音视频开发之H.264 入门知识

大家如果有做过音视频相关的项目，那么肯定对 H.264 相关的概念了解的比较通透，这里我为什么还要写这样一篇文章呢？一来是为了对知识的总结，二来是为了给刚入门音视频的同学一个参考。

基础概念

H.264 又称为 MPEG-4 , 它是一种面向块，基于运动补偿的视频编码标准，是目前市面上最常用的一种视频编码格式，在 Android 中你可以通过 MediaCodec.createEncoderByType("video/avc") 的形式来创建一个编码器，也可以通过软编 avcodec_find_encoder(AV_CODEC_ID_H264) / avcodec_find_encoder_by_name("libx264") 的形式来创建一个编码器。因为该篇文章的主题是分析 H.264 码流，就不再过多介绍怎么来进行编码了。现在就直接来了解一些常用概念吧。

GOP

两个 I 帧之间形成的一组图片，就是 GOP (Group Of Picture) 的概念。

I 帧

I 帧又称为视频的关键帧，你可以理解为它是一帧画面的完整图像，可以直接拿这个 I 帧来解码

特点:

1、它是一个全帧压缩编码帧，它将全帧图像信息进行 JPEG 压缩编码及传输

2、解码时仅用 I 帧的数据就可以重构完整图像

3、I 帧描述了图像背景和运动主体的详情

4、I 帧不需要参考其它画面而生成

5、I 帧是 P/B 帧的参考帧（其质量直接影响到同组中以后个帧的质量）

6、I 帧是帧组 GOP 的第一帧，在一组中只有一个 I 帧

7、I 帧不需要考虑运动矢量

8、I 帧所占数据的信息量比较大

B 帧

B 帧又称为双向差别帧，也就是本帧与前后帧的差别，大白话的意思就是要解码 B 帧，不仅要拿到之前缓存的画面，还要解码之后的画面，通过前后画面的叠加来还原最终的画面。

特点:

1、B 帧是由前面的 I 帧或 P 帧和后面的 P 帧来进行预测的

2、B 帧传送的是它前面的 I 帧或 P 帧和后面的 P 帧之前的预测误差及运动矢量

3、B 帧是双向预测编码帧

4、B 帧压缩率最高，因为它只反映参考帧间运动主体的变化情况，预测比较准确

5、B 帧不是参考帧，不会造成解码错误的扩散

P 帧

P 帧又称为前预测编码帧。P 帧表示的是这一帧跟之前的一个 I 或 P 帧的差别，解码时需要用之前缓存的画面叠加上本帧定义的差别，来生成最终画面。

特点:

1、P 帧是 I 帧后面相隔 1~2 帧的编码帧

2、P 帧采用运动补偿的方法传送它与前面的 I 或 P 真的差值及运动矢量

3、解码时必须将 I 帧中的预测值与预测误差求和后才能重构完整的 P 帧图像

4、P 帧属于前向预测的帧间编码。它只参考前面最靠近它的 I 或者 P 帧

5、P 帧可以是其后面的 P 帧的参考帧，也可以是其前后的 B 帧的参考帧

6、由于 P 帧是参考帧，所以它可能造成解码错误的扩散

7、由于是差值传送，所以 P 帧的压缩率比较高

基本的帧概念了解的差不多了，下一步我们基于代码来分析码流

码流分析

H.264 又称为裸流，是由多个 NALU 组成。如果 NALU 对应的 Slice 为一帧的开始，那么就用 4 个 字节表示，即 0x00 00 00 01 , 否则用 3 字节表示，0x00 00 01。要分析 H.264 码流首先是从码流中搜索起始位，也就是刚刚说的 0x00 00 00 01 或者 0x00 00 01 起始位，然后在分离 NALU, 最后再解析各个字段。下面我们先来看下 NALU Header type 代表的含义:

type	说明
0	保留
1	非 IDR 图像中不采用数据划分的片段
2	非 IDR 图像中 A 类数据划分的片段
3	非 IDR 图像中 B 类数据划分的片段
4	非 IDR 图像中 C 类数据划分的片段
5	IDR 图像的片段
6	补充增强信心 （SEI）
7	SPS (序列参数集)
8	PPS (图像参数集)
9	分割符
10	序列结束符
11	流结束符
12	填充数据
13	序列参数集扩展
14	带前缀的 NAL 单元
15	子序列参数集
16 - 18	保留
19	不采用数据划分的辅助编码图像片段
20	编码片段扩展
21 - 23	保留
24 - 31	保留

在实际开发中用的最多的也就是 1 、5 、7、8 ， 下面我们用代码来进行分析:

代码分析

代码很简单，就是读文件，搜索起始码然后一个字节一个字节读，这里直接贴结果吧

如何进阶学习

成体系的音视频入门进阶的资料少之又少，一个刚毕业小白可能很难切入理解，因为音视频中涉及大量理论知识，而代码的书写需要结合这些理论，所以搞懂音视频，编解码等理论知识至关重要。

本人也是从实习开始接触音视频项目，看过很多人的文章，无意中在GitHub上发现一个标星6.8K的开源项目，在这里分享给大家，让更多准备学习音视频的同学更快入门进阶。

以下是这份开发文档的部分章节：

阶段一：Android多媒体

第1章 三种方式绘制图片

第2章 AudioRecord录制PCM音频

第3章 AudioTrack播放PCM音频

第4章 Camera视频采集

第5章 MediaExtractor MediaMuxer 实现视频的解封装与合成

第6章 MediaCodec硬编解流程与实践

阶段二：OpenGL ES

第7章 OpenGL ES 基本概念

第8章 GLSL及Shader的渲染流程

第9章 OpenGL ES 绘制平面图形

第10章 GLSurfaceView源码解析&EGL环境

第11章 OpenGL ES矩阵变换与坐标系统

第12章 OpenGL ES之纹理

第13章 OpenGL ES 滤镜 (篇一)

第14章 OpenGL ES 实时滤镜

第15章 OpenGL ES粒子系统 - 喷泉

第16章 OpenGL ES粒子效果-烟花爆炸

阶段三:：JNI&NDK

第17章 JNI与NDK的学习和使用

第18章 JNI - 引用类型、异常处理、函数注册

第19章 NDK构建方式 ndk-build与cmake

第20章 指针、内存模型、引用

第21章 运算符重载、继承、多态、模版

第22章 STL 之 容器

子系列 算法

第23章 算法系列 - 冒泡排序

第24章 算法系列-快速排序

第25章 算法系列-堆排序

第26章 算法系列-选择、插入排序以及STL中sort的实现

第27章 算法序列 - 二叉查找树

第28章 算法序列 - 平衡二叉树

第29章 算法序列 - 散列表

阶段四 : FFmpeg

第30章 音视频基础知识

第31章 FFMPEG常用命令

第32章 FFMPEG +OPENSL ES实现音频解码和播放

第33章 FFMPEG + OPENGLES 边解码边播放视频

有需要的朋友可以【点击此处】找我免费领取。

小结

音视频行业已经发展很多年了，随着近几年移动端越来越多的音视频APP的出现，将音视频推向一个高潮，但是由于音视频的学习成本很高，很多开发者望而却步，为了跟紧时代的步伐，需要的朋友可以免费获取一下上文的资料，给大家破除音视频的“高门槛”，希望可以共同进步。

总之，音视频已经强势崛起，相信未来的十年一定是音视频的十年。并且将音视频技术与计算机视觉和人工智能结合将引领未来二十年。

以后我将多多分享相关文章，关注我不要迷路！

现在正是学习音视技术的最佳时机，大家一定要把握住机会，跟上时代的步伐，让自己可以在未来大有作为。