网易视频云：视频压缩编码 浅谈

在这个全民直播时代，用户对视觉信息表达越来越重视，也越来越强调提高视频主观质量的需求，今天，我们就带着这些用户问题，讨论下视频压缩编码这项技术
　　 1. 视频为什么要压缩？
　　视频即连续的图像，数字化后的图像或视频信息是海量的，举一个具体的例子，摄像头拍摄的一幅静态图像空间像素点（画面大小，也即分辨率） 640*480 个，每个像素点由 RGB 三元素组成，每个元素由 8bit 二进制位表达，则一副数字图像的大小为：
　　 640*480*3*8 = 7372800 bits
　　视频是由很多幅图像组成，人眼感知视频播放流畅一般为 24fps （ frame persecond ，简称 fps ），根据视觉暂留原理，要达到最基本的视频播放效果大约也需要 10fps 的速度，我们这里以 24fps 代表一般情况，电影胶卷都是以这个帧率在拍摄，也就是视频的 1 秒由 24 幅静态图像组成，则一秒产生的视频信号量为：
　　
　　 640*480*3*8*24 = ?172 mbps,
　　原始视频的大小由此可见，一秒耗尽 172m ，如果我们是在 4g 下直播，不到 6 秒就消耗 1g 流量，那直播不超过几分钟，流量包就爆啦，
　　 2. 视频为什么能压缩？
　　压缩编码的前提是信息存在冗余，去掉冗余的信息，达到压缩的目的。那么视频信息有冗余么？当然有，视频信息作为普通的计算机信息数据一种，首先就存在着统计冗余，譬如我们发送一个视频文件给对方，我们会先尝试将其像其它普通文本文件一样用 zip 或 rar 压缩一下，减小一下空间和传输带宽消耗。其次，视频作为图像，存在空间冗余，一副数字化的图像各个像素点的值是缓慢变化的，像素值与其周围几个像素点的值具有很大的相关性，譬如一副图像的背景是一大片的红色，这很多一样的像素值就是空间上的冗余。再次，视频作为运动着的图像，存在时间冗余，即用视频采集设备拍摄的一幅幅图像之间是缓慢变化的，连续两个或多个图像之间是存在相关性的。最后，视频作为人眼视觉感知，存在视觉冗余，人眼对视频的激烈变化的部分往往不敏感，就如人耳对 20-20000 分贝以外的声音不明感一样，正是这种人眼视觉冗余，提供了我们视频有损压缩的前提条件。
　　 3. 视频如何压缩？
　　压缩方法从大的方面分为 有损压缩，无损压缩，譬如我们用 zip 给任意文件打包压缩，压缩包能够通过解 zip 恢复成原来的文件，毫发无伤，所有数据信息没有任何丢失，这种压缩方式就是无损压缩，无损压缩有其卓越的优点：保真性，在一些卫星传图，医学 X 光图像视频等领域显得尤为重要，然后，它也有缺点，那就是压缩率不高，大概在 2 到 5 倍率 之间。
　　另一种是 有损压缩，譬如压缩图像或者视频时，会根据人眼视觉感知特性，对那些人眼不敏感的数据不传输，牺牲一部分不重要的信息，来提高压缩率，当然压缩包经过解压也无法恢复那部分数据了，信息就丢失了，压缩解压后的图和原始的图是有差异的，这也就解释了 "主播看到自己的预览视频这么美，这么清晰，为什么观众看到的却有点模糊呢？"?
　　视频信息的压缩混合了有损以及无损压缩编码方法，一般我们直播应用中的视频压缩都是采用有损压缩方式，来提高压缩率，降低存储以及传输带宽,一般标准视频编码的压缩率能达到几十倍甚至几百倍
　　 4. 视频压缩编码的主流技术 H264 编码介绍
　　从 上世纪八十年代的推出第一代视频编码标准 H120 开始到现在的下一代视频编码 H265 ，视频编码技术的发展一直吸引着工业界以及学术界的共同关注。其中国际组织：联合视频组(JVT)不遗余力的致力于视频编码标准的发展，不断提高视频压缩效率。
　　从目前市场运用上看，无论是互联网应用，还是硬件芯片集成，最主流的视频编码技术依然是 H264,下面结合压缩理论简单介绍下 H264 所采用的编码技术
　　 1) 去除数据统计冗余： H264 采用两种熵编码方式: CAVLC （ 基于上下文的可变字长编码）和 CABAC （基于上下文的二进制算数编码）， CAVLC 实现相对简单，编码效率高，但压缩率要比 CABAC 低 15%左右， CABAC 复杂度高，可以分场景采用不同的熵编码，让视频压缩后的平均码长接近信源熵值。
　　
　　 2) 去除时间 shang 冗余： H264 采用帧间预测编码，当前像素块的编码参考之前已经编码重建帧的相应像素块，当前图像与前面的参考图像很相似（譬如视频画面相对静止）这时候帧间预测残差会很小，码率很低，相反，画面改变越大越快，帧间预测残差值就越大，压缩需要的 bit 数九越多，这也就解释了，当设定的最大允许码率一定的情况下“为什么主播的手机晃动起来，画面就有点模糊，不动就好清晰好清晰呢”。
　　 3) 去除空间冗余： H264 采用帧内预测编码方式，当前像素编码参考之前已经编码重建的像素值进行，如果像素变化缓慢，那么预测残差将会很小，甚至为 0 ，码率大大降低，这也就是为什么 我们传输黑色视频（手机摄像头被遮住），或者其他纯色视频，码率很低，设置的最大码率根本用不掉的原因。除此以外， H264 采用变换编码的方式，将残差从空间域利用 DCT(离散余弦变换)变换到频率域，结合差异量化编码方式，更进一步的去除空间冗余
　　 4) 去除人眼视觉冗余： H264 编码器的输入图像或视频的色彩空间采样格式一般为 YUV420,不同于 RGB 采样， YUV420 利用人眼视觉对像素亮度分量更敏感，而色度分量没那么敏感，进一步将图像或视频的色度分量做 2:1 的采样， 4 个亮度分量， 2 个色度分量，另外， H264 采用量化编码的有损编码方式，也正是利用了人眼视觉对高频细节部分不敏感的理论基础，将残差系数低频部分采用更细的量化参数，而高频部分则粗化量化，一般的视频压缩失真也正是这个阶段产生。
　　当我们对视频压缩技术有个大概的了解之后，我们就可以回答：“如何提高观众端的视频清晰度呢？”，当给定的编码器压缩率达到极限时，我们唯一能做的就是提高视频编码码率了。