AVI文件规范

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。

Note: 本文内容节选自 AVI文件格式----摘自《DirectShow实务精选》作者：陆其明，并作了整理。

本文来自CSDN博客，转载请标明出处：http://blog.csdn.net/sunshine1314/archive/2007/10/14/1824432.aspx