AVI（Audio Video Interleaved的缩写）是一种RIFF（Resource Interchange File Format的缩写）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。

先来介绍RIFF文件格式。RIFF文件使用四字符码FOURCC（four-character code）来表征数据类型，比如‘RIFF’、‘AVI ’、‘LIST’等。注意，Windows操作系统使用的字节顺序是little-endian，因此一个四字符码‘abcd’实际的DWORD值应为0x64636261。另外，四字符码中像‘AVI ’一样含有空格也是合法的。

RIFF文件首先含有一个如图3.31的文件头结构。

 

图3.31 RIFF文件结构

 

最开始的4个字节是一个四字符码‘RIFF’，表示这是一个RIFF文件；紧跟着后面用4个字节表示此RIFF文件的大小；然后又是一个四字符码说明文件的具体类型（比如AVI、WAVE等）；最后就是实际的数据。注意文件大小值的计算方法为：实际数据长度 + 4（文件类型域的大小）；也就是说，文件大小的值不包括‘RIFF’域和“文件大小”域本身的大小。

RIFF文件的实际数据中，通常还使用了列表（List）和块（Chunk）的形式来组织。列表可以嵌套子列表和块。其中，列表的结构为：‘LIST’ listSize listType listData ——‘LIST’是一个四字符码，表示这是一个列表；listSize占用4字节，记录了整个列表的大小；listType也是一个四字符码，表示本列表的具体类型；listData就是实际的列表数据。注意listSize值的计算方法为：实际的列表数据长度 + 4（listType域的大小）；也就是说listSize值不包括‘LIST’域和listSize域本身的大小。再来看块的结构：ckID ckSize ckData ——ckID是一个表示块类型的四字符码；ckSize占用4字节，记录了整个块的大小；ckData为实际的块数据。注意ckSize值指的是实际的块数据长度，而不包括ckID域和ckSize域本身的大小。（注意：在下面的内容中，将以LIST ( listType ( listData ) )的形式来表示一个列表，以ckID ( ckData )的形式来表示一个块，如[ optional element ]中括号中的元素表示为可选项。）

接下来介绍AVI文件格式。AVI文件类型用一个四字符码‘AVI ’来表示。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。AVI文件的展开结构大致如下：

 

RIFF (‘AVI ’

      LIST (‘hdrl’             ‘avih’(主AVI信息头数据)             LIST (‘strl’                   ‘strh’ (流的头信息数据)                   ‘strf’ (流的格式信息数据)                   [‘strd’ (可选的额外的头信息数据) ]                   [‘strn’ (可选的流的名字) ]                   ...                  )              ...            )       LIST (‘movi’             { SubChunk | LIST (‘rec ’                               SubChunk1                               SubChunk2                               ...                              )                ...             }             ...            )       [‘idx1’ (可选的AVI索引块数据) ]      )

 

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，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;

 

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。）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。

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）。那么，怎么来组织这些数据呢？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。（注意：在读取AVI文件内容时，建议将一个‘rec ’列表中的所有数据块一次性读出。）但是，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？于是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：如果一个流的调色办中途可能改变，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。

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）。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。

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。

文件解析实例：

   

52 49 46 46 -> FORCC码'RIFF'的ASCII值，说明是一个RIFF文件。RIFF( resource interchange file format ) 。

84 CF 4A 00 -> 表示文件大小的4个字节，由于windows是小头的，所以文件大小为0x004ACF84，即4902788字节，由于该size不包含开头的8字节，所以文件总大小为4902796字节 41 56 49 20 -> FOURCC码'AVI '的ASCII码，文件类型，说明是一个avi文件。AVI（AudioVideoInterleaved）。         4C 49 53 54 -> FOURCC码'LIST'的ASCII码，说明是一个list         7C 02 00 00 -> 表示list大小的4个字节。该list size为0x0000027C，即636字节，整个list的大小为：636 + 8 = 644 字节         68 64 72 6C -> FOURCC码'hdrl'的ASCII码，list类型，说明这是一个头信息列表（header list）。                 61 76 69 68 -> FOURCC码'avih'的ASCII码，表示该chunk的ID(ckID)，说明这是一个主avi头（main avi header）。是结构体AVIMAINHEADER中的fcc成员                 38 00 00 00 -> 表示chunk大小的4个字节。该chunk的size为0x00000038，即56字节，整个chunk的大小为：56 + 8 = 64 字节。是结构体AVIMAINHEADER中的cb成员                 56 82 00 00 -> 是结构体AVIMAINHEADER中的dwMicroSecPerFrame成员，表示帧之间的微秒数。为0x00008256，即33366微秒。                  EF AF 0A 00 -> 是结构体AVIMAINHEADER中的dwMaxBytesPerSec成员，表示文件的近似最大速率。为0x000AAFEF，即700399字节/秒。                 01 00 00 00 -> 是结构体AVIMAINHEADER中的dwPaddingGranularity成员，表示以多少字节对齐。为0x000001，即1字节，说明文件以1字节对齐。                 10 08 00 00 -> 是结构体AVIMAINHEADER中的dwFlags成员。为0x00000810，HasIndex(+)；MustUseIndex；IsInterleaved；WasCaptureFile；Copyrighted；TrustCKType(+)                 DD 00 00 00 -> 是结构体AVIMAINHEADER中的dwTotalFrames成员。表示文件中总共有多少帧。为：0x000000DD，即221帧。dwTotalFrames * dwMicroSecPerFrame = 文件总时长。221 * 33366 = 7373886 微秒。即文件总时长为7.373886秒。                 00 00 00 00 -> 是结构体AVIMAINHEADER中的dwInitialFrames成员。表示交错帧中的初始帧，非交错文件，该值为0。从dwFlags可知，该文件为非交错文件，所以该值为0。                  01 00 00 00 -> 是结构体AVIMAINHEADER中的dwStreams成员，表示文件中所包含的流的数量。该文件中只包含一中流，所以该值为1。                  A8 62 00 00 -> 是结构体AVIMAINHEADER中的dwSuggestedBufferSize成员，表示读该文件时，建议的缓存大小。为0x000062A8，即25256字节。查看数据chunk可知，最大的数据chunk的size就是25256。                 60 01 00 00 -> 是结构体AVIMAINHEADER中的dwWidth成员，表示AVI文件的宽，以像素为单位。为0x00000160，即352像素。                 F0 00 00 00 -> 是结构体AVIMAINHEADER中的dwHeight成员，表示AVI文件的高，以像素为单位。为0x000000F0，即240像素。                 00 00 00 00 -> 是结构体AVIMAINHEADER中的dwReserved[0]成员，保留。                 00 00 00 00 -> 是结构体AVIMAINHEADER中的dwReserved[1]成员，保留。                 00 00 00 00 -> 是结构体AVIMAINHEADER中的dwReserved[2]成员，保留。                 00 00 00 00 -> 是结构体AVIMAINHEADER中的dwReserved[3]成员，保留。                 4C 49 53 54 -> FOURCC码'LIST'的ASCII码，说明是一个list                 24 01 00 00 -> 表示list大小的4个字节。该list size为0x00000124，即292字节，整个list的大小为：292 + 8 = 300 字节                 73 74 72 6C -> FOURCC码'strl'的ASCII码，list类型，说明这是一个流信息的list。                         73 74 72 68 -> FOURCC码'strh'的ASCII码，说明这是一个流的头信息chunk，其内容是一个AVISTREAMHEADER结构体。该值是AVISTREAMHEADER结构体的fcc成员。                         38 00 00 00 -> 表示chunk大小的4个字节。该chunk的size为0x00000038，即56字节，整个chunk的大小为：56 + 8 = 64 字节。是结构体AVISTREAMHEADER的cb成员。                         76 69 64 73 -> FOURCC码'vids'的ASCII码，说明这是一个视频流。是结构体AVISTREAMHEADER的fccType成员。                         63 76 69 64 -> FOURCC码'cvid'的ASCII码，标识解码该流时使用的编解码器。是结构体AVISTREAMHEADER的fccHandler成员。                         00 00 00 00 -> 是结构体AVISTREAMHEADER的dwFlags成员。整个数据流的标志。Disabled；VideoPaletteChanges。                         00 00 00 00 -> 是结构体AVISTREAMHEADER的wPriority成员和wLanguage成员。                         00 00 00 00 -> 是结构体AVISTREAMHEADER的dwInitialFrames成员。表示交错帧中的初始帧，非交错文件，该值为0。                         E9 03 00 00 -> 是结构体AVISTREAMHEADER的dwScale成员。为0x000003E9，即1001。与 dwRate 一起，决定该流所要使用的时间尺度。对于视频流来说，dwRate / dwScale = 帧率（fram rate ）。                         30 75 00 00 -> 是结构体AVISTREAMHEADER的dwRate成员。为0x00007530，即3000。该视频流的帧率为：3000 / 1001 = 29.97 (fps)                         00 00 00 00 -> 是结构体AVISTREAMHEADER的dwStart成员。这个流的开始时间。此处为0。即文件开始时，流即开始。                         DD 00 00 00 -> 是结构体AVISTREAMHEADER的dwLength成员。表示流的长度。为0x000000DD，即221。对于视频流，这其实就是总帧数，用dwLength除以帧率，即得到流的总时长。                         A8 62 00 00 -> 是结构体AVISTREAMHEADER的dwSuggestedBufferSize成员。表示读该流时，建议的缓存大小。为0x000062A8，即25256字节。查看数据chunk可知，该流最大的数据chunk的size就是25256。                         00 00 00 00 -> 是结构体AVISTREAMHEADER的dwQuality成员。表示该流的质量指标，此处为0。                          00 00 00 00 -> 是结构体AVISTREAMHEADER的dwSampleSize成员。表示一个数据样本的大小。如果样本大小可变，此值为0。视频流中，该值一般为0。此处为0。                         00 00 00 00 -> 是结构体AVISTREAMHEADER的rcFrame成员的left和top成员。rcFrame指定一个由主头文件中的wWidth 成员和dwHeight 成员文本流或视频流的目标矩形。此处，left和top都为0。                         00 00 00 00 -> 是结构体AVISTREAMHEADER的rcFrame成员的right和bottom成员。此处为0。                         73 74 72 66 -> FOURCC码'strf'的ASCII码，说明这是一个流的格式信息chunk。如果是视频流，其数据是一个BITMAPINFO结构体，对于音频流，其数据是一个WAVEFORMATEX结构体。                         28 00 00 00 -> 格式信息chunk的大小，不包括最初的8个字节。为0x00000028，即40字节。整个chunk的大小为：40 + 8 = 48 字节。                         28 00 00 00 -> 是结构体BITMAPINFO的成员BITMAPINFOHEADER的biSize成员，表示结构体BITMAPINFOHEADER的大小。为0x00000028，即40字节。这说明本chunk中，BITMAPINFO只包含一个成员，即BITMAPINFOHEADER结构体(因为biBitCount为24，所以结构体BITMAPINFO不包含颜色表)。                         60 01 00 00 -> 是结构体BITMAPINFOHEADER的biWidth成员，位图的宽，以像素为单位。为0x00000160，即352像素。                         F0 00 00 00 -> 是结构体BITMAPINFOHEADER的biHeight成员，位图的高，以像素为单位。为0x000000F0，即240像素。                         01 00 18 00 -> 是结构体BITMAPINFOHEADER的biPlanes成员和biBitCount成员。其中biPlanes表示目标设备平面层的个数，其值为1。biBitCount表示一个像素所占的位数，其值为0x0018，即一个像素占24位。                         63 76 69 64 -> 'cvid'的ASCII码，是结构体BITMAPINFOHEADER的biCompression成员，表示了压缩的类型。                         FC 7B 00 00 -> 是结构体BITMAPINFOHEADER的biSizeImage成员，表明image的大小。为0x00007BFC，即31740字节。                         00 00 00 00 -> 是结构体BITMAPINFOHEADER的biXPelsPerMeter成员，水平分辨率，此处为0。                          00 00 00 00 -> 是结构体BITMAPINFOHEADER的biYPelsPerMeter成员，垂直分辨率，此处为0。                         00 00 00 00 -> 是结构体BITMAPINFOHEADER的biClrUsed成员，此处为0。表明此处使用与对于biCompression指定的压缩模式的biBitCount值所对应的最大值。                         00 00 00 00 -> 是结构体BITMAPINFOHEADER的biClrImportant成员，此处为0。表明所有的颜色都是重要的。                         ------------------------------------------------------------------------------------------------                         是一个AVI 2.0的索引结构体。由于此次只使用old index，暂不对此进行研究。                         ------------------------------------------------------------------------------------------------                 --------------------------------------------------------------------------------------------------------                 一个AVI OpenDML 1.02 Header List，包含一个AVI ODML Header。暂不研究。                 --------------------------------------------------------------------------------------------------------         4C 49 53 54 -> FOURCC码'LIST'的ASCII码，说明是一个list         0C BF 4A 00 -> 表示list大小的4个字节。该list size为0x004ABF0C，即4898572字节，整个list的大小为：4898572 + 8 = 4898580 字节         6D 6F 76 69 -> FOURCC码'movi'的ASCII码，list类型，说明这是一个数据list。                 --------------------------------------------------------------------------------------------------------                 一个AVI Standard Index Chunk，暂不研究                 --------------------------------------------------------------------------------------------------------                 30 30 64 62 -> FOURCC码'00db'的ASCII码，说明这是第一个流（视频流）的数据，为未压缩帧。                 08 62 00 00 -> 表示chunk大小的4个字节。该chunk的size为0x00006208，即25096字节，整个chunk的大小为：25096 + 8 = 25104 字节。                 --------------------------------------------------------------------------------------------------------                 chunk 的数据。                 --------------------------------------------------------------------------------------------------------                 30 30 64 63 -> FOURCC码'00dc'的ASCII码，说明这是第一个流（视频流）的数据，为压缩帧。                 DA 5A 00 00 -> 表示chunk大小的4个字节。该chunk的size为0x00005ADA，即23258字节，整个chunk的大小为：23258 + 8 = 23266 字节。                 --------------------------------------------------------------------------------------------------------                 chunk 的数据。                 --------------------------------------------------------------------------------------------------------                 --------------------------------------------------------------------------------------------------------                 连续的chunk 的数据。                 --------------------------------------------------------------------------------------------------------         64 69 78 31 -> FOURCC码'idx1'的ASCII码，chunk 类型，说明这是一个old index chunk。         E0 0D 00 00 -> 表示chunk大小的4个字节。该chunk的size为0x00000DE0，即3552字节，整个chunk的大小为：3552 + 8 = 3560 字节。每条索引信息有4个DWORD类型构成，即占16个字节，所以该index chunk中包含的索引项的个数为：3552 / 16 = 222。由此可以推知，movi list中含有222个数据chunk。                 37 46 78 78 -> '7Fxx'的ASCII码，chunk ID，这应该是用户自定义的chunk的索引。                 00 00 00 00 -> 标志。'LIST'-chunk；KeyFrame；Midpart；Firstpart；Lastpart；NoTime                 9C 02 00 00 -> 偏移量。为0x0000029C，即668字节。                 00 00 00 00 -> 该数据chunk的大小。根据给chunk的偏移量，没有找到该chunk。该chunk的数据大小又为0，推断这是一处错误数据。                 30 30 64 62 -> '00db'的ASCII码，chunk ID，说明是第一个流的非压缩帧。                 10 00 00 00 -> 标志。'LIST'-chunk；KeyFrame(+)；Midpart；Firstpart；Lastpart；NoTime                 FC 08 00 00 -> 偏移量。为0x000008FC，即2300字节。该文件中用的是从文件开始处的偏移量。                 08 62 00 00 -> 该数据chunk的大小。为0x00006208，即25096字节。                 30 30 64 63 -> '00dc'的ASCII码，chunk ID，说明是第一个流的压缩帧。                 00 00 00 00 -> 标志。'LIST'-chunk；KeyFrame；Midpart；Firstpart；Lastpart；NoTime                 0C 6B 00 00 -> 偏移量。为0x00006B0C，即27404字节。该文件中用的是从文件开始处的偏移量。                 DA 5A 00 00 -> 该数据chunk的大小。为0x00005ADA，即23258字节。                 --------------------------------------------------------------------------------------------------------                 下面依次是index成员，直到文件结束。                 --------------------------------------------------------------------------------------------------------

 

转载出处：http://blog.csdn.net/hellofeiya/article/details/9241031