计算一下：10秒钟1080p（1920x1080）、30fps的YUV420P原始视频，需要占用多大的存储空间？

(10 * 30) * (1920 * 1080) * 1.5 = 933120000字节 ≈ 889.89MB可以看得出来，原始视频的体积是非常巨大的

由于网络带宽和硬盘存储空间都是非常有限的，因此，需要先使用视频编码技术（比如H.264编码）对原始视频进行压缩，然后再进行存储和分发。H.264编码的压缩比可以达到至少是100:1。

1.简介

H.264，又称为MPEG-4 Part 10，Advanced Video Coding。

译为：MPEG-4第10部分，高级视频编码简称：MPEG-4 AVC

H.264是迄今为止视频录制、压缩和分发的最常用格式。截至2019年9月，已有91％的视频开发人员使用了该格式。H.264提供了明显优于以前任何标准的压缩性能。H.264因其是蓝光盘的其中一种编解码标准而著名，所有蓝光盘播放器都必须能解码H.264。

2.编码器

H.264标准允许制造厂商自由地开发具有竞争力的创新产品，它并没有定义一个编码器，而是定义了编码器应该产生的输出码流。

x264是一款免费的高性能的H.264开源编码器。x264编码器在FFmpeg中的名称是libx264。

3.解码器

H.264标准中定义了一个解码方法，但是制造厂商可以自由地开发可选的具有竞争力的、新的解码器，前提是他们能够获得与标准中采用的方法同样的结果。

FFmpeg默认已经内置了一个H.264的解码器，名称是h264。

4．编码过程与原理

H.264的编程过程比较复杂，本文只介绍大体的框架和脉络，具体细节就不展开了。

大体可以归纳为以下几个主要步骤：

划分帧类型帧内/帧间编码变换 + 量化滤波熵编码

4.1划分帧类型

有统计结果表明：在连续的几帧图像中，一般只有10%以内的像素有差别，亮度的差值变化不超过2%，而色度的差值变化只在1%以内。

4.1.1GOP

于是可以将一串连续的相似的帧归到一个图像群组（Group Of Pictures，GOP）。

GOP

GOP中的帧可以分为3种类型：

I帧（I Picture、I Frame、Intra Coded Picture），译为：帧内编码图像，也叫做关键帧（Keyframe）

是视频的第一帧，也是GOP的第一帧，一个GOP只有一个I帧编码对整帧图像数据进行编码解码仅用当前I帧的编码数据就可以解码出完整的图像是一种自带全部信息的独立帧，无需参考其他图像便可独立进行解码，可以简单理解为一张静态图像

P帧（P Picture、P Frame、Predictive Coded Picture），译为：预测编码图像

编码并不会对整帧图像数据进行编码以前面的I帧或P帧作为参考帧，只编码当前P帧与参考帧的差异数据解码需要先解码出前面的参考帧，再结合差异数据解码出当前P帧完整的图像

B帧（B Picture、B Frame、Bipredictive Coded Picture），译为：前后预测编码图像

编码并不会对整帧图像数据进行编码同时以前面、后面的I帧或P帧作为参考帧，只编码当前B帧与前后参考帧的差异数据因为可参考的帧变多了，所以只需要存储更少的差异数据解码需要先解码出前后的参考帧，再结合差异数据解码出当前B帧完整的图像不难看出，编码后的数据大小：I帧 > P帧 > B帧。

显示和编码顺序

在较早的视频编码标准（例如MPEG-2）中，P帧只能使用一个参考帧，而一些现代视频编码标准（比如H.264），允许使用多个参考帧。

多个参考帧

4.1.2GOP的长度

GOP的长度表示GOP的帧数。GOP的长度需要控制在合理范围，以平衡视频质量、视频大小（网络带宽）和seek效果（拖动、快进的响应速度）等。

加大GOP长度有利于减小视频文件大小，但也不宜设置过大，太大则会导致GOP后部帧的画面失真，影响视频质量由于P、B帧的复杂度大于I帧，GOP值过大，过多的P、B帧会影响编码效率，使编码效率降低如果设置过小的GOP值，视频文件会比较大，则需要提高视频的输出码率，以确保画面质量不会降低，故会增加网络带宽GOP长度也是影响视频seek响应速度的关键因素，seek时播放器需要定位到离指定位置最近的前一个I帧，如果GOP太大意味着距离指定位置可能越远（需要解码的参考帧就越多）、seek响应的时间（缓冲时间）也越长

4.1.3GOP的类型

GOP又可以分为开放（Open）、封闭（Closed）两种。

Open

前一个GOP的B帧可以参考下一个GOP的I帧

Closed

前一个GOP的B帧不能参考下一个GOP的I帧GOP不能以B帧结尾

长度为15的Open GOP

长度为15的Closed GOP

需要注意的是：

由于P帧、B帧都对前面的参考帧（P帧、I帧）有依赖性，因此，一旦前面的参考帧出现数据错误，就会导致后面的P帧、B帧也出现数据错误，而且这种错误还会继续向后传播对于普通的I帧，其后的P帧和B帧可以参考该普通I帧之前的其他I帧

在Closed GOP中，有一种特殊的I帧，叫做IDR帧（Instantaneous Decoder Refresh，译为：即时解码刷新）。

当遇到IDR帧时，会清空参考帧队列如果前一个序列出现重大错误，在这里可以获得重新同步的机会，使错误不会继续往下传播一个IDR帧之后的所有帧，永远都不会参考该IDR帧之前的帧视频播放时，播放器一般都支持随机seek（拖动）到指定位置，而播放器直接选择到指定位置附近的IDR帧进行播放最为便捷，因为可以明确知道该IDR帧之后的所有帧都不会参考其之前的其他I帧，从而避免较为复杂的反向解析

IDR

4.2帧内/帧间编码

I帧采用的是帧内（Intra Frame）编码，处理的是空间冗余。

P帧、B帧采用的是帧间（Inter Frame）编码，处理的是时间冗余。

4.2.1划分宏块

在进行编码之前，首先要将一张完整的帧切割成多个宏块（Macroblock），H.264中的宏块大小通常是16x16。

宏块可以进一步拆分为多个更小的变换块（Transform blocks）、预测块（Prediction blocks）。

变换块的尺寸有：16x16、8x8、4x4预测块的尺寸有：16×16、16×8、8×16、8×8、8×4、4×8、4×4

预测块

4.2.2帧内编码

帧内编码，也称帧内预测。以4x4的预测块为例，共有9种可选的预测模式。

预测模式

预测模式描述

利用帧内预测技术，可以得到预测帧，最终只需要保留预测模式信息、以及预测帧与原始帧的残差值。

编码器会选取最佳预测模式，使预测帧更加接近原始帧，减少相互间的差异，提高编码的压缩效率。

4.2.3帧间编码

帧间编码，也称帧间预测，用到了运动补偿（Motion compensation）技术。

编码器利用块匹配算法，尝试在先前已编码的帧（称为参考帧）上搜索与正在编码的块相似的块。如果编码器搜索成功，则可以使用称为运动矢量的向量对块进行编码，该向量指向匹配块在参考帧处的位置。

在大多数情况下，编码器将成功执行，但是找到的块可能与它正在编码的块不完全匹配。这就是编码器将计算它们之间差异的原因。这些残差值称为预测误差，需要进行变换并将其发送给解码器。

综上所述，如果编码器在参考帧上成功找到匹配块，它将获得指向匹配块的运动矢量和预测误差。使用这两个元素，解码器将能够恢复该块的原始像素。

如果一切顺利，该算法将能够找到一个几乎没有预测误差的匹配块，因此，一旦进行变换，运动矢量加上预测误差的总大小将小于原始编码的大小。

如果块匹配算法未能找到合适的匹配，则预测误差将是可观的。因此，运动矢量的总大小加上预测误差将大于原始编码。在这种情况下，编码器将产生异常，并为该特定块发送原始编码。

4.3变换与量化

接下来对残差值进行DCT变换（Discrete Cosine Transform，译为离散余弦变换）。

5.规格

H.264的主要规格有：

Baseline Profile（BP）

支持I/P帧，只支持无交错（Progressive）和CAVLC一般用于低阶或需要额外容错的应用，比如视频通话、手机视频等即时通信领域

Extended Profile（XP）

在Baseline的基础上增加了额外的功能，支持流之间的切换，改进误码性能支持I/P/B/SP/SI帧，只支持无交错（Progressive）和CAVLC适合于视频流在网络上的传输场合，比如视频点播

Main Profile（MP）

提供I/P/B帧，支持无交错（Progressive）和交错（Interlaced），支持CAVLC和CABAC用于主流消费类电子产品规格如低解码（相对而言）的MP4、便携的视频播放器、PSP和iPod等

High Profile（HiP）

最常用的规格在Main的基础上增加了8x8内部预测、自定义量化、无损视频编码和更多的YUV格式（如4:4:4）High 4:2:2 Profile（Hi422P）High 4:4:4 Predictive Profile（Hi444PP）High 4:2:2 Intra ProfileHigh 4:4:4 Intra Profile用于广播及视频碟片存储（蓝光影片），高清电视的应用