二. 主流视频编码标准的发展

一. 主流视频编码标准的发展

长期以来，视频编码标准主要由两个国际组织负责制定：国际电信联盟ITU-T和国际标准化组织ISO。目前影响力最强的视频编码标准基本均出自这两个组织：

除了上述两个组织之外，其他比较有影响力的标准还有：

Google：VP8/VP9;
Microsoft : VC-1;
国产自主标准：AVS/AVS+/AVS2

二. H.261标准

H.261视频编码标准诞生于1988年，可谓是视频压缩编码发展的第一个里程碑。因为从H.261开始，视频编码方法采用了沿用至今的基于波形的混合编码方法。H.261标准主要目标是用于视频会议和可视电话等高实时性、低码率的视频图像传输场合。

在H.261标准产生的时代，由于各国的电视制式不一致，因此不能直接互通。为了解决数据源格式不兼容的问题，H.261定义了一种公共中间格式CIF(Common Intermediate Format)。编码的目标格式首选转换为CIF格式进行编码和传输，接收端进行解码后再转换为各自的格式。H.261规定的CIF格式视频的亮度分辨率为352×288，QCIF格式的亮度分辨率为176×144。

H.261视频编解码系统图：

H.261信源编码所采用的技术：

帧内编码/帧间编码判定：根据帧与帧之间的相关性判定——相关性高使用帧间编码，相关性低使用帧内编码。
帧内编码：对于帧内编码帧，直接使用DCT编码8×8的像素块。
帧间编码/运动估计：使用以宏块为基础的运动补偿预测编码；当前宏块从参考帧中查找最佳匹配宏块，并计算其相对偏移量(Vx, Vy)作为运动矢量；编码器使用DCT、量化编码当前宏块和预测宏块的残差信号；
环路滤波器：实际上是一个数字低通滤波器，滤除不必要的高频信息，以消除方块效应；

H.261码流复合器输出的码流结构：

经过H.261码流复合器输出的码流，总共可以分为四层，从上到下分别为帧层、块组层、宏块层和块层。每一层按照不同的封装格式包含了头信息和下一层的结构。

帧层：由帧首和块组数据构成；帧首包括帧起始码（ PSC）、帧计数码（ TR）、帧类型（ PTYPE）等；
块组层：由块组首和宏块数据组成；块组首包括组起始码（ GBSC）、块组编号码（ GN）、块组量化步长等；
宏块层(Macroblock,MB)：由宏块首和块数据构成；宏块首包括宏块地址码、宏块类型、宏块量化步长、运动矢量数据、编码模式等；
块层：包括每个8×8块的DCT系数按之字形扫描后的熵编码码流，以块结束符结尾

三. H.263标准

H.263是相对于H.261的改进标准，同样以低码率视频通信为目标，但是具有更好的压缩效率。与H.261相比，H.263支持更多种分辨率的图像格式：

Sub-QCIF: 128×96
QCIF: 176×144
CIF:352×288
4CIF:704×576
16CIF:1480×1152

除了更多的分辨率选择之外，视频信源编码算法也相比H.261实现了多项改进。

运动矢量：相比于H.261，H.263的运动矢量分配更加灵活。在H.261中，每一个MB分配一个运动矢量；H.263中支持对每一个8×8像素块各自使用一个运动矢量。
MV精度：H.261只支持整数像素的运动矢量，在H.263中运动矢量精度为1/2像素。
双向预测模式：H.263的帧间编码帧除了P帧之外，也支持B帧，使用前后双向预测模式。
熵编码：采用了算术编码，以较高的运算复杂度换取更高的编码效率。

四. MPEG-1标准

MPEG-1是国际标准化组织ISO下属的移动图像专家组负责制定的早期视频压缩标准，主要用于视频信息的存储、广播电视和网络传输应用。其中在VCD中保存的视频信息便使用MPEG-1标准进行压缩，其码率越为1.2~1.5Mb/s。

MPEG-1标准所支持的图像类型与H.263类似，支持I、B、P帧类型

I帧：帧内编码帧，采用帧内编码，可作为P/B帧的参考帧；
P帧：前向预测帧，采用帧间编码，以I/P帧作为参考帧；
B帧：双向预测帧，参考前后两个方向的参考帧；

在码流的结构上，MPEG-1采用了与H.261类似的分层码流结构。MPEG-1相比于H.261增加了条带层，每一个宏块所有的编码操作只能在一个条带内实现，条带层可以有效防止编码错误在一帧内扩散。MPEG-1标准的码流结构如下图所示：

五. MPEG-2标准

MPEG-2标准是ITU-T和ISO合作制定的编码标准，其视频部分也称作H.262标准，其标准编号为ISO-13818。ISO-13818是一系列标准的集合，包括了系统、视频、音频、一致性、参考软件等10个部分。MPEG-2标准在数字电视广播和音视频媒体容器等场合得到了广泛应用，常见的DVD视盘采用的就是MPEG-2视频编码方法。

MPEG-2格式的主要改进之处之一是支持支持逐行或者隔行扫描视频，使用基于帧或场的编码。在MPEG-2中，为适应隔行扫描视频信号的特点，在DCT、预测和运动估计算法中对帧和场进行了不同的处理。

另一方面，MPEG-2根据不同的编码工具定义了5个Profile：简单SP、主要MP、SNR可分级SNP、空间可分级SSP和高级HP。根据视频分辨率的不同定义了4个Level：低级LL、主级ML、高-1440级High1440和高级HL。

MPEG-2的码流分为三层：

基本流：ES，由视频编码的视频基本流和音频编码的音频基本流构成
打包基本流：PES，为音视频ES分别打包
传输流、节目流：TS/PS，若干个PES进行复用后输出，分别用于传输和存储

在MPEG-2的ES流层中，其码流结构采用了类似MPEG-1码流结构的分层封装的方法：

图像序列层：包括若干GOP，序列头包含起始码和序列参数等；
图像组（GOP）层：包括若干图像，GOP头包括起始码、GOP标识等；
图像层：包括若干个Slice，图像头中包括起始码和图像参数等；
片（Slice）层：最小的同步单位，包括若干宏块，Slice头中包括起始码、片地址、量化步长等信息；
宏块（Macroblock）层：由4个亮度块和2个色度块组成，宏块头包括地址、类型、MV等信息

六. MPEG-4标准

MPEG-4是ISO与1999年颁布的视频编码标准。同前任的MPEG-1和MPEG-2相比，MPEG-4更注重多媒体系统的交互性、灵活性和可扩展性。MPEG-4的标准编号为ISO-14496，也包括多个部分，如系统、视觉信息、音频、一致性等。

MPEG-4中最为显著的特点是采用了基于对象的编码。在MPEG-4中，一个视频对象主要定义为画面中分割出来的不同物体，每个物体由三类信息描述：运动信息、轮廓信息和纹理信息。MPEG-4通过编码这三类信息来实现对视频对象的编码。