前言
即时通讯应用中的实时音视频技术,几乎是IM开发中的最后一道高墙。原因在于:实时音视频技术 = 音视频处理技术 + 网络传输技术 的横向技术应用集合体,而公共互联网不是为了实时通信设计的。有关实时音视频开发时的技术难题请参见《音视频云声网Agora:从demo到实用,中间还差1万个WebRTC》:http://www.52im.net/article-119-1.html
本文主要讲解实时音视频技术中视频技术的编码理论知识。
系列文章
本文是系列文章中的第3篇,本系列文章的大纲如下:
《即时通讯音视频开发(五):认识主流视频编码技术H.264》
《即时通讯音视频开发(九):实时语音通讯的回音及回音消除概述》
《即时通讯音视频开发(十):实时语音通讯的回音消除技术详解》
《即时通讯音视频开发(十一):实时语音通讯丢包补偿技术详解》
《即时通讯音视频开发(十三):实时视频编码H.264的特点与优势》
《即时通讯音视频开发(十五):聊聊P2P与实时音视频的应用情况》
《即时通讯音视频开发(十六):移动端实时音视频开发的几个建议》
《即时通讯音视频开发(十七):视频编码H.264、V8的前世今生》
《即时通讯音视频开发(十八):详解音频编解码的原理、演进和应用选型》
《即时通讯音视频开发(十九):零基础,史上最通俗视频编码技术入门》
1. 如何理解压缩码流?
可按2部分进行理解:
语法:码流中各个元素的位置关系。
如:01001001…,表示图像编码类型(01),宏块类型(00),编码系数1001等。
语义:每个语法元素所表达的意义。
例如:图像编码类型。
2. 编码层次的组成
编码层次由如下部分组成:
序列(Sequence)
图像组(Group of Pictures,GOP)
图像(Picture)
条带(Slice)
宏块(Macroblock,MB)
块(Block)
3. 具体的码流结构
4. PB帧编码
5. IBBP序列编码对象
序列是指一段连续编码的并具有相同参数的视频图像。
序列起始码是指专有的一段比特串,标识一个序列的压缩数据的开始。如MPEG-2的序列起始码为十六进制数000001(B3)。
序列头是指记录序列信息,包含档次(Profile),级别(Level),宽度,高度,是否是逐行序列,帧率等内容。
序列结束码是指专有的一段比特串,标识该序列的压缩数据的结束。如MPEG-2的序列结束码为十六进制数000001(B7)。
6. 图像组编码对象
7. 图像编码结构
包括:
图像。
图像起始码:专有的一段比特串,标识一个图像的压缩数据的开始。
如MPEG-2的图像起始码为十六进制数000001(00)。
图像头:记录图像信息。
包含图像编码类型,图像距离,图像编码结构,图像是否为逐行扫描。
8. 图像分块编码
9. 条带编码结构
条带:多个宏块的组合。
条带起始码:专有的一段比特串,标识一个条带的压缩数据的开始。如MPEG-2的条带起始码为十六进制数000001(0~AF)。
条带头:记录当前图像的相关信息。含条带位置,条带量化参数,宏块编码技术标识等。
10. 条带编码对象
11. 宏块编码结构
宏块:16x16的像素块(对亮度而言)。
宏块内容:宏块编码类型,编码模式,参考帧索引,运动矢量信息,宏块编码系数等。
12. 宏块编码对象
13. 块编码结构
8x8或4x4块的变换量化系数的熵编码数据。
CBP (Coded Block Patten):用来指示块的变换量化系数是否全为零。
对于YUV(4:2:0)编码,CBP通常6比特长,每个比特对应一个块,当某一块的变换量化系数全为零时,其对应比特位值为0,否则为1。
每个块的变换量化系数的最后用一个EOB (End of Block)符号来标识。
14. 视频编解码关键技术
预测:通过帧内预测和帧间预测降低视频图像的空间冗余和时间冗余。
变换:通过从时域到频域的变换,去除相邻数据之间的相关性,即去除空间冗余。
量化:通过用更粗糙的数据表示精细的数据来降低编码的数据量,或者通过去除人眼不敏感的信息来降低编码数据量。
扫描:将二维变换量化数据重新组织成一维的数据序列。
熵编码:根据待编码数据的概率特性减少编码冗余。
15. 预测
**空间预测:**利用图像空间相邻像素的相关性来预测的方法
帧内预测技术:利用当前编码块周围已经重构出来的像素预测当前块
Intra图像编码(I帧)
**时间预测:**利用时间上相邻图像的相关性来预测的方法
帧间预测:运动估计(Motion Estimation,ME),运动补偿(Motion Compensation,MC)
Inter图像编码:前向预测编码图像(P帧),双向预测编码图像(B帧)
16. 帧内预测
I帧图像的每个宏块都采用帧内(Intra)预测编码模式。
宏块分成8x8或者4x4块,对每个块采用帧内预测编码,称作Intra8x8或者Intra4x4。
帧内预测有多个预测方向:水平,垂直,左下,右上。
帧内预测还有直流(DC)预测。
色度块预测还有平面预测。
17. 量化
1量化原理
将含有大量的数据集合映射到含有少量的数据集合中。
18. 码率控制
受到缓冲区,带宽的限制,编码码率不能无限制的增长,因此需要通过码率控制来将编码码流控制在目标码率范围内。
一般通过调整量化参数的手段控制码率:
帧级控制
条带级控制
宏块级控制
码率控制考虑的问题:
防止码流有较大的波动,导致缓冲区发生溢出,
同时保持缓冲区尽可能的充满,让图像质量尽可能的好而且稳定
CBR(Constant Bit Rate):比特率稳定,但图像质量变化大。VBR(Variable Bit Rate):比特率波动大,但图像质量稳定。
码率控制算法:
码率分配
码率控制
码率控制属于非标准技术,编码端有,解码端没有。