H.264 NALU語法結構
補充筆記:
關於VCL:VCL層是指視訊編碼層,VCL NAL 單元是指那些nal_unit_type 值等於 1 到 5(包括 1 和 5)的 NAL 單元,這些單元都包含了視訊資料。所有其他的 NAL 單元都稱作非 VCL NAL 單元,PPS和SPS都是非VCLNAL單元。
關於位元組流NAL單元的格式:(起始碼中0的長度)
除了流開頭的位元組流NAL單元,大多位元組流NAL單元的開頭沒有leading_zero_8bits (一個位元組的0);
nal_unit_type等於7(SPS)或8(PPS)時,或位元組流NAL單元語法結構在解碼順序時包含一個訪問單元的第一個NAL單元,碼流中會出現 zero_byte (一個位元組的0);
所有位元組流NAL的單元的開頭,都會存在 start_code_prefix_one_3bytes (三個000001位元組)。
所以,如果不考慮流的開頭,沒有特殊性的位元組流NAL單元,都是隻有3位元組的起始碼(即起始碼中0的個數為2)。
一個訪問單元的第一個NAL單元是指:
在基本編碼影象的最後一個 VCL NAL 單元之後的第一個任何下列 NAL 單元代表了一個新的訪問單元的開始:
— 訪問單元分隔 NAL 單元(存在時)
— 序列引數集 NAL 單元(存在時)
— 影象引數集 NAL 單元(存在時)
— SEI NAL 單元(存在時)
— nal_unit_type 值在 14-18 之間(包括)的 NAL 單元
— 基本編碼影象的第一個 VCL NAL 單元(總是存在)
名詞解釋
場和幀 : 視訊的一場或一幀可用來產生一個編碼影象。在電視中,為減少大面積閃爍現象,把一幀分成兩個隔行的場。
片: 每個圖象中,若干巨集塊被排列成片的形式。片分為I片、B片、P片和其他一些片。
I片只包含I巨集塊,P片可包含P和I巨集塊,而B片可包含B和I巨集塊。
I巨集塊利用從當前片中已解碼的畫素作為參考進行幀內預測。
P巨集塊利用前面已編碼圖象作為參考圖象進行幀內預測。
B巨集塊則利用雙向的參考圖象(前一幀和後一幀)進行幀內預測。
片的目的是為了限制誤碼的擴散和傳輸,使編碼片相互間是獨立的。
某片的預測不能以其它片中的巨集塊為參考影象,這樣某一片中的預測誤差才不會傳播到其它片中去。
巨集塊 : 一個編碼影象通常劃分成若干巨集塊組成,一個巨集塊由一個16×16亮度畫素和附加的一個8×8 Cb和一個8×8 Cr彩色畫素塊組成。
資料之間的關係:
H264結構中,一個視訊影象編碼後的資料叫做一幀,一幀由一個片(slice)或多個片組成,一個片由一個或多個巨集塊(MB)組成,一個巨集塊由16x16的yuv資料組成。巨集塊作為H264編碼的基本單位。
H264編碼過程中的三種不同的資料形式:SODB 資料位元串 ---->最原始的編碼資料,即VCL資料;
RBSP 原始位元組序列載荷 ---->在SODB的後面填加了結尾位元(RBSP trailing bits 一個bit“1”)若干位元“0”,以便位元組對齊;
EBSP 擴充套件位元組序列載荷 ---- > 在RBSP基礎上填加了仿校驗位元組(0X03)它的原因是: 在NALU加到Annexb上時,需要新增每組NALU之前的開始碼StartCodePrefix,如果該NALU對應的slice為一幀的開始則用4位位元組表示,ox00000001,否則用3位位元組表示ox000001(是一幀的一部分)。另外,為了使NALU主體中不包括與開始碼相沖突的,在編碼時,每遇到兩個位元組連續為0,就插入一個位元組的0x03。解碼時將0x03去掉。也稱為脫殼操作。
H264/AVC 的分層結構
H.264的主要目標是:
1.高的視訊壓縮比;
2.良好的網路親和性;
為了完成這些目標H264的解決方案是:
1.VCL video coding layer 視訊編碼層;
2.NAL network abstraction layer 網路提取層;
其中,VCL層是對核心演算法引擎,塊,巨集塊及片的語法級別的定義,他最終輸出編碼完的資料 SODB;
NAL層定義片級以上的語法級別(如序列引數集和影象引數集,針對網路傳輸),
同時支援以下功能:獨立片解碼,起始碼唯一保證,SEI以及流格式編碼資料傳送,NAL層將SODB打包成RBSP然後加上NAL頭,組成一個NALU(NAL單元);
H264網路傳輸的結構
H264在網路傳輸的是NALU,NALU的結構是:NAL頭+RBSP,實際傳輸中的資料流如圖所示:
NALU頭用來標識後面的RBSP是什麼型別的資料,他是否會被其他幀參考以及網路傳輸是否有錯誤。
NALU頭結構
長度:1byte
forbidden_bit(1bit) + nal_reference_bit(2bit) + nal_unit_type(5bit)
1.forbidden_bit: 禁止位,初始為0,當網路發現NAL單元有位元錯誤時可設定該位元為1,以便接收方糾錯或丟掉該單元。
2.nal_reference_bit: nal重要性指示,標誌該NAL單元的重要性,值越大,越重要,解碼器在解碼處理不過來的時候,可以丟掉重要性為0的NALU。
不同型別的NALU的重要性指示如下表所示。
nal_unit_type |
NAL型別 |
nal_reference_bit |
0 |
未使用 |
0 |
1 |
非IDR的片 |
此片屬於參考幀,則不等於0, 不屬於參考幀,則等與0 |
2 |
片資料A分割槽 |
同上 |
3 |
片資料B分割槽 |
同上 |
4 |
片資料C分割槽 |
同上 |
5 |
IDR影象的片 |
5 |
6 |
補充增強資訊單元(SEI) |
0 |
7 |
序列引數集 |
非0 |
8 |
影象引數集 |
非0 |
9 |
分界符 |
0 |
10 |
序列結束 |
0 |
11 |
碼流結束 |
0 |
12 |
填充 |
0 |
13..23 |
保留 |
0 |
24..31 |
不保留 |
0 |
所謂參考幀,就是在其他幀解碼時需要參照的幀。比如一個I幀可能被一個或多個B幀參考,一個B幀可能被某個P幀參考。
從這個表我們也可以看出來,DIR的I幀是非常重要的,他一丟,那麼這個序列的所有幀都沒辦法解碼了;序列引數集和影象引數集也很重要,沒有序列引數集,這個序列的幀就沒法解;
沒有影象引數集,那用到這個影象引數集的幀都沒法解。
3.nal_unit_type:NALU型別取值如下表所示。
nal_unit_type |
NAL型別 |
C |
0 |
未使用 |
|
1 |
非IDR影象中不採用資料劃分的片段 |
2,3,4 |
2 |
非IDR影象中A類資料劃分片段 |
2 |
3 |
非IDR影象中B類資料劃分片段 |
3 |
4 |
非IDR影象中C類資料劃分片段 |
4 |
5 |
IDR影象的片 |
2,3 |
6 |
補充增強資訊單元(SEI) |
5 |
7 |
序列引數集 |
0 |
8 |
影象引數集 |
1 |
9 |
分界符 |
6 |
10 |
序列結束 |
7 |
11 |
碼流結束 |
8 |
12 |
填充 |
9 |
13..23 |
保留 |
|
24..31 |
不保留(RTP打包時會用到) |
RTP 打包時的擴充套件型別
24 | STAP-A | Single-time aggregation packet |
25 | STAP-B | Single-time aggregation packet |
26 | MTAP16 | Multi-time aggregation packet |
27 | MTAP24 | Multi-time aggregation packet |
28 | FU-A |
Fragmentation unit |
29 | FU-B | Fragmentation unit |
30-31 | undefined |
RBSP
RBSP資料是下表中的一種
RBSP型別 | 所寫 | 描述 |
引數集 | PS | 序列的全域性資訊,如影象尺寸,視訊格式等 |
增強資訊 | SEI | 視訊序列解碼的增強資訊 |
影象界定符 | PD | 視訊影象的邊界 |
編碼片 | SLICE | 編碼片的頭資訊和資料 |
資料分割 | DP片層的資料,用於錯誤恢復解碼 | |
序列結束符 | 表明一個序列的結束,下一個影象為IDR影象 | |
流結束符 | 表明該流中已沒有影象 | |
填充資料 | 亞元資料,用於填充位元組 |
從前面的分析我們知道,VCL層出來的是編碼完的視訊幀資料,
這些幀可能是I、B、P幀,而且這些幀可能屬於不同的序列,再者同一個序列還有相對應的一套序列引數集和圖片引數集等等,
所以要完成視訊的解碼,不僅需要傳輸VCL層編碼出來的視訊幀資料,還需要傳輸序列引數集、影象引數集等資料。
引數集:包括序列引數集 SPS 和影象引數集 PPS
SPS 包含的是針對一連續編碼視訊序列的引數,如識別符號 seq_parameter_set_id、幀數及 POC 的約束、參考幀數目、解碼影象尺寸和幀場編碼模式選擇標識等等。
PPS對應的是一個序列中某一幅影象或者某幾幅影象,
其引數如識別符號 pic_parameter_set_id、可選的 seq_parameter_set_id、熵編碼模式選擇標識、片組數目、初始量化引數和去方塊濾波係數調整標識等等。
資料分割:組成片的編碼資料存放在 3 個獨立的 DP(資料分割,A、B、C)中,各自包含一個編碼片的子集。
分割A包含片頭和片中每個巨集塊頭資料。
分割B包含幀內和 SI 片巨集塊的編碼殘差資料。
分割 C包含幀間巨集塊的編碼殘差資料。
每個分割可放在獨立的 NAL 單元並獨立傳輸。
NAL的開始和結束編碼器將每個NAL各自獨立、完整地放入一個分組,因為分組都有頭部,解碼器可以方便地檢測出NAL的分界,並依次取出NAL進行解碼。
每個NAL前有一個起始碼 0x00 00 01(或者0x00 00 00 01),解碼器檢測每個起始碼,作為一個NAL的起始標識,當檢測到下一個起始碼時,當前NAL結束。
同時H.264規定,當檢測到0x000000時,也可以表徵當前NAL的結束。那麼NAL中資料出現0x000001或0x000000時怎麼辦?H.264引入了防止競爭機制,如果編碼器檢測到NAL資料存在0x000001或0x000000時,編碼器會在最後個位元組前插入一個新的位元組0x03,這樣:
0x000000->0x000003000x000001->0x00000301
0x000002->0x00000302
0x000003->0x00000303
解碼器檢測到0x000003時,把03拋棄,恢復原始資料(脫殼操作)。解碼器在解碼時,首先逐個位元組讀取NAL的資料,統計NAL的長度,然後再開始解碼。
NALU的順序要求
H.264/AVC標準對送到解碼器的NAL單元順序是有嚴格要求的,如果NAL單元的順序是混亂的,必須將其重新依照規範組織後送入解碼器,否則解碼器不能夠正確解碼。
1.序列引數集NAL單元
必須在傳送所有以此引數集為參考的其他NAL單元之前傳送,不過允許這些NAL單元中間出現重複的序列引數集NAL單元。
所謂重複的詳細解釋為:序列引數集NAL單元都有其專門的標識,如果兩個序列引數集NAL單元的標識相同,就可以認為後一個只不過是前一個的拷貝,而非新的序列引數集。
2.影象引數集NAL單元
必須在所有以此引數集為參考的其他NAL單元之前傳送,不過允許這些NAL單元中間出現重複的影象引數集NAL單元,這一點與上述的序列引數集NAL單元是相同的。
3.不同基本編碼影象中的片段(slice)單元和資料劃分片段(data partition)單元在順序上不可以相互交叉,即不允許屬於某一基本編碼影象的一系列片段(slice)單元和資料劃分片段(data partition)單元中忽然出現另一個基本編碼影象的片段(slice)單元片段和資料劃分片段(data partition)單元。
4.參考影象的影響:如果一幅影象以另一幅影象為參考,則屬於前者的所有片段(slice)單元和資料劃分片段(data partition)單元必須在屬於後者的片段和資料劃分片段之後,無論是基本編碼影象還是冗餘編碼影象都必須遵守這個規則。
5.基本編碼影象的所有片段(slice)單元和資料劃分片段(data partition)單元必須在屬於相應冗餘編碼影象的片段(slice)單元和資料劃分片段(data partition)單元之前。
6.如果資料流中出現了連續的無參考基本編碼影象,則影象序號小的在前面。
7.如果arbitrary_slice_order_allowed_flag置為1,一個基本編碼影象中的片段(slice)單元和資料劃分片段(data partition)單元的順序是任意的,如果arbitrary_slice_order_allowed_flag置為零,則要按照片段中第一個巨集塊的位置來確定片段的順序,若使用資料劃分,則A類資料劃分片段在B類資料劃分片段之前,B類資料劃分片段在C類資料劃分片段之前,而且對應不同片段的資料劃分片段不能相互交叉,也不能與沒有資料劃分的片段相互交叉。
8.如果存在SEI(補充增強資訊)單元的話,它必須在它所對應的基本編碼影象的片段(slice)單元和資料劃分片段(data partition)單元之前,並同時必須緊接在上一個基本編碼影象的所有片段(slice)單元和資料劃分片段(data partition)單元后邊。假如SEI屬於多個基本編碼影象,其順序僅以第一個基本編碼影象為參照。
9.如果存在影象分割符的話,它必須在所有SEI 單元、基本編碼影象的所有片段slice)單元和資料劃分片段(data partition)單元之前,並且緊接著上一個基本編碼影象那些NAL單元。
10.如果存在序列結束符,且序列結束符後還有影象,則該影象必須是IDR(即時解碼器重新整理)影象。序列結束符的位置應當在屬於這個IDR影象的分割符、SEI 單元等資料之前,且緊接著前面那些影象的NAL單元。如果序列結束符後沒有影象了,那麼它的就在位元流中所有影象資料之後。
11.流結束符在位元流中的最後。