解析MP4檔案中的sps和pps
一、MP4格式基本概念
MP4格式對應標準MPEG-4標準(ISO/IEC14496)
二、MP4封裝格式核心概念
1 MP4封裝格式對應標準為 ISO/IEC 14496-12（資訊科技 視聽物件編碼的第12部分: ISO 基本媒體檔案格式/Information technology Coding of audio-visual objects Part 12: ISO base media file format）
2 MP4封裝格式是基於QuickTime容器格式定義，媒體描述與媒體資料分開，目前被廣泛應用於封裝h.264視訊和ACC音訊，是高清視訊/HDV的代表。
3
一個MP4檔案首先會有且只有一個“ftyp”型別的box，作為MP4格式的標誌幷包含關於檔案的一些資訊；之後會有且只有一個“moov”型別的box（Movie Box），它是一種container box，子box包含了媒體的metadata資訊；MP4檔案的媒體資料包含在“mdat”型別的box（Midia
Data Box）中，該型別的box也是container box，可以有多個，也可以沒有（當媒體資料全部引用其他檔案時），媒體資料的結構由metadata進行描述。
4 MP4中box儲存方式為大端模式。一般，標準的box開頭會有四個位元組的box size。
5 幾個名詞
|
track |
表示一些sample的集合，對於媒體資料來說，track表示一個視訊或音訊序列。 |
|
hint track |
特殊的track，並不包含媒體資料，包含的是一些將其他資料track打包成流媒體的指示資訊。 |
|
sample |
對於非hint track來說，video sample即為一幀視訊，或一組連續視訊幀，audio sample即為一段連續的壓縮音訊，它們統稱sample。 對於hint track，sample定義一個或多個流媒體包的格式。 |
|
sample table |
指明sampe時序和物理佈局的表。 |
|
chunk |
一個track的幾個sample組成的單元。 |
三、MP4封裝格式結構圖
1 例項樣本
來源於Android MediaRecoder視訊錄製，平臺為華為T8300和TCL968，：
用EsEYE檢視如下：
2 box結構圖
接下來對h264編碼中有用的幾個進行闡述，其它不再描述。
3 ftyp（file type box）
如下圖所示，開始的四位元組00 00 00 00 18表示該box的size為24位元組（含頭），然後66 74 79 70是ftyp的BOX TYPE，其它是一些格式相容等相關資訊。
4 mdat
如下圖所示，BOX YPE為6D 64 61 74 ，緊接著的00 00 09 39表示sliece長度
5 avcC
如下圖所示，紅色為BOX TYPE
四、MP4檔案中h264的 SPS、PPS獲取
1 【參考依據】ISO/IEC 14496-15 （下載）
2 【綜述】在H264中，SPS和PPS存在於NALU header中，而在MP4檔案中，SPS和PPS存在於AVCDecoderConfigurationRecord， 首先要定位avcC.
3 【定義】
①引數集：一組很少改變的，為大量VCL NALU 提供解碼資訊的資料。
序列引數集SPS作用於一系列連續的編碼影象，而影象引數集PPS作用於編碼視訊序列中一個或多個獨立的影象。
如果解碼器沒能正確接收到這兩個引數集，那麼其他NALU 也是無法解碼的。因此它們一般在傳送其它 NALU 之前傳送，並且使用不同的通道或者更加可靠的傳輸協議（如TCP）進行傳輸，也可以重複傳輸。
②關於AVCDecoderConfigurationRecord結構定義為
4 【例項分析】 資料如上avcC圖所示，現在對資料進行詳細分析
所以，提取的SPS和PPS分別為67 42 00 1E A6 81 41 F9和68 CE 38 80
五、MP4檔案中的H264 data /NALU slice
1 【參考】H264官方文件（下載） + 畢書—新一代視訊壓縮編碼標準（下載）
2 【綜述】
① 在MP4格式檔案中，H264 slice並不是以00 00 00 01來作分割，而是儲存在mdat box中。
② H264基本碼流由一些列的NALU組成。原始的NALU單元組成：[start code] + [NALU header] + [NALU payload]
|
start code |
1位元組 |
00 00 01 或 00 00 00 01 |
需要新增的 |
|
NALU header |
1位元組 |
如下3 |
通過mdat定位 |
③ H264基本碼流結構分兩層：視訊編碼層VCL和網路適配層NAL，這樣使訊號處理和網路傳輸分離
|
VCL |
負責高效視訊內容表示 |
|
NAL |
以網路所要求的恰當方式對資料進行打包和傳送 |
3 【定義】 NALU header
+---------------+
|0|1|2|3|4|5|6|7|
+-+-+-+-+-+-+-+-+
|F|NRI| Type |
+---------------+
特別的，當值為7和8分別為SPS和PPS。
畢書（下載）（P191）上的定義為：
4 【例項分析】資料分析，資料如上圖mdat所示
|
6D 64 61 74 |
mdat BOX TYPE |
|
00 00 09 39 |
silce長度，2361 |
接下來的65就是NALU header，可以由65&0x1F來求的後五個bit，從而得知此slice為I frame
注意，mdat與silce之間有可能存在若干佔位符，我在TCL手機測試時就出現了連續的00的佔位符，這樣後面用H264硬編碼時會比較麻煩一點。
Ref/Related
1 相關資料和工具在文中連結下載