容器（container）：就是文件格式，在视频文件进入处理后，我们会给这个视频文件一个抽象，这个抽象就是存放这种视频文件的容器，在FFMPEG中，用来抽象文件格式的容器就是AVFormatContext；

数据流（stream）：数据流就是我们平时看到的多媒体数据流，它包含几种基本的数据流，包括：视频流、音频流、字幕流；按照我的理解，这三种基本的数据流在时间轴上交错放置，只有这样才能满足多媒体数据流边接收边播放；数据流在FFMPEG中的抽象为AVStream。

解复用器或者说分流器（demuxer）：FFMPEG将要处理的多媒体文件看成多媒体数据流，先把多媒体数据流放入容器（AVFormatContext），然后将数据流送入解复用器（demuxer），demuxer在FFMPEG中的抽象为AVInputFormat，我更愿意把demuxer称为分流器，因为demuxer就是把交错的各种基本数据流识别然后分开处理，将分开的数据流分别送到视频、音频、字幕编解码器处理。

数据包（packet）当然分开的数据流在送往编解码器处理之前，要先放于缓存中，同时添加一些附属信息例如打上时间戳，以便后面处理，那么这个缓存空间就是数据包；由于数据流是在时间轴上交错放置，所以所有的视频、音频、字幕都被分割成一段一段的数据，这些一段段的数据从数据流中解析出来之后，就是存放在各自的packet，那么在这里要说明一下，单纯的视频数据包来说，一个视频数据包可以存放一个视频帧，对于单纯的音频帧来说，如果抽样率（sample-rate）是固定不变的，一个音频数据包可以存放几个音频帧，若是抽样率是可变的，则一个数据包就只能存放一个音频帧。

在H264中没有数据包的概念，估计是因为H264只对视频做处理，所以不用分流，也就不用分流之后的缓存。

数据帧（frame）：终于到数据帧了，编解码器真正处理的数据就是数据帧，帧这个东西，就是为了方便处理图像信息抽象出来的概念，按照我自己的理解，就是原始的图像数据信息+很多附加的信息=帧；附加的信息就是便于后面编码的信息，例如帧的解码时间、帧的显示时间等，这些信息都是为了编解码和播放的方便添加上去的，当然帧的附加信息远多于这两个信息，有兴趣的可以去看AVFrame，这是帧在FFMPEG中抽象。

我们看到多媒体文件很大，就是因为这些附加信息也占据了很大的存储空间，此外还有协议等信息，当然没有这些附加信息，这原始的或压缩的数据流还真不好处理，例如怎么分辨上一帧与下一帧，这就要靠这些附加信息了。

图像（picture）：FFMPEG中抽象出来分别是AVPictue，这才是真正图像像素信息。

H264中还有image的概念，不知道image和picture有啥区别，一直没打弄明白，有知道的请说一声。