视频冗余与压缩思想：空间冗余、时间冗余、视觉冗余、统计冗余，有损与无损压缩的取舍
做视频编码这么多年，我经常被问到一句话：「视频到底是怎么压小的？」
很多人以为编码就是「把图片变小」。其实不对。视频压缩的核心，是干掉冗余。说白了，就是去掉那些「你其实不需要存、不需要传」的信息。
我刚开始接触 H.264 的时候，总觉得编码器像个黑盒子。后来自己动手调码控、做优化，才慢慢摸清楚——视频里藏着四种冗余。把这四种冗余吃透了，你再看编码标准，就跟看地图一样清晰。
核心观点：视频压缩的本质 = 消除冗余。冗余越少，码率越低。但冗余消除过头，画质就崩了。这就是「有损 vs 无损」的取舍问题。
4.1 空间冗余：相邻像素长得太像了
你想想看，一张蓝天白云的图，天空区域全是蓝色。每个像素都存一遍 RGB 值，是不是太浪费了？
这就是空间冗余——同一帧内，相邻像素之间的相关性太强了。
我在项目中遇到过一件事：有个客户非要传 4K 无损截图，一张图 20 多 MB。我说你换个 PNG 试试，结果压到 3MB。为什么？PNG 就是利用了空间冗余——它用预测 + 熵编码，把重复的像素信息压缩掉了。
在 H.264/H.265 里，消除空间冗余主要靠：
- 帧内预测：用周围已编码的像素，预测当前块的值。只存预测残差，而不是原始像素。
- 变换编码：DCT 或 DST，把空间域的像素能量集中到低频系数上，高频部分直接丢掉。
我的习惯：调帧内预测模式时，我会先看图像纹理复杂度。平坦区域用 DC 模式就够了，纹理复杂的地方才需要角度预测。别一上来就全开，码率会炸。
4.2 时间冗余：前后帧几乎没变
视频是一连串的帧。你拍一段 30fps 的视频，第 1 帧和第 2 帧之间，可能就动了一根头发丝。剩下的 99% 区域，一模一样。
这就是时间冗余——相邻帧之间的内容高度相似。
消除时间冗余，靠的是运动估计与运动补偿。编码器会找当前块在参考帧里的最佳匹配位置，然后只存一个运动矢量 + 残差。
我记得有一次做低码率直播优化，场景是固定机位拍一个人讲话。背景完全不动，只有嘴在动。这种情况下，时间冗余特别大。我直接把 GOP 拉长到 250 帧，P 帧间隔加大，码率直接砍了一半，画质几乎没变。
避坑指南：我曾经在运动剧烈的场景（比如球赛、飙车）里，把参考帧数设得太多。结果编码器花大量时间在搜索上，速度慢得离谱，码率反而没降多少。运动剧烈的场景，时间冗余本来就少，别指望它能压太多。
4.3 视觉冗余：人眼不是完美的传感器
人眼对亮度敏感，对颜色不敏感。对低频敏感，对高频不敏感。对静止区域敏感，对运动区域不敏感。
这就是视觉冗余——那些你眼睛根本看不出来的细节，存它干嘛？
H.264 和 H.265 里，消除视觉冗余的手段包括：
- 色度子采样：4:2:0 比 4:4:4 少存一半的色度信息，但人眼看不出区别。
- 量化：DCT 系数除以量化步长，高频系数直接变零。QP 越大，丢得越多。
- 去块效应滤波 / SAO：平滑掉块边界，让视觉上更舒服。
我做过一个实验：同一段视频，分别用 QP=20 和 QP=40 编码。QP=40 的码率只有 QP=20 的 1/5，但大部分人看不出明显区别。为什么？因为 QP=40 丢掉的高频细节，人眼本来就不敏感。
关键认知：视觉冗余是「有损压缩」的理论基础。你丢掉的东西，人眼根本看不见。所以别纠结「无损才是好的」，在视频领域，有损才是常态。
4.4 统计冗余：符号出现的概率不均衡
编码后的数据，有些符号出现频率高，有些出现频率低。如果给高频符号分配短码字，低频符号分配长码字，平均码长就降下来了。
这就是统计冗余——也叫信息熵冗余。
消除统计冗余，靠的是熵编码：
- CAVLC（H.264 的上下文自适应变长编码）
- CABAC（上下文自适应二进制算术编码）
CABAC 比 CAVLC 压缩率高 10%-15%，但计算量也大。我在做移动端编码器时，低端芯片我强制用 CAVLC，高端芯片才开 CABAC。这就是工程上的取舍。
我的建议：如果你在做编码器优化，先看熵编码模块。很多时候，CABAC 的概率模型没调好，压缩率还不如 CAVLC。别迷信「CABAC 一定更好」。
4.5 有损 vs 无损：没有完美的压缩
无损压缩，比如 ZIP、PNG、FLAC，压缩率通常只有 2:1 到 3:1。有损压缩，比如 JPEG、MP3、H.264，压缩率可以到 50:1 甚至 100:1。
为什么差距这么大？因为无损压缩只能消除统计冗余和部分空间冗余。而有损压缩，把视觉冗余和时间冗余也干掉了。
| 压缩类型 | 消除的冗余 | 典型压缩率 | 适用场景 |
|---|---|---|---|
| 无损 | 统计冗余 + 部分空间冗余 | 2:1 ~ 3:1 | 医疗影像、存档、专业调色 |
| 有损 | 空间 + 时间 + 视觉 + 统计冗余 | 20:1 ~ 100:1 | 流媒体、视频通话、短视频 |
我在做视频云转码时，经常遇到客户要求「无损」。我说可以，但码率会很高，带宽扛不住。最后他们都会妥协——因为人眼真的看不出那点区别。
避坑指南：我曾经在一个医疗影像项目里，坚持用有损压缩，结果被客户投诉了。医疗影像有法律要求，必须无损。所以，有损还是无损，不是技术问题，是业务问题。先搞清楚场景，再决定压缩策略。
4.6 四种冗余的关系：一张图看懂
下面这张图，是我自己画的知识框架。四种冗余不是孤立的，它们层层叠加，共同决定了视频的压缩潜力。
4.7 工程中的取舍：别追求完美
做视频编码，本质上就是在码率、画质、复杂度三个维度上做权衡。你不可能同时做到「码率最低、画质最好、速度最快」。
我个人的经验是：
- 直播场景：优先保延迟和码率，画质可以牺牲一点。视觉冗余大胆丢。
- 点播场景：优先保画质，码率可以高一点。时间冗余尽量多消除。
- 存档场景：如果带宽不是问题，用无损或近无损。统计冗余压到底就行。
一句话总结：视频压缩不是「把数据变小」，而是「把冗余去掉」。四种冗余，四种手段。有损还是无损，看场景，别纠结。