MP4文件格式

MP4文件格式全称为MPEG-4 Part 14（或简称为MPEG-4 v2），是一种广泛使用的多媒体容器格式，用于存储音频、视频、字幕以及其他辅助数据，如按钮、交互式内容等。MP4格式的设计目的是为了高效地存储和传输高质量的多媒体内容，尤其适合网络分发和移动设备使用。MP4文件的内部结构是由一系列的“box”（或在QuickTime中被称为“atom”）组成的，每个box包含了一个头部和数据部分，头部包括box的类型、大小和其他一些元数据信息。主要的box类型有：

1. ftyp box：标识文件类型和兼容的brand。

2. moov box：包含媒体文件的整体信息和所有轨道的信息。

3. trak box：每个trak box代表一个媒体轨道（音频或视频）。

4. mdia box：包含media信息，嵌套在trak box内部。

•mdhd box：存储媒体头信息，如时基（time scale）和duration。

•hdlr box：定义媒体类型（handler）。

•minf box：存储媒体信息的格式特定数据。

•vmhd 或 smhd：分别用于视频或音频的媒体信息头。

•stbl box：存储媒体样本表，包括：

        •stsd box：样本描述，定义媒体数据的编码格式。

        •stts box：时间到样本映射表，存储每个样本的持续时间。

        •stsc box：样本到chunk映射表。

        •stsz box：样本大小表。

        •stco 或 co64：chunk偏移量表，指出每个chunk在文件中的位置。

5. mdat box：实际的媒体数据存储区域。

在MP4容器格式及其相关的编程库如mp4v2中，track、sample和 chapter是几个基础概念，分别应着不同的结构层次和功能：使用mp4v2这样的库时，开发者可以操作tracks来读取或写samples，也可以创建、编辑或删除chapters，从而实现对MP4文件结构和内容的控制与管理。

在MP4容器格式中，帧率（frame rate）、Duration（时长）和TimeScale（时间尺度）之间有着密切的关系：

1. 帧率（Frame Rate）： 帧率指的是视频中每秒钟播放的画面数量，通常用 FPS（Frames Per Second）表示。例如，如果视频帧率为30 FPS，则意味着视频中每一秒钟包含30帧图像。

2. Duration： Duration是媒体段（如视频剪辑或音频片段）的持续时间，通常以秒为单位。在MP4文件中，Duration是以TimeScale为基准的，所以它是一个相对于TimeScale的数值。

3. TimeScale： TimeScale是MP4文件中的时间精度计量单位，表示每秒钟的时间刻度数。例如，一个常见的TimeScale值是90000，这意味着每秒钟有90000个时间单位。这个值越大，时间精度越高。

帧率、Duration和TimeScale之间的数学关系体现在视频的总帧数和文件中的时间戳分配上：

        •视频的总帧数 = 帧率 × Duration（以秒为单位）

        •在MP4容器中，某一帧的绝对时间戳（PTS）可以通过以下公式计算： PTS（毫秒）= （帧号 × 1000 / 帧率）+ 开始时间（毫秒）

而在MP4容器的时间戳体系中，通常PTS会被转换为相对于TimeScale的时间戳，公式变为：

        •时间戳（相对于TimeScale）= （帧号 × TimeScale / 帧率）+ 开始时间戳（相对于TimeScale）

例如，若视频帧率为30 FPS，TimeScale为90000，要计算第100帧的时间戳：

        •时间戳 = (100 × 90000 / 30) + 开始时间戳（假设开始时间戳为0，则为视频帧的实际时间戳）

总之，Duration和帧率共同决定了视频内容的长度，而TimeScale则定义了时间戳的精度，是计算和同步媒体内容的基础单位。在处理MP4文件时，理解和正确转换这些参数非常重要。