1. 编解码基础回顾：从 H.264 到 H.266 的演进之路

各位同学好，我是老张。做视频编解码这行十几年了，踩过的坑比吃过的盐还多。今天咱们先不急着调参数，先把地基打牢。你想想看，连编码器怎么工作的都不知道，调优就是瞎调。

这一章，我带大家快速过一遍视频编码标准的发展史、核心流程和码率控制的基本概念。嗯，都是干货，没有废话。

视频编码标准，说白了就是一套压缩视频的「通用语言」。不同厂商的设备要能互通，就得遵守同一套规则。我最早做项目时用的是 MPEG-2，那会儿一个高清视频动不动几十个 G，现在想想真是原始社会。

目前主流的标准有三个，我列个表大家对比着看：

标准	发布年份	核心目标	压缩率提升（相对上一代）	典型应用
H.264/AVC	2003	替代 MPEG-2，支持网络传输	—	视频会议、蓝光、YouTube 早期
H.265/HEVC	2013	支持 4K/8K，降低带宽	约 50%	4K 流媒体、HEIF 图片、直播
H.266/VVC	2020	面向 8K/VR/云游戏	约 30-50%	8K 电视、云渲染、实时通信

关键认知：每一代标准都在「同等画质下降低码率」这条路上死磕。H.265 比 H.264 省一半带宽，H.266 又在 H.265 基础上再省 30-50%。但代价是计算复杂度翻倍——你调优时得在「压缩率」和「编码速度」之间找平衡。

我个人习惯是：存量项目用 H.264，新项目直接上 H.265，只有对带宽极度敏感的场景（比如 8K 直播）才考虑 H.266。为什么？因为 H.266 的编码器现在还不太成熟，我在一个云游戏项目里试过，编码延迟比 H.265 高了将近一倍，用户都骂娘了。

所有视频编码器，不管哪一代，核心流程都是这四步。我画了一张图，大家先看个全貌：

这四步，每一步都有调优空间。我一个个说。

视频为什么能压缩？因为相邻像素、相邻帧之间高度相关。预测就是利用这种相关性，只编码「预测值和真实值的差」（残差）。

帧内预测：用当前帧已编码的像素，预测当前块。H.264 有 9 种模式，H.265 有 35 种，H.266 直接干到 67 种。模式越多，预测越准，但编码器要算的也越多。
帧间预测：用前面或后面的帧做参考，通过运动矢量找到最匹配的块。我调优时最常碰到的坑就是运动搜索范围设太大，编码时间暴涨，画质却没提升多少。

调优小技巧：如果你做的是实时编码（比如直播），帧间预测的搜索范围别超过 64x64。我曾经为了省带宽把搜索范围开到 256x256，结果编码器卡得跟幻灯片似的，被产品经理追着骂了三天。

预测完得到残差块，接下来做变换。最常用的是 DCT（离散余弦变换）。为什么做变换？因为残差在像素域里看着乱，但转到频域后，能量都集中在低频区域（左上角），高频部分接近零。这样量化时就能扔掉高频，几乎不影响主观画质。

H.265 引入了 DST（离散正弦变换）用于帧内预测的 4x4 块，效果更好。H.266 更进一步，支持多种变换核组合。嗯，这些细节你暂时不用全记住，知道「变换是为了让能量集中」就够了。

量化，说白了就是「除一下再取整」。变换后的系数除以一个量化步长（QP），小数部分直接扔掉。QP 越大，丢得越多，码率越低，画质越差。

这是调优的重中之重。我见过太多新手一上来就把 QP 设成 0（无损模式），结果码率爆炸。也有为了省带宽把 QP 拉到 50 以上的，画面全是马赛克。

注意：量化是编码器中唯一不可逆的步骤。一旦量化，信息就永久丢失了。所以调优时，QP 的选择要慎之又慎。我的经验是：先设一个中等 QP（比如 28），然后根据实际码率和画质微调，不要一上来就追求极致压缩。

量化后的系数还有很多统计冗余，熵编码就是去掉这些冗余。H.264 用 CAVLC（上下文自适应变长编码）和 CABAC（上下文自适应二进制算术编码），H.265/H.266 只用 CABAC。

CABAC 压缩率比 CAVLC 高 10-15%，但计算复杂度也高。我在一个嵌入式项目里，CPU 跑不动 CABAC，只能退回到 CAVLC，码率虽然高了点，但至少能实时编码。

码率控制，就是决定「每一帧该分配多少比特」。目标是在带宽限制下，让画质尽可能好。常用的模式有三种：

我个人最常用的是 CRF 模式。为什么？因为它简单粗暴——你设一个质量值（比如 23），编码器自动调整 QP 来维持这个质量。码率高就高，低就低，你不用操心。但直播场景不行，带宽是固定的，码率不能乱跳，这时候就得用 CBR。

核心原则：码率控制没有银弹。CBR 保带宽，VBR 保画质，CRF 保质量。调优的第一步，就是搞清楚你的场景最在意什么。