1. H.265概述：视频编码发展史、H.265与H.264对比、应用场景与优势

视频编码这件事，说白了就是在「画质」和「码率」之间找平衡。我入行那会儿，H.264 刚普及，大家觉得 1080p 能压到 10Mbps 已经很了不起了。但你看现在，4K、8K 满天飞，H.264 明显扛不住了。

为什么会这样？因为视频编码标准一直在追着分辨率跑。从 MPEG-2 到 H.264，再到 H.265，每一代都在做同一件事：用更少的比特，传更好的画面。

核心驱动力： 视频数据量每 5 年翻一番，但带宽和存储的增长跟不上。编码效率每提升 50%，就能省下一半的传输成本。

我记得 2013 年 H.265 刚发布时，业内一片欢呼。但真正落地却花了 3-4 年，因为专利授权和硬件解码支持拖了后腿。嗯，这里要注意：标准归标准，生态归生态，两者往往差着两三年。

很多人问我：「H.265 到底比 H.264 强在哪？」我一般会反问：「你见过 H.264 压 4K 视频吗？」那画面，惨不忍睹。

直接上对比表，这样最清楚：

我的经验： 实际项目中，H.265 的编码时间通常是 H.264 的 3 倍左右。但如果你用硬件编码器，这个差距可以缩小到 1.5 倍。所以做直播业务时，我建议优先考虑硬件 HEVC 编码。

你想想看，H.264 的宏块只有 16×16，处理 4K 画面时，一块 3840×2160 的画面要拆成 32400 个宏块。而 H.265 的 CTU 最大 64×64，同样画面只需要 2025 个块。块数少了，编码开销自然就降下来了。

H.265 不是简单地把块变大，它在很多细节上做了改进。我挑几个最关键的说说：

四叉树划分结构： CTU 可以递归拆成 32×32、16×16、8×8 的子块。平坦区域用大块，纹理复杂区域用小块。这个自适应能力，是 H.264 没有的。
35 种帧内预测模式： H.264 只有 9 种角度预测，H.265 增加到 33 种角度 + DC + Planar。对于细节丰富的画面，预测残差能减少 20% 以上。
SAO 滤波： 样本自适应偏移。这个技术能减少振铃效应，让画面边缘更干净。我在做监控视频编码时，SAO 对文字区域的画质提升特别明显。
并行编码架构： Tiles 可以把画面切成矩形区域独立编码，WPP 则让每一行 CTU 可以并行处理。这对多核 CPU 非常友好。

避坑指南： 我曾经在一个项目中，为了追求编码速度，把 CTU 大小固定为 64×64，结果在文字滚动场景下出现了严重的块效应。后来改成自适应划分，问题才解决。记住：大块不是万能的，要根据内容动态调整。

H.265 的优势，说白了就是「省带宽、保画质」。哪些场景最需要它？

4K/8K 流媒体： Netflix、YouTube 的 4K 视频基本都用 HEVC。同等画质下，码率比 H.264 低 40-50%。
视频会议： Zoom、Teams 在低带宽场景下会切到 HEVC。我实测过，1Mbps 下 H.265 能跑 1080p 30fps，H.264 只能跑 720p。
监控安防： 24 小时录像，存储成本是硬指标。H.265 能省一半的硬盘空间。
移动端直播： 手机流量贵，H.265 能帮用户省流量。抖音、快手都在用。
VR/AR： 全景视频分辨率极高，H.265 几乎是唯一可行的编码方案。

一句话总结： 只要你的场景对带宽或存储敏感，H.265 就是比 H.264 更好的选择。但如果你需要极低延迟（比如 10ms 以内），H.264 的编码速度优势仍然存在。

下面这张图，是我画给团队新人的。它展示了 H.265 编码器的主要模块和流程。你看一遍，就能理解后面章节的脉络了。

这个流程看起来简单，但每个模块都有大量细节。比如帧内预测的 35 种模式怎么选？量化参数怎么调？这些我会在后面的章节逐一拆解。

H.265 不是 H.264 的简单升级，而是一次架构级的重构。它用更复杂的计算换来了 50% 的码率节省。对于做视频的工程师来说，理解 H.265 的核心差异和流程，是后续优化的基础。

我个人习惯把 H.265 的学习分成三个阶段：先理解块划分和预测，再掌握变换和量化，最后搞定熵编码和滤波。别想一口吃成胖子，编码这东西，急不来。