之所以H.264取得了巨大的成功，是因为它提出了一个新概念，把标准框架划分为两个层面，分别是视频编码层（Video Coding Layer，简称VCL）和网络抽象层（Network Abstraction Layer，简称NAL，也称网络提取层）。其中视频编码层专注如何高效地表达视频的数据内容，而网络抽象层负责格式化数据并提供头信息，以便视频内容能够适应各种环境的数据传输。
每个视频帧都包含至少一个NAL单元，对于I帧、P帧来说，因为内部数据比较多，所以可能会分为多个NAL单元。各帧的第一个NAL单元以起始码0x00000001开头，表示从这里开始是一个新帧；从第二个NAL单元开始，后继NAL单元以0x000001开头，表示其后数据是前面NAL单元的接续。
起始码往后的一个字节，代表当前帧的类型，常见的帧类型有下列六种：
0x67，类型值为7，为SPS帧，表示序列参数集。
0x68，类型值为8，为PPS帧，表示图像参数集。
0x65，类型值为5，为IDR帧，即IDR图像，也称为关键帧。
0x41，类型值为1，为SLICE分片，表示P帧。
0x01，类型值为1，为SLICE分片，表示B帧。
0x06，类型值为6，为SEI帧，表示辅助增强信息。
在上述六种类型的NAL中，前三种是必不可少的，分别详细说明如下。

一、SPS帧

SPS的全称是Sequence Paramater Set，中文叫作序列参数集。SPS保存着视频内容的规格参数，包括视频高度、视频宽度、帧率等等。SPS的详细格式在H.264标准协议中（文档的7.3.2.1部分）规定，内部各字段的取值情况如下图所示。

根据SPS的字段定义，得到视频宽高的计算式子如下：

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);

当视频宽度和视频高度均为16的整数倍时，frame_crop_left_offset、frame_crop_right_offset、frame_crop_top_offset、frame_crop_bottom_offset这四个字段值均为0，且frame_mbs_only_flag字段值为1。此时视频宽高的计算式子简化如下：

width = (pic_width_in_mbs_minus1+1)*16;
height = (pic_height_in_map_units_minus1+1)*16;

除了视频宽高，通过SPS内部字段还能计算视频的帧率，帧率的计算式子如下：

fps = time_scale / num_units_in_tick;

二、PPS帧

PPS的全称是Picture Paramater Set，中文叫做图像参数集。PPS保存着视频帧的编码参数，包括熵编码模式、切片分割类型、初始量化参数、色度量化参数等等。PPS的详细格式在H.264标准协议中（文档的7.3.2.2部分）规定，内部各字段的取值情况如下图所示。

三、IDR帧

IDR的全称是Instantaneous Decoding Refresh，中文叫做立即解码刷新。IDR一定是I帧，但I帧不一定是IDR。一旦出现IDR，就表示清除前面的序列，并且立刻渲染当前的IDR帧。
在每个H.264流的开头，都会出现这样的序列：SPS帧→PPS帧→IDR帧→其余SLICE，并且SPS、PPS、IDR三种帧必定是搭配出现的，缺一不可，如果少了其中任何一帧，都会导致后续视频流解码异常。

更多详细的FFmpeg开发知识参见《FFmpeg开发实战：从零基础到短视频上线》一书。