1. 帧的概念（Frame）
一个视频序列是由N个帧组成的，采集图像的时候一般有2种扫描方式，一种是逐行扫描（progressive scanning），一种是隔行扫描（interlaced scanning）。对于隔行扫描，每一帧一般有2个场（field），一个叫顶场（top field），一个叫底场（bottom field）。假设一帧图像是720行，那么，顶场就包含其中所有的偶数行，而底场则包含其中所有的奇数行。
2. 场的概念（field）
注意，上面提到顶场和底场，用的是“包含”二字，而不是说完全由后者组成，因为在BT.656标准中，一个场是由三个部分组成的：
场 = 垂直消隐顶场（First Vertical Blanking） + 有效数据行（Active Video） + 垂直消隐底场（Second Vertical Blanking）
对于顶场，有效数据行就是一帧图像的所有偶数行，而底场，有效数据行就是一帧图像的所有奇数行。顶场和底场的空白行的个数也有所不同，那么，对于一个标准的 8bit BT656（4:2:2）SDTV（标清） 的视频而言，对于一帧图像，其格式定义如下：
由上图可以知道，对于PAL制式，每一帧有625行，其中，顶场有效数据288行，底场有效数据也是288行，其余行即为垂直消隐信号。为什么是288行？因为PAL制式的SDTV或者D1的分辨率为 720*576，即一帧有576行，故一场为288行。
由上图我们还可以知道，顶场有效数据的起始行为第23行，底场有效数据的起始行为第335行。
另外，上图中的 F 标记奇偶场，V标记 是否为垂直消隐信号。
3. 每一行的组成（Lines）
下面说明每一行的组成，一行是由4个部分组成：
行 = 结束码（EAV） + 水平消隐（Horizontal Vertical Blanking） + 起始码（SAV） + 有效数据（Active Video）
典型的一行数据组成如下图所示：
起始码（SAV）和结束码（EAV），它是标志着一行的开始结束的重要标记，也包含了其他的一些重要的信息，后面将会讲到。
为什么水平消隐 是280字节，这个我暂时还没搞清楚，不知道是不是标准定义的。
为什么一行中的有效数据是 1440 字节？ 因为PAL制式的SDTV或者D1的分辨率为 720*576，即一行有720个有效点，由于采集的是彩***像，那么一行就是由亮度信息（Y）和色差信息（CbCr）组成的，由于是 YCbCr422格式，故一行中有720列Y，720列CbCr，这样，一行的有效字节数就自然为 720 x 2 = 1440 字节了。
4. EAV和SAV
EAV和SAV都是4个字节（Bytes），由上面的图可以知道，SAV后面跟着的就是有效的视频数据了。那么，EAV和SAV的格式是怎么样的呢？
EAV和SAV的4个字节的格式规定如下（下面以16进制表示）：
FF 00 00 XY
其中，前三个字节为固定的，必须是FF 00 00，而第4个字节（XY）是根据场、消隐信息而定的，其8个bit含义如下： 1 F V H P3 P2 P1 P0
其中，F：标记场信息，传输顶场时为0，传输底场时为1
V：标记消隐信息，传输消隐数据时为1，传输有效视频数据时为0
H：标记EAV还是SAV，SAV为0，EAV为1
而 P0~P3为保护比特，其值取决于F、H、V，起到校验的作用，计算方法如下：
本文转自 Jhuster 51CTO博客，原文链接：http://blog.51cto.com/ticktick/553535，如需转载请自行联系原作者
