H264编码原理

news2025/1/31 2:56:20

1.什么是音视频？

比如我们下载的mp4格式（还有rmvb、avi）的电影

2.什么是h264？

对摄像头采集的每一帧视频需要进行编码，由于视频中存在空间和时间的冗余，需要用算法来去除这些冗余。H264是专门去除这些冗余的算法，我们把这种算法称为H264编码，当然还有mpeg4、vp9等编码，它们的区别就是实现的算法不一样。

3.为什么需要对视频编码？

可能有的人会问可不可以将每一帧保存到文件，音频再单独保存呢？答案是在早期是可以的，在早期放映视频的电影院中，确实是通过保存每一帧的画面数据，音频数据单独存放，来达到保存视频文件的效果。一个胶卷30公斤重，是不是觉得很离谱。随着科技的发展，现在肯定不会这样做了，第一，存储问题。第二，网络传输问题。所以需要对视频编码来去冗余（空间、时间、编码、视觉、知识）。

4.什么是封装格式和编码格式？

比如一个.rar的压缩包，这个压缩包就相当于一个封装格式，压缩包里的文件相当于是编码格式。mp4就是封装格式。如下引用的图所示

5.什么是I帧、P帧、B帧？

如下图byte数据就是

I帧：完整编码的帧叫I帧

P帧：参考之前的I帧生成的只包含差异部分编码的帧叫P帧

B帧：参考前后的帧编码的帧叫B帧

除了I/P/B帧外，还有图像序列GOP

GOP:两个I帧之间是一个图像序列，在一个图像序列中只有一个I帧

按显示顺序(播放顺序)排列的帧

按解码顺序排列的帧

以上只是简单介绍了一下I帧、B帧、P帧的概念

6.什么是NALU单元？

H264原始码流（又称为裸流），是由一个接一个的NALU单元组成

上图中的 NALU头 + RBSP（切片）就相当与一个 NALU 。每个单元都按独立的NAL单元传送。单元的信息头（一个字节）定义了RBSP单元的类型，NAL单元的其余部分为RBSP数据。

7.什么是切片？

视频序列就是一帧一帧的图像

把一张图片划分成若干个小的区域，这些小的区域称之为宏块

H264默认是使用 16X16 大小的区域作为一个宏块，也可以划分成 8X8 大小

8.程序如何解析上面byte数据的呢？

上面说了分隔符是0x00000001，也就是起始码,根据起始码后面的一个字节的后五位来确定NAL单元的类型，如下图所示

06转为二进制后取后五位并转为十进制为6，表示补充增强信息单元，即SEI

67同上十进制为7 ，表示序列参数集，即SPS

68同上十进制为8 ，表示序图像参数集，即PPS

65同上十进制为5 ，表示IDR图像中的片，即 I帧

注意：起始码：如果NALU对应的Slice为一帧的开始，则用4字节表示，即0x00000001；否则用3字节表示，0x000001 。脱壳操作：为了使NALU主体不包括起始码，在编码时每遇到两个字节（连续）的0，就插入一字节0x03，以和起始码相区别。解码时，则将相应的0x03删除掉。

H264解码NAL头信息的nal_referrence_idc（NRI）用于在重建过程中标记一个NAL单元的重要性

1. 值为0表示这个NAL单元没有用预测，因此可以被解码器抛弃而不会有错误扩散
2. 值高于0表示NAL单元要用于无漂移重构，且值越高，对此NAL单元丢失的影响越大
3. NAL头信息的隐藏比特位，在H264编码器中默认为0，当网络识别到单元中存在比特错误时，可将其置为1。隐藏比特位主要用于适应不同种类的网络环境（比如有线无线相结合的环境）