H.265视频编码与技术

以你之姓@ 2024-02-18 11:03 16阅读 0赞

一． 概述  
作为新一代视频编解码格式，H.265得到越来越广泛的应用。不久之前，苹果公司在翘首期盼中发布了iPhone6，该款手机较之以往的iPhone，不仅仅只是简单地增大了屏幕，其采用了H.265视频编码解码技术，可达到在有限带宽下传输更高质量的网络视频。虽然对于大部分人来讲，H.265还有点陌生，然而早在两年前，爱立信就已经推出了首款H.265编解码器。使用H.265编解码的一个巨大优势是仅需目前主流编码视频H.264一半的比特率，就可提供同等质量的视频。

接下来，为大家详细介绍H.265视频编码技术究竟有什么样的优势。

新一代视频压缩标准：H.265

视频编解码标准主要来源于国际电联ITU-T和国际标准化组织ISO，ITU的H.26×系列视频压缩标准经过了H.261、H.263，H.263+这样一个演进过程。而ISO的视频压缩标准是MPEG系列，从MPEG1、MEPG2到MPEG4，之后两个标准化组合走向合作，成立了JVT，推出了在当前最有效的视频压缩标准：H.264/AVC。

随后，H.264的应用范围不断扩展，成熟度也不断提高，于2013年定稿发布了下一代视频压缩标准，命名为HEVC(High EfficiencyVideoCoding)，分别被ITU-T和ISO/IEC采纳成为国际标准，即H.265视频压缩标准。H.265在现有的视频编码标准H.264基础上，进一步提高压缩效率、提高鲁棒性（Robustness抗变换性）和错误恢复能力、减少实时的时延、减少信道获取时间和随机接入时延、降低复杂度，以达到最优化设置。

高清晰，低码率

如今，4K超高清技术大行其道，传统的H.264已面临瓶颈限制。以编码单位来说，H.264中每个宏块(marcoblock，MB)大小都是固定的16x16像素。然而，在更高分辨率下，单个宏块所表示的图像内容信息大大减少，H.264所采用的宏块经过整数变换后，低频系数相似程度也大大提高，出现大量冗余，导致H.264编码对高清视频的压缩效率明显降低；其次，H.264算法宏块个数的爆发式增长，会导致每个编码宏块的预测模式、运动矢量、参考帧索引和量化级等宏块级参数信息占用更多码流资源，也降低了编码压缩率。

相比H.264，H.265提供了更多不同的工具来降低码率。H.265的编码单位可以选择从最小的8x8到最大的64x64。信息量不多的区域划分的宏块较大，编码后的码字较少，而细节多的地方划分的宏块就相应的小和多一些，编码后的码字较多，这样就相当于对图像进行了有重点的编码，针对重要的更多关键细节的部分进行增强划块，从而降低了整体的码率，编码效率就相应得到了提高。这个过程在H.265上，可以通过系统自行适应识别实现。

最新H.265标准基本继承了H.264的框架，H264由于算法优化，只能低于1Mbps的速度实现标清数字图像传送；H265则可以实现利用1~2Mbps的传输速度传送720P（分辨率1280\*720）普通高清音视频传送。这意味着，旨在有限带宽下H.265能够传输更高质量的网络视频，同时，仅需原先的一半带宽即可播放相同质量的视频。

本文福利， 免费领取C++音视频学习资料包、技术视频/代码，内容包括（音视频开发，面试题，FFmpeg ，webRTC ，rtmp ，hls ，rtsp ，ffplay ，编解码，推拉流，srs）↓↓↓↓↓↓见下面↓↓文章底部点击免费领取↓↓

H.265技术的应用

编码技术主要运用于视频播放设备、软件应用以及拍摄、录制视频的设备。人们最熟悉的莫过于PPS网络视频播放器。在PC屏客户端产品上面，PPS已经于2013年初推出了基于H.265标准的高清视频，并命名“臻高清”为自己的高清品牌。同时 PPS不断加大了在H.265技术应用方面的研究，把H.265推向手机客户端，且在性能上不断优化提升。

在视频播放设备上，4K超清电视的推出，也与H.265编码技术息息相关。索尼于今年9月份发布的国内首台提供高品质4K内容的媒体播放器新品FMP-X10以及索尼在国外已发布的S900B系列和S990B系列，它们都采用了H.265编码格式，在编码技术上更胜从前。对于蓝光来说，H.265的HEVC编码技术足以将巨大的4K电影压缩进一张蓝光光盘，节省更大的内存空间。

在摄像设备上，索尼、海康威视、中兴等厂商陆续发布了该类摄像设备，不仅用于日常的拍照摄影，更用于区域监控安防上。采用了H.265编码技术的超高清监控所能监控的区域更大，不仅减少了安装数量，最主要的是提高了监控的画面质量。避免了一个路口安装多台摄像机而造成庞大的冗余数据的情况。

当然，H.265的应用不仅仅局限于此，据悉，马上入华的索尼PS4也将支持H.265编解码技术。另外，伴随着4G网络的到来，H.265将可能逐渐大规模投入移动客户端，让高清无处不在，使得更多的人们感受并享受这一技术所带来的影响。

这里需要指出的是，虽然H.265带来了远高于H.264的压缩效率，但同时也带来了高于H.264数倍的解码难度，运算量飙升到400~500GOPS，目前还没有广泛的H.265硬解支持。而且，在面对硬件支持度欠缺、标准确立太晚等问题的同时，谷歌VP9也是H.265摆在面前的挑战，毕竟和需要缴纳授权费的H.265相比，VP9使用自由的BSD版权协议对业界的吸引力无疑是巨大的。

二、名词  
CTU: 编码树单元  
CU: 编码单元  
PU: 以CU为根，对CU进行划分,一个预测单元PU包含一个亮度预测块PB和两个色度预测块PB.  
TU: 以CU为根，变换单元TU是在CU的基础上划分的，跟PU没有关系，采用四叉树划分方式，具体划分有率失真代价决定，下图给出了某个CU划分成TU的结构。

1. H265-NALU-Type介绍

NAL\_TRAIL\_N = 0, NAL\_TRAIL\_R = 1, NAL\_TSA\_N = 2, NAL\_TSA\_R = 3, NAL\_STSA\_N = 4, NAL\_STSA\_R = 5, NAL\_RADL\_N = 6, NAL\_RADL\_R = 7, NAL\_RASL\_N = 8, NAL\_RASL\_R = 9, NAL\_BLA\_W\_LP = 16, NAL\_BLA\_W\_RADL = 17, NAL\_BLA\_N\_LP = 18, NAL\_IDR\_W\_RADL = 19, NAL\_IDR\_N\_LP = 20, NAL\_CRA\_NUT = 21, NAL\_VPS = 32, NAL\_SPS = 33, NAL\_PPS = 34, NAL\_AUD = 35, NAL\_EOS\_NUT = 36, NAL\_EOB\_NUT = 37, NAL\_FD\_NUT = 38, NAL\_SEI\_PREFIX = 39, NAL\_SEI\_SUFFIX = 40,

2. H264和H265获取帧类型/NALU类型的区别

H264获取方式为 code&0x1f 取低5位，如00 00 00 01 65 则65&0x1f=5表示IDR帧

H265获取方式为 (code & 0x7E)>>1 , 如00 00 00 01 40 则(40&0x7e)>>1 = 32--vps

3. H265中帧类型的介绍GOP等

H265和H264的不同有H265引入了多种方式的帧编码方式，其次H265的GOP不像H264那种为封闭式，H265是封闭和开放式都支持；H264封闭式GOP: H264中单个GOP内部帧解码不会依赖其它GOP，即每个GOP都可独立解码，关键点就是IDR帧的强制刷新起了阻隔作用，避免错误帧相互影响，所以H264中GOP开始的第一帧必须为IDR关键帧，IDR为I帧的一种采用帧内编码无参考方式，但I帧不一定是IDR帧，普通I帧会参考前边的IDR，在RTC中，用的最多的就是IDR关键帧。

关于GOP。

这是图像组（Group of Pictures）的意思，表示编码的视频序列分成了一组一组的有序的帧的集合进行编码。每个GOP一定是以一个I帧开始的，但是却不一定指代的是两个I帧之间的距离。因为一个GOP内可能包含几个I帧，只有第一个I帧（也就是第一帧）才是关键帧。在程序cfg中，GOP的长度和两个I帧的距离也是两个不同参数指定的（如IntraPeriod和GOP Size或者类似的参数）。所以，两个I帧的间距不可能大于GOP的长度，一般情况是更小的。

关于IDR。

这个词儿的全称是Instantaneous Decoding Refresh，是在H.264中定义的结构。在H.264中，IDR帧一定是I帧，而且一定是GOP的开始，也是H.264 GOP的关键帧。但是反过来却不成立，I帧不一定是IDR帧。GOP的长度不是定死不变的，在H.264的编码器中，如果判定场景发生变化，那么及时不到原定GOP的末尾，也会在这个位置加入一个IDR，作为新一个GOP的开始。此时这个GOP的长度就被缩小了。

闭合GOP和开放GOP（closed GOP/open GOP），CRA

闭合GOP是H.264中GOP的格式。在H.264的GOP中，所有的GOP都是独立解码的，与其他GOP无关，即它们都是“封闭”的。但是在HEVC中，GOP的结构发生了变化，采用了“开放”的结构，在解码过程过可能会参考其他GOP的数据。这时，一个GOP的起始帧命名为CRA, clean random access,同样采用帧内编码，但是这个GOP内的帧间编码帧可以越过CRA参考前一个GOP的数据，这便是GOP的open。

关于BLA

BLA只是CRA在视频流切换情况下的一种特例。视频流在某个RAP上要求切换到另一个视频流继续解码，则直接将该CRA同另一个视频流中的接入CRA连接，后者便是BLA。由于BLA之前解码到缓存的视频流与当前视频流无关，因此其特性类似于直接从该点进行随机存取后的CRA。

RASL和RADL

这是两种GOP间的图像类型。如果解码器从某个CRA随机接入，则按照显示顺序的后面几帧数据由于缺少参考帧而不能解码，这些图像将被解码器抛弃，即skip leading。而对于没有从当前CRA接入的数据，这些图像可以被正常解码显示，因此称为decodable leading。由于这些数据是有可能舍弃的，因此其他图像（trailing pictures）不能参考这些数据，否则万一这些图像被舍弃，将会有更多的图像受其影响而不能正常解码。

三、基础结构  
HEVC Encoder整体框架：  
![c340e5128cb649d3b1cb2e65ac579889.png][]

CU是用作帧间和帧内编码的基础模块，它的特点是方块，它的大小从8×8到最小64×64，LCU是64x64，可以使用递归分割的四分树的方法来得到，大的CU适用于图像中比较平滑部分，而小的部分则适用于边缘和纹理较丰富的区域。CU采用四叉树的分割方式，具体的分割过程通过两个变量来标记：分割深度(Depth)和分割标记符(Split\_flag)。

在设置CTU大小为64X64的情况下，一个亮度CB最大为64X64即一个CTB直接作为一个CB，最小为8X8，则色度CB最大为32X32，最小为4X4。每个CU包含着与之相关联的预测单元(PU)和我变换单元(TU).

![7eb5ff56db96428c9fef959a1c53e5a0.png][]

Z扫描顺序：

![0904763ff8b04c0c83c8e81b975d2822.png][]

Z扫描

PU是预测的最基本的单元，是从CU中分割出来的，HEVC中对于skip模式、帧内模式和帧间模式。  
帧内预测有2种划分模式，只有在CU尺寸为8x8时，才能用PART\_NxN。  
帧间有8种划分模式，PU可以使方形也可以使矩形，但是其分割不是递归的，与CU的分割还是有区别的。尺寸最大为64×64到最小4×4。

![641b5172759a49e2a53965267895668d.png][]

TU也是采用四叉树划分，以CU为根，TU可以大于PU，但是却不可以大于CU的大小。  
在帧内编码过程中，TU 的尺寸严格小于 PU 的尺寸；  
在帧间编码过程中，TU 的尺寸不一定小于PU 的尺寸，但一定小于其对应 CU 的尺寸。

![3b16d7a4fb6c44c98a31d9325aac2232.png][]

Slice可以包含一个独立的Slice Segment（SS）和多个非独立的SS，一个Slice中的SS可以互相依赖，但不能依赖其它Slice。图中，虚线是SS分隔线，实线是Slice分隔线。

![641c576092ee427981493e44e2918414.png][]

Tile是一个矩形块，Slice是一个条带。  
Tile、Slice需要满足以下两个条件之一：

1. 任一Slice中的所有CTU属于同一个Tile：

![00ebb879d01a468e969401aabd335a0c.png][]

2. 任一Tile中的所有CTU属于同一个Slice：

![d7def2c3cda547eea8d845f86537e14a.png][]

举例说明：

假设视频序列的显示顺序为①，这是一个完整的GOP，解码顺序为②

①I B B P B B P B B P

②I P B B P B B P B B

在H.264中，第一个I帧为IDR，GOP为闭合结构，因此两个GOP组成视频的结构为

I B B P B B P B B PI B B P B B P B B P（显示顺序）

I P B B P B B P B BI P B B P B B P B B（解码顺序）

而在HEVC中，两个I帧为CRA，GOP为开放结构，因此GOP的结构为：

I B B P B B P B B PB B I B B P B B P B（显示顺序）

I P B B P B B P B B I B B P B B P B B...（解码顺序）

两个红色的B帧表示的是按照解码顺序在CRA之后，该GOP内参考的前一个GOP进行编码的图像。这样便很容易得知，如果选择在第二个CRA进行随机接入，这两个红色的B帧将会由于没有参考帧无法解码而被舍弃。这两个红色的B帧即RASP。如果没有选择这个CRA进行随机接入，这两个红色B帧将可以顺利解码，即成为RADP。

对于BLA，情况也是类似的。由于出现码流拼接，第二段码流的CRA之后的B也会因为没有参考帧无法解码而丢弃。很容易理解，此时缓存中的参考帧数据还来自上一段码流，跟当前码流没关系，当然不能用作B的参考了。

至于HEVC这么设计的目的，应该是为了编码效率考虑的。因为B帧的压缩比相对是最高的，引入这种设计可以在不影响随机存取性能的前提下，尽可能增大B帧的比重，提高整体压缩编码的性能。

H265中引入的新结构：

Random access point picture

IDR(instantaneous decoder refresh)

BLA(broken link access)

CRA(clean random access)

Leading picture RASL和RADL的总称

RADL(random access decodable leading)在随机接入点后，可以按顺序解码的图像

RASL(random access skipped leading)因为包含帧间信息而不能解码的图像--会被丢弃

Temporal sub-layer access picture随机接入点后按解码和输出顺序的图像。

TSA(temporal sublayer access)

STSA(stepwise temporal sublayer access)

因此可以说随机接入点的图像一定是I帧，则H265中I帧的类型有以下几种IDR/BLA/CRA,也就是NALU中的16~21均为I帧，代码可参考ffmpeg相关判断代码：

switch (type) \{

case NAL\_VPS:

vps++;

break;

case NAL\_SPS:

sps++;

break;

case NAL\_PPS:

pps++;

break;

case NAL\_BLA\_N\_LP:

case NAL\_BLA\_W\_LP:

case NAL\_BLA\_W\_RADL:

case NAL\_CRA\_NUT:

case NAL\_IDR\_N\_LP:

case NAL\_IDR\_W\_RADL: irap++; break;

四．帧内预测模式

共35个（h264有9个），包括Planar，DC，33个方向模式：  
![809f4623e8644cf386f63f7f5d5b3647.png][]

除了Intra\_Angular预测外，HEVC还和H.264/MPEG-4 AVC一样，支持Intra\_Planar, Intra\_DC预测模式；  
. Intra\_DC 使用参考像素的均值进行预测；  
. Intra\_Planar 使用四个角的参考像素得到的两个线性预测的均值;

划分模式：帧内只能使用PART\_2Nx2N、PART\_NxN两种

五、帧间预测  
Skipped模式：无MV差异和残差信息的帧间预测模式

针对运动向量预测，H.265有两个参考表：L0和L1。每一个都拥有16个参照项，但是唯一图片的最大数量是8。H.265运动估计要比H.264更加复杂。它使用列表索引，有两个主要的预测模式：合并和高级运动向量（Merge and Advanced MV.）。

1. 运动估计准则  
最小均方误差（Mean Square Error,MSE）  
最小平均绝对误差（Mean Absolute Difference,MAD）  
最大匹配像素数（Matching-Pixel Count,MPC）  
绝对误差和(Sum Of Absolute Difference,SAD)  
最小变换域绝对误差和(Sum Of Absolute Transformed Difference,SATD)

一般用SAD或者SATD。SAD不含乘除法，且便于硬件实现，因而使用最广泛。实际中，在SAD基础上还进行了别的运算来保证失真率。

2. 搜索算法  
· dia 菱形

· hex (default) 六边形

· umh 可变半径六边形搜索(非对称十字六边形网络搜索)

· star 星型

· full 全搜索

全搜索： 所有可能的位置都计算两个块的匹配误差，相当于原块在搜索窗口内一个像素一个像素点的移动匹配  
菱形搜索： 在x265中实际是十字搜索，仅对菱形对角线十字上的块进行搜索  
HM的则是全搜索和TZSearch以及对TZSearch的优化的搜索。

3. MV预测  
HEVC在预测方面提出了两种新的技术–Merge && AMVP (Advanced Motion Vector Prediction)都使用了空域和时域MV预测的思想，通过建立候选MV列表，选取性能最优的一个作为当前PU的预测MV，二者的区别：

· Merge可以看成一种编码模式，在该模式下，当前PU的MV直接由空域或时域上临近的PU预测得到，不存在MVD；而AMVP可以看成一种MV预测技术，编码器只需要对实际MV与预测MV的差值进行编码，因此是存在MVD的。

· 二者候选MV列表长度不同，构建候选MV列表的方式也有所区别

Merge  
当前块的运动信息可以通过相邻块的PUs运动信息推导出来，只需要传输合并索引，合并标记，不需要传输运动信息。

空间合并候选：从5个不同位置候选中选择4个合并候选  
![224aa6cb3ad64f6ab73e370763867047.png][]

图中便是5个PU，但是标准规定最多四个，则列表按照A1–>B1–>B0–>A0–>(B2)的顺序建立，B2为替补，即当其他有一个或者多个不存在时，需要使用B2的运动信息。

时间合并候选：从2个候选中选择1个合并候选  
从C3、H中选择一个：

![f699603a60f14eaab2c8bcc3c16884f9.png][]

AMVP  
构造一个时空PUs的运动矢量候选列表，当前PU遍历候选列表，通过SAD选择最优预测运动矢量。

空间运动矢量候选：从5个位置中左侧、上侧分别选1个共2个候选

而AMVP的选择顺序,左侧为A0–>A1–>scaled A0–>scaledA1，其中scaled A0表示将A0的MV进行比例伸缩。  
上方为B0–>B1–B2–>(scaled B0–>scaled B1–>scaled B2)。

然而，x265并不在乎标准，我们要的就是速度，所以在x265的代码中，只能看到它使用AMVP且对应的变量是  
![7ce0b3070c724faca49398dd1f6b39f1.png][]

且对左侧和上侧分别if-else，选出两个。

时间运动矢量候选：从2个不同位置候选中选择1个候选

C0（右下） represents the bottom right neighbor and C1（中心） represents the center block.

![0d13b8efcfdb41f5b990b9c89e630c6e.png][]

**Skip vs Merge:**

![6c18729ed8f346ac8b0a49bb90f89450.png][]

**分数像素内插：**  
用于产生非整数采样位置像素值的预测样本。

### 六、量化变换 ###

### 七、其它 ###

**熵编码**  
目前HEVC规定只使用CABAC算术编码。

**去块效应滤波器**  
消除反量化和反变换后由于预测误差产生的块效应，即块边缘处的像素值跳变。

![f03840bf160d4278a3e96db6266bba61.png][]

自适应样点补偿  
通过对重建图像进行分类，对每一类图像像素值进行加减1，从而达到减少失真，提高压缩率，减少码流的作用。

目前自适应样点补偿分为带状补偿，边缘补偿：

1. 带状补偿，按像素值强度划分为不同的等级，一共32个等级，按像素值排序，位于中间的16个等级进行补偿，将补偿信息写进码流，其余16个等级不进行补偿，减少码流。

2. 边缘补偿，选择不同的模板，确定当前像素类型，如局部最大，局部最小，或者图像边缘。

Wavefront Parallel Processing (WPP)  
WPP的并行技术是以一行LCU块为单位进行的，但是不完全截断LCU行之间的关系，如下图，Thread1的第二个块的CABAC状态保存下来，用于Thread2的起始CABAC状态，依次类推进行并行编码或解码，因此行与行之间存在很大的依赖关系。通常该方法的压缩性高于tiles。

[c340e5128cb649d3b1cb2e65ac579889.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/18/22d7125a207e42c88e21a409295775f3.png
[7eb5ff56db96428c9fef959a1c53e5a0.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/18/3f18da71f50346c891bfc8fc9ce8cca5.png
[0904763ff8b04c0c83c8e81b975d2822.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/18/d675755b46a24f6cb836cab930b7a218.png
[641b5172759a49e2a53965267895668d.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/18/0b0f6ffb747c4241aee3da1ab5d1262c.png
[3b16d7a4fb6c44c98a31d9325aac2232.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/18/1281d45830734040b281751cf00fc5e7.png
[641c576092ee427981493e44e2918414.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/18/b8d4cc4280b1448eb82abe4c749b0808.png
[00ebb879d01a468e969401aabd335a0c.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/18/f24b5c3578644678a1dcd63ce706f8e0.png
[d7def2c3cda547eea8d845f86537e14a.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/18/897f4c05ff9c43839be83b329c3aa99d.png
[809f4623e8644cf386f63f7f5d5b3647.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/18/f1f6db000e4246f4be66c6075ef22744.png
[224aa6cb3ad64f6ab73e370763867047.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/18/7f899a6a729f4e9fbf26430afc81e75e.png
[f699603a60f14eaab2c8bcc3c16884f9.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/18/64bdc1d371584e9eb9f3acb100ab6717.png
[7ce0b3070c724faca49398dd1f6b39f1.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/18/021215acc9624f2cb76411bcaccc1527.png
[0d13b8efcfdb41f5b990b9c89e630c6e.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/18/e55ccbe8cae74ec6a050398f7f5347a2.png
[6c18729ed8f346ac8b0a49bb90f89450.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/18/d470b3fa3bec4b0dad1bc45a7c782fc2.png
[f03840bf160d4278a3e96db6266bba61.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/18/4905a54b3df649a0b99640cc6b312773.png