从0开始做播放器---编解码基础知识

注：参考自bilibili系列视频，从0开始做播放器-第6章-图像编码的基础概念（理论课）https://www.bilibili.com/video/BV1PK41157jz

常见编码格式

视频需要编码，是因为采集来的原始视频太大，一部720p的电影，存原始图像就需要大约1T。所以需要编码，把原始图像压缩，便于我们传输和存储。

• H264 诞生于2003年，是目前最常见的编码方式
• H265 是H264的继任者，相比H264,H265性能更好，压缩的更小，但是很耗硬件，很多硬件不支持；H265不能广泛使用的另一个原因是，H5浏览器还不支持H265,主要H265专利费比较贵。
• VP8 由 Google 发布,Youtube和google在用
• VP9 是VP8的继任者,由 Google 发布,Youtube和google在用
• AVS（Audio Video coding Standard）国产，常见于政府项目，安防领域
• AVS2 是AVS的继任者，国产，常见于政府项目，安防领域

H264

• SPS 序列参数集

  • profile，定义基础配置
  • 视频长宽

• PPS 图像参数集

  • 码流中熵编码/解码选择的算法

• 一般来说，编码器编出的首帧数据为PPS和SPS，接着为I帧（注: 要想解码一路流，必须先把SPS和PPS传给解码器。）（https://zhuanlan.zhihu.com/p/27896239SPS和PPS详解）

• I帧 关键帧，保存整个图像的信息，自身可以通过视频解压算法解压成一张单独的完整的图片。I帧图像用于阻止误差的累积和扩散。在闭合式GOP中，每个GOP的第一个帧一定是I帧，且当前GOP的数据不会参考前后GOP的数据。

• P帧 前向预测帧，只记录本帧与前一帧的差别

• B帧 双向预测帧，只记录本帧与前一帧和后一帧的差别；B帧具有更高的压缩率，但需要更多的缓冲时间以及更高的CPU占用率，因此B帧适合本地存储以及视频点播，而不适用对实时性要求较高的直播系统。

NALU，帧，slice，宏块之间的关系

H264原始码流(裸流)是由一个接一个NALU组成，H264分为两个层面，VCL(视频编码层)和 NAL(网络提取层)。

• VCL(video coding)视频编码层：负责有效表示视频数据的内容；
• NAL(network abstraction)网络抽象层：负责格式化数据并提供头信息，以保证数据适合各种信道和存储介质上的传播。

H264结构中，一个视频图像编码后的数据叫做一帧（frame），一帧由一个片（slice）或多个片组成，一个片由一个或多个宏块（MB）组成，一个宏块由16x16的yuv数据组成。宏块作为H264编码的基本单位。
NALU是一种封装的模组 ,一个Slice编码之后被打包进一个NALU，不过NALU除了容纳Slice编码的码流外，还可以容纳其他数据，比如序列参数集SPS。所以nalu不一定是slice。
拓展：
那么为什么要设置片（slice）呢?
设置片(slice)的目的是为了限制误码的扩散和传输，应使编码片相互间是独立的。某片的预测不能以其他片中的宏块为参考图像，这样某一片中的预测误差才不会传播到其他片中。

PTS和DTS

PTS：显示时间戳，表示解码后的帧显示的时间
DTS：解码时间戳，表示送入解码器的顺序

NALU （Network Abstract Layer Unit）

• nalu type 如下图，常用的是1，5，7，8。
  • 1是非IDR帧 有可能是I帧，P帧，B帧
  • 5是IDR帧，IDR帧一定是I帧，但I帧不一定是IDR帧。IDR帧前面通常会有SPS和PPS。
    IDR帧常用于流媒体，因为存成文件的话，SPS、PPS信息会存在文件头，只存一次就可以，而流媒体，由于是网络流，
    1.只发一次SPS我们无法保证服务器一定会接收到；
    2.就算第一次发SPS就接收到了，那也需要一直在服务器缓存；
    3.如果直播小姐姐切换了前后摄像头，SPS和PPS就会变化，如果还用第一次接收到的SPS,就会出错
    所以就需要IDR帧的存在，隔一段时间，就传一下SPS和PPS。
  • 7是SPS 序列参数集
  • 8是PPS 图像参数集
    image.png
• 获取nalu type
  start code后面一个字节的低5位，获取方法：int naluType = nalu[4]0x1f，这里是常犯错误的地方。

H264的两种存储形态

Annex B

• startCode NALU 以0001或001开头
• 防竞争字节 编码时，slice数据里如果出现000，就插入0x3，这样，slice里所有的 0001 ，就被转换为 000 0x3 1；解码时，将slice数据中000后面的0x3去掉，就可以还原数据。
• 多用于网络流媒体中，rtp，rtmp等

AVCC

• 表示NALU长度的前缀，不定长，有时1字节，有时2字节，有时4字节
• 防竞争字节，同上，将000后面插入0x3，在AVCC中，由于没有startCode，这个操作对于AVCC格式是没有实际意义的，但是要遵从标准，所以也这样做了。遵从标准，有助于不同存储形态之间转换。
• 多用于文件存储中，如mp4

GOP

GOP是画面组，一个GOP是一组连续的画面。
GOP结构一般是：
I BBP BBP BBP BB I
增大图片组能有效的减少编码后的视频体积，但是也会降低视频质量。

常见误区

1. 分辨率越大码率越大吗？
   不一定。码率是单位时间内，传输的编码后的数据位数。码率约等于传输速率。
   码率由什么决定：

• 分辨率，影响较小
• 画面混乱程度，单帧图像，混乱程度越高，同等质量下，编码后的数据量越大；图像越简单，编码后的数据越小。
• 画面之间的变化量越大，编码后的数据量越大。
• 编码(压缩)程度，画面混乱程度相等时，压缩的狠，画质可能不好，但编码后数据会小

2. P帧一定比I帧小，B帧一定比P帧小

• P帧不一定比I帧小，当场景转换的时候，临界两帧，比如前一帧是室内简单场景，是I帧，后一帧是室外复杂场景，是P帧，P帧存的是与前一帧的变化量，场景转换时，前后两帧差距太大，P帧数据量就会很大。所以P帧不一定比I帧小。
• B帧不一定比P帧小，也是在场景转换的时候，B帧有可能跟前后某帧差别很大，无法参考数据，于是数据量很大。
• 所以说，每类帧类型的使用位置还是很重要的，每一帧给合适的帧类型，才能发挥好压缩效果