H264，是你常見的技術術語了吧。

那h264是什麼東西呢？ H.264是視訊編碼標準，又是標準，得標準得天下啊。 在術語的拼寫上，小程以能理解為準。

本文介紹H264的常見概念。

預警，本文相對枯燥，你可隨時放棄閱讀。

（1）H264從哪裡來？

之前介紹媒體格式的概念時，有提到過國際標準化組織（ISO），現在又是它出場的時候。

H264是國際標準化組織（ISO）與國際電信聯盟（ITU）的產物。

但ISO是大boss，給的是造福人類的方向，真正做這件事的是他的下屬MPEG，MPEG是動態影象專家組。

同樣，ITU也有專家組來獨領風騷，叫VCEG，即視訊編碼專家組。

H.264有很多乳名，比如：H.264/AVC、AVC、H.264/MPEG-4 AVC，等等。

（2）H264有什麼優勢？

h264是ISO與ITU合作的結晶體，而在這之前，這兩家都有自己的產品，比如ITU有h261、h263、h263+，而MPEG有MPEG-1、MPEG-2、MPEG-4等。

兩家共同的研究成果自然不能比以往的差，h264比h263或mpeg-4的壓縮率都要高（在同等畫質下）。

h264優勢在於，在同樣的畫質下，擁有更高的壓縮率（更低的位元速率）。所以，看視訊的同學有福利了，因為這意味著，可以更省流量，並且降低了對你網速的要求，你還在用40KB/s的速度看大片嗎？

（3）H264的設計

（a）vcl與nalu

h264在設計上分不同的部分，涉及到複雜的概念，比如vcl與nal的劃分、幀內與幀間預測編碼、整數變換、熵編碼，等等。小程這裡只介紹一些簡單的概念。

h264在設計上，分vcl跟nal兩層。

vcl，video coding layer，即視訊編碼層，負責編碼視訊，獨立於網路環境。

nal，network abstraction layer，即網路抽象層，把vcl提供的資料進行封裝，應用於網路傳輸。

nal層的基本單位叫nalu。

nalu，network abstraction layer unit，網路抽象層單元。

nalu的大致結構是這樣的：

RBSP，是原始資料（可能是編碼的視訊資料，也可能是其它資料），加上用於對齊的“0”位元位。

nalu的頭，共8bit：

forbidden_bit(1bit)： 禁止位，用於糾錯。
nal_reference_bit(2bit)： 重要程度標識，越大則越重要，0是最不重要的。
nal_unit_type(5bit)：低5位，用於區分nalu的型別。
 

nalu的型別：

表中的nal_reference_bit標識了重要程度（越大越重要）。

nal_unit_type為1到5時，為切片（slice）的資料，也就是視訊編碼資料。如果值是5，則可以理解為IDR幀，也就是一個影象序列的第一個I幀。

nalu除了封裝切片資料（視訊資料），還可以封裝其它型別的資料，比如nal_unit_type為7與8時，對應的是序列引數（sps）與影象引數（pps），這兩個資訊對於解碼是必須的。注意，nalu裡面的資料是嚴格按格式來的，而且不會出現startcode這樣的資料，那個要根據實際場景來考慮是否加上，加到幀資料裡。

nalu包含的內容，就是rbsp的內容，rbsp的內容也有這樣的分類：

總得來說，nalu是資料封裝單元（只是一個數據載體），可以是引數據（比如一個pps），也可以是視訊編碼資料。幀（即影象），由若干個nalu構成，一個nalu如果是視訊資料，則可以由若干個“slice”組成。slice（片）是h264引入的概念，而“幀”的概念在h264之前就存在，所以不要把兩者混為一體。這裡引用網路上的兩個圖片來區分各個概念（圖中的P只是一個演示，是幀的概念）：

（b）I幀等

然後，小程介紹I幀、P幀之類的概念，這是你可能經常遇到的概念。首先，幀，是圖片的意思，是影象序列上的概念。

壓縮是為了節省儲存容量與傳輸頻寬，體積小而質量又好，是追求的目標。

視訊壓縮的關鍵點是去掉冗餘。

冗餘是什麼？你有我也有的（相關的）是冗餘，我感覺不到的也是冗餘。

h264編碼去除冗餘有兩個方向，一個是幀內預測編碼，另一個是幀間預測編碼。

幀內預測，關注於一張獨立的圖的冗餘（不考慮與前後圖的聯絡），把這張圖的冗餘（巨集塊之間的冗餘）去掉。

幀間預測，關注於前後圖間的冗餘，只保留差別，並依賴於參考幀。幀間預測編碼產生的幀，分為P幀與B幀。

所有幀參與分組，這個影象的組，也叫影象序列，即GOP。

而GOP很多時候是表示影象組的長度，可以設定。

一個影象序列內的影象是相關緊密的，也就是當更換場景（大變化來了）時就應該另起一個GOP。

MPEG2、h264與HEVC關於GOP的定義是不一樣的，所以在討論GOP時有必要先弄清楚是哪一個標準，這裡講的是h264。

h264的影象序列中，以IDR幀開始，到下一個IDR幀結束，一個影象序列中可以出現多個I幀。

GOP的第一個I幀，叫作IDR幀，區分於其它普通的I幀，所以IDR是I，但I未必是IDR。

IDR出現，意味著歷史作廢（歷史的錯不要影響到當前組），不能再依賴之前的影象，而要重新開始編碼。

一般來說，連續影象變化小（比如錄屏時緩慢滑動螢幕）則GOP值大，而且一個IDR後就可以連續用P或B幀來表示；變化大時（快速滑動螢幕）則GOP值小，可能一個IDR加兩三個P幀後就切到下一組序列了，這時編碼出來的體積也更大，如果傳輸的話就會產生頻寬峰值。

IDR，叫即時可解碼幀。

I幀，即Intra-predicted Frame，幀內預測幀。I幀還有很多同義詞，比如關鍵幀、獨立的完整影象、基本幀等。

I幀類似於JPEG的壓縮演算法。

P幀與B幀，都是幀間預測編碼，也就是要依賴於其它幀，它本身只是差異內容（差值與運動向量）。

P幀，前向預測編碼幀。P幀表示的是這一幀與之前的某個關鍵幀（或P幀）的差別，解碼時需要用之前快取的畫面疊加上本幀的差別，生成最終畫面。

B幀，雙向預測編碼幀。B幀依賴於前面的I或P幀，並且依賴於後面的P幀，所以解碼B幀時，既要取得之前的快取畫面，也要解碼之後的畫面，才能疊加出最終的畫面。

從壓縮率來說，B>P>I，而解碼複雜度來說也是這樣。一般（I+P）這樣的等級用得最多。

I跟P都是會成為參考幀，所以要注意影響，你差則別人也差。

至此，小程把H264一些常見的概念介紹完畢了。

總結一下，本文介紹了H264編碼標準的一些常見的概念，希望能幫到你，對H264有一個概念上的理解或瞭解。

---

相關推薦