乐趣区

关于流媒体:视频编码-H264

jiezi

国内上制订视频编解码技术的组织有两个，一个是 国际电联（ITU-T），它制订的规范有 H.261、H.263、H.263+ 等，另一个是 国际标准化组织（ISO） 它制订的规范有 MPEG-1、MPEG-2、MPEG-4 等。而 H.264 则是由两个组织联结组建的 联结视频组（JVT）独特制订的新数字视频编码标准，所以它既是 ITU-T 的 H.264，又是 ISO/IEC 的 MPEG-4 高级视频编码（Advanced Video Coding，AVC）的第 10 局部。因而，不论是 MPEG-4 AVC、MPEG-4 Part 10，还是 ISO/IEC 14496-10，都是指 H.264。

1、简介

H.264，同时也是 MPEG- 4 第十局部，是由 ITU- T 视频编码专家组（VCEG）和 ISO/IEC 动静图像专家组（MPEG）联结组成的联结视频组（JVT，Joint Video Team）提出的高度压缩数字视频编解码器规范。这个规范通常被称之为 H.264/AVC（或者 AVC/H.264 或者 H.264/MPEG-4 AVC 或 MPEG-4/H.264 AVC）。

2、H264 编码分层

H.264 被分为 视频编码层（Video Coding Layer, VCL） 和 网络形象层（Network Abstraction Layer, NAL）。前者 VCL 关注编码局部，重点在于编码算法以及在特定硬件平台的实现；而后者 NAL 负责格式化数据以及包封装，以保证数据在各种信道和存储介质上的传输。

视频编码层 波及的概念：

  • 视频压缩技术：

    • 帧内预测压缩，解决的是空域数据冗余问题。
    • 帧间预测压缩（静止预计与弥补），解决的是时域数据冗徐问题。
    • 整数离散余弦变换（DCT），将空间上的相关性变为频域上无关的数据而后进行量化。
    • CABAC 压缩。
  • I 帧：关键帧，采纳帧内压缩技术。
  • P 帧：向前参考帧，在压缩时，只参考后面曾经解决的帧。采纳帧间压缩技术。
  • B 帧：双向参考帧，在压缩时，它即参考后面的帧，又参考它前面的帧。采纳帧间压缩技术。
  • GOP：两个 I 帧之间是一个图像序列；一个图像序列中只有一个 I 帧。

网络形象层 波及的概念：

  • SODB：数据比特串（String Of Data Bits），即 VCL 编码后的最原始的数据（长度不肯定是 8 的整数，故需补齐）。
  • RBSP：原始数据字节流（Raw Byte Sequence Payload），即在 SODB 的前面增加了 rbsp_trailing_bits（第一个比特为 1，接下来是 0，直到字节对齐）。
  • Emulation Prevention Bytes：防竞争码（0X03），即在编码时，每遇到间断两个 0x00 字节，就插入一个字节的 0x03（如 0x000001 => 0x00000301）。解码时将 0x03 去掉。也称为脱壳操作。
  • EBSP：扩大字节序列载荷（Extension Byte Sequence Payload），即在 RBSP 的根底上减少了防竞争码（0x03）。
  • NALU：NAL 单元（NAL Unit），蕴含 NALU 头和 NALU 主体（个别为 RBSP）。
  • NALU Start Codes：NALU 包开始码，因为 NALU 中不蕴含大小 / 长度信息，因而不能间接连贯 NALU 包来构建码流，因为无奈晓得开始、完结地位。通常应用 0x000001 或 0x00000001 作为开始码，四字节的开始码通常用于 SPS、PPS、IDR 等 NALU，其余采纳三字节。
// 逻辑关系

SODB + rbsp_trailing_bits = RBSP

mixin(RBSP, 0x03) = EBSP

NALU header + NALU body(RBSP or EBSP) = NALU

NALU Start Codes + NALU + NALU Start Codes + NALU + ... = H.264 Bits Stream       // Annex-B

3、视频编码

TODO

4、NAL 单元构造

规定 VCL 是为了无效的示意视频数据的内容。规定 NAL 则是为了格式化数据，并以实用于存储介质或在多种通信信道上传输的格局提供头信息。NAL 单元中蕴含了所有数据，每个 NAL 单元都是蕴含整数字节。NAL 单元规定一种既实用于分组零碎又实用于比特流零碎的通用格局。用于分组传输和字节流的 NAL 单元的格局是一样的，不过字节流格局中的每个 NAL 单元前能够有一个起始码前缀和额定填充字节。

NAL 单元（简称 NALU）蕴含 NAL 头和 NAL 主体，其中 NAL 头占一个字节，构造如下：

+---------------+
|0|1|2|3|4|5|6|7|
+-+-+-+-+-+-+-+-+
|F|NRI|  Type   |
+---------------+
  • forbidden_zero_bit：0 禁止位，1bit；
  • nal_ref_idc：2bit，用来批示以后 NALU 的重要性。值越大，越重要，解码器在解码解决不过来时，能够抛弃重要性为 0 的 NALU；
  • Type：指 NALU 的类型，5bit，即范畴为 0～31。

NALU 的类型，次要分为两类：1～5 的 NALU 称为 VCL NALU（即视频编码后的数据），其余的称为 非 VCL NALU（一些配置信息）。NALU 的类型码如下：

TYPE 形容 分层 NRI
0 Unspecified 未指定 non-VCL
1 Coded slice of a non-IDR picture 一个非 IDR 图像的编码条带 VCL
2 Coded slice data partition A 编码条带宰割数据块 A VCL
3 Coded slice data partition B 编码条带宰割数据块 B VCL
4 Coded slice data partition C 编码条带宰割数据块 C VCL
5 Coded slice of an IDR picture IDR 图像的编码条带 VCL 非 0
6 Supplemental enhancement information (SEI) 辅助加强信息 non-VCL 0
7 Sequence parameter set 序列参数集 non-VCL 非 0
8 Picture parameter set 图像参数集 non-VCL 非 0
9 Access unit delimiter 拜访单元分隔符 non-VCL 0
10 End of sequence 序列结尾 non-VCL 0
11 End of stream 流结尾 non-VCL 0
12 Filler data 填充数据 non-VCL 0
13 Sequence parameter set extension 序列参数集扩大 non-VCL 0
14..18 Reserved 保留 non-VCL 0
19 Coded slice of an auxiliary coded picture without partitioning 未宰割的辅助编码图像的编码条带 non-VCL 0
20…23 Reserved 保留 non-VCL 0
24…31 Unspecified 未指定 non-VCL 0

常见的 RBSP 数据结构类型有 IDR_SLICE、SPS、PPS、SEI，它们的 NAL header 罕用取值为 0x65、0x67、0x68、0x06。通过具体的文件举例：

  • 通过 ffmpeg 将本地 mp4 文件的 H264 码流剥离进去：ffmpeg -i xx.mp4 xx.h264;
  • 失去的 xx.h264 即为 RBSP（or EBSP）码流；
  • 黄色局部为 0x00000001 开始码，蓝色局部为 NALU header，0x67 为 SPS 信息，红色局部为 NALU body（其中有两个防竞争码）。

5、H.264 基于 RTP 的传输构造

+----------------------+
|      RTP Packet      |
+--------+-------------+
| Header |   Payload   |
+--------+-------------+
                ⬇️
+----------------------+
|      RTP Payload     |
+----------------+-----+
| Payload Header | ... |
+----------------+-----+
         ⬇️
+-------------------------------+
|         Payload  Header       | 
+-------------------------------+
| 0 | 1 | 2 | 3 | 4 | 5 | 6 | 7 |
+---+---+---+---+---+---+---+---+
| F |    NRI    |     Type      |
+-------------------------------+

RTP 是实时传输协定，通过该协定打包 H.264 码流时，定义了三种不同类型的载荷构造。接收者可通过 RTP payload 的第一个字节（payload header）辨认载荷构造，payload header 被格式化为 NALU header，与其构造、各字段含意统一。RTP 打包时应用了 24 ～ 31 的 TYPE 值，定义如下：

TYPE RTP 载荷中 NALU 类型 载荷构造
0 未定义
1~23 单个 NAL 单元包 单个 NAL 单元包
24 STAP-A，单个工夫的聚合包 聚合包
25 STAP-B，单个工夫的聚合包 聚合包
26 MTAP16，多个工夫的聚合包 聚合包
27 MTAP32，多个工夫的聚合包 聚合包
28 FU-A，分片单元 分片单元
29 FU-B，分片单元 分片单元
30~31 未定义

三种载荷类型别离为：

5.1、Single NAL Unit Packet

繁多 NALU 包，即每个 NALU 都会被独立封装成一个 RTP 包。RTP 载荷构造如下：

 0                   1                   2                   3
 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
|F|NRI|  type   |                                               |
+-+-+-+-+-+-+-+-+                                               |
|                                                               |
|               Bytes 2..n of a Single NAL unit                 |
|                                                               |
|                               +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
|                               :...OPTIONAL RTP padding        |
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
          RTP payload format for single NAL unit packet

5.2、Aggregation Packets

聚合包。当 H264 码流中有若干 NALU 尺寸特地小，因而须要将多个 NALU 封装到一个 RTP 包中。RTP 的载荷构造如下：

 0                   1                   2                   3
 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
|F|NRI|  type   |                                               |
+-+-+-+-+-+-+-+-+                                               |
|                                                               |
|             one or more aggregation units                     |
|                                                               |
|                               +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
|                               :...OPTIONAL RTP padding        |
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
           RTP payload format for aggregation packets

聚合包分为两类：

  • 单工夫聚合包（STAP）：即聚合有着雷同 NALU 工夫的 NAL 单元。定义了两类 STAP，一类不包含 DON（STAP-A），在每个 NALU 前有两个字节的 NALU szie；另一类包含 DON（STAP-B），在 STAP-A 的根底上多了两个字节的 DON 字段。举例：

     0                   1                   2                   3
 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
|                          RTP Header                           |
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
|STAP-A NAL HDR |         NALU 1 Size           | NALU 1 HDR    |
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
|                         NALU 1 Data                           |
  • NALU 2 Size NALU 2 HDR
    NALU 2 Data

    : :
    | +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+

    :…OPTIONAL RTP padding

    1.An example of an RTP packet including an STAP-A and two

    single-time aggregation units

    0 1 2 3

    0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1
    RTP Header
    STAP-B NAL HDR DON NALU 1 Size
    NALU 1 Size NALU 1 HDR NALU 1 Data

    +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+ +
    : :

  • NALU 2 Size NALU 2 HDR
    NALU 2 Data

    : :
    | +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+

    :…OPTIONAL RTP padding

    2.An example of an RTP packet including an STAP-B and two

    single-time aggregation units

  • 多工夫聚合包（MTAPs）：即聚合有着不同 NALU 工夫的 NAL 单元。该 NALU 的构造为：一个 16 位的 DONB（decoding order number base）和一个或多个多工夫聚合单元，如图 1 所示。MTAP 又分为了 MTAP16（图 2）和 MTAP24（图三），它们的构造类似，区别是：MTAP16 在 DODN（decoding order number difference）后跟有一个 16 位的 timestamp offset (TS offset)，而 MTAP24 是 24 位。

     0                   1                   2                   3
 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
              :  decoding order number base   |               |
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+               |
|                                                               |
|                 multi-time aggregation units                  |
|                                                               |
|                               +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
|                               :
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
                 图 1 MTAPs NALU 的载荷格局

 0                   1                   2                   3
 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
:        NAL unit size          |      DOND     |  TS offset    |
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
|  TS offset    |                                               |
+-+-+-+-+-+-+-+-+              NAL unit                         |
|                                                               |
|                               +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
|                               :
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
                图 2 MTAP16 的多工夫聚合单元格局

 0                   1                   2                   3
 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
:        NALU unit size         |      DOND     |  TS offset    |
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
|         TS offset             |                               |
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+                               |
|                              NAL unit                         |
|                               +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
|                               :
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
                图 4 MTAP24 的多工夫聚合单元格局

5.3、Fragmentation Units (FUs)

分片单元。当 H264 码流中的 NALU 长度超过 MTU 大小限度时，须要进行分片。FUs 分为两类：FU-A（图 5）和 FU-B（图 6），区别是 FU-B 携带了 DON。其中 FU indicator 与 NULU header 的构造统一，type 为 28 或 29；FU header 的形成如图 7 所示，第一位 S（start）示意是否为开始分片，E（end）示意是否为完结分片，R（reserved）必须为 0，5 位的 type 示意 NALU 单元的类型。

 0                   1                   2                   3
 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
| FU indicator  |   FU header   |                               |
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+                               |
|                                                               |
|                         FU payload                            |
|                                                               |
|                               +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
|                               :...OPTIONAL RTP padding        |
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
                    图 5 FU-A 的 RTP 载荷格局
                    
 0                   1                   2                   3
 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
| FU indicator  |   FU header   |               DON             |
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-|
|                                                               |
|                         FU payload                            |
|                                                               |
|                               +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
|                               :...OPTIONAL RTP padding        |
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
                    图 6 FU-B 的 RTP 载荷格局

+---------------+
|0|1|2|3|4|5|6|7|
+-+-+-+-+-+-+-+-+
|S|E|R|  Type   |
+---------------+
图 7 FU header 构造

参考

  • H.264 百度百科
  • H.264/AVC Video Coding Standard
  • RTP Payload Format for H.264 Video
  • H264 视频压缩算法
  • NAL Unit 解析
  • H264 码流格局解析及 RTP 打包规定整顿
  • 视频和视频帧：H264 编码格局整顿
退出移动版