帧内预测（上）

回顾

终于开始正题了，前面的概况介绍已经结束，相信大家对视频编解码技术已经有了些感觉了，不过，还是有些概念不是很清晰。
从本节开始，我将逐渐带领大家认识这些核心技术。

帧内预测

前面已经介绍过，帧内预测的主要目的，就是为了从空间上减少视频的冗余。

让我们回顾一下下面的图

帧间预测.png
我们从当前帧中，随意拿到一个宏块，这个宏块的大小是8pixel x 8pixel的大小。我们可以清晰的发现，这些像素的值相差并不多，这是因为任何物体都有空间连续性，正如这张图中所拿到的蝴蝶的翅膀，在很小很小的空间里，翅膀上的颜色都是非常的接近。

颜色非常接近，就是告诉我们，我这里有冗余，我可以进一步压缩！

那么，究竟应该如何压缩呢？

帧间预测2.png
实际上这就要考验我们见微知著的本领了！也就是说，我们最好可以通过边界信息推导出整个宏块的信息。更确切的说，是通过半边界推导出整个宏块的信息。这个事情可能吗？当然不可能！我们只能确定，这个宏块内的像素值，和半边界上像素点的值有高度的相关性，但是我们并不能精准的推测出这个宏块内所有像素的像素值。
但这又有什么关系呢？我们并不需要推测出这些像素的准确值，别忘了我们的目标只是去除，或者尽量去除这些像素间的相关性。因此我们所需要做的，就是通过半边界的值推导出所有像素的值（预测），并记录这些预测的像素值和实际像素值之间的差异。

通过预测的方法，推导出目标的大概值，然后记录和真实值的差异，这是一个重要的思想。我们在后面还会发现这种思想的运用。

聊到这里，我们必须解决一个关键的问题，就是如何预测。也就是说，如何通过半边界的值来推导出宏块的所有像素的值呢？
这实际上是一个典型的数学问题，并且数学家已经为我们建立好了解决这类问题的方法——插值！
插值的方法当然有很多，我们在这里，采用最简单的插值方法：线性插值。

线性插值是否是预测的最精准的方案呢？我觉得倒是未必。插值的方法实在是很多，可能有其他插值方法比线性插值预测出的更加精准，但是线性插值无疑是所有插值中最简单的！因此我们在选择方案是，通常要在精确度和复杂度之间权衡。对于帧内预测而言，线性插值确实是一种非常有效的解决方案。

小结

本节介绍了帧内预测的主要思想，和解决方案。
下一节将继续为大家列举帧内预测的所有预测模式，以及如何找到哪个预测是最接近目标的。