H264之NALU结构详解

  摘要：本文详细描述了AVC的NALU的码流结构，以及各个层面上NALU详细的构成。
  关键字：AVC，NALU

1 NALU简介

  NAL层即网络抽象层（Network Abstraction Layer），是为了方便在网络上传输的一种抽象层。一般网络上传输的数据包有大小限制，而AVC的帧大小远远大于网络传输的字节大小限制。因此要对AVC的数据流进行拆包，将一帧数据拆分为多个包传输。和NAL层相对是VAL层，即视频编码层（Video Coding Layer）

  NALU就是经过分组后的一个一个数据包。每个NALU由一个1字节的NALU头部和一个包含控制信息或编码视频数据的字节流组成。NALU头部包含了NALU的类型以及其重要性的信息。NALU的类型指示了NALU的用途或功能，可以用于识别不同类型的单元，例如参数集和用于参考的片段。用于参考的参数集和片段被认为是重要或高优先级的，因为它们的丢失可能会导致难以解码后续的编码片段。非参考片段被认为对解码器的影响较小，因为它们的丢失不会影响进一步的解码。这些信息可以选择性地用于在传输过程中对某些NALU进行优先级排序。
  每个NALU中的VCL数据即编码序列以一个或多个即时解码器刷新（IDR）访问单元开始，其中包含一个或多个IDR片段，每个IDR片段都是一个帧内编码的片段。接下来是默认的片段类型，即非IDR编码的片段，以及/或者数据分割片段。数据分割片段将编码视频数据的不同组件分别放在单独的NAL单元中，这在存在传输错误的情况下可能很有用。非VCL NAL单元包括参数集、补充增强信息参数，这些参数对解码和显示视频数据可能有用，但对于正确解码来说并非必需，以及定义编码部分之间边界的分隔符。

2 NALU码流结构

  一个完整的数据包包含多个NALU，不同的NALU该如何组织规范中并没有规定，因此实际实现比较广泛的有两种格式AnnexB和AVCC。

2.1 AnnexB

  AnnexB是一种比较常见的H264码流格式，FFmpeg解封装的H264码流就是这种格式。AnnexB的格式比较简单每个NALU单元之前通过分隔符0x00 00 00 01或者0x00 00 01区分不同的NALU单元。对于非VCL和VCL的单元是不区分的都是存储在NALU的Body中。
  由于NALU的Body中的数据是压缩数据可能出现start code，因此规定RBSP中的0x000000、0x000001、0x000002和0x000003是非法的。如果数据中包含类似的二进制序列需要插入一个“模拟预防”字节0x03来实现，使得0x000001变成0x00000301，解码时去除即可。

  VCL包含经过编码的数据，而非VCL包含一些元数据协助解码。

2.2 AVCC

  另一种常见的存储H.264流的方法是AVCC格式。在这种格式中，每个NALU之前都有它的长度（以大端格式表示）。这种方法更容易解析，但会失去附录B的字节对齐特性。长度可以使用1、2或4个不同的字节进行编码增加复杂性。该值存储在一个头部对象中，通常被称为“extradata”或“sequence header”。它的基本格式如下：

bits    
8   version ( always 0x01 )
8   avc profile ( sps[0][1] )
8   avc compatibility ( sps[0][2] )
8   avc level ( sps[0][3] )
6   reserved ( all bits on )
2   NALULengthSizeMinusOne
3   reserved ( all bits on )
5   number of SPS NALUs (usually 1)

repeated once per SPS:
  16         SPS size
  variable   SPS NALU data

8   number of PPS NALUs (usually 1)

repeated once per PPS:
  16       PPS size
  variable PPS NALU data

2.3 AVCC和AnnexB优点对比

  两种不同格式的优点：
附录B（Annex B）格式：

• 字节对齐特性：Annex B格式使用起始码（start code）作为NALU的分隔符，这使得解析和处理数据包相对容易，因为起始码可以用于准确定位NALU的边界。
• 广泛支持：Annex B格式是H.264视频流的一种常见格式，得到了广泛的支持，并且在许多常见的容器格式（如MP4）中使用。
• 适合网络流。
  AVCC格式：
• 简化解析：AVCC格式在每个NALU之前包含了长度信息，这使得解析和处理数据包更加简单，因为可以直接根据长度信息来定位和提取NALU。
• 灵活性：AVCC格式允许使用不同字节长度来编码NALU的长度，从而提供了更大的灵活性，可以适应不同大小的NALU。
• 适合本地文件。

2.3 NALU

  一个完整的NALU由NALU Header和RBSP（Raw Byte Sequence Payloads）组成。
  NALU Header占位8Bit，其中三个字段分别为

• Forbidden_bit(1bit，一定是0)；
• NAL_Reference_bit（2bit，优先级），如 00 的 NALU 解码器可以丢弃它而不影响图像的回放。0～3，取值越大，表示当前NALU越重要，需要优先受到保护。如果当前NALU是属于参考帧的片，或是序列参数集，或是图像参数集这些重要的单位时，本句法元素必需大于0；
• NAL_UNIT_TYPE(5bit)，标识了当前Unit的类型和优先级信息。
    下面是Unit的类型标识和具体对应的类型描述（一般码流的前两个NALU分别是SPS和PPS）：

0      Unspecified                                                    non-VCL
1      Coded slice of a non-IDR picture                               VCL
2      Coded slice data partition A                                   VCL
3      Coded slice data partition B                                   VCL
4      Coded slice data partition C                                   VCL
5      Coded slice of an IDR picture                                  VCL
6      Supplemental enhancement information (SEI)                     non-VCL
7      Sequence parameter set                                         non-VCL
8      Picture parameter set                                          non-VCL
9      Access unit delimiter                                          non-VCL
10     End of sequence                                                non-VCL
11     End of stream                                                  non-VCL
12     Filler data                                                    non-VCL
13     Sequence parameter set extension                               non-VCL
14     Prefix NAL unit                                                non-VCL
15     Subset sequence parameter set                                  non-VCL
16     Depth parameter set                                            non-VCL
17..18 Reserved                                                       non-VCL
19     Coded slice of an auxiliary coded picture without partitioning non-VCL
20     Coded slice extension                                          non-VCL
21     Coded slice extension for depth view components                non-VCL
22..23 Reserved                                                       non-VCL
24..31 Unspecified                                                    non-VCL

• SPS： 序列参数集，包含解码配置，比如profile level 分辨率和帧率等。
• PPS：图像参数集，包含有关熵编码模式、分片组、运动预测和去块滤波器等信息。
• IDR: 立即解码刷新单元，这种NALU包含一个完整的图像序列，不依赖其他NALU就可以独立解码和显示，即一种特殊的I帧。

2.3.1 Slice

  一个视频图像可编码成一个或更多个切片，每个切片包含整数个宏块（MB），即每个切片至少一个 MB，最多时每个切片包含整个图像的宏块。总之，一幅图像中每个切片的宏块数不一定固定。设切片的目的是为了限制误码的扩散和传输，应使编码切片相互间是独立的。某个切片的预测不能以其它切片中的宏块为参考图像，这样某一切片中的预测误差才不会传播到其它切片中去。
  切片由切片头和切片数据组成。切片头（slice header）传递了适用于切片中所有宏块（macroblock）的共同信息，例如切片类型（slice type），切片类型确定了允许使用哪些宏块类型，切片对应的帧编号，参考图像设置以及默认量化参数（QP）。切片头包含了以下信息：

• 切片类型：切片类型确定了切片中可以使用的宏块类型，例如I帧、P帧或B帧。
• 帧编号：切片头指示了切片所对应的帧的编号，用于正确解码和顺序播放视频帧。
• 参考图像设置：切片头包含了参考图像的相关设置，用于解码过程中的运动估计和补偿。
• 默认量化参数（QP）：切片头中包含了默认的量化参数，用于控制视频质量和压缩率。

  切片头中的这些信息对于解码器正确解码视频数据非常重要。通过切片头，解码器可以了解切片中宏块的类型、参考图像的设置以及量化参数的默认值，从而进行正确的解码和重建视频帧。切片头在H.264（或AVC）视频编码中起着关键的作用，它提供了切片中宏块的共同信息，确保视频数据能够被正确解码和播放。
  切片数据部分由一系列组成切片的宏块（macroblock）组成。在许多编码序列中，包含没有数据的宏块，即跳过宏块（skip macroblock），是非常常见的情况。跳过宏块通过参数"mb skip run"来表示，它表示一系列跳过的宏块的数量，在CAVLC熵编码模式下使用；或者通过"mb skip flag"来表示，它表示单个跳过的宏块，在CABAC熵编码模式下使用。跳过宏块是指在编码过程中，某些宏块不包含有效的数据，可以被跳过以提高编码效率。在切片数据部分中，这些跳过宏块的存在是很常见的。在CAVLC熵编码模式下，通过"mb skip run"参数来表示一连串跳过的宏块的数量。而在CABAC熵编码模式下，通过"mb skip flag"参数来表示单个跳过的宏块。这些跳过宏块的存在可以减少编码数据量，提高压缩效率。在解码过程中，解码器会根据相应的参数来识别和处理跳过宏块，以正确恢复视频帧的内容。切片数据部分中的这些跳过宏块对于视频编码和解码过程至关重要，它们在提高编码效率和压缩率方面发挥着重要作用。

2.3.2 宏块

  宏块层包含了解码单个宏块所需的所有语法元素。在H.264（或AVC）中，宏块是视频编码的基本单元，表示视频帧内的一个矩形像素块。宏块层包含了解码和重建宏块所需的所有信息和语法元素。宏块层中的语法元素包括：

• 宏块类型：指定宏块的类型，如帧内（I帧）、预测（P帧）或双向预测（B帧），表示用于编码宏块的预测模式。
• 运动矢量：指定宏块相对于前一帧中参考位置的位移，描述宏块的运动信息。
• 变换系数：表示经过离散余弦变换（DCT）和量化后的宏块变换系数。
• 预测模式：指示用于编码宏块的预测模式，如帧内预测或帧间预测。
• 残差数据：包含预测和量化后的残差信息，用于在解码过程中重建宏块。
    通过解码宏块层中的语法元素，解码器可以重建宏块，并为整个视频帧的重建做出贡献。宏块层在解码过程中起着关键作用，因为它包含了解码和重建单个宏块所需的所有必要信息。

3 参考文献

• H.264媒体流AnnexB和AVCC格式分析 及 FFmpeg解析mp4的H.264码流方法
• Possible Locations for Sequence/Picture Parameter Set(s) for H.264 Stream
• what the advantage of h264 Annex-B VS AVCC
• H264解析
• H264: From NAL to RTP