图像编解码：CRF（质量/码率控制）和QP

什么是CRF？

CRF是264和265中默认的质量/码率控制设置。这个值可以在0到51之间，值越低，质量越好，文件大小越大。在x264上面，一般取值为18-28，默认值是23。在ffmpeg中，crf是这么使用的

ffmpeg -i input.mp4 -c:v libx264 -crf 23 output.mp4

在x265中，默认的crf值是28

ffmpeg -i input.mp4 -c:v libx265 -crf 28 output.mp4

如果你不确定要用哪个crf的值的话，请先用默认值，然后根据你对输出质量的主观印象去调整。大约crf的值差别为6就会导致文件大小的加倍或减半。

你应该在线下的文件存储中使用crf的编码，来获取一个最佳的编码方式。对于其他的使用场景，请使用其他的码率控制模式。

---------------------------------------------------------------------------------------------------

CRF和QP

CRF是恒定质量的编码方式，与恒定码率(CBR)是相反的。通常，为了获取恒定质量的编码，我们可以通过用同样的大小去压缩每一个相同类型的帧，即，扔掉相对来说相同数量的信息。用专业术语来说，就是使用相同的量化参数QP。这个量化参数QP定义了从一个像素宏块中丢掉多少信息。通常这将导致整个视频序列的码率不稳定。

不过，这里所说的CRF比恒定量化参数要复杂一点儿。CRF会用将每一帧的压缩不同的大小，为了让主观的质量感受差不多，会用不同的QP。他是通过把运动也考虑进来做到这一点的。在编码中，如果Qp=18,则每一帧都是QP=18，当然根据帧的类型不同会有一些微小的波动，忽略之。设置CRF=18的时候，对于运动比较大的场景，会把QP设得更高一些，对于运动比较比较不剧烈的帧，会降低QP。这会导致比特率的分配随时间变化不同。

例如，下图展示了两个不同的视频(BBB big buck bunny和TOS tears of steal)，用不同的等级去编码（17和23），分别用恒定量化参数CQP和恒定质量CRF模式

我们看到，CRF的线总是比CQP的要低，意味着采用CRF模式的时候，可以省比特数，而采用CQP的时候，稍微会浪费一点文件大小。

 

为什么运动这么重要？

比起运动的物体，人眼对静止的物体会观察到更多的细节。基于这一想法，编码时，对运动物体给更高的压缩率，而对静止的物体保留更多的细节。

用外行的话说，这是因为你的视觉系统会被运动分散注意力，而不会有足够的时间去注意运动物体的细节。用专业术语来讲，运动掩盖了块效应。从另一个方面来说，当一帧运动不够大时，人就会话更多的时间去注意图像的细节了，所以你希望压缩的越少越好。这个时候的压缩噪声对于人眼来说就比较显著了。

你可能会问，那么CQP是不是会取得好的视频质量呢？事实上，感官感受是差不多的，只是CQP的模式会在你不真正注意的区域浪费更多的空间。

从应用的层面来说，很多人都会在单通道的编码使用CRF，另一个采用CRF的原因是这个是开发者x264或x265时默认选择的码率控制模式。

 

定量的视频质量怎么样呢？

如果你有一些简单的方式可以比较视频质量的话（比如，比较每一帧的PSNR），你会发现CRF的质量比CQP的要差。但是如果你用人眼去主观评价的话，CRF和CQP看起来差不多。它对于人眼比较关注的地方压缩的比较小。客观质量评价可能会比较差，但主观质量还是可以的。

这其实有一个对于简单的质量评价方式psnr或ssim的一个质疑，它不能把运动之类的影响人眼的感受的因素考虑进去，因为他们是逐帧去评价的。一些评价标准，像VQM和VMAF对于评价视频来说是更好的一种方式。

 

质量和比特率之间是什么关系？

不是所有的视频都是一样好压缩的。运动较少，细节较少的视频是比较容易压缩的，反之相反了。这里说的容易是指，同样的码率的情况下，比较容易达到更好的图像质量。

CRF解决这一问题，对于不同的视频，不同的CRF参数导致不同的码率。事实上，你无法根据码率估计crf的参数。

例如，你把CRF设成23，对于一个视频源，你会得到1500 kb/s，而对于另一个，你会得到1000kb/s，两个看起来质量差不多。事实上，CRF要做的，就是保留确定数量的细节，不管用多少码率。

云编码服务Bitmovin在正式编码之前，也用CRF来评估视频的复杂度。

需要注意一点，如果你的CRF选的太高（比如30），你会看到在运动比较剧烈的地方有很多的块效应，因为这些地方的码率太低了。编码器会对更复杂的区域用QP32，如本文开头提到的，根据你想要的视频质量选择要的CRF参数。

 

为什么你还是会在电视或者网络上看到很多块效应呢？

为什么呢？问题是对于这些视频，他们用了太低的码率，特别是在广播中，码流是用固定码率去压缩的，这样就不会考虑运动了。因此，一些电视节目在真正复杂的细节的图像处没有采用相应的压缩率，看起来就比较多的块了。

现在的码流处理会更加的智能一些。youtube和neflix用2-pass甚至3-pass的算法，对于后者来说，采用CRF编码来决定对于某一特定源，应该用某种码率去编码。确保对于复杂场景有足够的码率去使用，而又不超过用户的带宽。