在学习H.264编码之前，我们先了解一下在视频直播的过程中，如果Camera采集的YUV图像不做任何处理进行传输，那么每秒钟需要传输的数据量是多少？Camera采集的YUV图像通常为YUV420，根据YUV420的采样结构，YUV图像中的一个像素中Y、U、V分量所占比例为1：1/4：1/4，而一个Y分量占1个字节，也就是说对于YUV图像，它的一个像素的大小为(1+1/4+1/4)*Y=3/2个字节。如果直播时的帧率设置为30fps，当分辨率为1280x720，那么每秒需要传输的数据量为1280*720(像素)*30(帧)*3/2(字节)=39.5MB；当分辨率为1920x720，那么每秒需要传输的数据量接近60MB，而在现实网络中，这么高的上行宽带一般是很难达到的，因此，我们就必须在传输之前对采集的视频数据进行压缩编码。
1. H.264简介
H.264是MPEG-4的第十部分，是由VCEG和MPEG联合提出的高度压缩数字视频编码器标准，目前在多媒体开发应用中非常广泛。H.264具有低码率、高压缩、高质量的图像、容错能力强、网络适应性强等特点，它最大的优势拥有很高的数据压缩比率，在同等图像质量的条件下，H.264的压缩比是MPEG-2的两倍以上。
1.1 H.264编码原理
在H.264协议里定义了三种帧，完整编码的帧叫I帧(关键帧)，参考之前的I帧生成的只包含差异部分编码的帧叫P帧，还有一种参考前后的帧编码的帧叫B帧。H.264编码采用的核心算法是帧内压缩和帧间压缩。其中，帧内压缩是生成I帧的算法，它的原理是当压缩一帧图像时，仅考虑本帧的数据而不用考虑相邻帧之间的冗余信息，由于帧内压缩是编码一个完整的图像，所以可以独立的解码显示；帧间压缩是生成P、B帧的算法，它的原理是通过对比相邻两帧之间的数据进行压缩，进一步提高压缩量，减少压缩比。通俗的来说，H.264编码的就是对于一段变化不大图像画面，我们可以先编码出一个完整的图像帧A，随后的B帧就不编码全部图像，只写入与A帧的差别，这样B帧的大小就只有完整帧的1/10或更小。B帧之后的C帧如果变化不大，我们可以继续以参考B的方式编码C帧，这样循环下去。
H.264编码框架分两层：
- VCL(Video Coding Layer)：负责高效的视频内容表示；
- NAL(Network Abstraction Layer)：负责以网络所要求的恰当的方式对数据进行打包和传送；
1.2 IDR(I帧)
IDR(Instantaneous Decoding Refresh)：即时解码刷新。一个序列的第一个图像叫做IDR 图像（立即刷新图像），IDR 图像都是I 帧图像(关键帧)。H.264引入 IDR 图像是为了解码的重同步，当解码器解码到IDR 图像时，立即将参考帧队列清空，将已解码的数据全部输出或抛弃，重新查找参数集，开始一个新的序列。这样，如果前一个序列出现重大错误，在这里可以获得重新同步的机会。IDR图像之后的图像永远不会使用IDR之前的图像的数据来解码。
- SPS(Sequence Parameter Sets)：序列参数集，作用于一系列连续的编码图像。
- PPS(Picture Parameter Set)：图像参数集，作用于编码视频序列中一个或多个独立的图像。
- SEI(Supplemental Enhancement Information)：附加增强信息，包含了视频画面定时等信息，一般放在主编码图像数据之前，在某些应用中，它可以被省略掉。
- P帧：前向预测编码帧。P帧表示的是这一帧跟之前的一个关键帧（或P帧）的差别，它P帧是I帧后面相隔1~2帧的编码帧，其没有完整画面数据，只有与前一帧的、画面差别的数据。
- B帧：双向预测内插编码帧。B帧记录的是本帧与前后帧的差别，它是由前面的I或P帧和后面的P帧来进行预测的。
1.3 H.264与X.264区别
H.264是需要付费的编码格式，而x264是符合H.264标准的一个开源项目，是免费的，也就是H264的一个简化版，不支持某些高级特性。但x264非常优秀，并不比H264的商业编码器差。H264采用的核心算法是帧内压缩和帧间压缩，帧内压缩是生成I帧的算法，帧间压缩是生成B帧和P帧的算法。
2.H.264数据组织形式
通常，数据的组织形式从大到小排序是：序列(sequence)、图像(frame/field-picture)、片组(slicegroup)、片(slice)、宏块(macroblock)、块(block)、子块(sub-block)、像素(pixel)。在H.264码流中图像是以序列为单位进行组织的，一个序列是由多帧图像被编码后的数据流，以I帧开始，到下一个I帧结束；一帧图像可以分成一个或多个片(slice)，片由宏块组成，宏块是编码处理的基本单位，当片编码之后会被打包进一个NALU，也就是一帧图像对应于一个NALU。NALU是H.264编码数据存储或传输的基本单位，它除了容纳片还可以容纳其他数据，如SPS、PPS、SEI等。
根据H.264编码原理可知，一个序列是一段内容差异不太大的图像编码生成的一串数据流。当运动变化比较少时，一个序列可以很长，这是由于运动变化少就代表图像画面的内容变动就很小，所有就可以编一个I帧，然后后面一直P帧、B帧；当运动变化较大，可能这个序列就比较短，因为图像画面的内容变动大，所以P帧、B帧就相对减少。总之，一个序列总是以I帧为开始，到下一个I帧结束，序列包含的图像帧的数量与画面变化情况有关。
3.H.264中的NAL技术
从H.264的介绍可知，NAL是H.264/AVC编码框架中的网络抽象层，即NetworkAbstract Layer，它主要负责格式化数据并提供头信息，以保证数据适合各种信道和存储介质上的有效传输。由于实际中的信息传输系统可靠性、封装方式、服务质量等特征的多样化，NAL提供了一个视频编码器和传输系统的友好接口，使得编码后的视频数据能够有效地在各种不同的网络环境中传输。
在NAL层中，NALU(Network Abstract Layer Unit，网络抽象层单元)是H.264编码存储或传输的基本单位，在H.264码流中每一帧数据就是一个NALU(注：SPS、PPS、SEI不属于帧)。每个NALU都包含一个头结构，这个头结构占1个字节(8位)，它标明了该NAL单元的是否可丢弃、重要性指示和NALU类型，结构如下：
其中：
- 禁止位：当网络发现NALU存在错误时，该位将被设置为1以方便接收方丢弃该NALU；
- 重要性指示：用于标志该NALU用于重建时的重要性，其值越大表示越重要；
- NALU类型：用于判断该NALU是否为PPS、SPS、I(关键)/P/B帧等，一般H.264码流
最开始的两个NALU是SPS和PPS，第三个NALU是IDR(I帧)。NALU类型是判断帧类型重要工具，至于如何去利用它来实现SPS、PPS和I/P/B帧等信息的检测，我们接下来会举例详细介绍，以下是相关值与NALU类型的映射关系图：
从上图可知，当NALU类型=5时，说明该NALU是关键帧(I帧)；当NALU类型=6时，说明该NALU是附加增强信息；当NALU类型=7时，说明该NALU是序列参数集(SPS)；当NALU类型=8时，说明该NALU是图像参数集(PPS)，依次类推。
4.H.264中SPS、PPS、I/P/B帧检测与解析
4.1 H.264码流分层结构
在分析SPS、PPS、I/P/B帧之前，我们先了解下H.264码流分层的结构。从外往里看，H.264码流实际是由多个NALU组成的码流序列集合(如第一层所示)，而一个序列是以I帧开始，以下一个I帧结束。NALU是H.264编码存储或传输的基本单元，NALU由NALU 头部和NALU主体组成(如第二层所示)，其中，NALU头部占1个字节，H.264中的SPS、PPS、I/P/B帧的检测正是通过NALU头部中的NALU类型来实现的。
H.264码流分层结构如下图所示：
4.2 H.264文件解析
一般来说，编码器编出的首帧数据为SPS与PPS，接着为I帧(关键帧)，再后面就是P帧、B帧…。而对于H.264码流而言，每帧图像的界定符为0x00000001、0x000001，也称起始码，它们分别占4个字节或3个字节,而起始码的后的一个字节便是NALU头，通过这个字节我们就可以很简单的找到所需的SPS、PPS、I/P/B帧。这里，我们通过分析一个H.264文件来进行讲解，使用H.264 Video ES Viewer工具打开一个test.264文件，至于h264文件的生成，我将再下一篇博文进行详细介绍，H264码流结构如下图：
从上图可知，每一行表示一帧图像(除SPS、PPS除外)，每一行包括四列，其中第一列为该帧图像存储的逻辑地址；第二列为该帧图像数据所占字节长度，由于H264的编码原理可以知道，H264码流中的每一帧图像并不是实际上的一帧图像，而是多帧图像的集合；第三列表示图像帧的起始码，均为0x00000001；第四列表示的是NAL类型，由图可知，H264编码器编出的首帧数据为SPS与PPS，接着为I帧(关键帧)，再后面就是P帧或B帧(非I帧)…
4.3 SPS、PPS、I/P/B帧检测
有了前面的理论和分析基础，再来判断H.264码流中的(3) SPS、PPS、I/P/B帧，那就显得非常容易了。我们知道，H.264码流中的一帧数据总是以0x00000001或0x000001开始的，起始码的下一位就是NALU头，比如第一帧数据NALU头为0x67，我们截取码流中的前几帧数据进行分析：
第一帧：0000 00 01 **67** 42 80 1F DA 02 D0 28 68 ….（占17个字节）
第二帧：0000 00 01 **68** CE 06 E2 (占8个字节)
第三帧：0000 00 01 **65** B8 40 F7 8F FC EB 04 …. (占31872个字节)
第四帧：0000 00 01 **41** E2 01 10 EA 4E 9F … (占3408字节)
第五帧：0000 00 01 **41** E4 01 10 EC 7B DF 13 … (占2096个字节)
复制代码由于NALU类型由NALU头的后五位决定的，即字节下标的3-7位，我们只需要得到这五位的十进制值，再与NAL类型对照表进行比较就可以知道该帧图像是否为SPS、PPS或I帧(关键帧)等。在编码过程中，我们可以通过将每帧数据起始码的下一个字节与0x1F相与取得NAL头的后五位即可得到该帧的类型，比如：
0x67& 0x1F = (0110 0111) & (0001 1111) =(0000 0111)=7(十进制)–> SPS
0x68& 0x1F = (0110 1000) & (0001 1111) =(0010 1000)=8(十进制)–> PPS
0x65& 0x1F = (0110 0101) & (0001 1111) =(0000 0101)=5(十进制)–> 关键帧(I帧)
0x41 & 0x1F = (01000001) & (0001 1111) =(0000 0001)=1(十进制) –> 非关键帧(I帧)
复制代码