前言：前幾天工作任務，要把JPEG流封裝為AVI視頻，就找了些AVI文件結構資料和示例代碼研究了下，現將學習總結及最終完成的可用代碼分享出來，由於本人也是現學現用，如有不恰當或錯誤之處，歡迎提出！

1 AVI文件結構

AVI採用RIFF文件結構方式，RIFF是微軟定義的一種用於管理windows環境中多媒體數據的文件格式，波形音頻wave、MIDI和數字視頻AVI都採用這種格式存儲，構造RIFF文件的基本單元叫做數據塊（Chunk），每個數據塊包含3個部分：

（1）4位元組的數據塊標記（Chunk ID）

（2）4位元組的數據塊大小

（3）數據

整個RIFF文件可以看成一個ID為RIFF的數據塊，RIFF塊包含一系列子塊，其中有一種子塊的ID為LIST，稱為LIST塊，LIST塊中可以再包含一系列子塊，但除了LIST塊的其他所有子塊都不能再包含子塊。

RIFF和LIST塊分別比普通的數據塊多一個被稱為形式類型（Form Type）和列表類型（List Type）的數據域，其組成如下：

（1）4位元組的數據塊標記（Chunk ID）

（2）4位元組的數據塊大小

（3）4位元組的形式類型（對於RIFF塊）或列表類型（對於LIST塊）

（4）數據

AVI文件是最複雜的RIFF文件，它能夠同時存儲音頻和視頻數據（註：本文檔不涉及音頻相關內容，只針對視頻數據進行介紹），AVI文件RIFF塊的形式類型是AVI ，它包含以下3個子塊：

（1）信息塊，ID為hdrl的LIST塊，用於定義AVI文件的數據格式

（2）數據塊，ID為movi的LIST塊，用於存儲音視頻數據

（3）索引塊，ID為idxl的數據塊，用於定義音視頻數據的索引，是可選塊

AVI文件結構如圖1所示

圖1 AVI文件結構

1.1 信息塊

信息塊包含兩個子塊：一個ID為avih的子塊和一個ID為strl的LIST塊。

1.1.1 avih塊

圖2 avih塊結構

avih塊可用如圖2所示的struct avi_avih_chunk結構體定義，圖中已對結構體各變數的含義進行了解釋，以下是對其中幾個變數的補充說明：

（1）max_bytes_per_sec

max_bytes_per_sec用於控制視頻的最大碼率，即每秒傳輸的最大數據量。但實際上，給這個變數賦值並不能影響視頻的碼率，原因如下：設JPEG流圖像總幀數為nframes，視頻幀率為fps，各幀圖像平均大小為len，則封裝的AVI視頻時長、文件大小和視頻碼率分別為

time = nframes / fps

video_size = nframes * len（實際大小還要加上文件頭和文件尾的數據）

rate = video_size / time = fps * len

由此可見，在固定的幀率fps下，視頻碼率完全取決於JPEG各幀圖像的大小，和max_bytes_per_sec的值沒有關係，所以這個變數設為0即可。

（2）flags

flags表示AVI文件的全局屬性，如是否含有索引塊、是否即有音頻數據又有視頻數據等，不進行任何標記時flags值為0，若含有索引塊，則flags值為0x00000010。

（3）init_frames

AVI文件若同時存儲了音頻和視頻數據，則音頻數據和視頻數據是交叉存儲的，init_frames僅在這種情況下使用，對於只有視頻流的情況，該變數的值為0。

（4）width、height

這裡的width和height不是JPEG圖像的寬和高，而是用播放器打開AVI文件時視頻主窗口的寬和高，舉個例子，JPEG圖像大小為1920*1080，width和height分別設為960和540，用QQ影音打開AVI文件，則QQ影音會以960*540的窗口大小進行播放。

1.1.2 strl塊

strl塊由圖3所示的結構體定義，它包含strh和strf兩個子塊。

圖3 strl塊結構

1、strh塊結構

圖4 strh塊結構

圖4所示為strh塊結構定義，下面是對結構體內一些變數含義的補充說明：

（1）codec

codec是一個長度為4的字元數組，用於指定數據流的編碼格式，也就是播放器播放這個流時需要的解碼器，對於JPEG編碼的視頻流，codec數組內容就是"J", "P", "E", "G"，而不能隨意指定，否則播放器播放時會無法解碼。

（2）scale、rate

對於視頻流，rate除以scale等於視頻幀率，因此這兩個變數可賦值為scale = 1、rate = fps。

2、strf塊結構

strf塊結構根據strh塊中stream_type是視頻流還是音頻流而有所不同，對於視頻流，strf塊結構如圖5所示，其中bitcount表示每個圖像像素占的位數，其值根據視頻流的實際情況而定，但只能是1、4、8、16、24和32之一，常用的有1（黑白二值化圖像）、8（256階灰度圖）和24（RGB圖像）。

圖5 針對視頻流的strf塊結構

1.2 數據塊

由圖1可知，數據塊是一個ID為movi的LIST列表，也稱為movi塊，在僅有視頻流時，該部分存儲的就是一幀一幀的圖像數據，圖6展示了視頻流movi塊的詳細結構。

圖6 僅有視頻流的movi塊結構

可以看到，movi塊首先是一個固定結構的LIST列表頭，包括塊ID、塊大小和塊類型，其中塊ID固定為LIST，塊類型固定為movi，塊大小為movi塊去掉開頭8位元組後的大小。

然後是movi塊數據，也就是各幀視頻圖像對應的數據塊，每一幀圖像的數據塊都包含三部分：

（1）4位元組ID：可以為00dc或00db，00dc表示壓縮的視頻數據，00db表示未壓縮的視頻數據，根據視頻流的實際情況來選擇賦值。

（2）4位元組frame length：圖像數據長度（單位：位元組），該長度必須是4的整數倍，如果不是，則需要將其修正到4的整數倍，比如frame length原始數據為99，則需將其加到100。

（3）frame data：真正的圖像數據。

1.3 索引塊

索引塊是AVI文件結構的可選部分，它是一個ID等於idxl的數據塊，索引塊提供了movi塊中存儲各幀圖像的數據塊在AVI文件中的位置索引，作用是提高AVI文件的讀寫速度，提高視頻播放時的體驗效果。

圖7 索引塊結構

如圖7所示為索引塊結構，包括塊ID、塊大小和塊數據三部分，其中塊ID固定為idxl，塊大小等於索引塊數據的大小。

索引塊數據是movi塊中存儲各幀圖像數據塊的索引，每一幀圖像的索引都是一個16位元組的數據結構，具體如下：

（1）4位元組ChunkID：即movi塊各幀圖像數據塊的ID，00dc或00db

（2）4位元組ChunkFlag：表示該幀圖像是否是關鍵幀，0x10代表關鍵幀，0x00代表非關鍵幀

（3）4位元組ChunkOffset：圖像數據塊相對於「movi」標示符（圖6紅色箭頭所指處）的偏移量，由圖6可得，各幀圖像索引ChunkOffset的值為：

第一幀圖像索引àChunkOffset1 = 4;

第二幀圖像索引àChunkOffset2 = ChunkOffset1+8+第一幀圖像數據長度

第三幀圖像索引àChunkOffset3 = ChunkOffset2+8+第二幀圖像數據長度

…… （後面各幀圖像索引以此類推，其中各幀圖像數據長度指的是修正到4的整數倍後的長度）

（4）4位元組ChunkLength：修正到4的整數倍後的各幀圖像數據長度

2 JPEG流封裝AVI步驟

JPEG流封裝AVI視頻的本質是按照AVI結構進行文件讀寫，操作流程大體上可分為三個步驟：

步驟1：創建空白AVI文件，設置文件偏移量到數據塊movi標示符後面

（1）創建AVI文件，以二進位寫方式打開

（2）計算文件偏移量offset，等於RIFF文件頭12位元組 + hdrl塊大小 + movi LIST頭12位元組

（3）設置AVI文件偏移量為offset

步驟2：從offset偏移量處開始，向AVI文件中逐幀寫入JPEG數據

（1）將當前JPEG圖像數據長度加到4的整數倍，用length表示

（2）JPEG圖像是壓縮過的圖像數據，故寫入"0", "0", "d", "c"

（3）寫入當前JPEG圖像數據長度length

（4）寫入當前JPEG圖像數據，寫入長度為length

（5）循環上述過程，完成逐幀圖像數據的寫入

步驟3：JPEG數據寫完後，先繼續向後寫索引塊，再定位到文件頭回填各塊數據

（1）寫索引塊

- 先寫塊ID "i", "d", "x", "l"

- 再寫塊大小 16 * nframes

- 最後寫各幀圖像的索引

（2）從文件頭開始，回填各塊數據

- 設置文件偏移量為0

- 按照AVI文件結構，寫入步驟1跳過的各塊數據

需要注意的是，步驟3寫索引塊時需要各幀圖像的數據長度和總幀數，回填各塊數據時也需要總幀數和所有幀的總大小，因此步驟2寫入JPEG數據時需要保存它們的值。

3 代碼分享

我完成的代碼，是以若干張JPEG圖片作為JPEG流，先將圖片數據讀入內存，再寫入AVI文件，共包含五個文件：

1、list.h和list.c，雙向循環鏈表，作用是保存各幀圖像大小，用於寫索引塊

2、Jpeg2AVI.h和Jpeg2AVI.c，用於將JPEG流封裝為AVI視頻

3、main.c，測試程序

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！