H.264编码基本原理

　　为达到良好的编码效率及性能，H.264编码器采用的仍是变换和预测的混合编码法，其完整的编码过程如图所示。

　　在H.264编码标准中，输入的帧或场Fn是以宏块为单位进行处理的，采样后的视频图像都被分成16*16的宏块每个宏块包括1个亮度子块和2个8*8的色度子块。在分割宏块后，宏块按照相应次序进行编码器进行压缩编码。在H.264编码过程中，首先按照根据编码速率、编码质量等标准指定的算法，选择按照帧内编码或帧间预测编码的方法进行宏块压缩编码。

　　若采用帧内预测编码，其预测值 PRED（图中用P 表示）是由当前片中前面已编码的图像得到的；若采用帧间预测编码，则预测值PRED是由当前帧前后已编码的图像经过运动补偿得到的。其中参考图像用 F’n-1表示。为了提高预测精度，从而提高压缩比，实际的参考图像可在过去或未来（指显示次序上）已编码解码重建和滤波的帧中进行选择。

　　在通过相应算法得到当前宏块（子宏块）的预测值后，将预测值PRED 和当前宏块的色度或亮度值相减，产生一个残差块Dn，经宏块DCT变换、量化后将产生一组量化后的亮度或色度变换系数X，再经过熵编码过程，加上解码所需的一些信息（如预测模式量化参数、运动矢量等），将其一起组成一个压缩后的NAL码流，经NAL（网络自适应层）供传输和存储使用。如上所述，为了提供下一步预测要用的参考图像，编码器必须有重建图像的功能，对当前宏块进行重建。因此必须使残差图像经反量化、反DCT变换后得到的 Dn’与预测值P 相加，得到 uFn’（未经滤波的帧）。为了去除编码解码环路中产生的噪声，为了提高参考帧的图像质量以及提高压缩图像性能，设置了一个环路滤波器对相应图像进行滤波处理，滤波后的输出Fn’即重建图像可用作参考图像。

H.264/AVC是目前业界应用为广泛的视频压缩编码标准，包含了先进而且较为成熟的视频编码技术。本课程将从原理、标准和实现等多个角度，详细讲述了H.264/AVC视频编码标准的整体架构与技术细节，不但讲解了H.264/AVC标准协议文档中的内容，还通过实际的H.264码流分析/解码程序的开发来帮助观众更深入地理解H.264编码标准的原理。

H.264数据流格式

H264码流的两种打包方式,一种为Annex-b byte stream format的格式，字节流格式，这个是绝大部分编码器的默认输出格式，就是每个帧的开头的3~4个字节是H264的start_code,0x00000001或者0x000001，即NALU数据+开始前缀（00000001或000001），针对H.320电话会议。另一种是原始的NAL打包格式，就是开始的若干字节（1，2，4字节）是NAL的长度，而不是start_code，此时必须借助某个全局的数据来获得编码器的profile,level,PPS,SPS等信息才可以解码。

RTP格式：NALU数据+20个字节的类似的并不符合RTP协议的RTP头。针对IP网络的RTP打包方式。为原始的NAL打包格式，就是开始的若干字节（1，2，4字节）是NAL的长度，而不是start_code,此时必须借助某个全局的数据来获得编码器的profile,level,PPS,SPS等信息才可以解码。

H.264协议只规定了字节流格式，没有规定 RTP 格式。可能也是因为这个原因，JM 的 RTP 格式没有被用到任何场合场合中，成为了摆设。

一共有两种起始码：3字节的0x000001和4字节的0x00000001

3字节的0x000001只有一种场合下使用，就是一个完整的帧被编为多个slice的时候，包含这些slice的nalu使用3字节起始码。其余场合都是4字节的。

H.264 的两种码流格式：

GetAnnexbNALU 处理字节流格式的码流

GetRTPNALU 处理 RTP 格式码流

字节流格式的码流主要用于存储，例如制作 DVD（当然现在的 DVD 还不是用 H.264）

RTP 格式码流主要用于网络传送，例如在线看电影

最简单RTP包包括RTP包头、H.264扩展头和H.264码流

码流在JM里会首先打包到NALU里去，之后要把NALU中的相关信息变成H.264扩展头，然后再加上一个RTP包头，就变成了一个RTP包。

H.264扩展头就一个字节，三个信息。

RTP包头12和16字节两种，JM都先读四个字节，再读四个字节时间戳，再就是buffer，之后还有四个字节的信息源标识符，一共12字节才对。