3. 编解码原理入门
做视频编解码这么多年，我经常被问到同一个问题：到底该选哪个编码器？说实话，没有银弹。每个Codec都有自己的脾气秉性。今天我就把这四个主流选手——H.264、H.265、VP9、AV1，掰开揉碎了聊聊。
一句话总结：H.264是老兵，兼容性无敌；H.265是当前主力，性价比高；VP9是Google的亲儿子，Web端免费；AV1是未来，但编码慢得让人抓狂。
1. H.264/AVC：老当益壮的行业标准
H.264发布于2003年，到现在快20年了。你想想看，一个20年前的标准还在广泛使用，说明它有多成功。我个人习惯把它叫做"万金油"——几乎所有的设备都支持它。
核心技术特性：
- 宏块划分：固定16x16宏块，支持4x4到16x16的子块划分
- 帧内预测：9种4x4模式 + 4种16x16模式
- 帧间预测：支持1/4像素精度运动估计
- 熵编码：CAVLC和CABAC两种选择
- 参考帧：最多16个参考帧
适用场景：
- 视频直播（RTMP、HLS）
- 视频会议（WebRTC默认编码）
- 安防监控（硬件编码器成熟）
- 老旧设备兼容（机顶盒、低端手机）
我的经验：做直播推流时，H.264的编码延迟可以压到50ms以内。但要注意，CABAC在低码率下比CAVLC节省15%-20%码率，代价是解码复杂度翻倍。低端设备建议用CAVLC。
2. H.265/HEVC：压缩效率翻倍的接班人
H.265是2013年推出的。我记得第一次用HM编码器压了一段4K视频，同样的画质，码率只有H.264的一半。当时我就觉得，这玩意儿要火。但现实是，专利授权问题拖了它的后腿。
核心技术特性：
- CTU结构：最大64x64编码树单元，支持递归四叉树划分
- 帧内预测：35种模式（比H.264多了26种）
- 运动补偿：1/4像素精度，支持DCT和DST变换
- SAO滤波：样点自适应补偿，减少振铃效应
- 并行处理：支持Tile和WPP（波前并行处理）
适用场景：
- 4K/8K超高清视频
- HEVC硬件解码普及的设备（iPhone 6+、骁龙805+）
- 视频点播（节省带宽成本）
- 广播级视频制作
避坑指南：我曾经在一个项目中用H.265做直播，结果发现部分Android机顶盒解码花屏。后来排查发现是B帧数量设置太多，导致解码缓冲区溢出。建议直播场景B帧不超过2个。
3. VP9：Google的Web免费午餐
VP9是Google在2013年推出的开源编码器。说白了，它就是Google为了绕开H.265的专利费而搞的替代品。YouTube从2015年开始全面使用VP9，效果还不错。
核心技术特性：
- 超级块：最大64x64，支持递归四叉树划分
- 帧内预测：10种模式 + 8种平滑模式
- 变换：支持4x4到32x32的DCT和ADST
- 熵编码：多符号算术编码（比CABAC更高效）
- 参考帧：最多8个参考帧，支持复合参考帧
适用场景：
- Web视频（Chrome、Firefox原生支持）
- YouTube视频流
- Android平台（系统级支持）
- 开源项目（无专利费顾虑）
我的经验：VP9的编码速度是硬伤。libvpx的编码器，在同等画质下，编码时间是x264的5-10倍。但解码效率不错，和H.265差不多。如果你做Web端视频，VP9是性价比很高的选择。
4. AV1：未来的王者，现在的挑战者
AV1是2018年由开放媒体联盟（AOM）推出的。它吸收了VP10和Daala的技术精华，压缩效率比H.265再提升30%。但代价是编码复杂度爆炸——我第一次压一段10分钟的1080p视频，用了整整3个小时。
核心技术特性：
- 超级块：最大128x128，支持递归划分到4x4
- 帧内预测：56种模式（包括方向模式、DC、PAETH等）
- 运动补偿：1/8像素精度，支持Warped运动模型
- 变换：支持DCT、ADST、FLIPADST、IDTX
- 环路滤波：CDEF + LR（恢复滤波）双重滤波
- 帧间预测：支持OBMC（重叠块运动补偿）
适用场景：
- 高端视频点播（Netflix、YouTube）
- 带宽受限场景（移动网络、低码率）
- 长期存档（压缩率优先）
- 硬件解码普及后的未来应用
避坑指南：我曾经尝试用AV1做实时直播，结果编码延迟超过2秒。目前AV1的实时编码只有SVT-AV1和NVIDIA的NVENC勉强能用，但画质损失明显。建议非实时场景再考虑AV1。
5. 四款Codec核心参数对比
| 特性 | H.264 | H.265 | VP9 | AV1 |
|---|---|---|---|---|
| 发布年份 | 2003 | 2013 | 2013 | 2018 |
| 最大块尺寸 | 16x16 | 64x64 | 64x64 | 128x128 |
| 帧内预测模式 | 13种 | 35种 | 18种 | 56种 |
| 运动估计精度 | 1/4像素 | 1/4像素 | 1/4像素 | 1/8像素 |
| 相对压缩率 | 基准 | -50% | -45% | -65% |
| 编码速度 | 极快 | 中等 | 慢 | 极慢 |
| 硬件解码支持 | 全覆盖 | 广泛 | 中等 | 有限 |
| 专利许可 | MPEG LA | MPEG LA + 多个专利池 | 免费 | 免费 |
6. 选型决策框架
嗯，这里要注意。选Codec不是看谁压缩率最高就选谁。我总结了一个简单的决策树：
- 兼容性优先：选H.264。直播、视频会议、老旧设备，没得选。
- 带宽成本敏感：选H.265。4K视频、点播平台，省带宽就是省钱。
- Web端免费：选VP9。YouTube、Chrome生态，无专利费。
- 极致压缩：选AV1。离线转码、存档、高端点播，但要做好编码时间翻10倍的准备。
我的建议：如果你刚开始做视频项目，先用H.264跑通流程。等业务量上来后，再逐步引入H.265或AV1。一口吃不成胖子，编码器选型也是。
7. 知识体系总览
下面这张图展示了四款Codec的技术演进关系和选型逻辑，方便你快速把握全局。
这张图把四个Codec的时间线、核心特性和选型建议都串起来了。你可以看到，从H.264到AV1，块尺寸越来越大，预测模式越来越多，压缩效率也越来越高。但每前进一步，编码复杂度都在翻倍。
好了，这一章的内容就到这里。记住，没有最好的Codec，只有最适合你场景的Codec。动手试试，比看一百篇文章都管用。