H.264編碼原理簡介

H.264是由ITU-T視訊編碼專家組（VCEG）和ISO/IEC運動圖像專家組（MPEG）聯合組成的聯合視訊組（JVT，Joint VideoTeam）提出的新一代數字視訊壓縮标準。

其優點在于注重對移動和IP網絡的适應，采用分層技術，從形式上将編碼和信道隔離開來，實質上是在源編碼器算法中更多地考慮到信道的特點，編碼原理可由如下流程表示：

解碼流程：

除此之外，H.264引進了更先進的子產品：

幀内預測

在空間域進行幀内預測，提高幀内編碼的精确度。

運動估計與運動補償

不同尺寸的塊和形狀，高分辨率的子像素運動估計和選擇多個參考幀。

DCT變換

H.264使用整數的DCT變換，計算更簡便，沒有精度損失。

去塊效應濾波

為消除塊效應，增加了自适應消塊濾波器。

熵編碼技術

通用變長編碼(UVLC, universal variable lengthcoding)、基于上下文的自适應變長碼編碼(CAVLC,context-based adaptive variable length coding)或基于上下文的自适應二進制算術編碼(CABAC, context-based adaptive binary arithmetic coding)。

H.264編解碼實驗

實驗内容：參考JM Reference Software Manual（JVT-AE010）文檔，自主學習分析設定編解碼器參數。

H.264解碼

實驗要求：将自行選擇的.264檔案進行解碼，得到相應的.YUV檔案。

H.264解碼參數輸入在所給的解碼器工程jm_vc10.sln 的 decoder.cfg中，所需要自行設定的參數有：

InputFile             = "highway_qcif.264"       # H.264/AVC coded bitstream
OutputFile            = "highway_qcif.yuv"   # Output file, YUV/RGB
RefFile               = "highway_qcif.yuv"   # Ref sequence (for SNR)
WriteUV               = 1                # Write 4:2:0 chroma components for monochrome streams
FileFormat            = 0                # NAL mode (0=Annex B, 1: RTP packets)
RefOffset             = 0                # SNR computation offset
POCScale              = 2                # Poc Scale (1 or 2)
           

通過修改InputFile與OutputFile參數設定需要解碼和生成的檔案，WriteUV決定了色度分量的采樣方式，采用預設即可，其他參數也如此。

修改參數後運作ldecod.exe執行檔案進行解碼：

用yuvviewer檢視生成的yuv檔案

H.264編碼

實驗要求：将.yuv檔案編碼成.264檔案，采用兩種對照：

• 固定碼率，以不同的GOP長度及形狀編碼，如GOP=15,2B幀；GOP=12，2B幀；GOP=4，1B幀；GOP=1,全I幀……
• 固定GOP長度及形狀，不同的碼率編碼，如1000kb/s，800kb/s，400kb/s……

以實驗中使用的miss.yuv為例，在encoder.cfg檔案中修改編碼參數：

InputFile             = "miss.yuv"       # Input sequence
InputHeaderLength     = 0      # If the inputfile has a header, state it's length in byte here
StartFrame            = 0      # Start frame for encoding. (0-N)
FramesToBeEncoded     = 22      # Number of frames to be coded
FrameRate             = 30.0   # Frame Rate per second (0.1-100.0)
、、、、、
SourceWidth           = 352    # Source frame width
SourceHeight          = 288    # Source frame height
SourceResize          = 0      # Resize source size for output
OutputWidth           = 352    # Output frame width
OutputHeight          = 288    # Output frame height
、、、、
OutputFile            = "miss_gop1_0b_10k.264"           # Bitstream
           

通過InputFile 、OutputFile 設定輸入和輸出的檔案，FramesToBeEncoded決定了編碼的幀數，根據輸入檔案的幀數自行設定；SourceWidth 、SourceHeight 和 OutputWidth 、OutputHeight 分别為輸入、輸出檔案的寬高。

EnableIDRGOP          = 1   # Support for IDR closed GOPs (0: disabled, 1: enabled)
IntraPeriod           = 0   # Period of I-pictures   (0=only first)
IDRPeriod             = 1   # Period of IDR pictures (0=only first)
NumberBFrames          = 0  # Number of B coded frames inserted (0=not used)
PrimaryGOPLength       = 12 # GOP length for redundant allocation (1-16)
           

将EnableIDRGOP設定為1，以啟用IDR幀

IntraPeriod 為GOP中I幀的周期，設定為0表示隻有第一幀為I幀；IDRPeriod 則決定了GOP中IDR幀的周期。IDR幀為一種特殊的I幀，但一個GOP組中隻有一個IDR幀，通常放在GOP的第一個I幀中，以區分GOP組。為了友善本次實驗，将IntraPeriod設為0，IDRPeriod 則為 GOP長度。

NumberBFrames 為B幀的數量，決定了GOP的結構。

PrimaryGOPLength 初始化GOP長度，設定 PrimaryGOPLength= IDRPeriod

RateControlEnable       = 1     # 0 Disable, 1 Enable
Bitrate                 = 1000000 # Bitrate(bps)
           

将RateControlEnable 設為1 以啟用碼率控制，Bitrate 則為設定的碼率。

參數設定完成後運作 lencod.exe 執行檔案，得到編碼後的檔案。

以GOP=12，2B，1000kb/s的檔案為例，用碼流分析軟體ESEYE打開：

圖中紅色條柱表示I幀，藍色條柱表示P幀，綠色條柱表示B幀，通過碼流分析軟體可以清晰的看到編碼後檔案的幀結構，圖中所顯示的為編解碼時幀重排的順序：IPBBPBBPBBPB

選取四幀（I\P\B\B)進行進一步分析：

圖中可以看到，I幀為幀内預測編碼，沒有運動矢量；P幀為前向幀間預測，紅色條紋表示其運動矢量；B幀為雙向幀間預測，紅色條紋表示前向預測運動矢量，綠色條紋表示後向預測運動矢量；背景變化較少，幾乎無運動矢量。

碼流品質分析

從理論分析可以得知，相同的GOP長度及形狀，碼率越高，視訊品質越高；相同的碼率，GOP越長，視訊品質越高。

幀結構\ 碼率	1000kb/s	800kb/s	400kb/s
GOP=15,2B
GOP=12,2B
GOP=9,2B
GOP=4,1B
GOP=12,0B
GOP=1,全I

肉眼的觀感基本與理論符合，相同幀結構，不同碼率下的視訊噪聲差異較為明顯，而相同碼率，不同幀結構下，肉眼觀感差異不大。

生成率失真曲線

計算PSNR，繪制率失真曲線如下：

PSNR越高，表明視訊的品質越好。