H.264視頻編碼

一、 視頻編碼技術(shù)的發(fā)展歷程

　　 視頻編碼技術(shù)基本是由ISO/IEC制定的MPEG-x和ITU-T制定的H.26x兩大系列視頻編碼國際標(biāo)準(zhǔn)的推出。從H.261視頻編碼建議，到H.262/3、MPEG-1/2/4等都有一個共同的不斷追求的目標(biāo)，即在盡可能低的碼率（或存儲容量）下獲得盡可能好的圖像質(zhì)量。而且，隨著市場對圖像傳輸需求的增加，如何適應(yīng)不同信道傳輸特性的問題也日益顯現(xiàn)出來。于是IEO/IEC和ITU-T兩大國際標(biāo)準(zhǔn)化組織聯(lián)手制定了視頻新標(biāo)準(zhǔn)H.264來解決這些問題。
H.261是最早出現(xiàn)的視頻編碼建議，目的是規(guī)范ISDN網(wǎng)上的會議電視和可視電話應(yīng)用中的視頻編碼技術(shù)。它采用的算法結(jié)合了可減少時間冗余的幀間預(yù)測和可減少空間冗余的DCT變換的混合編碼方法。和ISDN信道相匹配，其輸出碼率是p×64kbit/s。p取值較小時，只能傳清晰度不太高的圖像，適合于面對面的電視電話；p取值較大時（如 p＞6），可以傳輸清晰度較好的會議電視圖像。H.263 建議的是低碼率圖像壓縮標(biāo)準(zhǔn)，在技術(shù)上是H.261的改進和擴充，支持碼率小于64kbit/s的應(yīng)用。但實質(zhì)上H.263以及后來的H.263+和H.263++已發(fā)展成支持全碼率應(yīng)用的建議，從它支持眾多的圖像格式這一點就可看出，如Sub-QCIF、QCIF、CIF、4CIF甚至16CIF等格式。

MPEG-1標(biāo)準(zhǔn)的碼率為1.2Mbit/s左右，可提供30幀CIF（352×288）質(zhì)量的圖像，是為CD-ROM光盤的視頻存儲和播放所制定的。MPEG-l標(biāo)準(zhǔn)視頻編碼部分的基本算法與H.261/H.263相似，也采用運動補償?shù)膸g預(yù)測、二維DCT、VLC游程編碼等措施。此外還引入了幀內(nèi)幀（I）、預(yù)測幀（P）、雙向預(yù)測幀（B）和直流幀（D）等概念，進一步提高了編碼效率。在MPEG-1的基礎(chǔ)上，MPEG-2標(biāo)準(zhǔn)在提高圖像分辨率、兼容數(shù)字電視等方面做了一些改進，例如它的運動矢量的精度為半像素；在編碼運算中（如運動估計和DCT）區(qū)分幀和場；引入了編碼的可分級性技術(shù)，如空間可分級性、時間可分級性和信噪比可分級性等。近年推出的MPEG-4標(biāo)準(zhǔn)引入了基于視聽對象（AVO：Audio-Visual Object）的編碼，大大提高了視頻通信的交互能力和編碼效率。 MPEG-4中還采用了一些新的技術(shù)，如形狀編碼、自適應(yīng)DCT、任意形狀視頻對象編碼等。但是MPEG-4的基本視頻編碼器還是屬于和H.263相似的一類混合編碼器。

總之，H.261建議是視頻編碼的經(jīng)典之作，H.263是其發(fā)展，并將逐步在實際上取而代之，主要應(yīng)用于通信方面，但H.263眾多的選項往往令使用者無所適從。MPEG系列標(biāo)準(zhǔn)從針對存儲媒體的應(yīng)用發(fā)展到適應(yīng)傳輸媒體的應(yīng)用，其核心視頻編碼的基本框架是和H.261一致的，其中引人注目的MPEG-4的基于對象的編碼部分由于尚有技術(shù)障礙，目前還難以普遍應(yīng)用。因此，在此基礎(chǔ)上發(fā)展起來的新的視頻編碼建議H.264克服了兩者的弱點，在混合編碼的框架下引入了新的編碼方式，提高了編碼效率，面向?qū)嶋H應(yīng)用。同時，它是兩大國際標(biāo)準(zhǔn)化組織的共同制定的，其應(yīng)用前景應(yīng)是不言而喻的。

二、 H.264介紹
　　 H.264是ITU-T的VCEG（視頻編碼專家組）和ISO/IEC的MPEG（活動圖像編碼專家組）的聯(lián)合視頻組（JVT：joint video team）開發(fā)的一個新的數(shù)字視頻編碼標(biāo)準(zhǔn)，它既是ITU-T的H.264，又是ISO/IEC的MPEG-4的第10 部分。1998年1月份開始草案征集，1999年9月，完成第一個草案，2001年5月制定了其測試模式TML-8，2002年6月的 JVT第5次會議通過了H.264的FCD板。2003年3月正式發(fā)布。

H.264和以前的標(biāo)準(zhǔn)一樣，也是DPCM加變換編碼的混合編碼模式。但它采用回歸基本的簡潔設(shè)計，不用眾多的選項，獲得比H.263++好得多的壓縮性能；加強了對各種信道的適應(yīng)能力，采用網(wǎng)絡(luò)友好的結(jié)構(gòu)和語法，有利于對誤碼和丟包的處理；應(yīng)用目標(biāo)范圍較寬，以滿足不同速率、不同解析度以及不同傳輸（存儲）場合的需求；它的基本系統(tǒng)是開放的，使用無需版權(quán)。

在技術(shù)上，H.264標(biāo)準(zhǔn)中有多個閃光之處，如統(tǒng)一的VLC符號編碼，高精度、多模式的位移估計，基于4×4塊的整數(shù)變換、分層的編碼語法等。這些措施使得H.264算法具有很的高編碼效率，在相同的重建圖像質(zhì)量下，能夠比H.263節(jié)約50％左右的碼率。H.264的碼流結(jié)構(gòu)網(wǎng)絡(luò)適應(yīng)性強，增加了差錯恢復(fù)能力，能夠很好地適應(yīng)IP和無線網(wǎng)絡(luò)的應(yīng)用。

三、 H.264的技術(shù)亮點

1、分層設(shè)計

　　 H.264的算法在概念上可以分為兩層：視頻編碼層（VCL：Video Coding Layer）負責(zé)高效的視頻內(nèi)容表示，網(wǎng)絡(luò)提取層（NAL：Network Abstraction Layer）負責(zé)以網(wǎng)絡(luò)所要求的恰當(dāng)?shù)姆绞綄?shù)據(jù)進行打包和傳送。在VCL和NAL之間定義了一個基于分組方式的接口，打包和相應(yīng)的信令屬于NAL的一部分。這樣，高編碼效率和網(wǎng)絡(luò)友好性的任務(wù)分別由VCL和NAL來完成。

VCL層包括基于塊的運動補償混合編碼和一些新特性。與前面的視頻編碼標(biāo)準(zhǔn)一樣，H.264沒有把前處理和后處理等功能包括在草案中，這樣可以增加標(biāo)準(zhǔn)的靈活性。

NAL負責(zé)使用下層網(wǎng)絡(luò)的分段格式來封裝數(shù)據(jù)，包括組幀、邏輯信道的信令、定時信息的利用或序列結(jié)束信號等。例如，NAL支持視頻在電路交換信道上的傳輸格式，支持視頻在Internet上利用RTP/UDP/IP傳輸?shù)母袷?。NAL包括自己的頭部信息、段結(jié)構(gòu)信息和實際載荷信息，即上層的VCL數(shù)據(jù)。（如果采用數(shù)據(jù)分割技術(shù)，數(shù)據(jù)可能由幾個部分組成）。

2、高精度、多模式運動估計

H.264支持1/4或1/8像素精度的運動矢量。在1/4像素精度時可使用6抽頭濾波器來減少高頻噪聲，對于1/8像素精度的運動矢量，可使用更為復(fù)雜的8抽頭的濾波器。在進行運動估計時，編碼器還可選擇增強內(nèi)插濾波器來提高預(yù)測的效果。

在H.264的運動預(yù)測中，一個宏塊（MB）可以按圖2被分為不同的子塊，形成7種不同模式的塊尺寸。這種多模式的靈活和細致的劃分，更切合圖像中實際運動物體的形狀，大大提高了運動估計的精確程度。在這種方式下，在每個宏塊中可以包含有1、2、4、8或16個運動矢量。

在H.264中，允許編碼器使用多于一幀的先前幀用于運動估計，這就是所謂的多幀參考技術(shù)。例如2幀或3幀剛剛編碼好的參考幀，編碼器將選擇對每個目標(biāo)宏塊能給出更好的預(yù)測幀，并為每一宏塊指示是哪一幀被用于預(yù)測。

3、4×4塊的整數(shù)變換

H.264與先前的標(biāo)準(zhǔn)相似，對殘差采用基于塊的變換編碼，但變換是整數(shù)操作而不是實數(shù)運算，其過程和DCT基本相似。這種方法的優(yōu)點在于：在編碼器中和解碼器中允許精度相同的變換和反變換，便于使用簡單的定點運算方式。也就是說，這里沒有反變換誤差。 變換的單位是4×4塊，而不是以往常用的8×8塊。由于用于變換塊的尺寸縮小，運動物體的劃分更精確，這樣，不但變換計算量比較小，而且在運動物體邊緣處的銜接誤差也大為減小。為了使小尺寸塊的變換方式對圖像中較大面積的平滑區(qū)域不產(chǎn)生塊之間的灰度差異，可對幀內(nèi)宏塊亮度數(shù)據(jù)的16個4×4塊的DC系數(shù)（每個小塊一個，共16個）進行第二次4×4塊的變換，對色度數(shù)據(jù)的4個4×4塊的DC系數(shù)（每個小塊一個，共4個）進行2×2塊的變換。

H.264為了提高碼率控制的能力，量化步長的變化的幅度控制在12.5%左右，而不是以不變的增幅變化。變換系數(shù)幅度的歸一化被放在反量化過程中處理以減少計算的復(fù)雜性。為了強調(diào)彩色的逼真性，對色度系數(shù)采用了較小量化步長。

4、統(tǒng)一的VLC

H.264中熵編碼有兩種方法，一種是對所有的待編碼的符號采用統(tǒng)一的VLC（UVLC ：Universal VLC），另一種是采用內(nèi)容自適應(yīng)的二進制算術(shù)編碼（CABAC：Context-Adaptive Binary Arithmetic Coding）。CABAC是可選項，其編碼性能比UVLC稍好，但計算復(fù)雜度也高。UVLC使用一個長度無限的碼字集，設(shè)計結(jié)構(gòu)非常有規(guī)則，用相同的碼表可以對不同的對象進行編碼。這種方法很容易產(chǎn)生一個碼字，而解碼器也很容易地識別碼字的前綴，UVLC在發(fā)生比特錯誤時能快速獲得重同步。