H264系列--码流组成和分层结构
H264系列--码流组成和分层结构
H264码流结构
无论是解析视频文件或这通过网络传输, 其实都是一串字节序列. H264码流就是按照一定的规则组织排列的字节串.
直观理解的角度
按照从大到小分为: 视频序列, 图像帧, 片,宏块,子块
66.png
码流功能的角度
从码流功能的角度可以分为两层:NAL层和VCL层
- NAL网络提取层:负责以网络所要求的恰当的方式对数据进行打包和传送
- VCL视频编码层：包括核心压缩引擎和块，宏块和片的语法级别定义，设计目标是尽可能地独立于网络进行高效的编码
码流解析的角度
可以理解为有一个一个的NALU单元组成.
68.png
一个NALU单元分成两部分: NAL头和RBSP(Raw ByteSequence Payload)原始字节序列载荷.
前面提到的一帧图像(I帧, P帧, B帧)就是一个NALU单元, NALU单元除了代表图像外还能包含其他类型的数据,如PPS和SPS, 详细的内容在下节列出来.
前面提到的VCL层, 或者说VCL数据,是指视频编码生成的压缩比特流片段,被称为SODB(String of Data Bits), SODB是RBSP的原始帧, 即RBSP包含了SODB数据
NALU
一个NALU由 固定长度的Header和RBSP组成
1720840-8f2f0d6c98874fa8.jpg
HEADER
NAL Header的结构如下:
1720840-0db292febd810304.jpg
- forbidden_zero_bit 在网络传输中发生错误时，会被置为1，告诉接收方丢掉该单元；否则为0
- nal_ref_idc 用于表示当前NALU的重要性，值越大，越重要. 解码器在解码处理不过来的时候，可以丢掉重要性为0的NALU.
- nal_unit_type 表示NALU数据的类型,有以下几种:
72.png
其中比较注意的应该是以下几个:
- 1-4：I/P/B帧,如果nal_ref_idc 为0 则表示I帧,不为0则为P/B帧
- 5：IDR帧,I帧的一种，告诉解码器，之前依赖的解码参数集合（接下来要出现的SPS\PPS等）可以被刷新了。
- 6：SEI，英文全称Supplemental Enhancement Information，翻译为“补充增强信息”，提供了向视频码流中加入额外信息的方法。
- 7：SPS，全称Sequence Paramater Set，翻译为“序列参数集”。SPS中保存了一组编码视频序列(Coded Video Sequence)的全局参数。因此该类型保存的是和编码序列相关的参数。
- 8: PPS，全称Picture Paramater Set，翻译为“图像参数集”。该类型保存了整体图像相关的参数。
- 9：AU分隔符，AU全称Access Unit，它是一个或者多个NALU的集合，代表了一个完整的帧。
其中SPS,PPS 需要在I帧前出现,不然解码器没法解码.而SPS,PPS出现的频率也跟不同应用场景有关,对于一个本地h264流,可能只要在第一个I帧前面出现一次就可以,但对于直播流,每个I帧前面都应该插入sps或pps,因为直播时客户端进入的时间是不确定的.
RBSP
RBSP的结构如下：
1720840-7a3721b879284848.jpg
这部分还没研究，似乎目前解析时ffmpeg都给实现了．
每个NALU前有一个起始码 0x00 00 01（或者0x00 00 00 01), 作为NALU的分割符
下面是一个Ｈ264码流：
SouthEast.jpg
分析其中比较有代表性的３帧：
- 00 00 00 01 67 00 00 00 01是一个NALU 开始，67 是Header, 二进制为0110 0111, nal_unit_type 为00111, 即７为SPS帧
- 00 00 00 01 68 68 二进制为0110 1000, nal_unit_type 为00111, 即8为SPS帧
- 00 00 00 01 65 65 二进制为0110 0101,nal_unit_type 为00101, 即5为IDR帧
H264 更详细的分层结构
71.png
关于多slice这块目前还没弄清楚，后面弄清楚了再修改．