音视频入门知识（二）、图像篇

⭐二、图像篇

视频基本要素：宽、高、帧率、编码方式、码率、分辨率

​ 其中码率的计算：码率(kbps)＝文件大小(KB)＊8／时间(秒)，即码率和视频文件大小成正比

YUV和RGB可相互转换

★YUV（原始数据）

YUV是音视频（编解码）最常用的格式。

YUV 是一种色彩空间的编码格式，用于表述图像或视频帧中的颜色信息。它将颜色分为三个分量：

• Y（亮度，明暗信息）
• U 和 V（色度，分别代表蓝色和红色的偏离度信息，用于编码色彩）

YUV420/422可通过ffmpeg/opencv直接编码成H264编码

• YUV444、YUV422、YUV420

  代表 YUV 色彩格式中不同的采样模式，描述了亮度（Y）和色度（U、V）分量在空间中的采样比例。后面的数字代表y、u、v在一个像素中各自占的比例。

  ​ 444：代表每个像素都有完整的 Y、U 和 V 数据。也就是说，色度和亮度分辨率是相同的。

  ​ 422：亮度（Y）仍然是逐像素采样的，但色度（U 和 V）分量是每两个像素水平采样一次，即色度分辨率在水平方向上为亮度的一半。

  ​ 420：亮度（Y）分量仍然是逐像素采样的，但色度（U 和 V）分量每两个像素水平采样一次，并在垂直方向上每两行采样一次，因此色度的水平和垂直分辨率都是亮度的一半

  

YUV的数据格式保存有两种分类方式（视频压缩方式），即**“空间-间”和“空间-内”。“空间-间”的划分方式主要体现在Y、U、V的比例不同**；“空间-内”的划分方式主要体现在Y、U、V的比例一定，存储格式不同。

空间-间编码（时空编码）

空间-间编码（也称时空编码）是指对帧之间的相关性进行压缩。视频是一系列连续的图像帧，其中相邻帧之间通常会有很高的相似度，因此通过只记录帧间的差异可以显著降低数据量，例如帧间预测（P 帧、B 帧）利用前后帧的相关性减少数据存储。此种编码方式常用于视频压缩标准（如H.264、H.265）中的**“帧间预测”**部分。

帧类型

• I帧：帧内编码帧，只参考当前帧内容进行压缩。解码时不需要其他帧，因此是独立的，适合作为关键帧。

• P帧：预测帧，通过参考前面一个 I 帧或 P 帧进行编码，仅记录与参考帧的差异信息

• B帧：双向预测帧，通过参考前后的 I 帧或 P 帧来编码，提高了压缩效率。

空间-内编码（帧内编码）

空间内编码（也称帧内编码）是指在单帧图像内部进行压缩，不参考其他帧。利用图像内部的相似性（如色块、纹理等）来去除冗余信息，只在单个帧内进行压缩。

一般用于视频压缩中的关键帧（I帧）压缩，以确保独立解码

以下是三种不同的YUV图像存储方式。

• Packet打包

  即先存储一个yuv，再存储下一个yuv；

  示例：YUV444 的打包格式可能是 YUV YUV YUV 的顺序；而 YUV422 则是 YYUV YYUV。

  优点：读取方便，因为每个像素的颜色分量是连续的。

  缺点：存储效率较低，适合在特定的硬件或视频处理中使用。

• Planar平面（用P简写代表）

  先存储y平面，再存储u平面，再存储v平面，即 Y、U、V 分量分开存储，每个分量各占一块“平面”区域。

  优点：适合对每个分量单独进行处理，常用于视频压缩和解码中的计算。

  缺点：因为色度平面的数据较少，处理可能会较复杂，但节省空间。

• Semi-Planner半平面（用NV简写代表）

  先存储y平面，再存储uv平面；即Y 平面独立存储，而 U 和 V 分量共享一个平面

  优点：节省存储空间，读取较为方便，因此广泛用于现代视频编解码中。

  缺点：虽然节省了空间，但比完全的平面格式稍难以单独处理 U 和 V。

示例：（12代表一个像素点占的bit位数）

★H.264（编码格式）

广泛应用的视频压缩标准。

数据格式

NAL 层（Network Abstraction Layer） + VCL 层（Video Coding Layer）

◆ VCL：H264编码/压缩的核心，主要负责将视频数据编码/压缩，再切分。

◆ NALU = NALU header + NALU payload

• NAL层

  NAL 层是 H.264 编码数据的封装层，用于将编码后的视频数据封装成独立的单元，以便传输和存储。

  每一个 NAL 单元（NAL Unit）包含一个NAL 头和负载数据

  NAL单元的起始码（Start Code） 常见为 0x000001 或 0x00000001

  • NAL 头（1B）：用于描述当前 NAL 单元的类型（如I帧、P帧等）

    ◆ F（forbidden_zero_bit）：1 位，初始为0。当网络识别此单元存在比特错误时，可将其设为 1，以便接收方丢掉该单元。

    ◆ NRI（nal_ref_idc）：2 位，用来指示该NALU 的重要性等级。

    ◆ Type（nal_unit_type）：5 位，指出NALU 的类型

  

  常见的NAL单元类型

  • IDR 帧（NAL Type 5）：关键帧，独立解码的 I 帧，用于随机访问。

  • 非 IDR 帧（NAL Type 1）：用于 P 帧或 B 帧等非关键帧。

  • 序列参数集（SPS，NAL Type 7）：包含视频序列的全局参数，如分辨率、帧率等。

  • 图像参数集（PPS，NAL Type 8）：包含单个或多个图片的参数，如预测模式、量化参数等。

  • 负载数据：存储实际的视频编码数据，如帧内预测、帧间预测的数据等。

• VCL层

  负责实际的视频数据编码，它将视频图像压缩成基本的编码单元（如宏块、块等），并使用 H.264 的压缩算法生成相应的数据

  ◆ 压缩：预测（帧内预测和帧间预测）-> DCT变化和量化 -> 比特流编码；

  ◆ 切分数据，主要为了第三步。“切片(slice)”、“宏块(macroblock)"是在VCL中的概念，一方面提高编码效率和降低误码率、另一方面提高网络传输的灵活性。

  ◆ 包装成『NAL』。

  • Slice（片）：每一帧可以由一个或多个 Slice 组成，便于错误恢复。Slice 是一组连续的宏块，每个 Slice 可以独立解码。
  • 宏块（Macroblock）：H.264 中基本的编码单元，每个宏块包含 16x16 的像素区域，并根据帧内或帧间模式进行编码。
  • 块（Block）：宏块可以细分为 8x8 或 4x4 的块，用于 DCT 变换和预测。

• H.264文件封装格式

  H.264 编码的数据可以封装在不同的文件格式中，以便在各种应用场景中使用

  • 裸流（.264 或 .h264）：直接存储 H.264 编码后的 NAL 单元数据，常用于调试和测试。
  • MP4 / MOV：一种常见的容器格式，用于存储音视频流，包含更多的元数据（如时间戳、索引等），便于流式播放和快进。
  • MPEG-TS（.ts）：传输流格式，常用于广播和网络传输，有较好的错误恢复能力。
  • MKV：一种开源的多媒体封装格式，支持多种编码格式和多音轨，广泛用于高质量视频存储。
    参考文献：https://www.cnblogs.com/say-Hai/articles/18630636