4. 帧间预测：运动估计与运动补偿

帧间预测，说白了就是利用视频里相邻帧的相似性来压缩数据。你想想看，一段视频里，背景通常是不动的，动的只是前景物体。如果我们能把「哪里动了、怎么动的」这个信息编码进去，而不是每帧都重新画一遍，压缩效率自然就上来了。

H.265 的帧间预测比 H.264 复杂得多，但也灵活得多。我个人习惯把帧间预测拆成四个核心模块来理解：运动估计、运动补偿、Merge/AMVP 模式选择，以及亚像素插值。下面我们一个一个说。

4.1 运动估计与运动补偿

运动估计是在参考帧里找当前块的最佳匹配位置。编码器会遍历一个搜索范围，用某种匹配准则（比如 SAD、SATD）来评估每个候选位置的好坏。

运动补偿则是根据找到的运动矢量，从参考帧里「抠」出预测块，然后和当前块做差，得到残差。残差越小，说明预测越准，编码需要的比特就越少。

当前块 = 预测块 + 残差块
残差块 = 当前块 - 预测块
预测块 = 参考帧(当前坐标 + 运动矢量)

我在项目中遇到过一个问题：运动估计的搜索范围设得太大，编码时间直接翻倍。后来我学乖了，根据视频分辨率和帧率动态调整搜索范围——1080p 的视频，搜索范围 ±64 就够用了，4K 才需要 ±128。

4.2 Merge 模式与 AMVP

H.265 引入了两种运动矢量编码模式：Merge 和 AMVP（Advanced Motion Vector Prediction）。它们的目的都是减少运动矢量本身的编码开销。

4.2.1 Merge 模式

Merge 模式的核心思想是：当前块的运动矢量直接从相邻块「继承」过来，编码器只需要传一个索引，告诉解码器用哪个候选块的运动信息就行。

Merge 候选列表最多包含 5 个候选，来源包括：

• 空间候选：当前块左侧、上方、右上、左下的相邻块
• 时间候选：同位置或邻近位置的已编码帧中的块
• 组合候选：对 B 帧，还可以把两个单向预测组合成双向预测
• 零矢量候选：兜底用的，保证列表长度固定

4.2.2 AMVP 模式

AMVP 和 Merge 不同，它只预测运动矢量的「起点」，然后编码器还需要传一个运动矢量差值（MVD）。AMVP 候选列表只有 2 个候选，来源也是空间和时间相邻块。

嗯，这里要注意：AMVP 的候选列表构建和 Merge 不完全一样。AMVP 的空间候选只取左侧和上方两个位置，而且会做缩放处理——因为参考帧可能不同。

4.3 亚像素插值

真实世界的运动很少是整像素对齐的。物体可能移动了 0.3 个像素，或者 1.7 个像素。为了捕捉这些非整数运动，H.265 支持 1/4 像素精度的运动矢量。

亚像素位置的像素值怎么来？靠插值。H.265 使用 8 抽头 DCT 插值滤波器（亮度分量）和 4 抽头滤波器（色度分量）。

插值过程分两步：

1. 水平插值：用 8 抽头滤波器对整像素行做水平方向的 1/2 和 1/4 插值
2. 垂直插值：用同样的滤波器对水平插值结果做垂直方向的插值

说白了，就是先算水平方向，再算垂直方向，两个方向组合起来就能得到任意 1/4 像素位置的值。

4.4 参考帧管理

H.265 的参考帧管理比 H.264 灵活得多。它引入了 参考帧列表 的概念，每个 P 帧或 B 帧都可以从多个参考帧中选择最佳参考。

参考帧列表分为三种：

• List0：前向参考帧列表，用于 P 帧和 B 帧
• List1：后向参考帧列表，仅用于 B 帧
• 组合列表：B 帧双向预测时，从 List0 和 List1 中选取组合

参考帧的管理通过 DPB（Decoded Picture Buffer） 来实现。DPB 的大小有限，编码器需要决定哪些帧保留、哪些帧丢弃。

我记得有一次做视频会议编码，发现参考帧管理没做好，导致解码器端出现了参考帧缺失的问题。原因是编码器用了 B 帧做长期参考，但解码器的 DPB 太小，存不下那么多帧。从那以后，我养成了一个习惯：编码器和解码器的 DPB 配置必须对齐，否则就会出现花屏或卡顿。

4.5 本章知识体系

下面这张图把帧间预测的核心模块和它们之间的关系画出来了，方便你整体把握。

从这张图你可以看到，帧间预测的四个模块是环环相扣的。运动估计找到最佳匹配，运动补偿生成预测块，Merge/AMVP 决定如何高效编码运动矢量，亚像素插值则保证了运动估计的精度。而参考帧管理，则是这一切的基础——没有好的参考帧，再好的预测算法也是白搭。