多年以来，人们设计出许多不同的算法来压缩视频。视频压缩虽然听起来是一个很现代的词，但其实它从模拟视频开始，已经有很长的历史了。在本篇文章中，我会向大家一一介绍视频压缩史上的里程碑事件，正是这些事件的发生才有了今天的视频压缩。从过去到现在，各类视频压缩方法由最初的概念最终演化成现今的标准。很多压缩标准今天还在使用，人们也一直在继续开发和完善新的标准。

1929：首次出现帧间压缩

帧间压缩是指仅保留一张关键图像，以及后面帧与此图像之间的差异，这张关键图像被称为关键帧（Keyframe）。令人惊讶的是，关于帧间压缩的讨论可以追溯到1929年。英国的R.D. Kell提出将帧间压缩用于模拟视频，这一概念随后便延续下来并应用在今天的数字视频上。

1952：差分脉冲编码调制

下一个视频压缩的里程碑事件发生在1952年。贝尔实验室的B.M. Oliver 和 C.W. Harrison提出可以在视频编码中使用差分脉冲编码调制（DPCM）。在此之前，DPCM一直被用于音频（今天依然如此）。DPCM技术是指你可以从图像中采样，并据此推测未来的样本值。因为可以通过推测准确地重建图像，所以不需要存储太多图像数据。

1959：使用时间压缩的帧间预测编码

1959年，使用时间压缩的预测性帧间视频编码第一次被提出。时间压缩是指在一段视频中选择一组间隔的关键帧，只对这些关键帧的变化进行编码。作为其他帧的参考点，关键帧是唯一被记录下来的帧。这一概念由日本广播公司（NHK）的研究人员Y. Taki、M. Hatori和S. Tanaka提出。

1967：行程长度编码

行程长度编码（Run-length encoding，RLE）是指将连续出现的同一个数据值存储为单一值和出现次数，如输入数据流“AAABBCCCC”，输出的是连续数据值的计数序列“3A2B4C”。之后你可以利用这些信息准确地重建同一张图像！伦敦大学的研究人员A.H. Robinson 和C. Cherry提出这一概念，最初用于降低模拟电视信号的传输带宽。今天，行程长度编码仍在数字视频中使用。

20世纪70年代：早期数字视频算法

数字视频在70年代出现。发送视频时使用了和电信相同的技术——PCM（脉冲编码调制）。是不是有些眼熟？PCM就来自上文提到的DPCM。PCM以数字形式表示采样的模拟信号。它最初是音频标准，在70 年代被用来压缩数字视频。虽然可以传输视频，但它需要大码率且传输效率较低。

1972：数字视频的首次压缩

Nasir Ahmed，印裔美国电气工程师、计算机科学家

1972年左右，堪萨斯州立大学的Nasir Ahmed提出使用DCT编码压缩图像。DCT代表离散余弦变换（Discrete Cosine Transform），它将图像分成由不同频率组成的小块。在量化过程中，舍弃高频分量，剩下的低频分量被保存下来并用于后面的图像重建。由于舍弃了某些频率的图像，所以最终呈现出来的图像不会完全相同，但大多时候，这种差异不会被人们察觉。

1973：DCT技术成为一种图像压缩算法

DCT

Nasir Ahmed 与德克萨斯大学的 T. Natarajan 和 K.R. Rao 合作，实现了DCT图像压缩算法。1974年，他们发表了自己的工作成果。

1974：混合编码的发展过程

1974年，南加州大学的Ali Habibi将预测编码和DCT编码组合在一起使用。我们在上文提到过，预测编码是指猜测当前图像出现前后的数值。Habibi的算法只能应用于帧内图像，无法预测帧间图像。

1975：混合编码的进一步发展

John A. Roesse 和Guner S. Robinson进一步发展了Habibi的算法，使它可以应用于帧间，为此，他们尝试了各种方法，最终发现Ahmed的DCT技术和预测编码结合起来使用是最高效的。

1977：更快的DCT算法

陈文雄、 C.H. Smith 和S.C. Fralick一起优化了DCT算法，他们创立了Compression Labs公司，将DCT商业化。

1979~1981：运动补偿DCT视频压缩

Anil K. Jain 和Jaswant R. Jain 继续发展运动补偿DCT视频压缩技术。陈文雄使用他们的成果创造出一种结合了所有研究的视频压缩算法。运动补偿DCT上的持续研究工作使它最终成为了标准的压缩技术，从20世纪80年代一直使用到现在。

1984：首个数字视频压缩标准——H.120

前期的所有研究最终取得成果——第一个视频压缩标准H.120问世。该标准对于单个图像非常有用，但在维持帧间图像质量方面效果不佳，于1988年被修订。H.120是首个国际视频压缩标准，主要用于视频会议。这是一次伟大的成就，但由于H.120多方面的低效，许多公司不得不试验各种方法来完善这个标准。

1988：用H.261举行视频会议

H.261很可能是你见过或者使用过的一系列编解码器中的第一个。它是第一个有效使用帧内和帧间压缩技术的数字视频压缩标准。H.261 也是第一个在商业上成功的数字视频编码标准。它被用于全世界的视频会议，并引入混合的基于块的视频编码，该编码今天仍在许多视频标准（MPEG-1 第 2 部分、H.262/MPEG-2 第 2 部分、H.263 MPEG-4 第 2 部分、H.264/MPEG-4 第 10 部分和 HEVC）中使用。创建H.261标准的方法今天依然被广泛使用。它支持的最大分辨率是352x288。

虽然这个标准在国际上很受欢迎，但它在刚发布时并不完整。该标准分别在 1990 年和 1993 年进行了修订。H.261不包括处理编码的细节，仅用于解码视频。

1992：使用Motion JPEG（MJPEG）的PC多媒体应用

1992年，Motion JPEG被创建出来用于计算机上的多媒体应用。这种视频压缩技术将视频每一帧都分别压缩成JPEG图像。

1993：使用MPEG-1的视频CD

MPEG表示Moving Pictures Experts Group（动态图像专家组），它是ISO（International Standardization Organization，国际标准化组织）与IEC（International Electrotechnical Commission，国际电工委员会）联合成立的专门针对媒体编码制定国际标准的组织。1988年左右，他们开始合作制定今天为人所知的视频编码标准——MPEG-1。与 H.261 类似，MPEG-1虽然提供了示例实现，但没有包含如何编码视频的标准。因此，MPEG-1 会根据编码方式展现出截然不同的性能。

MPEG-1 专为压缩 VHS（Video Home System，家用录像系统） 质量的原始数字视频、音频和元数据而设计，用于视频 CD、数字有线电视、卫星电视和供参考、存档和转录用的文件共享。它的最大分辨率为 352x288。你可能最了解音频中的 MPEG-1——它创造了MP3。

1994 使用H.262和MPEG-2的电视广播和DVD

MPEG-2 和 H.262 是同一个视频标准的不同名称，它由许多公司共同开发而成。该标准支持隔行扫描（这是一种用于模拟 NTSC、PAL 和 SECAM 电视系统的技术），并且使用了很多有趣的编码技术。下面介绍两种：

图像采样

MPEG-2通过图像采样技术减少数据。其中一种方法是将每一帧分割为奇偶两场图像交替扫描（一个场里包含所有奇数行，另一个场里包含所有偶数行），在显示时，先显示第一个场的交错间隔内容，然后再显示第二个场来填充第一个场使之完整。这种方法被称为隔行扫描。隔行扫描是一种减小数据量保证帧率的压缩方法。

另一种策略充分利用了人眼对亮度的感知优于颜色的特点。MPEG-2采用了色度二次采样（Chroma Subsampling）：这种视频编码方式对色度（颜色）信息使用的分辨率比对亮度（亮度）信息使用的分辨率低。因为人类对颜色的观察能力不强，即使有信息在压缩过程中失去也不会影响观看。这一策略的目的是减少存储彩色图像所用的数据，从而实现图像压缩不会降低质量。

I帧，P帧和B帧

MPEG-2使用不同种类的帧来压缩数据。I帧是帧内编码帧，I帧描述了图像背景和运动主体的内容，可以作为P帧和B帧的参考帧。P 帧也被称为预测帧，它包含自身与前面 I 帧、P 帧或 B 帧中的信息差异。B 帧类似于 P 帧，但它需要参考其前面一个I帧或P帧及其后面的一个P帧来生成一张完整的视频画面。

1995：使用DV存储数字视频

第一个 DV 规范被称为Blue Book，其中定义了录像带、录制调制方法、磁化和基本系统数据等共同特征。DV 使用 DCT 逐帧压缩视频。同MPEG-2一样，它使用色度二次采样进行进一步压缩。

DV 是由索尼和松下为专业用户和广播用户设计的。现在有了存储卡和固态驱动器，这种存储方法早已过时了。

1996：使用H.263的新一代视频会议标准

在H.261的基础上又实现了H.263。它利用DCT技术创建可用于视频会议的低码率压缩视频。这一标准广泛用于互联网上的 Flash 视频内容、YouTube 和 MySpace 等。它一直应用于整个互联网，直到H.264的出现。

1999：使用MPEG-4 第二部分的互联网视频

MPEG-4 第二部分（也称为 MPEG-4 Visual）是一种与H.263兼容的标准，常用于监控摄像以及高清电视广播和 DVD。它使用了比MPEG-2更高效的算法，且压缩速度更快。不过，因为它无法处理AVC（Advanced Video Coding，高级视频编码）格式，后面才有了MPEG-4 AVC。

2003：使用H.264/MPEG-4 AVC的蓝光、DVD、视频直播和广播电视

H.264/MPEG-4AVC（有时也被称为MPEG-4 第十部分）发布于2003年。这种压缩技术的目的是创建足够灵活的高清数字视频，以用于不同的系统、网络和设备。这是目前最流行的压缩标准。H.264不仅用于各种解码器、浏览器和移动设备，还用于卫星、互联网、电信网络和电缆。蓝光光盘、Netflix、Hulu、Amazon Prime Video、Vimeo、YouTube 以及你在互联网上看到的几乎所有视频都有它的身影。它支持的最大分辨率是4096x2048。

该标准以运动补偿整数DCT编码为基础。整数DCT变换是一种能够特别快实现余弦变换的算法。H.264 支持无损压缩和有损压缩，与早期的压缩标准相比，它非常灵活。另一个优点是，这项技术对互联网上播放的流媒体内容免费。

2013：使用H.265/HEVC的360°沉浸式视频、AR和VR

H.265/HEVC（High Efficency Video Coding，高效率视频编码）不仅可以做到H.264所能做的一切，而且表现更佳。它将文件大小减少了 50%，并支持非常高质量的视频分辨率 ——高达 8K（最大分辨率为 8192x4320）。虽然你通常无需用到 8K 或无法通过今天的设备和网络获取到它，但H.265对于AR、VR和 360° 等沉浸式体验非常有用。高昂的成本是它没有得到广泛应用的主要原因。除了Netflix 和 Amazon Prime Video 等大公司可以负担这笔费用外，其他许多公司仍然选择使用 H.264。

2013：VP9

VP9由谷歌开发，它是H.265的竞争对手。和H.265不同，它是免费的。H.265 在高码率时表现更好。H.265和VP9编码视频都需要一段时间，这会增加延迟。也正是由于这个问题，H.264才会被继续使用。由于免费的原因，VP9变得越来越流行。但是否会得到更广泛的应用还未可知。

2018：使用AV1的高质量网络视频

谷歌、亚马逊、思科、英特尔、微软、Mozilla 和 Netflix 决定一起创建一个新的视频格式标准——AV1。它是 VP9 之后的下一代视频标准，开源且免费。这种格式专为实时应用（如 WebRTC）设计且支持更高分辨率，目的是能够处理 8K 视频。它利用新技术实现了了我在上文提到的典型的基于块的DCT变换。通过更精确的方法将图像分成块并使用改进后的过滤，它可以准确地实现帧间预测。

2020：使用H.266/VVC实现商业上可行的4K、8K

H.266/VVC（Versatile Video Coding，多维度视频编码）主要面向 4K 和8K视频服务。它于 2020 年 7 月发布，是目前为止最新发布的视频压缩标准。H.266进一步优化了压缩（但没有其他创新），大约可节省50%的视频码率，同时确保视频清晰度不变。它使用基于块的混合视频编码方法，其思想是找到优化和改进现有算法和压缩技术的方法。H.266编码速度仍然很慢，但该标准在较低码率下提供了良好的质量改进。

我国拥有自主知识产权的第三代“信源编码”标准——AVS3

AVS3视频编码标准是中国AVS工作组制定的第三代标准。它的目的是适应多种应用场景，如超高清电视广播、虚拟现实和视频监控。AVS3的开发过程分为两个阶段。到目前为止，AVS3的第一阶段已经于2019年3月完成，它在4K超高分辨率视频方面比AVS2节省了大约30%的码率。此外，AVS3 的第二阶段正在开发更有效的编码工具以提高性能，尤其是监控视频和屏幕内容视频。

从1929到2020，视频压缩标准的历史就告一段落了。回顾这近100年的历史，正是在一代又一代个人和组织的不懈努力下，才有了今天的视频压缩标准。未来的视频压缩还会发生哪些变化？让我们一起拭目以待。

翻译 / Alex

技术Review / LiveVideoStack特邀技术审校

原文链接：