二、视频基础概念：像素、分辨率、帧率、色彩空间（YUV/RGB）、视频压缩的必要性与基本原理
在深入H.264/H.265编解码标准之前，必须先建立对数字视频底层要素的清晰认知。视频本质上是人眼对连续静态画面的视觉暂留效应，而数字视频则是将空间维度的像素矩阵与时间维度的帧序列进行量化编码的结果。本章将系统拆解像素、分辨率、帧率、色彩空间四大核心概念，并阐述视频压缩的数学与心理视觉基础，为后续学习帧内预测、运动估计、变换量化等编解码技术奠定根基。
上图展示了数字视频的完整概念框架：空间维度上，像素与分辨率定义了单帧画面的精细程度；时间维度上，帧率与帧类型决定了运动流畅度与编码结构；而压缩必要性则源于原始数据量对传输与存储的严峻挑战。压缩的基本原理围绕去除四类冗余展开，这正是H.264/H.265标准中各项工具（帧内预测、帧间预测、变换量化、熵编码）的设计动机。
2.1 像素与分辨率：空间采样的基石
核心原理
像素（Pixel）是数字图像的最小采样单元，每个像素存储了该位置的颜色与亮度信息。分辨率则定义了图像在水平与垂直方向上的像素数量，如1920×1080表示水平1920个像素、垂直1080行。分辨率越高，空间采样密度越大，画面细节越丰富，但数据量也呈线性增长。值得注意的是，分辨率并不等同于画质——它还受传感器质量、镜头光学性能、编码损失等因素影响。
| 分辨率规格 | 像素总数 | 宽高比 | 典型应用 |
|---|---|---|---|
| 640×480 (VGA) | 307,200 | 4:3 | 早期监控、视频会议 |
| 1280×720 (720p) | 921,600 | 16:9 | 标清电视、入门高清 |
| 1920×1080 (1080p) | 2,073,600 | 16:9 | 全高清电视、主流网络视频 |
| 3840×2160 (4K UHD) | 8,294,400 | 16:9 | 高端电视、流媒体4K |
| 7680×4320 (8K UHD) | 33,177,600 | 16:9 | 超高清广播、医疗影像 |
判断方法
在实际工程中，选择分辨率需综合考虑：观看距离与屏幕尺寸决定人眼可分辨的像素密度；带宽与存储成本限制可承受的数据量；编码复杂度影响实时性。例如，安防监控场景通常采用1080p或4K，但码率受限时需降低分辨率或帧率以保画质。
案例拆解
某视频会议系统初期采用1080p@30fps，在2Mbps带宽下出现明显马赛克。分析发现，画面中人物静止、背景固定，空间冗余极高。优化方案：将分辨率降至720p，帧率保持30fps，码率降至1.2Mbps，画质反而提升——因为720p的像素总量仅为1080p的44%，在相同码率下每像素可用比特数增加，编码失真显著降低。这印证了“分辨率并非越高越好，需与码率匹配”的工程原则。
2.2 帧率：时间维度的采样密度
核心原理
帧率（Frame Rate）表示每秒显示的帧数，单位fps。帧率决定了运动画面的流畅度：低于15fps时人眼可感知明显卡顿，24fps为电影标准，30fps为电视广播标准，60fps及以上用于体育赛事、游戏等高速运动场景。帧率越高，时间采样越密集，运动表现越平滑，但数据量线性增加。
判断方法
选择帧率需考虑内容运动速度与观看场景：监控摄像头通常使用15-25fps以节省存储；体育转播需50-60fps捕捉快速动作；电影采用24fps营造胶片质感。H.264/H.265编码中，帧率影响时间冗余的利用效率——高帧率下相邻帧更相似，帧间压缩效率更高。
常见误区
误区一：认为帧率越高越好。实际上，超过人眼感知极限的帧率（如120fps以上）对普通观众无增益，反而增加编码负担。误区二：忽略帧率与快门速度的配合。若快门速度过高，每帧曝光时间短，运动物体可能出现“频闪”效应，即使帧率很高也影响观感。
2.3 色彩空间：RGB与YUV的工程选择
核心原理
RGB色彩空间用红、绿、蓝三个分量表示颜色，是显示设备的原生格式。但RGB三个分量高度相关，且人眼对亮度（Luma）的敏感度远高于色度（Chroma）。YUV色彩空间将亮度（Y）与色度（U/V）分离，利用人眼对色度分辨率较低的特性，可以对色度进行下采样（如4:2:0），大幅减少数据量而不影响主观画质。
| 色彩采样格式 | Y分量分辨率 | U/V分量分辨率 | 数据量比例 | 应用场景 |
|---|---|---|---|---|
| 4:4:4 | 全分辨率 | 全分辨率 | 3× | 专业调色、计算机生成内容 |
| 4:2:2 | 全分辨率 | 水平1/2 | 2× | 广播级制作、高端视频 |
| 4:2:0 | 全分辨率 | 水平/垂直各1/2 | 1.5× | 消费级视频、流媒体、H.264/H.265主流 |
判断方法
在视频编码中，YUV 4:2:0是主流格式。H.264/H.265标准支持4:0:0、4:2:0、4:2:2、4:4:4等采样格式，但实际编码器通常针对4:2:0优化。判断依据：内容类型——自然场景视频用4:2:0即可；后期需求——涉及抠像、调色需4:2:2或4:4:4；码率预算——4:2:0在相同码率下画质最优。
案例拆解
某电影后期制作公司需要将4K RAW素材（RGB 4:4:4 12bit）转码为H.264用于样片审阅。若直接转码为4:4:4，码率需达到200Mbps以上；若转为4:2:0，码率仅需50Mbps，但色度信息损失可能影响调色师判断。折中方案：转码为4:2:2 10bit，码率约100Mbps，既保留足够色度细节，又满足网络传输需求。这体现了色彩采样格式与码率、画质之间的权衡。
2.4 视频压缩的必要性与基本原理
核心原理
未压缩的1080p30视频数据量计算：1920×1080×3字节（RGB）×30fps ≈ 186.6 MB/s ≈ 1.5 Gbps。如此巨大的数据量对存储和传输都是灾难。视频压缩的必要性体现在：带宽限制（网络传输）、存储成本（硬盘/闪存）、实时性要求（直播、视频会议）。压缩的基本原理是去除四类冗余：空间冗余（帧内相邻像素相似）、时间冗余（帧间内容相关）、视觉冗余（人眼不敏感的高频细节）、编码冗余（符号概率分布不均）。
判断方法
评估压缩效率的指标包括：压缩比（原始数据量/压缩后数据量）、峰值信噪比PSNR（客观画质）、主观质量MOS（人眼评分）。H.264相比MPEG-2可节省约50%码率，H.265相比H.264再节省约50%码率，但编码复杂度显著增加。
案例拆解
某在线教育平台需要存储1000小时1080p课程视频。若采用H.264编码，平均码率4Mbps，总存储量约1.8TB；改用H.265编码，码率降至2.5Mbps，存储量降至1.1TB，节省约40%存储成本。但代价是编码时间增加约3倍，且部分旧设备不支持H.265硬解码。平台最终采用H.265编码+转码为H.264双轨方案，兼顾存储效率与兼容性。
总结复盘
本章核心要点：像素与分辨率定义空间采样密度，需与码率匹配；帧率定义时间采样密度，需与运动场景匹配；YUV色彩空间利用人眼特性进行色度下采样，4:2:0是主流格式；压缩原理围绕去除四类冗余展开，H.264/H.265正是通过帧内预测（去空间冗余）、帧间预测（去时间冗余）、变换量化（去视觉冗余）、熵编码（去编码冗余）实现高效压缩。理解这些基础概念，是后续学习编码器内部机制的前提。