H264视频编码原理

一、为什么要对视频编码

视频是由一帧帧的图像组成，就像gif图片一样。一般视频为了不会让人感觉到卡顿，一秒钟至少需要16帧画面(一般30帧)。加入该视频是一个1280x720的分辨率，那么不经过编码一秒钟传输的大小为1280x720x60~=843M。所以不经过编码的视频根本没法保存和传输。现在市面上主要将编码分为两大类H.264和MPEG。后面一种主要用于DVD，机顶盒等设备。h264编码是一种主流的编码格式。另外H265也属于其中的一种，比如我们电影院播放的电影，一些高清的电视采用的就是这种编码技术。

二、H264编码规则

在相邻的几幅画面中，一般有差别的像素是10%以内的点，亮度差值变化不超过20%，而色度差值的变化只有不到1%，所以对于一段变化不大的画面，我们可以先编码成一个完整的图片帧A
随后的B帧就不编码全部图像，只写入A帧的差别，这样B帧的大小只有完整帧大小的10%或者更小！B帧之后的C帧如果变化不大，我们可以继续以参考B帧的方式进行编码，依次循环下去。
这段图像我们称之为一个序列：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，无法根据前面的帧来生成，我们就结束上一段序列，开启下一段序列，也就是对这个图像生成完整的帧A1，随后的帧将参考A1帧，只写入与A1差别的内容。这个序列就是Gop序列，我们也可以把它当作一个场景，比如场景A和场景B，场景A的背景是红色，场景B的背景是绿色，那么A和B就是两个序列。每个序列是从I帧开始的，并且是唯一的，后面是B帧和P帧。两个I帧之间就是一个序列

三、H264编码

I帧、P帧、B帧是如何生成的呢？前面说过，当两个场景差异很大的时候，就会重新开始一个序列，那么这个序列就是从I帧开始的，也称关键帧。那么与I帧相似度极高，到达95%以上，则被编码成B帧；相似度达到70%编码为P帧。I、P、B帧的如何编码不需要我们自己实现，x264工具就已经帮我们完成了。

前面已经说过编码的目的就是为了方便传输(指文件传输，网络流传输等)。但是我们并不能把一帧帧传过去，一帧的内容几十k也是太大了，还需要细分才能更好的传输，所以我们需要更小的传输单元，保证更高的压缩性、容错性以及实时观看性。那么就引入了NALU单元

四、NALU单元

上图可以看到，一帧数据(一张图片)是由很多个NALU单元组成，一个NALU单元分为两部分：NAL头和RBSP

1、NAL头：标识NAL单元中的RBSP数据类型，其中，nal_unit_type为1， 2， 3， 4， 5的NAL单元称为VCL的NAL单元，其他类型的NAL单元为非VCL的NAL单元

0：未规定
1：非IDR图像中不采用数据划分的片段
2：非IDR图像中A类数据划分片段
3：非IDR图像中B类数据划分片段
4：非IDR图像中C类数据划分片段
5：IDR图像的片段
6：补充增强信息（SEI）
7：序列参数集（SPS）
8：图像参数集（PPS）
9：分割符
10：序列结束符
11：流结束符
12：填充数据
13：序列参数集扩展
14：带前缀的NAL单元
15：子序列参数集
16 – 18：保留
19：不采用数据划分的辅助编码图像片段
20：编码片段扩展
21 – 23：保留
24 – 31：未规定

2、RBSP:又被成为切片，每个切片是由片头和片数据组成，片数据是由若干个宏块组成。包括序列参数集 SPS 和图像参数集 PPS

3、SPS与PPS

概念：包含了初始化H.264编码所需要的信息参数。包括编码所用的profile，level，图片的宽和高，deblock滤波器等

SPS:序列参数集，如标识符 seq_parameter_set_id、帧数及 POC 的约束、参考帧数目、解码图像尺寸和帧场编码模式选择标识等等。

PPS:图像参数集，其参数如标识符 pic_parameter_set_id、可选的 seq_parameter_set_id、熵编码模式选择标识、片组数目、初始量化参数和去方块滤波系数调整标识等等。

在H.264编码中都是以"0x00 0x00 0x01"或者"0x00 0x00 0x00 0x01"为开始码的，找到开始码后，使用开始码后的第一个字节的低5位判断是否为7(sps)或8(pps),即data[4]&0x1f==7或data[4]&0x1f==8。然后对获取的nal去掉开始码之后进行base64编码，得到的信息就可以用于sdp，sps，pps，需要用逗号隔开。