X264编码流程

对H.264编码标准一直停留在理解原理的基础上，对于一个实际投入使用的编码器是如何构建起来一直感觉很神秘，于是决定在理解理论的基础上潜心于编码器实现框架。关于开源的H264编码器有很多，JMVC，T264、X264，这里选择X264，因为网上关于X264源码分析资源很多。X264编码器是一个开源的经过优化的高性能H.264编码器，目前最新的源码在本人的I5处理器的PC机上，编码1920x1080分辨率的视频序列在使用ultrafast配置的情况下，可以实现160fps左右的编码速度。 这里对源码分析并没有选择最新的源码，而是选用2009年2月份的版本，原因有二：一是这个版本是从网上下载下来的，已经是一个建立好的VS2008工程，对于像我这种用惯IDE调试的程序员来说，这可以大大提高源码阅读速度；二是虽然X264源码虽然几乎每天都有更新，但是从这个版本以后，最大的改动基本是针对多Slice编码的支持，其他都是在输入输出方面的一些改动，从这个版本学习可以较快进入编码部分的学习；三是这个版本当中已经有别人的很多的注释，便于自己理解； 一般将编码分为帧级、片级、宏块级编码，依次从上到下。下面就从这三个级分析X264编码流程： 一、帧级编码分析 定位到x264_encoder_encode这个函数，这个函数应该是H264编码最上层的函数，实现编码一帧视频。在进行下一步分析之前有必要了解，控制X264编码的全局性结构体x264_t，这个结构体控制着视频一帧一帧的编码，包括中间参考帧管理、码率控制、全局参数等一些重要参数和结构体。 下面是x264_t这个结构体的定义（这里仅对几个关键的结构和变量进行分析）：

struct x264_t  
{  
    x264_param_t    param;//编码器编码参数，包括量化步长、编码级别等等一些参数  
  
...........  
    int             i_frame;//编码帧号，用于计算POC（picture of count 标识视频帧的解码顺序）  
...........  
    int             i_nal_type;     /* Nal 单元的类型，可以查看编码标准，有哪几种类型，需要理解的类型有：不分区（一帧作为一个片）非IDR图像的片；片分区A、片分区B、片分区C、IDR图像中的片、序列参数集、图像参数集 */  
  
    int             i_nal_ref_idc;  /* Nal 单元的优先级别<span style="background-color: rgb(255, 255, 255); ">取值范围[0,1,2,3]，值越大表示优先级越高，此Nal单元就越重要</span>*/  
  
    /* We use only one SPS（序列参数集） and one PPS（图像参数集） */  
    x264_sps_t      sps_array[1];//结构体的数组  
    x264_sps_t      *sps;  
    x264_pps_t      pps_array[1];  
    x264_pps_t      *pps;  
    int             i_idr_pic_id;  
  
......  
  
    struct  
    {  
//这个结构体涉及到X264编码过程中的帧管理，理解这个结构体中的变量在编码标准的理论意义是非常重要的  
        x264_frame_t *current[X264_BFRAME_MAX*4+3];/*已确定帧类型，待编码帧，每一个GOP在编码前，每一帧的类型在编码前已经确定。当进行编码时，从这里取出一帧数据。*/  
        x264_frame_t *next[X264_BFRAME_MAX*4+3];//尚未确定帧类型的待编码帧，当确定后，会将此数组中的帧转移到current数组中去。  
        x264_frame_t *unused[X264_BFRAME_MAX*4 + X264_THREAD_MAX*2 + 16+4];/*这个数组用于回收那些在编码中分配的frame空间，当有新的需要时，直接拿过来用，不用重新分配新的空间，提高效率*/  
        /* For adaptive B decision */  
        x264_frame_t *last_nonb;  
  
        /* frames used for reference + sentinels */  
        x264_frame_t *reference[16+2];//参考帧队列，注意参考帧都是重建帧  
  
        int i_last_idr; /* 上一次刷新关键帧的帧号，配合前面的i_frame，可以用来计算POC */  
  
        int i_input;    /* Number of input frames already accepted *///frames结构体中i_input指示当前输入的帧的（播放顺序）序号。  
  
        int i_max_dpb;  /* 分配解码图像缓冲的最大数量（DPB） */  
        int i_max_ref0;//最大前向参考帧数量  
        int i_max_ref1;//最大后向参考帧数量  
        int i_delay;    /* Number of frames buffered for B reordering */  
        //i_delay设置为由B帧个数（线程个数）确定的帧缓冲延迟，在多线程情况下为i_delay = i_bframe + i_threads - 1。  
        //而判断B帧缓冲填充是否足够则通过条件判断：h->frames.i_input <= h->frames.i_delay + 1 - h->param.i_threads。  
        int b_have_lowres;  /* Whether 1/2 resolution luma planes are being used */  
        int b_have_sub8x8_esa;  
    } frames;//指示和控制帧编码过程的结构  
  
    /* current frame being encoded */  
    x264_frame_t    *fenc;//指向当前编码帧  
  
    /* frame being reconstructed */  
    x264_frame_t    *fdec;//指向当前重建帧，重建帧的帧号要比当前编码帧的帧号小1  
  
    /* references lists */  
    int             i_ref0;//前向参考帧的数量  
    x264_frame_t    *fref0[16+3];     /* 存放前向参考帧的数组（注意参考帧均是重建帧） */  
    int             i_ref1;//后向参考帧的数量  
    x264_frame_t    *fref1[16+3];     /* 存放后向参考帧的数组*/  
    int             b_ref_reorder[2];  
........  
};  

定位到x264_encoder_encode这个函数，这个函数应该是H264编码最上层的函数，实现编码的帧级处理（如何进行参考帧管理、帧类型确定等等）。
 下面对x264_encoder_encode中几个关键函数以及关键部分进行分析：

1、x264_reference_update这个函数主要完成参考帧的更新，H.264的帧间预测需要使用参考帧，参考帧使用的都是已编码后的重建帧，每编码一帧的同时会重建此帧作为参考帧，在编码下一帧时，将此重建帧加入到参考帧队列中。函数实现如下：

static inline void x264_reference_update( x264_t *h )  
{  
    int i;  
  
    if( h->fdec->i_frame >= 0 )//重建帧帧数大于等于零时  
        h->i_frame++;//当前编码帧的帧号要比重建帧的帧号大1  
  
    if( !h->fdec->b_kept_as_ref )/*如果重建帧不作为参考帧（不作为参考帧，当然不用加入参考帧队列了）*/  
    {//when b frame is not used as reference frame  
        if( h->param.i_threads > 1 )  
        {  
            x264_frame_push_unused( h, h->fdec );  
            h->fdec = x264_frame_pop_unused( h );  
        }  
        return;//if b-frame is not used as reference, return   
    }  
  
    /* move lowres(低分辨率) copy of the image to the ref frame */  
    for( i = 0; i < 4; i++)  
    {/*暂时还不知道干嘛的*/  
        XCHG( uint8_t*, h->fdec->lowres[i], h->fenc->lowres[i] );  
        XCHG( uint8_t*, h->fdec->buffer_lowres[i], h->fenc->buffer_lowres[i] );  
    }  
  
    /* adaptive B decision needs a pointer, since it can't use the ref lists */  
    if( h->sh.i_type != SLICE_TYPE_B )  
        h->frames.last_nonb = h->fdec;  
  
    /* move frame in the buffer */  
    x264_frame_push( h->frames.reference, h->fdec );/*把重建帧放入参考队列中*/  
    if( h->frames.reference[h->frames.i_max_dpb] )/*如果参考帧的个数大于解码图像缓存的最大数（decoded picture buffer(DPB)）*/  
        x264_frame_push_unused( h, x264_frame_shift( h->frames.reference ) );/*取出参考队列中第一个参考重建帧，并放入暂时不用帧队列中*/  
    h->fdec = x264_frame_pop_unused( h );/*从暂时不用帧队列中，取出一帧作为新的重建帧buf*/  
}  

2、帧排序部分，在H.264标准中采用编码顺序与显示顺序不同的编码方式，对于一个已经确定帧类型的待编码序列：IBBPBBP在编码时需要先排序为IPBBPBB，然后进行编码。在X264代码中，实现在如下部分：

//确定帧的类型  
      x264_stack_align( x264_slicetype_decide, h );/*通过x264_slicetype_decide函数来确定决定h-frames.next[]中每一帧的类型*/  
  
      /* 3: move some B-frames and 1 non-B to encode queue 这里来完成帧排序，还是有点巧妙的*/  
      while( IS_X264_TYPE_B( h->frames.next[bframes]->i_type ) )  
          bframes++;/*注意这个循环查找的作用，一方面可以确定第一个非B帧之前B帧的数量，也可以定位出第一个非B帧的位置*/  
      x264_frame_push( h->frames.current, x264_frame_shift( &h->frames.next[bframes] ) );/*取出第一个非B帧，并放到current指针第一个位置：通过这两步完成帧排序的（例如BBP->PBB）*/  
      /* FIXME: when max B-frames > 3, BREF may no longer be centered after GOP closing */  
      if( h->param.b_bframe_pyramid && bframes > 1 )  
      {  
          x264_frame_t *mid = x264_frame_shift( &h->frames.next[bframes/2] );  
          mid->i_type = X264_TYPE_BREF;  
          x264_frame_push( h->frames.current, mid );  
          bframes--;  
      }  
      while( bframes-- )  
          x264_frame_push( h->frames.current, x264_frame_shift( h->frames.next ) ); /*然后依次取出B帧，并放到current队列中*/  

下面就可以从h->frames.current队列中取出第一帧放入h->fenc中

h->fenc = x264_frame_shift( h->frames.current );//从当前编码帧中取出第一帧，作为当前编码帧  

然后就开始编码，首先当前编码帧（h->fenc）的类型，设定slice类型，这里就不解释了，关于IDR帧，执行了x264_reference_reset这个函数将参考帧队列清空。
接着进行相关参数的赋值，这里主要对POC的计算强调一下：

h->fenc->i_poc = 2 * (h->fenc->i_frame - h->frames.i_last_idr);//考虑到场编码，POC每帧增长为2，如果是场编码POC增长为1  

3、重建参考帧列表（x264_reference_build_list），即将参考帧列表中的参考帧分为前向参考帧和后向参考帧，并根据POC进行参考帧排序。函数具体实现如下：

static inline void x264_reference_build_list( x264_t *h, int i_poc )  
{  
    int i;  
    int b_ok;  
  
    /* build ref list 0/1 */  
    h->i_ref0 = 0;//前向参考帧索引  
    h->i_ref1 = 0;//后向参考帧索引  
    for( i = 0; h->frames.reference[i]; i++ )  
    {//注意这里都是指针操作  
        if( h->frames.reference[i]->i_poc < i_poc )  
        {//小于当前帧POC的，放到前向参考帧列表中  
            h->fref0[h->i_ref0++] = h->frames.reference[i];  
        }  
        else if( h->frames.reference[i]->i_poc > i_poc )  
        {//大于当前帧POC的，放到后向参考帧列表中  
            h->fref1[h->i_ref1++] = h->frames.reference[i];  
        }  
    }  
  
    /* Order ref0 from higher to lower poc */  
    do  
    {/*采用冒泡排序（不知道使用dowhile+for循环与双重for循环有什么优势），对参考帧按照POC从高到低进行排序*/  
        b_ok = 1;  
        for( i = 0; i < h->i_ref0 - 1; i++ )  
        {  
            if( h->fref0[i]->i_poc < h->fref0[i+1]->i_poc )  
            {  
                XCHG( x264_frame_t*, h->fref0[i], h->fref0[i+1] );  
                b_ok = 0;  
                break;  
            }  
        }  
    } while( !b_ok );  
    /* Order ref1 from lower to higher poc (bubble sort) for B-frame */  
    do  
    {  
        b_ok = 1;  
        for( i = 0; i < h->i_ref1 - 1; i++ )  
        {  
            if( h->fref1[i]->i_poc > h->fref1[i+1]->i_poc )  
            {  
                XCHG( x264_frame_t*, h->fref1[i], h->fref1[i+1] );  
                b_ok = 0;  
                break;  
            }  
        }  
    } while( !b_ok );  
  
    /* In the standard, a P-frame's ref list is sorted by frame_num. 
     * We use POC, but check whether explicit reordering is needed */  
    h->b_ref_reorder[0] =  
    h->b_ref_reorder[1] = 0;  
    if( h->sh.i_type == SLICE_TYPE_P )  
    {  
        for( i = 0; i < h->i_ref0 - 1; i++ )  
            if( h->fref0[i]->i_frame_num < h->fref0[i+1]->i_frame_num )  
            {  
                h->b_ref_reorder[0] = 1;  
                break;  
            }  
    }  
  
    h->i_ref1 = X264_MIN( h->i_ref1, h->frames.i_max_ref1 );  
    h->i_ref0 = X264_MIN( h->i_ref0, h->frames.i_max_ref0 );  
    h->i_ref0 = X264_MIN( h->i_ref0, h->param.i_frame_reference ); // if reconfig() has lowered the limit  
    assert( h->i_ref0 + h->i_ref1 <= 16 );  
    h->mb.pic.i_fref[0] = h->i_ref0;//为什么参考帧选择这两个，还没有搞懂  
    h->mb.pic.i_fref[1] = h->i_ref1;  
}  

4、初始化比特流，写入SPS以及PPS信息后就开始进行片级编码。

if( i_nal_type == NAL_SLICE_IDR && h->param.b_repeat_headers )  
    {/*SPS和PPS是解码需要用到的信息，因此只有解码器解析了SPS和PPS信息 
     才能进行解码，这就是为什么在每个IDR帧前写入这些信息*/  
        if( h->fenc->i_frame == 0 )  
        {//仅仅在第一针写入sei信息  
            /* identify ourself */  
    <span style="white-space:pre">  </span>x264_nal_start( h, NAL_SEI, NAL_PRIORITY_DISPOSABLE );/*开始整理nal。*/  
            x264_sei_version_write( h, &h->out.bs );//写sei信息  
            x264_nal_end( h );  
        }  
  
        /* generate sequence parameters */  
        x264_nal_start( h, NAL_SPS, NAL_PRIORITY_HIGHEST );/*开始整理nal。一个nal单元的首地址被赋值， 
<span style="white-space:pre">          </span>将要处理此新的nal单元；设置nal的优先权和类型。*/  
        x264_sps_write( &h->out.bs, h->sps );/*写SPS信息。 
            将序列参数集sps写进位流结构中h->out.bs 
            不是每次都要写SPS and PPS，只有碰见立即刷新片（NAL_SLICE_IDR）时才写*/  
        x264_nal_end( h );/*结束nal，整理nal 
            （1）输出新nal单元的地址 
            （2）自增表示下一个新nal单元的序号*/  
  
        /* generate picture parameters */  
        x264_nal_start( h, NAL_PPS, NAL_PRIORITY_HIGHEST );/*开始整理nal。 
                一个nal单元的首地址被赋值，将要处理此新的nal单元；设置nal的优先权和类型。*/  
        x264_pps_write( &h->out.bs, h->pps );/*写PPS信息。 
            将序列参数集sps写进位流结构中h->out.bs 
            不是每次都要写SPS and PPS，只有碰见立即刷新片（NAL_SLICE_IDR）时才写*/  
        x264_nal_end( h );/*结束nal，整理nal 
            （1）输出新nal单元的地址 
            （2）自增表示下一个新nal单元的序号*/  
    }  

接着就开始片级编码x264_slices_write( h );

二、片级编码分析

转载文章链接 转载文章链接