JavaShuo
《音视频直播------视频编码》
时间 2019-12-06
标签
音视频
直播
视频
编码
视频编码介绍
为何进行压缩编码?
视频是由一帧帧的图像组成(见实例)
好比一张Gif图片其实就能够被分解成若干张单独的图片
分别出的图片
未经压缩的视频的数据量巨大
好比:录音一分钟视频, 须要多大的空间来保存了?
1> 为了避免让用户感觉到卡顿效果, 1秒钟以内至少须要16帧画面(正常开发一般会采集30帧)
2> 假如该视频是一个1280*720分辨率的视频(正常状况下会比这个大不少)
结果:1280
720
16*60≈843.75M
若是帧率更高、分辨率更高、加上音频,那么一分钟的视频是多大呢?
结论:
不通过压缩编码的视频,根本没办法保存,更况且网络中的传输
视频录制完成后,要先编码,再传输,在解码,再播放(重现)
为何视频能够压缩编码?
存在冗余信息
空间冗余:图像相邻像素之间有较强的相关性
时间冗余:视频序列的相邻图像之间内容类似
视觉冗余:人的视觉系统对某些细节不敏感
等等冗余信息
空间冗余
空间冗余是指在同一张图像中,有不少像素点表示的信息是彻底同样的
若是对每个像素进行单独的存储,必然会很是浪费空间,也彻底没有必要
如图:
时间冗余
时间冗余是指多张图像之间,有很是多的相关性,因为一些小运动形成了细小差异
若是对每张图像进行单独的像素存储,在下一张图片中又出现了相同的。那么至关于不少像素都存储了多份,必然会很是浪费空间,也是彻底没有必要的
如图:
视觉冗余
人类视觉系统HVS
对高频信息不敏感
对高对比度更敏感
对亮度信息比色度信息更敏感
对运动的信息更敏感
数字视频系统的设计应该考虑HVS的特色:
丢弃高频信息,只编码低频信息
提升边缘信息的主观质量
下降色度的解析度
对感兴趣区域(Region of Interesting,ROI)进行特殊处理
如图:
结论:
通过一系列的去处冗余信息,能够大大的下降视频的数据量
更利于视频的保存、传输
去除冗余信息的过程,咱们就称之为压缩编码
压缩编码的标准
为何须要视频压缩编码标准
目前,咱们已经很是清楚,视频在存储&传输过程当中,存在很是多的冗余信息,咱们须要去除这些冗余信息
可是,若是每一个人按照本身的方式去编码,那么当咱们须要还原原始数据时,很难知道对方是如何编码的
好比:某主播在斗鱼采用iPhone手机进行直播,手机录制了主播大量的画面,为了便于传输,须要程序对视频进行压缩编码,可是他想固然的按照本身的某种算法进行了压缩,而且将数据传递给了服务器,服务器拿到数据以后,进行数据分发给了各个客户端:Android、iOS、Win、Web、Mac等等客户端,这个时候每一个客户端须要知道对方的压缩算法,才能将数据进行还原,可是由于当时客户端是想固然的就行压缩编码的,而且也不能保证他的方式效率,并且有一点偏差可能会形成画面没法还原的后果。
所以,视频编码必须制定一个你们都认同的标准
标准化组织:
ITU:International Telecommunications Union VECG:Video Coding Experts Group(国际电传视讯联盟)
ISO:International Standards Organization MPEG:Motion Picture Experts Group(国际标准组织机构)
H.26X系列(由ITU[国际电传视讯联盟]主导)
H.261:主要在老的视频会议和视频电话产品中使用
H.263:主要用在视频会议、视频电话和网络视频上
H.264:H.264/MPEG-4第十部分,或称AVC(Advanced Video Coding,高级视频编码),是一种视频压缩标准,一种被普遍使用的高精度视频的录制、压缩和发布格式。
H.265:高效率视频编码(High Efficiency Video Coding,简称HEVC)是一种视频压缩标准,H.264/MPEG-4 AVC的继任者。可支持4K分辨率甚至到超高画质电视,最高分辨率可达到8192×4320(8K分辨率),这是目前发展的趋势,还没有有大众化编码软件出现
MPEG系列(由ISO[国际标准组织机构]下属的MPEG[运动图象专家组]开发)
MPEG-1第二部分:MPEG-1第二部分主要使用在VCD上,有些在线视频也使用这种格式
MPEG-2第二部分(MPEG-2第二部分等同于H.262,使用在DVD、SVCD和大多数数字视频广播系统中
MPEG-4第二部分(MPEG-4第二部分标准可使用在网络传输、广播和媒体存储上。 *
其余系列:
AMV · AVS · Bink · RealVideo · Theora · VC-1 · VP3 · VP6 · VP7 · VP8 · VP9 · WMV
编码的常见流程
在进行当前信号编码时,编码器首先会产生对当前信号作预测的信号,称做预测信号(predicted signal)
预测的方式:
时间上的预测(interprediction),亦即便用先前帧的信号作预测
空间上的预测 (intra prediction),亦即便用同一张帧之中相邻像素的信号作预测
获得预测信号后,编码器会将当前信号与预测信号相减获得残余信号(residual signal),并只对残余信号进行编码
如此一来,能够去除一部份时间上或是空间上的冗余信息
编码器并不会直接对残余信号进行编码,而是先将残余信号通过变换(一般为离散余弦变换)而后量化以进一步去除空间上和感知上的冗余信息
量化后获得的量化系数会再透过熵编码,去除统计上的冗余信息
目前应用最普遍的H.264(AVC)
H264是新一代的编码标准,以高压缩高质量和支持多种网络的流媒体传输著称
我的理解:
在相邻几幅图像画面中,通常有差异的像素只有10%之内的点,亮度差值变化不超过2%,而色度差值的变化只有1%之内
因此对于一段变化不大图像画面,咱们能够先编码出一个完整的图像帧A,随后的B帧就不编码所有图像,只写入与A帧的差异,这样B帧的大小就只有完整帧的1/10或更小!
B帧以后的C帧若是变化不大,咱们能够继续以参考B的方式编码C帧,这样循环下去。
这段图像咱们称为一个序列:序列就是有相同特色的一段数据
当某个图像与以前的图像变化很大,没法参考前面的帧来生成,那咱们就结束上一个序列,开始下一段序列
也就是对这个图像生成一个完整帧A1,随后的图像就参考A1生成,只写入与A1的差异内容。
在H264协议里定义了三种帧
I帧:完整编码的帧叫I帧
P帧:参考以前的I帧生成的只包含差别部分编码的帧叫P帧
B帧:参考先后的帧编码的帧叫B帧
H264采用的核心算法是帧内压缩和帧间压缩
帧内压缩是生成I帧的算法
帧间压缩是生成B帧和P帧的算法
H264的压缩方法:
算法
分组:把几帧图像分为一组(GOP,也就是一个序列),为防止运动变化,帧数不宜取多
定义帧:将每组内各帧图像定义为三种类型,即I帧、B帧和P帧;
预测帧:以I帧作为基础帧,以I帧预测P帧,再由I帧和P帧预测B帧;
数据传输:最后将I帧数据与预测的差值信息进行存储和传输。
序列(GOP)
服务器
在H264中图像以序列为单位进行组织,一个序列是一段图像编码后的数据流。
一个序列的第一个图像叫作 IDR 图像(当即刷新图像),IDR 图像都是 I 帧图像。
H.264 引入 IDR 图像是为了解码的重同步,当解码器解码到 IDR 图像时,当即将参考帧队列清空,将已解码的数据所有输出或抛弃,从新查找参数集,开始一个新的序列。
这样,若是前一个序列出现重大错误,在这里能够得到从新同步的机会。
IDR图像以后的图像永远不会使用IDR以前的图像的数据来解码。
一个序列就是一段内容差别不太大的图像编码后生成的一串数据流
当运动变化比较少时,一个序列能够很长,由于运动变化少就表明图像画面的内容变更很小,因此就能够编一个I帧,而后一直P帧、B帧了。
当运动变化多时,可能一个序列就比较短了,好比就包含一个I帧和三、4个P帧。
在视频编码序列中,GOP即Group of picture(图像组),指两个I帧之间的距离
I帧、P帧、B帧的预测方向
I帧、P帧、B帧实际顺序&编码后顺序
H264分层设计
分层设计
H264算法在概念上分为两层:视频编码层(VCL:Video Coding Layer)负责高效的视频内容表示,网络提取层(NAL:Network Abstraction Layer)负责以网络所要求的恰当的方式对数据进行打包和传送。
这样,高效编码和网络友好性分别由VCL和NAL分别完成
而以前咱们学习的编码方式,都是属于VCL层
NAL设计目的:
根据不一样的网络把数据打包成相应的格式,将VCL产生的比特字符串适配到各类各样的网络和多元环境中。
NAL的封装方式:
NAL是将每一帧数据写入到一个NAL单元中,进行传输或存储的
NALU分为NAL头和NAL体
NALU头一般为00 00 00 01,做为一个新的NALU的起始标识
NALU体封装着VCL编码后的信息或者其余信息
封装过程:
I帧、P帧、B帧都是被封装成一个或者多个NALU进行传输或者存储的
I帧开始以前也有非VCL的NAL单元,用于保存其余信息,好比:PPS、SPS
PPS(Picture Parameter Sets):图像参数集
SPS(Sequence Parameter Set):序列参数集
在实际的H264数据帧中,每每帧前面带有00 00 00 01 或 00 00 01分隔符,通常来讲编码器编出的首帧数据为PPS与SPS,接着为I帧,后续是B帧、P帧等数据
编码方式
编码的方式有两种:
硬编码:使用非CPU进行编码,如显卡GPU、专用的DSP、FPGA、ASIC芯片等
软编码:使用CPU进行编码,软编码一般使用:ffmpeg+x264
ffmpeg:是一套开源的、用于对音视频进行编码&解码&转化计算机程序
x264:x264是一种免费的、开源的、具备更优秀算法的H.264/MPEG-4 AVC视频压缩编码方式
对比:(没有对比就没有伤害)
软编码:实现直接、简单,参数调整方便,升级易,但CPU负载重,性能较硬编码低
性能高,对CPU没有压力,可是对其余硬件要求较高(如GPU等)
iOS中编码方式:
在iOS8以前,苹果并无开放硬编码的接口,因此只能采用ffpeng+x624进行软编码
在iOS8以后,苹果开放了接口,而且封装了VideoToolBox&AudioToolbox两个框架,分别用于对视频&音频进行硬编码