简介：ISO/IEC 23008-12:2017 是国际标准化组织与国际电工委员会联合发布的图像文件格式标准，聚焦高效编码与异构环境下的媒体交付，是理解 HEIF、HEIC 格式的权威依据。资源面向从事图像编解码、移动端多媒体开发、流媒体与智能终端适配的工程师及研究人员，帮助厘清 HEVC 编码下图像容器的结构规范与互操作要求。压缩包内共 1 个 PDF 文件，约 906KB，即标准正文，涵盖范围、规范性引用、术语定义、总体要求等章节，并涉及图像序列、元数据存储、兼容性转换与性能测试等核心内容。目前已有 259 人学习浏览。通过该标准可系统掌握 HEIF/HEIC 的文件组织方式、解码器与编码器规范，以及与其他图像格式的转换规则，为实际开发中的格式解析、兼容性排查与方案设计提供一手参考。
1. 从一张 iPhone 照片说起：ISO/IEC 23008-12:2017 到底规定了什么
你从 iPhone 导出一张.heic照片，扔进某些老版本 Windows 或 Android 工具里，要么打不开，要么只剩一张缩略图，要么色彩发灰。问题往往不在“解码器不行”，而在于没吃透 ISO/IEC 23008-12:2017 这份标准对 HEIF 文件结构的约束。它是 MPEG 体系下 High Efficiency Coding and Media Delivery 的第 12 部分，2017 年 12 月首版，专门定义 Image File Format，也就是大家口中的 HEIF，.heic是它最常见的编码载体。标准从 ISO Base Media File Format 派生，规定了 image item、image sequence、derived image、image properties、metadata 等 box 的组织方式。适合做相册、相机管线、跨端图片 SDK、格式转换工具的工程师；如果你只是偶尔转个图，了解第 2 章就够，想做解析器或写入器，后面几章的 box 语义必须啃。
2. HEIF 的 box 骨架：从 ISO BMFF 派生出的图像容器
2.1 为什么 HEIF 不是“另一种 JPEG”
JPEG 把整张图当成一段连续熵编码数据，元数据靠 APPn 段塞进去，结构松散。HEIF 走的是 ISO BMFF 路线：文件是一棵 box 树，图像数据被切成多个 item，每个 item 有类型、有属性、有位置。ISO/IEC 23008-12:2017 第 6 章明确，单张图像和图像集合都从 ISO base media file format 派生，metabox 下挂hdlr、pitm、iloc、iinf、iprp、iref等。这样做的好处是：一张 HEIC 里可以同时放主图、缩略图、辅助图、深度图、透明通道，还能声明它们之间的引用关系。代价是解析器必须按 box 逐层读，不能像 JPEG 那样扫到 SOI 就开干。
常见做法是先用ffprobe或MP4Box看 box 结构，再决定自己写到哪一层。下面这段命令能快速列出顶层 box：
# 列出 HEIC 文件顶层 box 类型与大小 xxd -l 256 photo.heic # 或用 MP4Box 查看完整 box 树 MP4Box -info photo.heic 2>&1 | head -60xxd看的是前 256 字节，能确认ftyp品牌是不是heic、mif1、msf1。MP4Box -info会打印meta、iprp、iloc等层级。参数上，-info只读不写，适合排查；如果要看某个 item 的偏移，得配合-dump-item。
2.2 核心 box 的职责划分
标准第 9 章对 ISO BMFF 做了扩展，重点在ItemInfoEntry和Item Properties Box。iinf描述每个 item 的 ID 和类型，iloc给出数据偏移和长度，iprp里的ipco是属性容器，ipma把属性关联到具体 item。iref负责 item 之间的引用，比如缩略图指向主图、辅助图指向主图。pitm指定主 item，读图工具通常先找它。
| box | 作用 | 常见坑 |
|---|---|---|
ftyp | 声明品牌与兼容性 | 品牌写错导致播放器拒识 |
meta | 图像元数据总容器 | 版本号与 flags 影响子 box 解析 |
iinf | item 信息表 | item 类型hvc1/grid/iden混用 |
iloc | 数据位置 | 构造方式 0/1/2 偏移基数不同 |
iprp | 属性容器 | ipma关联错位导致色彩异常 |
iref | item 引用 | 缩略图未正确指向主图 |
这张表不是让你背，而是排错时按行查。比如色彩发灰，先看iprp里有没有colr，再看ipma有没有把它关联到主 item。
2.3 用 Python 读ftyp和meta的最小实现
不依赖第三方库也能起步。下面这段代码只做一件事：按 box 长度和类型遍历，打印层级。
import struct def read_boxes(data, offset=0, end=None, depth=0): """递归读取 ISO BMFF box，打印类型与大小""" if end is None: end = len(data) while offset < end: if offset + 8 > end: break size, = struct.unpack('>I', data[offset:offset+4]) btype = data[offset+4:offset+8].decode('latin1') header = 8 if size == 1: # 64 位长度 size, = struct.unpack('>Q', data[offset+8:offset+16]) header = 16 elif size == 0: # 延伸到文件末尾 size = end - offset print(' ' * depth + f'{btype} size={size}') # 只递归容器 box，避免把图像数据当 box 读 if btype in ('meta', 'iprp', 'ipco', 'iinf', 'iref'): child_start = offset + header if btype == 'meta': child_start += 4 # meta 有 version/flags read_boxes(data, child_start, offset + size, depth + 1) offset += size with open('photo.heic', 'rb') as f: read_boxes(f.read())逻辑说明：struct.unpack('>I')读 32 位大端长度，size==1时读 64 位，size==0表示到文件尾。metabox 在 ISO BMFF 里是 FullBox，前 4 字节是 version 和 flags，所以递归子 box 时要跳过。参数上，depth只控制缩进，不影响解析。这段代码不处理uuidbox 和widebox，生产环境要补。
提示：读
iloc时注意 construction method。方法 0 的偏移是相对文件起点，方法 1 是相对idatbox，方法 2 是相对metabox。搞错基数会读到完全无关的数据。
3. 图像属性与派生图像：色彩、旋转、缩略图怎么落 box
3.1ipco里的属性不是装饰品
标准 6.5 节列了一长串 image properties：decoder configuration、spatial extents、pixel aspect ratio、colour information、pixel information、relative location、clean aperture、rotation、mirroring、layer selection。它们都放在ipco里，由ipma按 item ID 关联。ispe给宽高，pixi给通道位深，colr给色彩原色和传递特性，irot给旋转角度，imir给镜像。很多工具读 HEIC 时方向不对，就是没处理irot和imir。
irot的角度是逆时针 0/90/180/270，存在 1 字节里，实际值要乘 90。imir的 axis 为 0 表示上下翻转，1 表示左右翻转。这两个属性经常和 EXIF Orientation 同时存在，谁优先？标准里irot/imir是容器级变换，EXIF 是元数据级，解析器一般先应用容器变换再读 EXIF。如果两处冲突，以容器为准更安全。
3.2 派生图像：grid与iden
6.6 节定义了 derived image。最常见的是grid，把多张图拼成一张，用于 HEVC 的 tile 编码。iden是 identity，表示派生图就是原图。griditem 的数据区不是像素，而是一段描述：行数、列数、每块宽高。解析时要先读grid描述，再按dimg引用找到各 tile，最后拼合。
下面这段代码演示如何从iref里找dimg引用：
def parse_iref(data, offset, size): """解析 iref box，返回 {from_id: [(type, to_id), ...]}""" refs = {} pos = offset + 8 + 4 # 跳过 box header 和 FullBox version/flags end = offset + size while pos < end: ref_size, = struct.unpack('>I', data[pos:pos+4]) ref_type = data[pos+4:pos+8].decode('latin1') child = pos + 8 child_end = pos + ref_size while child < child_end: from_id, = struct.unpack('>H', data[child:child+2]) to_id, = struct.unpack('>H', data[child+2:child+4]) refs.setdefault(from_id, []).append((ref_type, to_id)) child += 4 pos += ref_size return refs逻辑说明：iref是 FullBox，跳过 4 字节 version/flags 后，每个子 box 是SingleItemTypeReferenceBox，里面是一组from_item_ID和to_item_ID。ref_type常见有dimg（派生来源）、thmb（缩略图）、auxl（辅助图）。参数上，item ID 是 16 位，超过 65535 的 item 需要iref的 32 位变体，标准里有定义但少见。
3.3 缩略图与辅助图的引用关系
缩略图用thmb引用主图，辅助图用auxl。辅助图类型由auxC属性里的 URN 决定，比如深度图、透明通道、alpha。标准 6.4 节还定义了 hidden image、cover image、master image、pre-derived coded image、multi-layer image。hidden image 不在普通浏览中显示，但可被引用。cover image 用于相册封面。这些角色不是靠文件名区分，而是靠iref和属性组合。
实操中，如果你要生成 HEIC，常见做法是：主图一个 item，缩略图一个 item，thmb指向主图，ispe给缩略图尺寸，colr继承主图。辅助图要加auxC，URN 写对，否则播放器不知道这是深度还是 alpha。
注意：
auxC的 URN 字符串必须符合标准注册值，自己编一个会导致兼容性问题。常见值包括urn:mpeg:hevc:2015:auxid:1和urn:mpeg:hevc:2015:auxid:2。
4. 图像序列与元数据：从单张到轨道
4.1 image sequence 不是视频轨的简单复用
标准第 7 章讲 image sequences。它从 ISO BMFF 的 track 派生，但 handler type 不同，hdlr里要写pict。Track Header box 的字段有约束，Coding Constraints box 也有专门要求。图像序列可以带缩略图序列轨和辅助图序列轨，分别用thmb和auxl引用。和普通视频轨的区别在于：图像序列的样本是静态图像编码，时间轴用于连拍或动画，不是连续运动补偿。
如果你用ffmpeg把一组 HEIC 转成序列，注意它可能默认按视频处理，丢掉picthandler。更稳的做法是用MP4Box的-add配合-new指定序列类型，或者直接按标准写 box。
4.2 元数据与完整性校验
第 8 章规定 metadata support，包括 image item 和 image sequence track 的元数据，以及 integrity checks。完整性校验的语法和语义在 8.4 节，用于验证 item 数据没被篡改。常见实现是存一个哈希或校验和，读取时比对。实际产品里用得不多，但做归档或版权保护时会用到。
元数据可以放在meta下的ilst，也可以放在 item 属性里。EXIF 和 XMP 通常作为独立 item，用cdsc引用主图。这样设计的好处是元数据可以单独更新，不用重写图像数据。
4.3 用MP4Box做一次完整拆包
# 查看 HEIC 所有 item MP4Box -info photo.heic # 导出主图 item 到 raw 文件 MP4Box -dump-item 1:path=item1.hevc photo.heic # 导出所有 item MP4Box -dump-item all:path=items photo.heic-dump-item的1是 item ID，来自iinf。导出后得到的是 HEVC 码流，不是直接可看的图片，还要送解码器。参数path=指定输出目录或文件名。如果 item 是grid，导出的是描述数据，不是像素。
提示：不同版本的
MP4Box对 HEIF 支持程度不同，遇到解析失败先升级 GPAC，再确认文件ftyp品牌是否在支持列表里。
5. 避坑与排查：HEIC 解析中最容易翻车的五件事
5.1 现象：图片能打开但颜色发灰
原因：colr属性缺失或ipma没关联到主 item，解码器按默认 sRGB 处理，实际是 Display P3 或 BT.2020。 解决：读iprp/ipco找colr，确认colour_type是nclx还是prof，再查ipma的 association。如果colr存在但没关联，手动补关联或换解析库。
5.2 现象：缩略图显示成主图
原因：pitm指向了缩略图 item，或者thmb引用方向写反。 解决：pitm的 item ID 必须是主图。thmb是缩略图指向主图，不是主图指向缩略图。用MP4Box -info确认pitm值。
5.3 现象：iloc读到的数据是乱码
原因：construction method 搞错，或者base_offset没加。 解决：先看iloc的 version 和 flags，方法 0 用文件绝对偏移，方法 1 用idat偏移，方法 2 用meta偏移。把base_offset和extent_offset相加再读。
5.4 现象：多 tile 图拼出来错位
原因：grid的行列数和 tile 顺序没按标准读，或者 tile 尺寸不一致。 解决：grid数据区前 4 字节是 version/flags，接着 1 字节 rows-1、1 字节 columns-1、4 字节 output width、4 字节 output height。tile 按行优先排列，尺寸由各自ispe给出。拼合时按dimg引用顺序放。
5.5 现象：Windows 资源管理器不显示缩略图
原因：系统 HEIF 扩展没装，或文件ftyp品牌不被识别。 解决：确认ftyp包含heic或mif1。Windows 需要 HEIF Image Extensions 和 HEVC Video Extensions。这不是文件问题，是环境问题，别改文件结构去迁就。
6. 进阶：自己写一个 HEIC 解析器要盯住的三个参数
如果你不满足于调库，想自己写解析器，有三个参数决定成败。第一是iloc的 construction method，它决定偏移基数，写错全盘皆输。第二是ipma的 association 数量，一个 item 可以关联多个属性，顺序不重要，但必须全部处理。第三是iref的引用类型，dimg、thmb、auxl、cdsc语义不同，混用会导致派生图解析失败。
验证方法很简单：拿一张已知正确的 HEIC，用你的解析器读出主图宽高、色彩原色、旋转角度，和exiftool或MP4Box的输出比对。三个值全对，基本结构就通了。再拿一张带缩略图和深度图的 HEIC，检查iref是否完整。最后拿一张grid编码的 HEIC，拼合后和原图做像素级比对。
我自己的习惯是：每次改解析器，先跑这三类样本，再跑一遍iloc边界测试——偏移为 0、长度为 0、item ID 不连续的情况。血泪经验是，很多 bug 不在主流程，而在这些边界。从那以后我每次写 box 解析都强制走一遍边界样本，希望帮到你。
本文还有配套的精品资源，点击获取
