1200字范文 > 【数据压缩】WAV文件和AVI文件格式分析

【数据压缩】WAV文件和AVI文件格式分析

时间：2019-12-29 00:18:02

一、WAV文件和AVI文件格式简介

WAV的英文全称是Waveform Audio File Format ，它采用 RIFF （Resource Interchange File Format）文件格式结构。通常用来保存 PCM 格式的原始音频数据，所以通常被称为无损音频。但是严格意义上来讲， WAV 也可以存储其它压缩格式的音频数据。

AVI的英文全称是Audio/Video Interleaved，被我们称为音频视频交错格式。它是一种音频视频交错在一起同步播放的文件格式，其中它对视频文件采用了一种有损压缩方式，尽管该文件在画面质量上不太好，但是应用范围也是比较广泛的。如主要应用在多媒体光盘上，用来保存电视、电影等各种影响信息。AVI是由Microsoft公司1992年11月推出的一种符合RIFF文件规范的数字音频与视频文件格式，经过发展后，也成为了常用的视频格式之一。

AVI与WAV文件都属于RIFF文件，因此都遵循RIFF文件的格式要求。

二、RIFF文件格式介绍

1、RIFF文件简介

RIFF的英文全称是Resource Interchange File Format（资源交互文件格式），是由Microsoft提出的一种多媒体文件存储方式，不同编码的视频、音频文件按照RIFF保存，当提取文件时，可以根据RIFF的规则解析文件。常见的RIFF文件有：

• 音频视频交错格式数据 .AVI

• 波形格式数据 .WAV

• 位图数据格式 .RDI

• MIDI格式数据 .RMI

• 调色板格式 .PAL

• 多媒体电影 .RMN

• 动画光标 .ANI

• 其他的RIFF文件 .BND

2、RIFF文件格式

RIFF格式是一种树状结构，主要由 FOURCC, CHUNK，LIST 组成。基本组成单元为LIST和CHUNK：LIST相当于目录，可以包含多个CHUNK或者多个LIST，包含关键字“LIST”。CHUNK是数据保存的基本单元，可用于保存音视频数据或者一些参数信息。RIFF文件结构最开始4个字节表示“RIFF”，接着4个字节表示该文件的大小，再下来的4个字节表示该文件的类型（AVI或者WAV等）。

2.1 CHUNK

CHUNK 是组成 RIFF 文件的基本单元，它的基本结构如下:

struct chunk {uint32_t id; // 块标识符uint32_t size;// 块大小uint8_t data[size]; // 块内容};id 由 4 个 ASCII 字符组成，用于识别块中包含的数据，如："RIFF", "LIST", "fmt", "data", "WAV", "AVI" ......，由于这种文件结构最初是由 Microsoft 和 IBM 为 PC 机所定义, RIFF 文件是按照小端字节顺序写入的。size 表示 data 域的数据长度。data 所包含的数据是以 word 为单位排列的，如果长度是奇数，则在最后添加一个空 (NULL) 字符。Note: 如果 id 为 "RIFF" 或 "LIST", 则 data 域则包含 SUB_CHUNK。

2.2 LIST

LIST 数据块结构如下：

struct list {uint32_t list_size; // List 大小uint32_t list_type; // List 类型uint8_t list_data[list_size]; // List 数据};Note: list_data 是该 LIST 的数据内容，由 CHUNK 和 SUB_LIST 组成，它们的个数和组成次序可以是不确定的。

2.3 FOURCC

一个 FOURCC (four character code) 是占用 4 个字节的数据，一般表示 4 个 ASCII 字符。在 “RIFF” 文件格式中，块的起始标识等信息都是使用 FOURCC 表示的，如 “fmt”, “data”, “wav“等。

三、WAV文件格式介绍

1、WAV文件简介

wav是微软开发的一种音频文件格式，注意，wav文件格式是无损音频文件格式，相对于其他音频格式文件数据是没有经过压缩的，通常文件也相对比较大些。

通常使用三个参数来表示声音，量化位数，取样频率和采样点振幅。量化位数分为8位，16位，24位三种，声道有单声道和立体声之分，单声道振幅数据为n1矩阵点，立体声为n2矩阵点，取样频率一般有11025Hz(11kHz) ，22050Hz(22kHz)和44100Hz(44kHz) 三种，不过尽管音质出色，但在压缩后的文件体积过大，相对其他音频格式而言是一个缺点，其文件大小的计算方式为：

WAV格式文件所占容量（B) = （取样频率 X量化位数X 声道） X 时间 / 8 (字节= 8bit)

而采样率一般是44.1K，16bit采样精度，存储成

WAV格式大小 = 44.1KHz(采样率) X 16bit(采样位数) X 2(双声道) X 播放时间

每一分钟WAV格式的音频文件的大小为10MB，其大小不随音量大小及清晰度的变化而变化。

2、WAV文件格式

WAVE文件是非常简单的一种RIFF文件，它的格式类型为"WAVE"。

WAV文件遵循RIFF规则，其内容以区块（chunk）为最小单位进行存储。

WAV文件一般由3个区块组成：RIFF chunk、Format chunk和Data chunk。

另外，文件中还可能包含一些可选的区块，如：Fact chunk、Cue points chunk、Playlist chunk、Associated data list chunk等。

2.1 RIFF区块

以’RIFF’为标识Size是整个文件的长度减去ID和Size的长度Type是WAVE表示后面需要两个子块：Format区块和Data区块

2.2 FORMAT区块

以’fmt '为标识Size表示该区块数据的长度（不包含ID和Size的长度）AudioFormat表示Data区块存储的音频数据的格式，PCM音频数据的值为1NumChannels表示音频数据的声道数，1：单声道，2：双声道SampleRate表示音频数据的采样率ByteRate每秒数据字节数 = SampleRate * NumChannels * BitsPerSample / 8BlockAlign每个采样所需的字节数 = NumChannels * BitsPerSample / 8BitsPerSample每个采样存储的bit数，8：8bit，16：16bit，32：32bit

2.3 DATA区块

以’data’为标识Size表示音频数据的长度，N = ByteRate * secondsData音频数据

2.4 小端存储

WAV文件以小端形式来进行数据存储。

大端模式：数据的低位保存在内存的高地址中，而数据的高位，保存在内存的低地址中；
小端模式：数据的低位保存在内存的低地址中，而数据的高位，保存在内存的高地址中。

2.5 PCM数据在WAV文件中的bit位排列方式

四、WAV文件格式实例分析

要分析的WAV文件的基本信息如下，用Visual Studio以二进制编辑器形式打开该WAV文件。

WAV文件是在PCM纯音频样本数据的基础上添加了44字节的文件头。

各字节依次表示：

①资源交换文件标志（RIFF），4字节，52 49 46 46，固定写法；

②从下个地址（08）到WAV文件结尾的总字节数，4字节，7E 26 3A 00，整个WAV文件的大小就是该数值+8；

7E 26 3A 00（16）=3810942（10），与文件大小3810950正好差了8字节。

PCM音频样本总字节数+44−8=WAV文件字节数

③WAVE 文件标志 , 4字节，57 41 56 45 , 是 WAVE 四个字母的 ASCII 码 , 固定写法 ;

④波形格式标志 , 4字节，66 6D 74 20 , 一般都是 fmt , 其中 0x20 对应的字符是空格 ;

⑤过渡字节 , 4字节，12 00 00 00 , 不确定 , 有的时候是 10 00 00 00 ;

⑥格式种类 , 2字节，01 00 , 1 时表示线性 PCM 编码 ;

⑦通道数 , 2字节，02 00 , 1 表示单声道 , 2 表示立体声 ;

⑧采样频率 , 4字节，44 AC 00 00 , 44100Hz ;

⑨波形数据传输速率 , 即每秒中的字节数 , 4字节，10 B1 02 00 , 每秒传输 176400 字节 ;

计算公式 :

采样率×通道数×采样位数/8=44100×2×16/8=176400。

采样位数是16位 , 1字节8位 , 16位是2字节 , 即每个采样2字节 ;

⑩数据块调整长度 , 2字节，04 00 , 表示4 字节 ;

计算公式：

通道数×样本数据位数/8=2×16/8=4

⑪每个样本的数据位数 , 2字节，10 00 , 表示16位即2字节；

注：接下来是ffmpeg转码的数据表示ffmpeg转码的信息

⑫数据标记 , 4字节，64 61 74 61 , data 的 ASCII 码值 ;

⑬ PCM 数据总长度, 单位字节 , 00 26 3A 00 , PCM 数据总长度为 3,810,816 字节 ;

五、AVI文件格式介绍

1、AVI文件简介

AVI是一种最复杂的RIFF文件，它能同时存储同步表现的音频视频数据。现在常用的AVI文件有2种：AVI-1, AVI-2。AVI-1中只包含一个DV数据流，占用较少的存储空间。AVI-2中通常包含一个视频流和一个音频流，只有一个视频流或者音频流也是合法的。

AVI层次划分如下图所示。

2、AVI文件格式

AVI的RIFF块的形式类型是AVI，它包含3个子块，如下所述。

信息块——包括文件的通用信息，定义数据格式，所用的压缩算法等参数。数据块——包含实际数据流，即图像和声音序列数据。这是文件的主体，也是决定文件容量的主要部分。视频文件的大小等于该文件的数据率乘以该视频播放的时间长度。索引块——索引块包含数据块列表好它们在文件中的位置，以提供文件内数据随机存取能力。

2.1 信息块

信息块是ID为“hdrl”的LIST块，定义AVI文件的数据格式。

“hdrl”LIST块包含两个子块，一个是ID为“avih”的子块和一个是ID为”strl”的LIST块。

“avih”块结构：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。

typedef struct{DWORD ChunID;// 必须为'avih'DWORD ChunkSize; //本数据结构的大小，不包括最初的8個位元組（ID和Size兩個域）DWORD dwMicroSecPerFrame ; //显示每帧所需的时间ns，定义avi的显示速率DWORD dwMaxBytesPerSec;//最大的数据传输率DWORD dwPaddingGranularity; //记录块的长度需为此值的倍数，通常是2048DWORD dwFlages; //AVI文件的特殊属性，如是否包含索引块，音视频数据是否交叉存储DWORD dwTotalFrame;//文件中的总帧数DWORD dwInitialFrames; //说明在开始播放前需要多少桢DWORD dwStreams; //文件中包含的数据流个数DWORD dwSuggestedBufferSize; //建议使用的缓冲区的大小，//通常为存储一桢图像以及同步声音所需要的数据之和DWORD dwWidth;//图像宽DWORD dwHeight; //图像高DWORD dwReserved[4]; //保留值}MainAVIHeader;

”avih”块的数据部分：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”字列表至少包含一个“strh”块和一个“strf”块，“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）可选。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”字列表说明的是第一个流（Stream 0）,第二个“strl”字列表说明的是第二个流（Stream 1），以此类推。

“strh”块结构：用于说明这个“strl”LIST块对应的数据流的头信息：

typedef struct {FOURCC fccType; //4字节，表示数据流的种类，vids 表示视频数据流，auds 音频数据流FOURCC fccHandler; //4字节，表示数据流解压缩的驱动程序代号DWORD dwFlags; //数据流属性WORD wPriority; //此数据流的播放优先级WORD wLanguage; //音频的语言代号DWORD dwInitalFrames; //说明在开始播放前需要多少桢DWORD dwScale; //数据量，视频每桢的大小或者音频的采样大小DWORD dwRate; //dwScale /dwRate = 每秒的采样数DWORD dwStart; //数据流开始播放的位置，以dwScale为单位DWORD dwLength; //数据流的数据量，以dwScale为单位DWORD dwSuggestedBufferSize; //建议缓冲区的大小DWORD dwQuality;//解压缩质量参数，值越大，质量越好DWORD dwSampleSize; //音频的采样大小RECT rcFrame; //视频图像所占的矩形}AVIStreamHeader;

“strf” 块结构：“strf”子块紧跟在“strh”子块之后，其结构是“strh”子块的类型而定，如下所述：

如果strh子块是视频数据流，则strf子块的内容是一个BITMAPINFO结构，如下。

typedef struct tagBITMAPINFO{BITMAPINFOHEADER bmiHeader;RGBQUAD bmiColors[1]; //颜色表}BITMAPINFO;typedef struct tagBITMAPINFOHEADER{DWORD biSize;LONG biWidth;LONG biHeight;WORD biPlanes;WORD biBitCount;DWORD biCompression;DWORD biSizeImage;LONG biXPelsPerMeter;LONG biYPelsPerMeter;DWORD biClrUsed;DWORD biClrImportant;}BITMAPINFOHEADER;

如果strh子块是音频数据流，则strf子块的内容是一个WAVEFORMAT结构，如下：

typedef struct {WORD wFormatTag; WORD nChannels; //声道数DWORD nSamplesPerSec; //采样率DWORD nAvgBytesPerSec; //WAVE声音中每秒的数据量WORD nBlockAlign;//数据块的对齐标志WORD biSize; //此结构的大小}WAVEFORMAT

“strd”块结构：“strd”子块紧跟在strf子块后，存储供压缩驱动程序使用的参数，不一定存在，也没有固定的结构

“strl”List块定义的AVI数据流依次将“hdrl”LIST块中的数据流头结构与“movi”LIST块中的数据联系在一起，第一个数据流头结构用于数据流0，第二个用于数据流1，依次类推。

2.2 数据块

数据块是ID为“movi”的LIST块，包含AVI的音视频序列数据。

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）。保存方式为：

将数据块直接嵌套在“movi”列表里面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。

“db”——非压缩视频

“dc”——压缩视频

“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（Steam 1）是视频，则表征视频数据块的四字符码为“01db”或“01dc”。

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永“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改变，则应在这个流格式的描述中，也及时AVISTREMAHEADER结构的dwFlags中包含一个AVISF_VIDEO_PALCHANGES标记）另外，文字数据块可以使用随意的类型码表征。

2.3 索引块

索引块是ID为“idxl”的子块，定义“movi”LIST块的索引数据，是可选块。

最后紧跟在“hdr”列表块和“movi”列表块之后的，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“idxl”来表征，索引信息使用一个数据结构AVIOLDINDEXl来定义。

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AVI信息头的描述中，也即是AVIMAINHEADER结构的dwFlags中包含一个AVI_HASINDEX标记。

还有一种特殊的数据块，用一个四字符码“JUNK”来表征，它用于内部数据的对齐（填充），应用程序应该忽略这些数据块的实际意义。