H.264有两种封装模式：
（1）annexb模式：传统模式，使用start code来分隔NAL， SPS和PPS是在ES流的头部；
（2）mp4模式：没有start code，使用NALU长度（固定字节，通常为4个字节）来分隔NAL。AVCodecContext的extradata内部保存着分隔的字节数，SPS和PPS；
1. 找到SPS
视频的宽高保存在SPS中。那么提取宽高首先要找到SPS。annexb模式直接读取视频数据，根据NAL type找到SPS即可。mp4模式应该从extradata中找到SPS。
mp4格式的extradata格式如下图：
FFMpeg中解析extradata的函数是ff_h264_decode_extradata()。注意第5字节的最后2位，表示的就是NAL size的字节数-1。在AVCC格式中，每个NAL前面都会有NAL size字段。NAL size可能是1字节、2字节或4字节（4字节较常见），解析extradata重要目的就是确认这个值，之后2个字节是SPS长度，长度之后就是SPS。
2. 从SPS中提取宽高
以下代码是提取视频宽高，具体可以参考SPS帧的语义。网上好多代码写的有问题，很明显宽高不一定非要是16的倍数。
width=(pic_width_in_mbs_minus1+1)*16; height=(pic_height_in_map_units_minus1+1)*16;
当宽高不是16整数倍时，frame_cropping_flag值为1，frame_mbs_only_flag为1以下为修正的代码：
#include <stdio.h> #include <stdint.h> #include <string.h> #include <math.h> typedef unsigned int UINT; typedef unsigned char BYTE; typedef unsigned long DWORD; UINT Ue(BYTE *pBuff, UINT nLen, UINT &nStartBit) { //计算0bit的个数 UINT nZeroNum = 0; while (nStartBit < nLen * 8) { if (pBuff[nStartBit / 8] & (0x80 >> (nStartBit % 8))) //&:按位与，%取余 { break; } nZeroNum++; nStartBit++; } nStartBit ++; //计算结果 DWORD dwRet = 0; for (UINT i=0; i<nZeroNum; i++) { dwRet <<= 1; if (pBuff[nStartBit / 8] & (0x80 >> (nStartBit % 8))) { dwRet += 1; } nStartBit++; } return (1 << nZeroNum) - 1 + dwRet; } int Se(BYTE *pBuff, UINT nLen, UINT &nStartBit) { int UeVal=Ue(pBuff,nLen,nStartBit); double k=UeVal; int nValue=ceil(k/2);//ceil函数：ceil函数的作用是求不小于给定实数的最小整数。ceil(2)=ceil(1.2)=cei(1.5)=2.00 if (UeVal % 2==0) nValue=-nValue; return nValue; } DWORD u(UINT BitCount,BYTE * buf,UINT &nStartBit) { DWORD dwRet = 0; for (UINT i=0; i<BitCount; i++) { dwRet <<= 1; if (buf[nStartBit / 8] & (0x80 >> (nStartBit % 8))) { dwRet += 1; } nStartBit++; } return dwRet; } /** * H264的NAL起始码防竞争机制 * * @param buf SPS数据内容 * * @无返回值 */ void de_emulation_prevention(BYTE* buf,unsigned int* buf_size) { int i=0,j=0; BYTE* tmp_ptr=NULL; unsigned int tmp_buf_size=0; int val=0; tmp_ptr=buf; tmp_buf_size=*buf_size; for(i=0;i<(tmp_buf_size-2);i++) { //check for 0x000003 val=(tmp_ptr[i]^0x00) +(tmp_ptr[i+1]^0x00)+(tmp_ptr[i+2]^0x03); if(val==0) { //kick out 0x03 for(j=i+2;j<tmp_buf_size-1;j++) tmp_ptr[j]=tmp_ptr[j+1]; //and so we should devrease bufsize (*buf_size)--; } } return; } /** * 解码SPS,获取视频图像宽、高信息 * * @param buf SPS数据内容 * @param nLen SPS数据的长度 * @param width 图像宽度 * @param height 图像高度 * @成功则返回1 , 失败则返回0 */ int h264_decode_sps(BYTE * buf,unsigned int nLen,int &width,int &height,int &fps) { UINT StartBit=0; fps=0; de_emulation_prevention(buf,&nLen); int forbidden_zero_bit=u(1,buf,StartBit); int nal_ref_idc=u(2,buf,StartBit); int nal_unit_type=u(5,buf,StartBit); if(nal_unit_type==7) { int profile_idc=u(8,buf,StartBit); int constraint_set0_flag=u(1,buf,StartBit);//(buf[1] & 0x80)>>7; int constraint_set1_flag=u(1,buf,StartBit);//(buf[1] & 0x40)>>6; int constraint_set2_flag=u(1,buf,StartBit);//(buf[1] & 0x20)>>5; int constraint_set3_flag=u(1,buf,StartBit);//(buf[1] & 0x10)>>4; int reserved_zero_4bits=u(4,buf,StartBit); int level_idc=u(8,buf,StartBit); int seq_parameter_set_id=Ue(buf,nLen,StartBit); if( profile_idc == 100 || profile_idc == 110 || profile_idc == 122 || profile_idc == 144 ) { int chroma_format_idc=Ue(buf,nLen,StartBit); if( chroma_format_idc == 3 ) int residual_colour_transform_flag=u(1,buf,StartBit); int bit_depth_luma_minus8=Ue(buf,nLen,StartBit); int bit_depth_chroma_minus8=Ue(buf,nLen,StartBit); int qpprime_y_zero_transform_bypass_flag=u(1,buf,StartBit); int seq_scaling_matrix_present_flag=u(1,buf,StartBit); int seq_scaling_list_present_flag[8]; if( seq_scaling_matrix_present_flag ) { for( int i = 0; i < 8; i++ ) { seq_scaling_list_present_flag[i]=u(1,buf,StartBit); } } } int log2_max_frame_num_minus4=Ue(buf,nLen,StartBit); int pic_order_cnt_type=Ue(buf,nLen,StartBit); if( pic_order_cnt_type == 0 ) int log2_max_pic_order_cnt_lsb_minus4=Ue(buf,nLen,StartBit); else if( pic_order_cnt_type == 1 ) { int delta_pic_order_always_zero_flag=u(1,buf,StartBit); int offset_for_non_ref_pic=Se(buf,nLen,StartBit); int offset_for_top_to_bottom_field=Se(buf,nLen,StartBit); int num_ref_frames_in_pic_order_cnt_cycle=Ue(buf,nLen,StartBit); int *offset_for_ref_frame=new int[num_ref_frames_in_pic_order_cnt_cycle]; for( int i = 0; i < num_ref_frames_in_pic_order_cnt_cycle; i++ ) offset_for_ref_frame[i]=Se(buf,nLen,StartBit); delete [] offset_for_ref_frame; } int num_ref_frames=Ue(buf,nLen,StartBit); int gaps_in_frame_num_value_allowed_flag=u(1,buf,StartBit); int pic_width_in_mbs_minus1=Ue(buf,nLen,StartBit); int pic_height_in_map_units_minus1=Ue(buf,nLen,StartBit); //width=(pic_width_in_mbs_minus1+1)*16; //height=(pic_height_in_map_units_minus1+1)*16; int frame_mbs_only_flag=u(1,buf,StartBit); if(!frame_mbs_only_flag) int mb_adaptive_frame_field_flag=u(1,buf,StartBit); int direct_8x8_inference_flag=u(1,buf,StartBit); int frame_cropping_flag=u(1,buf,StartBit); int frame_crop_left_offset=0; int frame_crop_right_offset=0; int frame_crop_top_offset=0; int frame_crop_bottom_offset=0; if(frame_cropping_flag) { frame_crop_left_offset=Ue(buf,nLen,StartBit); frame_crop_right_offset=Ue(buf,nLen,StartBit); frame_crop_top_offset=Ue(buf,nLen,StartBit); frame_crop_bottom_offset=Ue(buf,nLen,StartBit); } width = ((pic_width_in_mbs_minus1 +1)*16) - frame_crop_left_offset*2 - frame_crop_right_offset*2; height= ((2 - frame_mbs_only_flag)* (pic_height_in_map_units_minus1 +1) * 16) - (frame_crop_top_offset * 2) - (frame_crop_bottom_offset * 2); int vui_parameter_present_flag=u(1,buf,StartBit); if(vui_parameter_present_flag) { int aspect_ratio_info_present_flag=u(1,buf,StartBit); if(aspect_ratio_info_present_flag) { int aspect_ratio_idc=u(8,buf,StartBit); if(aspect_ratio_idc==255) { int sar_width=u(16,buf,StartBit); int sar_height=u(16,buf,StartBit); } } int overscan_info_present_flag=u(1,buf,StartBit); if(overscan_info_present_flag) int overscan_appropriate_flagu=u(1,buf,StartBit); int video_signal_type_present_flag=u(1,buf,StartBit); if(video_signal_type_present_flag) { int video_format=u(3,buf,StartBit); int video_full_range_flag=u(1,buf,StartBit); int colour_description_present_flag=u(1,buf,StartBit); if(colour_description_present_flag) { int colour_primaries=u(8,buf,StartBit); int transfer_characteristics=u(8,buf,StartBit); int matrix_coefficients=u(8,buf,StartBit); } } int chroma_loc_info_present_flag=u(1,buf,StartBit); if(chroma_loc_info_present_flag) { int chroma_sample_loc_type_top_field=Ue(buf,nLen,StartBit); int chroma_sample_loc_type_bottom_field=Ue(buf,nLen,StartBit); } int timing_info_present_flag=u(1,buf,StartBit); if(timing_info_present_flag) { int num_units_in_tick=u(32,buf,StartBit); int time_scale=u(32,buf,StartBit); fps=time_scale/(2*num_units_in_tick); } } return true; } else return false; }
参考资料：
1. http://www.latelee.org/my-study/get-width-height-framerate-from-bitstream.html
2. https://blog.csdn.net/yue_huang/article/details/75126155