1. H265/HEVC 标准概述：视频编码发展史、H265 与 H264 对比、H265 核心技术优势

各位同学好，我是老张。做视频编码这行十几年了，从当年的 MPEG-2 一路摸爬滚打过来。今天咱们聊聊 H265，也就是 HEVC。

说实话，我刚接触 H265 那会儿，第一反应是「这玩意儿真复杂」。但用久了你会发现，它的设计思路其实很清晰——就是为了在同样画质下，把码率砍掉一半。

视频编码标准的发展，说白了就是一场「压缩效率」的军备竞赛。我整理了一个简表，帮你快速建立时间线概念：

标准	发布年份	核心应用	压缩效率提升
H.261	1990	ISDN 视频会议	基准
MPEG-2 / H.262	1995	DVD、数字电视	约 2x
H.263	1996	视频通话、移动视频	约 1.5x
MPEG-4 / H.264	2003	蓝光、流媒体、YouTube	约 2x
H.265 / HEVC	2013	4K/8K、HDR、直播	约 2x
H.266 / VVC	2020	8K、VR、云游戏	约 1.5x

你看，每隔十年左右，压缩效率就翻一番。H265 正好卡在 4K 视频爆发的节点上。我记得 2014 年第一次用 H265 压 4K 测试序列时，那个码率曲线让我眼前一亮——同样 20Mbps，H264 已经糊成一片，H265 还能保持不错的细节。

核心规律：每一代新标准的目标都是「在同等主观质量下，码率减半」。H265 做到了，而且做得相当扎实。

很多初学者会问：「H265 不就是 H264 的升级版吗？」嗯，这么说也对，但不全对。它俩的底层框架都是混合编码（预测+变换+熵编码），但 H265 在每一个模块上都做了「手术级」的改进。

我挑几个最关键的差异点，也是我在项目中踩过坑的地方：

对比维度	H.264 / AVC	H.265 / HEVC	我的实际感受
宏块/CTU 尺寸	16x16 固定宏块	64x64 最大 CTU，支持四叉树递归划分	大块平坦区域省码率效果明显
帧内预测方向	9 种模式	35 种模式（含 33 个角度）	纹理细节保留更好
运动补偿精度	1/4 像素	1/4 像素 + 1/8 像素（部分）	运动场景更平滑
变换块尺寸	4x4 / 8x8	4x4 ~ 32x32	高频细节压缩更灵活
环路滤波	去块滤波 (DBF)	DBF + SAO（样点自适应补偿）	SAO 对振铃效应改善很大
并行处理	Slice 级	Tiles + WPP（波前并行处理）	多核 CPU 利用率直接拉满

避坑提示：我曾经在一个 4K 直播项目中，直接用 H264 的编码思路去调 H265 的 CTU 划分，结果码控完全失控。后来才意识到，H265 的递归四叉树结构对码率分配的影响比 H264 大得多——你得让编码器有足够的计算资源去「试错」。

H265 能实现「码率减半、画质不变」，靠的不是单一技术，而是一套组合拳。我画了一张图，帮你理清这些技术之间的关系：

这张图把 H265 的四大技术支柱串起来了。你想想看，从块划分到预测、变换、滤波，每个环节都在「压榨」视频中的冗余信息。

H264 用的是 16x16 的宏块，遇到大面积的天空或墙面，一个宏块里全是相似像素，但编码器还是得按 16x16 去处理，浪费了不少码字。

H265 引入了 CTU（编码树单元），最大可以到 64x64。编码器会根据图像内容，用四叉树递归地把 CTU 切分成更小的 CU（编码单元）。

关键点：平坦区域用大 CU（省码率），纹理复杂区域用小 CU（保细节）。这种自适应的块划分，是 H265 省码率的第一大功臣。

我记得有一次优化监控视频的编码参数，场景是停车场，大部分区域是静止的。我把 CTU 最大深度从 4 改成 3，码率直接降了 12%，画质几乎没变。这就是灵活块结构的威力。

H264 只有 9 种帧内预测模式，说白了就是 8 个方向加一个 DC。H265 把这个数量扩展到了 35 种，包括 33 个角度方向、DC 和 Planar。

角度方向多了，预测就更准。尤其是那些带有斜向纹理的图像，H264 经常预测不准，残差很大；H265 可以选一个更接近真实纹理方向的角度，残差就小得多。

我的经验：在编码动画片或 UI 录屏时，H265 的帧内预测优势特别明显。因为这些内容经常有大面积的纯色和锐利边缘，35 种模式能更好地拟合这些特征。我曾经压过一个 1080p 的 UI 录屏，H265 比 H264 省了 40% 的码率，而且边缘没有振铃。

变换方面，H265 支持从 4x4 到 32x32 的 DCT 变换，还针对帧内预测残差引入了 4x4 DST。大尺寸变换的好处是能量集中度更高——低频分量集中在左上角，高频分量可以更狠地量化掉。

SAO（样点自适应补偿）是 H265 新增的环路滤波技术。H264 只有去块滤波（DBF），处理不了块效应之外的失真。SAO 能对重建图像的像素值做「补偿」，减少振铃效应和条带噪声。

注意：SAO 虽然能提升主观质量，但它需要额外的码率来传输补偿参数。在极低码率场景下，SAO 的增益可能会被码率开销抵消。我曾经在 500kbps 的移动端直播中关闭了 SAO，反而得到了更稳定的码控。

H264 的并行能力很弱，基本只能靠 Slice 切分。H265 引入了 Tiles（瓦片）和 WPP（波前并行处理）。

Tiles 把一帧图像分成矩形区域，每个 Tile 可以独立编码解码。WPP 则利用 CTU 行的依赖关系，让多核 CPU 同时处理多行 CTU。

我在做 8K 实时编码器时，WPP 是必须开启的。不开 WPP，单核性能根本扛不住 8K 的编码复杂度；开了之后，8 核 CPU 的利用率能跑到 90% 以上。

说了这么多，其实可以归结为一句话：H265 用更复杂的计算，换来了更低的码率和更好的画质。

它的复杂度大约是 H264 的 3-5 倍，但码率节省了 50%。在 4K/8K 时代，这个 trade-off 是完全值得的——带宽和存储的成本远高于计算成本。

一句话记住：H265 = 更灵活的块划分 + 更准的预测 + 更大的变换 + 更聪明的滤波。这四个组合拳，打出了视频编码的新高度。