帧
帧是音视频中的一个非常重要的概念。简单来说，帧就是一个一个静态的图像，帧快速的变化，因为人眼的视觉暂留效应，就会有动图的感觉。
当然，一般的视频为了控制大小和压缩率，会使用一定的帧压缩算法。每一帧不一定都能恢复出完整的图像。这也就是常说的 I 、B、P 帧的区别。
I帧：I帧(Intra-coded picture, 帧内编码帧，常称为关键帧)包含一幅完整的图像信息，属于帧内编码图像，不含运动矢量，在解码时不需要参考其他帧图像。因此在I帧图像处可以切换频道，而不会导致图像丢失或无法解码。I帧图像用于阻止误差的累积和扩散。在闭合式GOP中，每个GOP的第一个帧一定是I帧，且当前GOP的数据不会参考前后GOP的数据。
P帧：P帧(Predictive-coded picture, 预测编码图像帧)是帧间编码帧，利用之前的I帧或P帧进行预测编码。
B帧：B帧(Bi-directionally predicted picture, 双向预测编码图像帧)是帧间编码帧，利用之前和(或)之后的I帧或P帧进行双向预测编码。B帧不可以作为参考帧。B帧具有更高的压缩率，但需要更多的缓冲时间以及更高的CPU占用率，因此B帧适合本地存储以及视频点播，而不适用对实时性要求较高的直播系统。
简而言之：
I frame: 自身可以通过视频解压算法解压成一张单独的完整的图片。
P frame：需要参考其前面的一个I frame 或者P frame来生成一张完整的图片
B frame: 则要参考其前一个I或者P帧及其后面的一个P帧来生成一张完整的图片。
两个I frame之间形成一个GOP，在x264中同时可以通过参数来设定bf的大小，即：I 和 P 或者两个 P 之间 B 的数量。
通过上述基本可以说明如果有B frame 存在的情况下一个GOP的最后一个frame一定是P.
DTS / PTS
H264（目前最常用的一种视频编码格式）里有两种时间戳：DTS（Decoding Time Stamp）和PTS（Presentation Time Stamp）。 顾名思义，前者是解码的时间，后者是显示的时间。
FFmpeg 中用 AVPacket 结构体来描述解码前或编码后的压缩包，用 AVFrame 结构体来描述解码后或编码前的信号帧。 对于视频来说，AVFrame 就是视频的一帧图像。这帧图像什么时候显示给用户，就取决于它的 PTS。DTS 是 AVPacket 里的一个成员，表示这个压缩包应该什么时候被解码。 如果视频里各帧的编码是按输入顺序（也就是显示顺序）依次进行的，那么解码和显示时间应该是一致的。可事实上，在大多数编解码标准（如H.264或HEVC）中，编码顺序和输入顺序并不一致。 于是才会需要PTS和DTS这两种不同的时间戳。
可以通过 ffprobe -show_packets 看一下packets 信息
ffprobe -show_frames 看一下帧信息
PTS 主要用于度量解码后的视频帧什么时候被显示出来
DTS 主要是标识读入内存中的ｂｉｔ流在什么时候开始送入解码器中进行解码
总结
PTS是真正录制和播放的时间戳，而DTS是解码的时间戳。
对于普通的无 B-frame 视频(H264 Baseline 或者 VP8)，PTS/DTS 应该是相等的，因为没有延迟编码。
对于有B-frame 的视频，I-frame 的 PTS 依然等于 DTS, P-frame 的 PTS > DTS, B-frame 的 PTS<DTS 。
可以简单地这样理解：
若视频没有 B-frame ，则 I 和 P 都是解码后即刻显示。
若视频含有 B-frame，则 I 是解码后即刻显示，P 是先解码后显示，B是后解码先显示。（B 和P的先、后是相对的）。