📚 课程目录第2章 HEVC编码原理

HEVC编码原理：帧内预测、帧间预测、变换量化、环路滤波等核心概念

HEVC（High Efficiency Video Coding，即H.265）相比上一代H.264，在同等画质下可节省约50%的码率。这一增益并非来自某个单一算法，而是编码器内部多个模块协同优化的结果。理解HEVC的编码原理，是正确配置x265、NVENC等编码器参数的前提——只有知道每个参数在修改什么，才能避免“照抄模板”式的盲目调参。

一、编码器整体架构：从像素到码流的四步流水线

HEVC编码器对每一帧视频的处理，遵循一个固定的“预测→变换→量化→熵编码→重建”流程。其中，帧内预测、帧间预测、变换量化、环路滤波是决定压缩效率与画质损失的四大核心模块。下图展示了这一处理链路及模块间的数据依赖关系：

图中红色虚线框内为重建环路，编码器必须模拟解码端的重建过程，才能保证参考帧一致。这也是为什么环路滤波虽然位于“编码末端”，却直接影响后续帧的预测精度。

二、帧内预测：利用空间冗余

帧内预测的核心思想是：用当前块周围已编码的像素，预测当前块的内容。HEVC将帧内预测模式从H.264的9种扩展到35种，包括Planar（平面）、DC（直流）和33种角度模式。角度模式覆盖了从水平到垂直的精细方向，能更准确地匹配图像中各种纹理走向。

编码器会遍历所有预测模式，计算每种模式的率失真代价（RD Cost），选择代价最小的模式。这一过程在x265中由 --rd 参数控制，级别越高，模式搜索越精细，编码耗时也越长。

参数关联：在x265中，--limit-refs 和 --rdpenalty 会影响帧内模式决策的搜索范围。若源视频包含大量精细纹理（如树叶、布料），建议保持默认的35种模式全搜索，避免因模式截断导致纹理区域出现块效应。

三、帧间预测：消除时间冗余

帧间预测利用视频相邻帧之间的时间相关性。编码器在当前帧中划分出编码块后，在参考帧中搜索最相似的区域，记录两者的空间位移——即运动矢量（MV）。随后只需编码运动矢量差（MVD）和预测残差，而非整块像素。

HEVC帧间预测的关键改进包括：

非对称运动划分（AMP）：允许将编码块按2:1或1:2比例非对称分割，更贴合运动物体边界。
Merge模式：相邻块共享运动信息，极大减少MV的编码比特数。
运动矢量精度：支持1/4像素精度插值，插值滤波器长度达8抽头（亮度），比H.264的6抽头更精确。

在x265中，--me 参数控制运动搜索算法（如 hex、umh、star），--subme 控制亚像素精度迭代次数。对于快速运动的体育视频，提高 --subme 到5~7能显著减少运动补偿误差。

四、变换与量化：频域上的信息精简

预测后的残差数据仍存在空间相关性，需要经过离散余弦变换（DCT）将像素域的残差转换到频域。HEVC的变换块大小支持4×4到32×32，且对帧内4×4亮度残差使用离散正弦变换（DST）——因为帧内残差越靠近参考像素误差越小，DST更贴合这种分布特性。

量化是唯一产生有损压缩的环节。量化参数（QP）每增加6，量化步长翻倍，码率约减半。HEVC引入了量化矩阵（Weighted Quantization），可对不同频率系数施加不同权重，人眼对低频更敏感，因此通常对低频分配更细的量化步长。

QP值	量化步长	视觉质量	典型应用
18~22	小	接近无损	母版制作、存档
23~28	中	优秀	在线点播、广播
29~35	较大	可接受	移动端、监控
36+	大	明显劣化	极低码率场景

常见误区：盲目调低QP并不总能提升主观画质。当QP低于18时，码率急剧上升，但人眼已无法分辨细节增益，反而可能触发编码器的码率控制失衡。建议使用 --crf 模式（默认23），让编码器根据内容自动分配码率。

五、环路滤波：修复块效应与振铃

环路滤波包含两个级联的滤波器，作用于重建帧上，且滤波后的图像会存入参考帧缓存，参与后续帧的预测：

去块效应滤波（DBF）：检测变换块边界和预测块边界两侧像素的差异，若差异超过阈值，则对边界像素进行平滑处理。HEVC的DBF比H.264更简洁，仅对8×8网格边界生效，且滤波强度由 --deblock 参数控制（可设偏移量，如 --deblock=-2:-2 可减弱滤波，保留更多细节）。
样本自适应偏移（SAO）：这是HEVC新增的滤波器。SAO将重建像素与原始像素对比，统计出两类偏移——边带偏移（补偿像素值整体偏差）和边缘偏移（补偿像素值在边缘处的过冲或下冲）。编码器将偏移量编码进码流，解码端据此修正像素值。

SAO对渐变场景和文字区域尤其有效，能显著减少“振铃效应”（高频边缘附近的蚊噪）。在x265中，--no-sao 可关闭SAO，但通常不建议，除非追求极致的编码速度。

六、案例：1080p视频编码参数配置复盘

假设有一段1080p、24fps的纪录片素材，要求输出码率不超过8Mbps，画质优先。基于上述原理，推荐配置如下：

x265 --input input.yuv --input-res 1920x1080 --fps 24 \
     --preset slow --crf 21 --maxrate 8000k --bufsize 16000k \
     --keyint 48 --min-keyint 24 --ref 4 --bframes 4 \
     --me umh --subme 5 --rd 4 --no-strong-intra-smoothing \
     --deblock -1:-1 --sao --output output.hevc

配置解读：

--preset slow：启用更全面的模式搜索，提升预测精度。
--crf 21：略低于默认23，保留更多纹理细节。
--maxrate 8000k：限制峰值码率，防止网络拥塞。
--keyint 48：每2秒一个关键帧，便于随机访问。
--deblock -1:-1：轻微减弱去块滤波，保留边缘锐度。

  复盘要点：编码后若发现运动场景出现“涂抹感”，可尝试将 --crf 降低0.5~1，或增大 --maxrate 余量；若静态场景码率浪费严重，可适当提高 --crf 至22~23，并依赖SAO修复可能出现的条带伪影。

理解上述核心模块后，再面对x265、NVENC或VAAPI的众多参数时，就能根据片源特征和交付需求做出理性取舍，而非机械套用网络上的“万能参数”。