音视频开发入门（3）：视频编解码之编码基础

最新推荐文章于 2025-04-01 20:19:29 发布

转载最新推荐文章于 2025-04-01 20:19:29 发布 · 543 阅读

2 ·

CC 4.0 BY-SA版权

原文链接：http://www.52im.net/thread-232-1-1.html

文章标签：

#语音识别

音视频专栏收录该内容

20 篇文章

订阅专栏

本文深入讲解实时音视频技术中的视频编码基础知识，包括压缩码流的理解、编码层次组成、码流结构、预测、变换、量化、扫描和熵编码等关键步骤。通过帧内预测、帧间预测降低冗余，变换和量化减少数据量，熵编码优化码流。码率控制则确保编码码流在目标范围内，以适应不同的网络条件。

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：

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。

即时通讯音视频开发（三）：视频编解码之编码基础_1.png

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

即时通讯音视频开发（三）：视频编解码之编码基础_2.png

4. PB帧编码

即时通讯音视频开发（三）：视频编解码之编码基础_3.png

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

即时通讯音视频开发（三）：视频编解码之编码基础_5.png

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

即时通讯音视频开发（三）：视频编解码之编码基础_6.png

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

即时通讯音视频开发（三）：视频编解码之编码基础_7.png

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（下图三个分别是4:2:0,4:2:2和4:4:4）

即时通讯音视频开发（三）：视频编解码之编码基础_8.png

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(4:2:0共计6个块，其中4个表示亮度，另外2个表示Cb和Cr)，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。