《视频解密》中文版（第四版）第十章 H.261和H.263（第一部分）

有多种视频会议的规范，如表10.1所示。图10.1~10.3显示了一些常用视频会议系统的框图。

 

	H.310	H.320	H.321	H.322	H.323	H.324	H.324/C
网路	宽带ISDN ATM LAN	窄带交换数字ISDN	宽带ISDN ATM LAN	固定带宽包交换网络	固定带宽包交换网络（以太网）	PSTN或POTS	移动式
视频编解码器	MPEG-2 H.261	H.261 H.263	H.261 H.263	H.261 H.263	H.261 H.263	H.261 H.263	H.261 H.263
音频编解码器	MPEG-2 G.711 G.722 G.728	G.711 G.722 G.728	G.711 G.722 G.728	G.711 G.722 G.728	G.711，G.722 G723，G.728 G.729	G.723	G.723
复用	H.222.0 H.222.1	H.221	H.221	H.221	H.225.0	H.223	H.223A
控制	H.245	H.230 H.242	H.242	H.230 H.242	H.245	H.245	H.245
多点		H.231	H.231	H.231	H.323
数据	T.120	T.120	T.120	T.120	T.120	T.120	T.120
通信接口	AAL I.363 AJM I.361 PHY I.432	I.400	AAL I.363 AJM I.361 PHY I.400	I.400 和TCP/IP	TCP/IP	V.34调制解调	移动通信

 

表10.1视频会议系列标准

H.261

ITU-T H.261是为视频会议开发的第一个视频压缩和解压缩标准。起初设计的比特率是p×64kbps，这儿p的范围是1~30，H.261是现在所有视频会议标准中的最低要求，如表10.1所示。

一个典型的H.261编码器框图如图10.4所示。提供了一路环回数字视频流，和其它的信号复用，如控制和音频信号。视频解码器执行相反的处理。

H.261视频数据使用图3.7中的4:2:0YCbCr格式的视频数据，基本的规范列于表10.2。最大图像速率可能会限制于传输图像之间的0，1，2或3非传输图像。

支持两种类型的图像（即，帧）：

内或I帧：一个没有预测参考帧的帧。

间或P帧：一个基于前一帧的帧。

 图10.1典型H.320系统

 图10.2典型H.323系统

 图10.3典型H.324系统

视频编码层

如图10.4所示，基本功能是预测，块变换和量化。

预测误差（间模式）或输入图像（内模式）被分解成8采样点×8行的块，分段成发送或非发送。4个亮度块和2个空间相关的色彩块组合成一个16采样点×16行的宏块，如图10.5所示。

模式和传输块的准则没有被推荐，作为编码策略的一部分可以动态变化。传输块被变换以及由此产生的量化系数和可变长编码。

预测

预测是图片之间的，可能包括运动补偿和空间滤波器。使用预测的编码模式叫做帧间，没有使用预测的编码模式叫做帧内。

运动补偿

运动补偿在编码器中是可选的。解码器必须支持接受每个宏块一个运动向量。运动向量是受限的——所有以它们参考的采样点必须包含在解码的图像区域中。

运动向量的水平和垂直分量有不超过±15的整数值。运动向量用于宏块中的所有体格Y块。Cb和Cr块的运动向量由宏块向量值的一半推导得到。

运动向量的一个正的水平和垂直分量值指示从前一图像样本点形成的预测是空间上向右或向下的样本点被预测。

 图10.4典型的H.261编码器

 

参数	CIF	QCIF
有效分辨率（Y）	352×288	176×144
帧刷新率	29.97Hz
YCbCr采样结构	4:2:0
YCbCr编码形式	PCM均匀量化，每个采样点8位

 

表10.2    H.261 YCbCr参数

环路滤波器

预测处理可能使用一个2D空间滤波器，处理一个预测的包换8×8采样点的块。

滤波器被分成水平和垂直功能。两者都是非递归的，系数是0.25，0.5，0.25，除了块的边缘，那里有一个抽头在块之外。在这种情况下，系数变成0，1，0。

根据宏块的类型，对于一个宏块中的所有6个块，滤波器开启或关闭。

DCT，IDCT

发送的块首先经过一个8×8的DCT（离散余弦变换）处理。IDCT的输出（逆DCT）经过裁剪后的范围是-256~255，用9位表示。

变换的计算过程没有定义，但是逆变换必须符合公差在一定范围内。

量化

在一个宏块内部，除了一个帧内DC之外，所有的系数都是用相同的量化。第一个帧内系数通常使用一个步长为8没有死区的线性量化DC变换值。其它31个量化也是线性的，但是在0的周围有一个中央死区，一个范围2~62的偶数补偿。

图像重构裁剪

裁剪功能被用来阻止变换系数幅度量化失真，可能导致在编码器和解码器环路中的数学溢出。裁剪工具被应用于重构图像，由预测求和和预测误差导致的。裁剪强制小于0的值为0，大于255的值为255。

编码控制

虽然不是H.261的一部分，但是几个参数可能多用于控制编码的视频数据速率。这些包括预编码处理，量化，块意义准则，时间欠采样。时间欠采样通过丢弃完整图像执行。

强制更新

这是通过强制使用帧内模式的编码算法实现的。为了控制逆变换不匹配误差的叠加，一个宏块应该在它每传送132次至少被强制更新。

视频比特流

除非另外指定，最高比特被首先传送。这是第1位，在编码表中的最左端位。除非另有规定，所有未使用或空闲位被设置成“1”。

 图10.5    H.261组块，宏块和块的分布

 

视频比特流是一个4层的层次化结构。由高到底的层次是：

             图像

             组块（GOB）

             宏块（MB）

             块

图像层

每个图像数据包括一个图像头，跟随其后的组块（GOBs）。结构如图10.6所示。删除图像的图像头不传送。

图像开始码（PSC）

PCS是一个20-比特的字，值是0000 0000 0000 0001 0000。

时间参考（TR）

TR是一个5-比特的二进制数，表示32个可能值。它是由前面非传送的图片的图片头的值加1得到（29.97Hz）。算术仅处理最低5位。

类型信息（PTYPE）

图像的6位信息是：

位1      画面分割指标：“0”= 关毕，“1”= 开启

位2      摄像机文件指标：“0”= 关闭，“1”= 开启

位3      冻结图像释放：“0”= 关闭，“1”= 开启

位4      源格式：“0”= QCIF，“1”= CIF

位5      可选的静止图像模式：“0”= 开启，“1”= 关闭

位6      备用

 图10.6    H.261视频比特流层次结构

额外插入信息（PEI）

PEI是一个位，当被置“1”时，表示存在以下可选字段。

备用信息（PSPARE）

如果PEI被置“1”，那么跟随的这9比特包括8比特数据（PSPARE）和另一个PEI位以指示是否还跟随另一个9比特，以此类推。

组块（GOB）层

每个图像被分成组块（GOB）。一个GOB包含1/12幅CIF图片区域1/3幅QCIF图片区域（见图10.5）。一个GOB对应176采样点×48行的Y和88×24阵列的Cb和Cb数据。

每个GOB数据包含GOB头，跟随其后的是宏块数据，如图10.6所示。在图10.5中的顺序编号的CIF或QCIF图像开始码之间每个GOB头传送一次，即使没有宏块数据存在于GOB中。

组块开始码（GBSC）

GBSC是一个16比特字，值是0000 0000 0000 0001。

组块编号（GN）

GN是一个4位的二进制值，指示组块的位置。在图10.5中这些比特是二进制表示的编号。编号13，15和15保留为将来使用。

量化信息（CQUANT）

CQUANT是一个5-比特的二进制值指示组块所使用的量化，直到被任何接下来的MQUANT重写。允许值是1~31。

额外插入信息（GEI）

GEI是一个比特，它为“1”时，指示随后存在可选数据字段。

空闲信息（GSPARE）

如果GEI被设置为“1”，那么跟随的这9比特包含8比特的数据（GSPARE）另一个GEI比特指示是否还有9比特数据跟随其后，以此类推。

宏块（MB）层

每个GOB被分成33个宏块，如图10.5所示。一个宏块对应16个采样×16行的Y和8×8阵列的Cb和Cr数据。

宏块数据包括一个宏块头，跟随块数据（见图10.6）。

宏块地址（MBA）

MBA是一个可变长的码字指示在一个组块中宏块的位置。发送次序如图10.5所示。对于一个GOB的第一个宏块，MBA是图10.5中的绝对地址。接下来的宏块，MBA是和绝对地址宏块和最后发送宏块之间的偏移量。MBA的码表有表10.3给出。

一个码字可以立即填充在GOB头后面或一个编码的宏块（叫做MBA填充）。这个码字被解码器丢弃。

起始码的码字也在表10.3中列举。MBA通常包括在传送的宏块中。当红块包含的图像部分没有信息时，它们不被传送。

类型信息（MTYPE）

MTYPE是一个可变长的码字包含宏块和数据元存在的信息。宏块类型包括元素和可变长码字，如表10.4所列。MTYPE通常包含在发送的宏块中。

量化（MQUANT）

MQUANT目前仅由MTYPE指示。它是一个5-bit码字指示这里和任何组块中的块的量化，直到被任何接下来的MQUANT覆盖为止。MQUANT的码字和GQUANT一样。

 

MBA	编码			MBA	编码
1	1			17	0000	0101	10
2	011			18	0000	0101	01
3	010			19	0000	0101	00
4	0011			20	0000	0100	11
5	0010			21	0000	0100	10
6	0001	1		22	0000	0100	011
7	0001	0		23	0000	0100	010
8	0000	111		24	0000	0100	001
9	0000	110		25	0000	0100	000
10	0000	1011		26	0000	0011	111
11	0000	1010		27	0000	0011	110
12	0000	1001		28	0000	0011	101
13	0000	1000		29	0000	0011	100
14	0000	0111		30	0000	0011	011
15	0000	0110		31	0000	0011	010
16	0000	0101	11	32	0000	0011	001
				33	0000	0011	000
MBA填充					0000	0001	111
开始码					0000	0000	0000	0001

 

表10.3    H.261的MBA可变长编码表

 

 

 

 

预测	MQUANT	MVD	CBP	TCOEFF	编码
帧内				×	0001	001
帧内	×			×	0000
帧间			×	×	1	1
帧间	×		×	×	0000	0000	1
帧间+MC		×			0000	0001
帧间+MC		×	×	×	0000	0000	01
帧间+MC	×	×	×	×	0000
帧间+MC+FIL		×			001
帧间+MC+FIL		×	×	×	01
帧间+MC+FIL	×	×	×	×	0000	01

 

表10.4    H.261 MTYPE可变长码表

运动向量数据（MVD）

运动向量数据包括宏块的所有运动补偿（MC），有MTYPE指示。MVD由宏块向量减去前面宏块的向量包含。在如下情况下前面宏块的向量被认为是0：

（a）宏块1，12和23的MVD评定。

（b）MBA不存在的不同于1的宏块MVD评定。

（c）前面宏块的MTYPE不是运动补偿的。

运动向量数据包括一个可变长的水平分量码字，跟随一个可变长的垂直分量码字。可变长码字列举于表10.5

 

向量差	编码			向量差	编码
-16&16	0000	0011	001	1	010
-15&17	0000	0011	011	2&-30	0010
-16&18	0000	0011	101	3&-29	0000	0
-13&19	0000	0011	111	4&-28	0000	110
-12&20	0000	0100	001	5&-27	0000	1010
-11&21	0000	0100	011	6&-26	0000	1000
-10&22	0000	0100	11	7&-25	0000	0110
-9&23	0000	0101	01	8&-24	0000	0101	10
-8&24	0000	0101	11	9&-23	0000	0101	00
-7&25	0000	0111		10&-22	0000	0100	10
-6&26	0000	1001		11&-21	0000	0100	010
-5&27	0000	1011		12&-20	0000	0100	000
-4&28	0000	111		13&-19	0000	0011	110
-3&29	0001	1		14&-18	0000	0011	100
-2&30	0011			15&-17	0000	0011	010
-1	011
0	0

表10.5    H.261 MVD可变长码表

编码块特征（CBP）

如果MTYPE指示，那么可变长的CBP存在。它指示宏块中的哪个块有至少一个变换系数被传送。特征序号表示为：

P0P1P2P3P4P5

CBP序号的码字由表10.6给出。

块层

一个宏块有4个Y块，一个Cb块和一个Cr块组成（见图10.5）。

一个8采样×8行的数据块包含变换系数码字，跟随一个块结束（EOB）标志如图10.6所示。块的传送顺序如图10.5所示。

 

CBP	码字		CBP	码字
60	111		62	0100	0
4	1101		24	0011	11
8	1100		36	0011	10
16	1011		3	0011	01
32	1010		63	0011	00
12	1001	1	5	0010	111
48	1001	0	9	0010	110
20	1000	1	17	0010	101
40	1000	0	33	0010	100
28	0111	1	6	0010	011
44	0111	0	10	0010	010
52	0110	1	18	0010	001
56	0110	0	34	0010	000
1	0101	1	7	0001	1111
61	0101	0	11	0001	1110
2	0100	1	19	0001	1101

 

表10.6a  H.261 CBP可变长码表 

 

CBP	码字		CBP	码字
35	0001	1100	38	0000	1100
13	0001	1011	29	0000	1011
49	0001	1010	45	0000	1010
21	0001	1001	53	0000	1001
41	0001	1000	57	0000	1000
14	0001	0111	30	0000	0111
50	0001	0110	46	0000	0110
22	0001	0101	54	0000	0101
42	0001	0100	58	0000	0100
15	0001	0011	31	0000	0011	1
51	0001	0010	47	0000	0011	0
23	0001	0001	55	0000	0010	1
43	0001	0000	59	0000	0010	0
25	0000	1111	27	0000	0001	1
37	0000	1110	39	0000	0001	0
26	0000	1101

 

表10.6b  H.261 CBP可变长码表

传输系数（TCOEFF）

当MTYPE指示帧内时，传输系数存在于宏块中的所有6个。否则，MTYPE和CBP信号指示它们中的哪一块有系数数据。量化的DCT系数的传输顺序如图7.59所示。

最常见的情况是连续0（RUN）组合跟着一些值（电平），使用可变长码编码，列举与表10.7。由于CBP指示的是没有系数数据的块，EOB不能在第一个系数处出现。最后的比特“s”指示电平的符号：“0” = 正，“1” = 负。

另外的组合（RUN，电平）使用一个20-比特的编码：6比特游程（ESC），6比特的RUN，和8比特的电平，如表10.8所示。

两个编码表使用可变长编码：一个用于帧间第一个电平，帧间+MC和帧间+MC+FIL块；另一个用于除了第一个帧内块之外的所有其它电平，它是一个固定长度的8比特编码。

除了帧内DC之外，所有系数有范围为-2048~2047的重构电平（REC）。重构电平是由如下方程恢复过来的，并会导致剪辑。QUANT的范围是1~31，由GQUANT或MQUANT传送。

QUANT = 奇数：

      对于电平 > 0

             REC = QUANT×（2×LEVEL + 1）

      对于电平 < 0

             REC = QUANT×（2×LEVEL - 1）

QUANT = 偶数：

      对于电平 > 0

             REC = （QUANT×（2×LEVEL + 1））- 1

      对于电平 < 0

             REC = （QUANT×（2×LEVEL - 1））+ 1

      对于电平 = 0

             REC = 0

对于帧内DC块，第一个系数典型有一个8阶梯的量化值没有死区，产生一个8-比特编码值，n。黑色的编码值是0001 0000（16），白色的编码值是1110 1011（235）。一个值1024的变换值是1111 1111。编码值0000 0000和1000 0000没有使用。解码值是8n。除了n值是255将重建1024值之外。

静态图像传输

H.261允许传送一个静止图像4次，分辨率是当前所选的视频格式。如果格式是QCIF，那么一个静态的CIF分辨率可能被传送；如果视频格式是CIF的，一个静态的704×576分辨率可能被传送。

 图10.7典型H.261解码序列 

 

Run	Level	编码
EOB		10
0	1	1s	如果是块中的第一个系数*
0	1	11s	如果不是块中的第一个系数
0	2	0100	s
0	3	0010	1s
0	4	0000	110s
0	5	0010	0110	s
0	6	0010	0001	s
0	7	0000	0010	10s
0	8	0000	0001	1101	s
0	9	0000	0001	1000	s
0	10	0000	0001	0011	s
0	11	0000	0001	0000	s
0	12	0000	0001	1101	0s
0	13	0000	0000	1100	1s
0	14	0000	0000	1100	0s
0	15	0000	0000	1011	1s
1	1	011s
1	2	0001	10s
1	3	0010	0101	s
1	4	0000	0011	00s
1	5	0000	0001	1011	s
1	6	0000	0000	1011	0s
1	7	0000	0000	1010	1s
2	1	0101	s
2	2	0000	100s
2	3	0000	0010	11s
2	4	0000	0001	0100	s
2	5	0000	0000	1010	0s
3	1	0011	1s
3	2	0010	0100	s
3	3	0000	0001	1100	s
3	4	0000	0000	1001	1s

 

表10.7a  H.261 TCOEFF可变长编码

*在帧内宏块中从不使用 

 

Run	Level	编码
4	1	0011	0s
4	2	0000	0011	11s
4	3	0000	0001	0010	s
5	1	0001	11s
5	2	0000	0010	01s
5	3	0000	0000	1001	0s
6	1	0001	01s
6	2	0000	0001	1110	s
7	1	0001	00s
7	2	0000	0001	0101	s
8	1	0000	111s
8	2	0000	0001	0001	s
9	1	0000	101s
9	2	0000	0000	1000	1s
10	1	0010	0111	s
10	2	0000	0000	1000	0s
s11	1	0010	0011	s
12	1	0010	0010	s
13	1	0010	0000	s
14	1	0000	0011	10s
15	1	0000	0011	01s
16	1	0000	0010	00s
17	1	0000	0001	1111	s
18	1	0000	0001	1010	s
19	1	0000	0001	1001	s
20	1	0000	0001	0111	s
21	1	0000	0001	0110	s
22	1	0000	0000	1111	1s
23	1	0000	0000	1111	0s
24	1	0000	0000	1110	1s
25	1	0000	0000	1110	0s
26	1	0000	0000	1101	1s
ESC		0000	01

 表10.7b  H.261 TCOEFF可变长编码

 

Run	编码	电平	编码
0	0000 00	-128	禁止
1	0000 01	-127	1000 0001
…	…	…	…
63	1111 11	-2	1111 1110
		-1	1111 1111
		0	禁止
		1	0000 0001
		2	0000 0010
		…	…
		127	0111 1111

 

表10.8    H.261 Run，电平码