最近在读 《MPEG-4/H.264视频编解码工程实践》, 本身是视频行业从业人员，同时也是开发人员，所以对音视频流媒体这块很感兴趣，最近一直在搞ffmpeg编程(C/iOS端)。
[MPEG-4/H.264视频编解码工程实践]第一章总结
我们目前看到的音视频，基本都是有损编码（不可逆）的，但是凭借我们肉眼几乎很难察觉出来这种残差；视频是由于一帧一帧的信息组合而成，而为了尽可能的压缩视频，某些帧之间是有预测和依赖的关系，前后两帧变化较小的地方是光滑并且连续的，而差别较大的地方是作为帧间运动的重点计算对象区域。
很有趣的是，人体肉眼对亮度比色度更加感兴趣，这一切都是驱动编码和解码发展的方向。
目前编码算法标准还是以ISO和ITU两大组织制定的，但是他们只是制定了算法标准，并没有给出具体的实现工程，所以才会有各种我们现在所用的编解码基础算法工程。
视频解码实则是编码的逆向过程，只不过多了熵解码（对于h263等的熵编码基本是用霍夫曼编码 ，详见我另外一篇文章：https://www.jianshu.com/p/8b7410e242c6）；
具体解码过程主要是：熵解码 | 反量化 | 反变换 | 运动补偿算法 | 最终处理。
包括编码操作，里面涉及到 搜索匹配（三部搜索 etc.. 钻石搜索目前最佳）、运动估计、 变换（新维度去分配时域和空域的能量，便于压缩，主要针对图像残差）、量化、熵编码（持续压缩分配符号信息）
MPEG-4最早第一代压缩编码算法，主要以宏块的方式预测，如果压缩比较高，则会导致出现严重的块效应 ；
这种情况我之前在做视频图像处理的时候，对图像进行二值化过程中，阈值以块为单位进行计算，在较小尺寸图片或某些变化度交大的交界处会出现严重的
块效应。
所以之后的开进有了一个非常有趣的现象！ 才用类似于图像分割：前景后景分割方式去处理，这种想法很超前诶~ 在当年硬件设备普遍不是非常给力情况下（机器学习无法大力施展）依然得到了不错的效果；不过只能说不错，不能说非常成熟。
MPEG-4才用I-VOP/P-VOP/B-VOP （VOP是VO在某一时刻的表现，主要为时域在空域的展现）三中对象来表示不同帧类型，我们在H264中常见的。
解码相关。
h264的NAL网络抽象层，主要为网络传输所进行的一层封装，类似于我们常用的直播等服务，可以根据自己不同需求去定制。而视频流媒体仅仅是VCL层（这些详细说来就太多了，具体在数书里和资料有体现，先记在这里，开发过程中也会用到）。
解码的过程和编码很类似，也会涉及到帧内预测，帧间预测等操作。
业内目前做安防等行业，对于硬件内是常有一块编解码芯片，常用ASIC做基础，但是缺点是不可以升级改动，烧录的程序不会重新修改（相比其他可编程芯片会廉价一些）。
总结
这一章还是对于音视频的基础算法和背景会有一些了解，但是具体的内容还是要看往后的内容来补充。
网友评论