视频压缩和H264

一.视频压缩

1.1 为什么需要压缩视频？

假设一个2小时未压缩的高清视频，1920×1080p的电影，我们来计算一下他的存储容量。先介绍一下帧率(frame rate或者是 FPS)概念，也就是每秒传输图片的帧数，也可以理解为图形处理器每秒能够刷新几次。由于人眼的特性-视觉暂留，帧率要在20以上才会感觉流畅。之前的电影帧率一般是24。拓展：为什么游戏帧数要60才流畅，而电影只需要24
2小时×60分钟×60秒×25 帧率×1920×1080 像素 ×3/2 每像素字节数 = 5599GB
一部高清电影占了这么大空间，不能忍。
所以，为了存储和传输方便，压缩视频，必不可少。

 

1.2 如何压缩视频？

接下来回答怎么进行视频压缩。
介绍最基本的概念：
信息压缩是通过去除资料中的冗余信息而达成。就视频而言，冗余信息可以分成四类：

• 时间上的冗余信息（temporal redundancy）
  在视频中，相邻的帧（frame）与帧之间通常有很强的关连性，这样的关连性即为时间上的冗余信息。这即是上一次学习中的帧间压缩。连续的图像往往非常相近，由于一些小运动造成了细小差别。这种减小冗余的方法可以存储和上一帧或者下一帧不同的地方。这样就可以减少存储了。这个过程就称作运动补偿。位移是利用运动向量得出的。

• 空间上的冗余信息（spatial redundancy）
  在同一张帧之中，相邻的像素之间通常有很强的关连性，这样的关连性即为空间上的冗余信息。这即是上一次学习中的帧内压缩。比如一个像素点是绿色，那它相邻的像素点可能就是深绿或者浅绿，甚至就是绿。

• 统计上的冗余信息（statistical redundancy）
  统计上的冗余信息指的是欲编码的符号（symbol）机率分布是不均匀（non-uniform）的。

• 感知上的冗余信息（perceptual redundancy）
  感知上的冗余信息是指在人在观看视频时，人眼无法察觉的信息。

视频压缩（Video compression）是指运用压缩技术将数位视频中的冗余信息去除，降低表示原始视频所需的存储量，以便视频资料的传输与储存。实际上，原始视频资料的容量往往过大，例如未经压缩的电视品质视频的位元率高达216Mbps，绝大多数的应用无法处理如此庞大的容量，因此视频压缩是必要的。目前最新的视频编码标准为ITU-T视讯编码专家组（VCEG）和ISO／IEC动态图像专家组（MPEG）联合组成的联合视频组（JVT，Joint Video Team）所提出的H.264/AVC。

一个典型的视频编码器：在进行当前信号编码时，编码器首先会产生对当前信号做预测的信号，称作预测信号（predicted signal），预测的方式可以是时间上的预测（interprediction），亦即使用先前帧的信号做预测，或是空间上的预测 （intra prediction），亦即使用同一张帧之中相邻像素的信号做预测。得到预测信号后，编码器会将当前信号与预测信号相减得到残余信号（residual signal），并只对残余信号进行编码，如此一来，可以去除一部份时间上或是空间上的冗余信息。接着，编码器并不会直接对残余信号进行编码，而是先将残余信号经过变换（通常为离散余弦变换）然后量化以进一步去除空间上和感知上的冗余信息。量化后得到的量化系数会再透过熵编码，去除统计上的冗余信息。

 

二.h264编码标准的提出

H264是新一代的编码标准，以高压缩高质量和支持多种网络的流媒体传输著称。

在编码方面，我理解的他的理论依据是：参照一段时间内图像的统计结果表明，在相邻几幅图像画面中，一般有差别的像素只有10%以内的点,亮度差值变化不超过2%，而色度差值的变化只有1%以内。所以对于一段变化不大图像画面，我们可以先编码出一个完整的图像帧A，随后的B帧就不编码全部图像，只写入与A帧的差别，这样B帧的大小就只有完整帧的1/10或更小！B帧之后的C帧如果变化不大，我们可以继续以参考B的方式编码C帧，这样循环下去。这段图像我们称为一个序列（序列就是有相同特点的一段数据），当某个图像与之前的图像变化很大，无法参考前面的帧来生成，那我们就结束上一个序列，开始下一段序列，也就是对这个图像生成一个完整帧A1，随后的图像就参考A1生成，只写入与A1的差别内容。

在H264协议里定义了三种帧，完整编码的叫做I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，还有一种参考前后的帧编码的帧叫B帧。
H264采用的核心算法是帧内压缩和帧间压缩，帧内压缩是生成I帧的算法，帧间压缩是生成B帧和P帧的算法。

 

参考链接：

1. 视频压缩基本概念