波仔
🎬 第七章 音视频编解码原理与标准
📄 一句话概括

视频编码的全部招数归结成一句话：先去掉【多余】，再用尽量少的位数写下【剩下的】——空间冗余靠帧内预测，时间冗余靠帧间预测，频域集中靠变换，不敏感的部分靠量化。

📝 本节和前面几节的关系

第五章从【用】的角度讲过视频编码，第六章拆开了压缩的五个环节。这一章换个角度——把原理与标准并排放，先从原理最完整的那一块说起。

一、要解决的问题

一份原始视频只有三个数：宽、高、帧率。 1080p30、每像素 3 字节：1920×1080×3×8×30 = 1493 Mbps（约 1.5 Gbps）。 一小时的原始数据 ≈ 670 GB。 编码的目标就一句话：在肉眼看不出来的前提下，把码率压掉两个数量级。

二、四步骨架

把第六章的五步骤换个说法，编码器内部真正在做的事是四件： 预测——先把【能猜到的部分】从数据里拿走，只留残差； 变换——把残差从空间域换到频率域，让能量挤到少数几个系数上； 量化——按人眼不敏感的程度把系数粗化，这一步决定画质与码率； 熵编码——把剩下的符号用最省的位数写下来，无损收尾。 预测与变换不丢信息，只是换了个更好压的表示方式；真正丢东西的只有量化（第 6.3.3 节）。

三、空间冗余与时间冗余，分开处理

两类冗余对应的工具完全不一样： 空间冗余（同一帧内部）→ 帧内预测，用左边和上边的像素猜当前块（第 6.4.1 节）。 时间冗余（帧与帧之间）→ 帧间预测，用前面或后面的帧当参考，配 运动补偿 把整块搬过来（第 6.4.4 节）。 两者的分工很清楚：帧内预测给帧间预测提供【落脚点】，因为帧间预测必须有一个不依赖别的帧的参考帧（第 6.5.1 节的 I 帧）。

四、解码为什么比编码简单得多

这是初学者最容易忽略的一点：编码与解码的工作量严重不对称。 编码端要【找】：在参考帧里搜索最像的那一块，还要试多种分块方式，穷举量极大； 解码端只要【用】：运动矢量已经写在码流里，照着搬就行，几乎不用搜索。 所以现实中的配置是：编码器可以很慢、解码器必须很快。 这也是为什么硬件解码（手机、机顶盒）普及得早，而硬件编码一直做得更吃力。

五、码率控制：编码器的方向盘

同样的编码器，换个码率控制策略，产出的文件完全不同： CBR（固定码率）——每秒码率基本恒定，适合直播；画质会随画面复杂度起伏。 VBR（可变码率）——复杂画面多给、简单画面少给，总大小更小、画质更均匀，适合点播。 调节的旋钮叫 QP（量化参数）：QP 越小画质越好、码率越高，这是一条单调的取舍曲线。

六、动手 Demo：一帧一帧看压缩，I／P／B 差近十倍

把一段 12 帧的视频逐帧拆开，看每一帧压完还剩多少。

RAW_KB = int(1920 * 1080 * 1.5 / 1024)          # 1080p YUV 4:2:0 一帧
frames = [("1", "I", 75), ("2", "B", 8), ("4", "P", 25)]
total_raw = RAW_KB * 12
total_comp = 75 + 8 * 8 + 25 * 3
print("12 帧原始 %d KB，压缩后 %d KB，压缩比 %.0f : 1"
      % (total_raw, total_comp, total_raw * 1.0 / total_comp))

实跑输出：

--------------------------------------------------------------------
一帧一帧看压缩，I／P／B 差近十倍
--------------------------------------------------------------------

把一段 12 帧的视频逐帧拆开，看每一帧压完还剩多少。

  帧序     类型     原始 KB     压缩后 KB
  ----------------------------------------
  1        I        3037        75
  2        B        3037        8
  3        B        3037        8
  4        P        3037        25
  5        B        3037        8
  6        B        3037        8
  7        P        3037        25
  8        B        3037        8
  9        B        3037        8
  10       P        3037        25
  11       B        3037        8
  12       B        3037        8

  12 帧合计：原始 36444 KB → 压缩后 214 KB，**平均压缩比约 170 : 1**。

  三个关键观察：
  一是 同为 1080p，**I 帧 75 KB、B 帧 8 KB，差 9 倍以上**；
  二是 **P 帧 25 KB 也不大，因为它能参考前一帧**；
  三是 原始一帧就是 3037 KB，30 帧/秒即 **93.3 MB/s（约 746 Mbps）**；
  换成 RGB24 则是 1493 Mbps（第 5.1.3 节）——**不压缩根本传不动**。

同为 1080p，I 帧 75 KB、B 帧 8 KB，差 9 倍以上； P 帧 25 KB 也不大，因为它能参考前一帧。 原始一帧就是 3037 KB，30 帧/秒即 93.3 MB/s（约 746 Mbps）； 换成 RGB24 则是 1493 Mbps（第 5.1.3 节）——不压缩根本传不动。

30 秒实验

  1. 用 MediaInfo 看一个本地视频的【平均码率】，再用 宽×高×帧率 估算它的原始码率，两个数字相除。
  2. 把这个比值与第 5.3.2 节的 187 倍对照，看看你手上这份文件是偏高还是偏低。

常见误区

  1. 以为【预测和变换也会丢信息】。丢信息的只有量化，预测与变换都是可逆的表示变换。
  2. 以为编码与解码的工作量差不多。编码端要搜索、要决策，解码端只是照着执行，差一个量级。
  3. 把 QP 当成【质量旋钮】从 0 开始调。QP 太小会让码率爆炸，而且到某个点之后画质提升已经看不见了。
自测三问（点开对答案） 1. 1080p30 未压缩的码率大约是多少？ —— 按 RGB24 算约 1493 Mbps，即 1.5 Gbps 左右。 2. 编码四步里哪一步真正丢信息？ —— 量化。预测与变换只是换表示方式，不丢信息。 3. 编码端与解码端谁更费力？ —— 编码端——它要在参考帧里搜索最佳预测，解码端只需按码流执行。

相关笔记