關於X264比較好流程的介紹（GOP分法）

關於X264比較好流程的介紹（GOP分法）  

轉載自：http://www.nmm-hd.org/bbs/thread-1014-1-2.html 由於x264最近引入了weightp，雖然weighted p-prediction早已是H.264標準中規定的內容了，但由於其本身的難以實現，知道最近x264才加入對其的支援。那麼我就從GOP開始理清下這堆讓人煩惱的關係吧： GOP：GOP的概念並非是獨一的，比如我們在談論Scalable Video Coding（可裁剪編碼）時，會常常把GOP說成相鄰IP之間的這麼一組幀集合，所以早上大蝦問我時我毫不猶豫的用了SVC中的定義。不過在X264 中，由於它本身尚不支援SVC，GOP被定義為IDR幀之間的距離，至於IDR是什麼我在下面即會介紹，而x264中和GOP相關的參數主要有二，其一是 –keyint，控制的是GOP的最大可能距離；另一個是–min-keyint，控制的是允許最小的GOP距離。 IDR：即時可解碼幀的縮寫，所謂即時可解碼無非就是本幀內所有的MB都採用的是Intra-prediction方式編碼的，這樣不需要任何其它幀的資訊就能解碼顯示此幀的全部內容了。在x264中，IDR幀是I幀的一個子集，而和IDR有關的參數除了上面GOP設定的兩個基本參數外，還有一個 –scenecut，它控制了如何自適應的通過判斷情境的變化加入IDR幀，以override之前的判斷。其具體做法是通過計算本幀和前一幀之間 visual difference在根據scenecut和minkeyint的設定值形成判據，判定此處是否存在scenechange，判據成立的話則將本幀判定為IDR幀，反之則有可能為I幀（判據的前半成立）或者BP。同時，x264中也限制了被兩個IDR幀包括的區間之間，是沒有任何資訊的“交流”的，亦即不允許分屬於不同IDR幀區間內的兩幀互為參考關係。從這層意義上看，IDR即決定了GOP的size。 I Frame：Intra-predicted Frame，嗯，這個估計都知道，不過由於IDR的存在，使得x264的GOP內也可以存在I幀。 ref frames：首先，這是一個針對Sub-MB level而言的參數，而不是一個從Frame角度說的參數。假定在b-pyramid關掉的前提下，ref frames控制的是p幀內的每個P sub-macroblock(8×8)，他可以選擇的前向已編碼P/I幀的最大值，已編碼幀一般放在decoded picture buffer（DPB）中，而DPB的允許大小由Level控制，這也是不同解析度下DXVA Compatible Profile中ref設定的參照標準。在編碼過程中，P Frame中每個P的8×8 sub-MB，都會在ref規定的DPB中尋找最合適（比如difference最小）的某一幀的某一位置作為它的參考塊。在沒有weightp引入的前提下，對每一個P Sub-MB而言，最終作為參考的對象只可能有一個。 weightp：好，我們來看weightp下的情況（依然關閉b-pyramid），為了方便說明，我把當前待編碼幀用n表示，比如ref frames此時是4，那麼DPB能最多可能有4個之前已編碼的I或者P幀，假設他們的標號分別是n0~n3。再規定，我現在編碼到第m個sub-MB。在沒有weightp的情況下，m只可能選擇n0~n3中某一幀內的m’為參考對象；而weightp的引入，使得 m = a0*m’_n0 + a1*m’_n1 + a2*m’_n2 + a3*m’_n3 成為了可能。 編碼順序：在理清楚了上面的所有概念後，編碼器在工作時到底是怎麼一樣的處理順序，以及H.264引以為傲的編解碼順序和播放順序分離的原理，就很容易理解了。 此處我們回到最基本的無weightp下，站在frame level的角度說下編碼的順序是怎樣的，同時假設我們處理的第一幀是IDR幀，此處所有的“向後”指的是回放順序時間增長的方向： 1、編碼IDR幀。 2、根據scenecut和min-keyint的設定，向後移動min-keyint距離，開始判定是否為scenechange，直到判定滿足，或者到達keyint設定值的距離時停止。同時記錄判定條件不完全滿足時的位置。 3、編碼找到的位置幀，亦為IDR幀，GOP形成。 4、根據2步中得到的判定條件不完全滿足時的位置，將對應幀按時間順序用I幀編碼。 5、找到最頭上IDR和離其最近的I幀形成的sub-GOP（嚴格意義上說此處並非GOP因為GOP之間不能交換資訊），結合bframes的設定大小，推斷P幀出現的位置。具體而言，按時間順序走每一幀，比較該幀用P編碼和B編碼時的視覺誤差和複雜度何者更大，根據某些公式推匯出此處應該用何種框架類型，再向後移一幀；如果直到bframes規定的值都未出現P，則強制插入一幀P。這樣就決定了每個sub-GOP內P幀的位置。 6、最後一步，根據I/IDR/P形成的子區間，按時間順序編碼各幀為B幀。 舉個偽例來說 比如100-120幀這樣的一段視頻 第一步結束後編碼完 100幀 第二三步結束後可能編碼完 120幀和110幀（IDR） 同時找出了104 108 115幀應該編碼為I 第四步結束後編碼完 104 108 115幀為I 第五步對 100-104 104-108 108-110 110-115 115-120五個子區間，判斷P幀出現的位置並編碼 有可能判斷出 102 113 118為P幀 最後一步在編碼之間的部分為B幀。 於是，編解碼過程輸出幀的順序其實是 100 110 104 108 102 101 103 105 106 109 … 個人總結： 1.GOP被定義為IDR幀之間的距離，並且每個GOP之間是沒有通訊的。 2.IDR：即時可解碼幀的縮寫，所謂即時可解碼無非就是本幀內所有的MB都採用的是Intra-prediction方式編碼的，這樣不需要任何其它幀的資訊就能解碼顯示此幀的全部內容了。IDR幀是I幀的子集； 怎麼樣判斷一個GOP的距離或者說設定一幀為IDR，在X264中有一個變數scenecut，通過計算本幀和前一幀之間visual difference在根據scenecut和minkeyint的設定值形成判據，判定此處是否存在scenechange，判據成立的話則將本幀判定為IDR幀，反之則有可能為I幀（判據的前半成立）或者BP