0.000% waste.

------------------------------------------------------

Movie duration: 81.900 seconds (01:21.90) - 140.95* kbp/sec bitrate (*=approximate)

Low-level details. Total tracks: 2

Trk Type Handler Kind Lang Bytes

1 soun soun samr eng 130848 Encoder: NXTR

12.78* kbp/s 81.900 sec AMR Narrow-Band.Modes: 0, 1, 2, 3, 4, 5, 6, 7, 8. Encoder vendor code: NXTR

2 vide vide s263 eng 1312111 Encoder: NXTR

128.41* kbp/s 81.748 sec H.263 Baseline Profile, Level 10. Encoder vendor code: NXTR

该3GP文件结构如下：

zbc1217_h263.3gp

Atom ftyp @ 0 of size: 24, ends @ 24

Atom mdat @ 24 of size: 1989236, ends @ 1989260

Atom moov @ 1989260 of size: 14951, ends @ 2004211

Atom mvhd @ 1989268 of size: 108, ends @ 1989376

Atom iods @ 1989376 of size: 33, ends @ 1989409

Atom udta @ 1989409 of size: 1069, ends @ 1990478

Atom rtng [eng] @ 1989417 of size: 29, ends @ 1989446

Atom uuid=f78caa0c-36be-4ce9-88d2-03c256dabeb2 @ 1989446 of size: 1032, ends @ 1990478

Atom trak @ 1990478 of size: 9978, ends @ 2000456

Atom tkhd @ 1990486 of size: 92, ends @ 1990578

Atom mdia @ 1990578 of size: 9842, ends @ 2000420

Atom mdhd @ 1990586 of size: 32, ends @ 1990618

Atom hdlr @ 1990618 of size: 33, ends @ 1990651

Atom minf @ 1990651 of size: 9769, ends @ 2000420

Atom vmhd @ 1990659 of size: 20, ends @ 1990679

Atom dinf @ 1990679 of size: 36, ends @ 1990715

Atom dref @ 1990687 of size: 28, ends @ 1990715

Atom stbl @ 1990715 of size: 9705, ends @ 2000420

Atom stsd @ 1990723 of size: 117, ends @ 1990840

Atom s263 @ 1990739 of size: 101, ends @ 1990840

Atom d263 @ 1990825 of size: 15, ends @ 1990840

Atom stts @ 1990840 of size: 32, ends @ 1990872

Atom stsc @ 1990872 of size: 1900, ends @ 1992772

Atom stsz @ 1992772 of size: 6300, ends @ 1999072

Atom stco @ 1999072 of size: 644, ends @ 1999716

Atom stss @ 1999716 of size: 704, ends @ 2000420

Atom udta @ 2000420 of size: 36, ends @ 2000456

Atom uuid=f78caa0c-36be-4ce9-87d2-03c256dabeb2 @ 2000428 of size: 28, ends @ 2000456

Atom trak @ 2000456 of size: 2934, ends @ 2003390

Atom tkhd @ 2000464 of size: 92, ends @ 2000556

Atom mdia @ 2000556 of size: 2798, ends @ 2003354

Atom mdhd @ 2000564 of size: 32, ends @ 2000596

Atom hdlr @ 2000596 of size: 33, ends @ 2000629

Atom minf @ 2000629 of size: 2725, ends @ 2003354

Atom smhd @ 2000637 of size: 16, ends @ 2000653

Atom dinf @ 2000653 of size: 36, ends @ 2000689

Atom dref @ 2000661 of size: 28, ends @ 2000689

Atom stbl @ 2000689 of size: 2665, ends @ 2003354

Atom stsd @ 2000697 of size: 69, ends @ 2000766

Atom samr @ 2000713 of size: 53, ends @ 2000766

Atom damr @ 2000749 of size: 17, ends @ 2000766

Atom stts @ 2000766 of size: 24, ends @ 2000790

Atom stsc @ 2000790 of size: 1900, ends @ 2002690

Atom stsz @ 2002690 of size: 20, ends @ 2002710

Atom stco @ 2002710 of size: 644, ends @ 2003354

Atom udta @ 2003354 of size: 36, ends @ 2003390

Atom uuid=f78caa0c-36be-4ce9-87d2-03c256dabeb2 @ 2003362 of size: 28, ends @ 2003390

Atom trak @ 2003390 of size: 420, ends @ 2003810

Atom tkhd @ 2003398 of size: 92, ends @ 2003490

Atom mdia @ 2003490 of size: 296, ends @ 2003786

Atom mdhd @ 2003498 of size: 32, ends @ 2003530

Atom hdlr @ 2003530 of size: 33, ends @ 2003563

Atom minf @ 2003563 of size: 223, ends @ 2003786

Atom nmhd @ 2003571 of size: 12, ends @ 2003583

Atom dinf @ 2003583 of size: 36, ends @ 2003619

Atom dref @ 2003591 of size: 28, ends @ 2003619

Atom stbl @ 2003619 of size: 167, ends @ 2003786

Atom stsd @ 2003627 of size: 67, ends @ 2003694

Atom mp4s @ 2003643 of size: 51, ends @ 2003694

Atom esds @ 2003659 of size: 35, ends @ 2003694

Atom stts @ 2003694 of size: 24, ends @ 2003718

Atom stsc @ 2003718 of size: 28, ends @ 2003746

Atom stsz @ 2003746 of size: 20, ends @ 2003766

Atom stco @ 2003766 of size: 20, ends @ 2003786

Atom tref @ 2003786 of size: 24, ends @ 2003810

Atom mpod @ 2003794 of size: 16, ends @ 2003810

Atom trak @ 2003810 of size: 401, ends @ 2004211

Atom tkhd @ 2003818 of size: 92, ends @ 2003910

Atom mdia @ 2003910 of size: 301, ends @ 2004211

Atom mdhd @ 2003918 of size: 32, ends @ 2003950

Atom hdlr @ 2003950 of size: 33, ends @ 2003983

Atom minf @ 2003983 of size: 228, ends @ 2004211

Atom nmhd @ 2003991 of size: 12, ends @ 2004003

Atom dinf @ 2004003 of size: 36, ends @ 2004039

Atom dref @ 2004011 of size: 28, ends @ 2004039

Atom stbl @ 2004039 of size: 172, ends @ 2004211

Atom stsd @ 2004047 of size: 72, ends @ 2004119

Atom mp4s @ 2004063 of size: 56, ends @ 2004119

Atom esds @ 2004079 of size: 40, ends @ 2004119

Atom stts @ 2004119 of size: 24, ends @ 2004143

Atom stsc @ 2004143 of size: 28, ends @ 2004171

Atom stsz @ 2004171 of size: 20, ends @ 2004191

Atom stco @ 2004191 of size: 20, ends @ 2004211

------------------------------------------------------

Total size: 2004211 bytes; 82 atoms total. AtomicParsley version: 0.9.0 (utf16)

Media data: 1989236 bytes; 14975 bytes all other atoms (0.747% atom overhead).

Total free atom space: 0 bytes; 0.000% waste.

------------------------------------------------------

Movie duration: 156.980 seconds (02:36.98) - 101.38* kbp/sec bitrate (*=approximate)

Low-level details. Total tracks: 4

Trk Type Handler Kind Lang Bytes

1 vide [none listed] s263 und 1738018 Encoder: ViVi

88.58* kbp/s 156.960 sec H.263 Baseline Profile, Level 20. Encoder vendor code: ViVi

2 soun [none listed] samr und 251168 Encoder: ViVi

12.80* kbp/s 156.980 sec AMR Narrow-Band. Modes: 7. Encoder vendor code: ViVi

3 odsm [none listed] mp4s und 18

4 sdsm [none listed] mp4s und 24

该3GP文件结构如下：

其实3GP文件就是一个对象（box）容器，对象还允许包含子对象。

对象格式如下：

struct

{

UINT32size; //对象大小

chartype; //对象类型

void*data; //对象数据（属性），大小为(size-8)
};

《ISO base media file format》说明不同box对象的结构定义细节。

3. 3GP文件对象实例分析

l ftype

File Type（该对象仅有一个）

记录该文件使用的规范和版本等信息。

属性	大小	值	说明
size	4	0x0000001c = 28
ftyp	4	ftyp
major_brand	4	3gp4	主类型
minor_version	4		最小版本号
compatible_brands[]	string	3gp4 \| 3gp5 \| 3g2a	兼容类型

l mdat

Media Data

mdat 存放媒体数据（media data）。一般包括文字、音频和视频等。这些mdat的顺序不固定。

当前mdat对象包含的是纯文字。

	大小	值	其他说明
size	4	0x00000041 = 65
mdat	4
	string

这个box可以忽略。

l mdat

音频数据块

	大小	值	其他说明
size	4	0x0001FF28 = 130856
mdat	4
	32*N	3C打头	每个音频帧32字节

amr音频数据以32字节一帧，每帧20毫秒。所以根据amr数据包大小就能估算出语音的时间长度。

(130856– 8) / 32 = 4089 * 20 = 81780 ms = 817.80秒 = 01:21.90

这个时间与播放器上显示的时间基本相同。

注意：这里真实的视频数据起始位置为0x000005D。

在音频trak里面的stso对象里面的chunk_offset记录的就是这个值。

在RFC3267中有如下描述：

The sampling frequency used in AMR is 8000 Hz and the speech encoding is

performed on 20 ms speech frames. Therefore, each encoded AMR speech

frame represents 160 samples of the original speech.

AMR语音采样频率为8Khz，每帧对应20ms。

l mdat

视频数据块

	大小	值	其他说明
size	4	0x004946F1 = 4802289
mdat	4
	4		H263视频数据

实际视频数据大小：4802289 – 8 = 4802281

《H263协议中文版》第8页 5.1图象层中描述：

每帧图象的数据包含一个图象头，并紧跟着块组数据，最后是一个end-of-sequence码和填塞位。

图象开始码 (PSC) (22 bits)

PSC是一个22比特的字。它的值是0000 0000 0000 0000 1000 00- （00 00 80 00 …z）

时域参考 (TR) (8 bits) 00-00 000000-

类型信息 (PTYPE) (13 bits) 00-10 0000 1000 000-0

位6-8：010：表示图像为QCIF。

位9：图象编码类型，“0” INTRA (I-picture)，“1” INTER (P-picture)。关键帧标志位，0：关键帧，1：p帧。

l moov

Movie Box

该对象保留了3GP视频的metadata，即该3GP的全部描述信息。

这个对象一般在文件开始或者末尾。

下面详细分析moov的各个子对象。

l mvhd

Movie Head Box

	大小	值	其他说明
size	4	0x0000006C = 108
mvhd	4
version	1	0
flag	3	0
creation_time	4
modification_time	4
timescale	4	0x000003E8 = 1000	时间缩放因子
duration	4	0x00013FEC = 81900 = 81.9s	持续时间
rate	4	0x00010000 1.0（即全速播放）	播放比率
volume	2	0x0100 1.0 （音量）	音量
reserved			保留
reserved			保留
matrix			视频转换矩阵
pre_defined			预定义(全0)
next_track_ID	4	0x000000CA = 202	下一个track_id

trak(音频)

Track Box

l tkhd

Track Header Box

定义了该track的属性。

	大小	值	其他说明
size	4	0x0000005C = 92
tkhd	4
version	1	0
flag	3	1
creation_time	4
modification_time	4
track_id	4	0x00000065 = 101
reserved	4	全0
duration	4	0x00013FEC = 81900 = 81.9s	音频播放时间
reserved	8
layer	2
alternate_group	2
volume	2	0x0100	如果track是音频则为0x0100，视频则为0x0000。
reserved	2	0
matrix	4 * 9		视频转换矩阵
width	4	0	音频的w和h为0
height	4	0

注意：如果track是音频volume则为0x0100，视频volume则为0x0000。

l mdhd

Media Header Box

	大小	值	其他说明
size	4	32
mdhd	4
version	1
flag	3
creation_time	4
modification_time	4
timescale	4	0x00001F40 = 8000	时间缩放因子
duration	4	0x0009FF60 = 655200/8000=81.9	音频播放时长
pad	1bit
language	15bit	0x15c7 ISO-639-2/T language code
pre_defined	2

l hdlr

Handler Reference Box

	大小	值	其他说明
size	4	0x00000025 = 37
hdlr	4
version	1
flag	3
pre_defined	4	0
handler_type	4	soun	vide：Video track soun：Audio track
reserved	4 * 3	0
handler_type	string （4+1）	soun	以’/0’结束

l stbl

Sample Table Box

l stts

Decoding Time to Sample Box

	大小	值	其他说明
size	4	0x00000018 = 24
stts	4
version	1
flag	3
entry_count	4	1
sample_count	4	0x00000111 = 273
sample_delta	4	0x00000960 = 2400

说明：该amr音频数据里面有273个sample，每个sample的时间为2400，而音频的时间因子为8000（见5.2.3.1 mdhd的timescale），所以每个sample的时长 = 2400 / 8000s = 0.3s。

l stsd

Sample Description Box

	大小	值	其他说明
size	4	0x00000045 = 69
stsd	4
version	1
flag	3
entry_count	4	1
AudioSampleEntry

l samr

amr音频

size	4	0x35 = 53
samr	4
reserved	6	0
data_reference_index	2	0x0001
reserved	4 * 2	0
channelcount	2	0x0002 = 2	(1:单声道 2:双声道)
samplesize	2	0x0010 = 16
pre_defined	2	0
reserved	2	0
samplerate	4	0x1F400000 = (14F0)<<16 0x1F40 = 8000	时间因子左移16位。声音采样频率（hz）

size	4	0x11 = 17
damr	4
NXTR ...	9

l stsz

Sample Size Boxes

	大小	值	其他说明
size	4	0x00000458 = 1112
stsz	4
version	1
flag	3
sample_size	4	0
sample_count	4	0x00000111 = 273

entry_size	4	0x000001E0 = 480	每个sample大小
	4	0x000001E0 = 480
	4	0x000001E0 = 480
		...

说明：在（5.2.3.3.3.1 stts）中说明了有1001个sample，这里的sample_count=1001，每个sample数据块的大小为480，（480 / 32）*20 = 15*20 = 0.3s。

这里包含了每个sample的大小，都为480字节。

l stsc

Sample To Chunk Box

	大小	值	其他说明
size	4	0x0000001C = 28
stsc	4
version	1
flag	3
entry_count	4	1
first_chunk	4	1
samples_per_chunk	4	0X0111 = 273
sample_description_index	4	1

l stco

Chunk Offset Box

	大小	值	其他说明
size	4	0x00000014 = 20
stco	4
version	1
flag	3
entry_count	4	1
chunk_offset	4	0x65 = 101

trak(视频)

Track Box

l tkhd

Track Header Box

定义了该track的属性。

	大小	值	其他说明
size	4	0x0000005C = 92
tkhd	4
version	1	0
flag	3	1
creation_time	4
modification_time	4
track_id	4	0x000000C9 = 201
reserved	4	全0
duration	4	0x00013F54 = 81748 = 81.7s	视频播放时间
reserved	8
layer	2
alternate_group	2
volume	2	0x0000	如果track是音频则为0x0100，视频则为0x0000。
reserved	2	0
matrix	4 * 9		视频转换矩阵
width	4	0x01400000<<16 = 0x0140=320
height	4	0x00F00000<<16 = 0x00F0=240

l vmhd

Video Media Header Box

	大小	值	其他说明
size	4	0x00000014 = 20
wmhd	4
version	1
flag	3
graphicsmode	2	0
opcolor	2 * 3	{0,0,0}

l stts

Sync Sample Box

	大小	值	其他说明
size	4	0x00000018 = 24
stts	4
version	1
flag	3
entry_count	4	1
sample_count	4	0x000004C9 = 1225
sample_delta	4	0x00001776 = 6006

说明：该H263视频数据里面有1225个sample，每个sample的时间为6006，而视频的时间因子为90000（见5.3.3.1 mdhd的timescale），所以每个sample的时长 = 6006 / 90000s = 0.0667s。

1225*（6006 / 90000） = （1225*6006）/90000 = 81.7s

l stsd

Sample Description Box

	大小	值	其他说明
size	4	0x00000075 = 117
stsd	4	stsd
version	1	0
flag	3	0
entry_count	4	1
VideoSampleEntry

l S263

263视频

size	4	0x65 = 101
s263	4
reserved	6
data_reference_index	2	0x0001
pre_defined	2	0
reserved	2	0
pre_defined	4 * 3
width	2	0xb0 = 176	视频宽度
height	2	0x90 = 144	视频高度
horizresolution	4	0x00480000; // 72 dpi
vertresolution	4	0x00480000; // 72 dpi
reserved	4
frame_count	2	1
compressorname	32	string[32]	全0
depth	2	0x0018
pre_defined	2	-1
size	4	15
d263	4
NXTR ...	7

l stsz

Sample Size Boxes

	大小	值	其他说明
size	4	0x1338
stsz	4
version	1
flag	3
sample_size	4	0
sample_count	4	0x04C9 = 1225

entry_size	4	0x0000297 = 663
	4	0x068C = 1676
	4	0x028D = 653
		...

说明：总共1225个sample即有1225帧，sample_count后面紧跟的是每个视频帧的数据大小，可以看出每个帧的大小都不一样，这是因为视频帧的类型不同，有些帧是I帧，有些是P帧，有些是B帧。

MPEG图像编码包含3个成分：I帧，P帧和B帧。MPEG编码过程中，一些图像压缩成I帧，一些压缩成P帧，另一些压缩成B帧。I帧压缩可以得到6；1的压缩比而不产生任何可觉察的模糊现象。I帧压缩的同时使用P帧压缩，可以达到更高的压缩比而无可觉察的模糊现象。B帧压缩可以达到200：1的压缩比，其文件尺寸一般为I帧压缩尺寸的15%，不到P帧压缩尺寸的一半。I帧压缩去掉图像的空间冗余度，P帧和B帧去掉时间冗余度，下文将进一步解释。

I帧压缩采用基准帧模式，只提供帧内压缩，即把帧图像压缩到I帧时，仅仅考虑了帧内的图像。I帧压缩不能除去帧间冗余度。帧内压缩基于离散余弦变换（DCT），类似于JPEG和H.261图像中使用DCT的压缩标准。

P帧采用预测编码，利用相邻帧的一般统计信息进行预测。也就是说，它考虑运动特性，提供帧间编码。P帧预测当前帧与前面最近的I帧或P帧的差别。

B帧为双向帧间编码。它从前面和后面的I帧或P帧中提取数据。B帧基于当前帧与前一帧和后一帧图像之间的差别进行压缩。

MEPG数据流开始时对CCIR-601规定的SIF分辨率的未压缩数字图像进行抽样。SIF分辨率，对于NTSC制，就是亮度信号为352＊240各像素，每个色度信号都为176＊120个象素。各信号都是每秒30帧。MPEG压缩器决定了当前帧以I帧，P帧还是B帧。帧确定之后就采用DCT变换，对结果进行量化，舍入，行程编码即变长编码。编码后的典型图像帧序为：IBBPBBPBBPBBIBBPBBPBBPBBI…

B帧和P帧要求计算机有更强的功能。有些压缩器不能产生B帧或者连P帧也不能产生，则图像的压缩结果将有很明显的间断。

H263采用了与MPEG相似的技术。

l stco

Chunk Offset Box