视频压缩原理：从像素冗余到码率控制
视频编码的本质是去除冗余信息。一段未经压缩的 1080p30 视频，每秒数据量约为 1920×1080×3×30 ≈ 186 MB（以 RGB 8bit 计），一分钟即超过 11 GB。而 HEVC/H.265 能将同等画质的码率压缩到原始体积的 1/100～1/200，靠的就是系统性地消除四类冗余：空间冗余、时间冗余、统计冗余、视觉冗余。
核心原理：编码器并不直接存储每个像素，而是将画面拆解为“结构信息 + 残差信息”。结构信息用帧内预测、帧间运动补偿来描述；残差信息经过变换、量化后，大部分高频细节被舍弃，再通过熵编码压缩成紧凑的比特流。解码端则按相反流程重建画面。
色彩空间：YUV 是 HEVC 的默认工作空间
人眼对亮度（Luma）的敏感度远高于色度（Chroma）。因此 HEVC 编码前，RGB 像素会被转换为 YUV（YCbCr） 色彩空间，并对色度通道进行下采样。最常见的格式是 4:2:0，即每 2×2 像素块共享一组 Cb/Cr 值，色度分辨率仅为亮度的一半。这一操作直接减少了一半以上的原始数据量，且人眼几乎无法察觉。
| 色彩采样格式 | 亮度/色度分辨率比 | 相对数据量 | 典型应用 |
|---|---|---|---|
| 4:4:4 | 每个像素独立色度 | 100% | 专业调色、屏幕内容 |
| 4:2:2 | 水平减半 | 约 67% | 广播级采集、后期制作 |
| 4:2:0 | 水平垂直均减半 | 50% | HEVC 主流消费级视频 |
HEVC 编码器内部始终以 YUV 处理数据，但输出容器（如 MP4）中会携带色彩空间元数据（colour_primaries、transfer_characteristics、matrix_coefficients），播放器据此将 YUV 还原为 RGB 显示。
帧类型与 GOP 结构
HEVC 定义了三种核心帧类型，它们在压缩效率和随机访问能力上各有取舍：
- I 帧（帧内编码帧）：仅利用当前帧自身像素进行预测，不依赖其他帧。压缩率最低，但可作为随机访问点和错误恢复点。
- P 帧（前向预测帧）：参考前面已编码的 I 帧或 P 帧，通过运动估计消除时间冗余。压缩率高于 I 帧。
- B 帧（双向预测帧）：同时参考前后两个方向的帧，可获得最高压缩率，但引入额外延迟，不适合实时低延迟场景。
GOP（Group of Pictures，图像组） 描述的是 I 帧之间的帧序列结构。一个典型的 GOP 可表示为：
GOP = I B B P B B P B B P B B P B B I
长度 = 16 帧，I 帧间隔 = 16，P 帧间隔 = 3其中两个关键参数：GOP 长度（I 帧间隔）决定随机访问粒度和码率波动；P/B 帧间隔决定时间预测链的长度。HEVC 还引入了 分层 B 帧（Hierarchical B-frames） 结构，通过为不同层级的 B 帧分配不同的量化参数（QP），在码率分配上实现更精细的控制。
GOP 参数与编码场景的匹配
GOP 结构的选择直接影响码流特性，面试中常要求根据场景判断合适的 GOP 配置：
- 视频会议 / 直播：要求低延迟，通常使用 全 I 帧或 IPPP 结构（无 B 帧），GOP 长度 1～2 秒，便于丢包恢复。
- 短视频 / 点播：可接受较高延迟，采用 分层 B 帧，GOP 长度 2～5 秒，追求极致压缩率。
- 广电 / 后期制作：需要精确到帧的剪辑，GOP 长度通常 ≤ 1 秒，且要求每个 GOP 独立可解码。
常见误区与面试要点
误区 1：认为 I 帧越多画质越好。 I 帧压缩率低，过多 I 帧会浪费码率，但能提升错误恢复能力。正确做法是：在带宽充足时增加 I 帧频率，带宽受限时优先保证 P/B 帧质量。
误区 2：混淆“编码顺序”与“显示顺序”。 B 帧需要参考未来的帧，因此编码器必须重排序：先编码参考帧，再编码 B 帧。例如显示顺序 1、2、3，编码顺序可能是 3、1、2。解码器通过 DTS/PTS 时间戳恢复显示顺序。
面试加分点：HEVC 相比 H.264 在 GOP 层面引入了 参考帧集（RPS） 机制，用更灵活的参考帧管理替代了 H.264 的滑动窗口，使得分层 B 帧结构可以做到任意层级的随机访问，同时保持更高的编码效率。
案例：从 YUV 到 HEVC 码流的完整链路
假设输入一段 1080p60 的屏幕录制视频（含大量静态区域），编码器处理流程如下：
- 将 RGB 转换为 YUV 4:2:0，色度数据量减半。
- 划分 CTU（编码树单元，最大 64×64），对静态区域使用 skip 模式，几乎不产生残差。
- 对动态区域进行运动估计，生成运动矢量；残差经 DCT 变换和量化后，大量高频系数归零。
- 使用 CABAC 熵编码，将量化系数、运动矢量、预测模式等压缩为二进制码流。
- 封装为 MP4 或 TS，携带 GOP 结构信息和色彩空间元数据。
最终码率可能从原始 1.5 Gbps 降至 8 Mbps，压缩比接近 200:1，而主观画质损失极小。这一过程的核心权衡始终围绕：码率、画质、延迟、复杂度 四者的平衡，也是 HEVC 面试中反复出现的考察主线。