视频压缩原理：三大冗余与三大编码思想
视频之所以能被大幅压缩，根本原因在于它包含大量冗余信息。H.264 的全部设计，本质上都是在回答一个问题：如何用更少的比特，去掉人眼几乎察觉不到或可以接受的信息损失。理解压缩原理，需要先看清视频中藏着哪三类冗余，再掌握对付它们的三种编码工具。
3.1 三类冗余：空间、时间与视觉
冗余意味着“重复”或“不敏感”。视频压缩的第一步，就是识别并利用这些特性。
- 空间冗余：同一帧图像内，相邻像素之间通常高度相关。例如蓝天背景中，成片像素的蓝色分量几乎相同。如果逐像素存储，会浪费大量比特。
- 时间冗余：视频相邻帧之间，场景内容往往只有微小变化。比如静止的演讲者，只有嘴唇和手势在动，背景几乎不变。逐帧独立存储，等于重复记录了大量相同信息。
- 视觉冗余：人眼对亮度比对颜色更敏感，对低频信息比对高频细节更敏感，对平滑区域中的微小误差比对边缘附近的误差更不敏感。利用这些生理特性，可以丢弃或粗略化人眼不易察觉的信息。
核心结论：压缩率的上限，取决于这三类冗余被消除的程度。H.264 的目标不是“无损还原”，而是在人眼可接受的质量下，最大化消除冗余。
3.2 三大编码思想：预测、变换、熵编码
针对上述冗余，H.264 采用了三种基本编码工具，它们各自解决一类问题，并串联成完整的编码流程。
3.2.1 预测编码：消除空间与时间冗余
预测编码的核心思想是：不直接编码原始像素，而是编码“预测值与实际值之间的差值”。差值越小，需要编码的比特就越少。
- 帧内预测（消除空间冗余）：利用当前帧已编码的相邻像素，预测当前块。H.264 支持多种预测方向（如垂直、水平、DC、对角线等），对平坦区域效果极佳。
- 帧间预测（消除时间冗余）：在已编码的参考帧中寻找最匹配的块，计算运动矢量，只编码运动矢量和残差。H.264 支持多种块划分（16×16 到 4×4），并采用多参考帧提升匹配精度。
预测后的输出是残差块——通常数值很小，甚至接近零，这为后续变换编码创造了有利条件。
3.2.2 变换编码：消除视觉冗余
残差块中仍然存在空间相关性。变换编码将像素域的残差转换到频率域，使能量集中到少数低频系数上，高频系数趋近于零。H.264 使用 4×4 或 8×8 整数 DCT 变换（离散余弦变换），相比浮点 DCT，它避免了舍入误差，且计算更快。
变换后，通过量化（QP 控制）将小系数置零，这是有损压缩的主要环节。量化步长越大，置零系数越多，压缩率越高，但细节损失也越大。
3.2.3 熵编码：消除统计冗余
经过预测、变换、量化后，数据变成了“少量大数值 + 大量零”的序列。熵编码利用符号出现的概率分布，为高频符号分配短码字，为低频符号分配长码字，从而进一步压缩。H.264 支持两种熵编码方式：
- CAVLC（基于上下文的自适应可变长编码）：实现简单，适合低延迟或硬件实现。
- CABAC（基于上下文的自适应二进制算术编码）：压缩率比 CAVLC 高约 10%~15%，但计算复杂度更高。
3.3 编码器整体流程：从原始帧到码流
将上述工具串联起来，就构成了 H.264 编码器的主流程。下图展示了从输入原始帧到输出 H.264 码流的完整路径，以及重建帧如何参与后续帧的预测。
图中可以看到一个关键设计：编码器内部必须重建出与解码端一致的参考帧。因为帧间预测时，编码器使用的参考帧必须和解码器已经解码出的帧完全相同，否则会产生漂移误差。因此，量化后的系数会经过反量化、反变换，与预测值相加得到重建帧，存入参考帧列表供后续帧使用。
3.4 案例：一段“静止背景 + 移动人脸”的视频
假设有一段 10 秒、30fps、720p 的视频，画面中人物头部缓慢转动，背景完全静止。如果不压缩，每帧约 1280×720×1.5 字节 ≈ 1.3 MB，10 秒共约 390 MB。
采用 H.264 编码后：
- 帧间预测：背景块在参考帧中能精确匹配，运动矢量接近零，残差几乎为零，只需极少比特表示“跳过”或“直接复制”。
- 帧内预测：人脸区域因旋转产生新像素，帧内预测利用相邻像素方向性，残差能量显著降低。
- 变换量化：残差经 DCT 后，能量集中在左上角低频系数，量化后大量高频系数变为零。
- 熵编码：零系数游程和概率分布被高效编码，CABAC 进一步压缩。
最终码率可能仅为 1~2 Mbps，10 秒约 1.25~2.5 MB，压缩比达到 150~300 倍。人眼几乎看不出明显差异，这正是三大冗余被有效消除的结果。
3.5 常见误区与复盘
误区一：认为“压缩就是降低分辨率或帧率”。分辨率降低是采样率变化，与编码压缩是两回事。H.264 在保持原始分辨率的前提下，通过消除冗余实现压缩。
误区二：混淆“量化”与“变换”。变换本身不损失信息（整数 DCT 有微小舍入），真正有损的是量化。变换只是让能量更集中，便于量化更有效地置零不重要的系数。
误区三：认为“帧内编码帧（I帧）不需要预测”。I帧不做帧间预测，但必须做帧内预测。帧内预测同样能大幅消除空间冗余，只是不依赖其他帧。
复盘要点：预测编码决定了“能压多狠”（残差越小越好），变换量化决定了“丢多少细节”（QP 控制），熵编码决定了“剩下的怎么存最省”。三者环环相扣，任何一环效率低，都会拖累整体压缩率。
3.6 编码参数与压缩效果对照
| 参数 | 作用对象 | 调高时效果 | 调低时效果 |
|---|---|---|---|
| QP（量化参数） | 变换系数 | 压缩率↑，画质↓，码率↓ | 压缩率↓，画质↑，码率↑ |
| 参考帧数量 | 帧间预测 | 匹配更准，压缩率↑，延迟↑ | 匹配受限，压缩率↓，延迟↓ |
| 运动搜索范围 | 帧间预测 | 大运动场景更准，耗时↑ | 小运动场景足够，耗时↓ |
| 熵编码方式 | 熵编码 | CABAC 压缩率更高，复杂度↑ | CAVLC 压缩率略低，复杂度↓ |
| GOP 长度 | 帧结构 | I帧间隔大，码率↓，随机访问性↓ | I帧频繁，码率↑，随机访问性↑ |
理解这些参数背后的原理，就能在实际编码时根据场景需求（如直播低延迟、存储高压缩、监控长时间录制）做出合理取舍。三大冗余和三大编码思想，是后续学习 H.264 码流结构、帧类型、率控算法等所有内容的基础。