轉(zhuǎn)載請把頭部出處鏈接和尾部二維碼一起轉(zhuǎn)載，本文出自逆流的魚yuiop：http://blog.csdn.net/hejjunlin/article/details/60480109

音視頻壓縮技術是編解碼中難點，常常會涉及很多算法處理問題。數(shù)據(jù)封裝，轉(zhuǎn)封裝等，看下Agenda:

• 音視頻為何需要壓縮？
• 壓縮編碼的分類
• 常用壓縮編碼的方法
• 編碼器中的關鍵技術
  
  • 預測
  • 量化
  • 變換
  • 熵編碼
• 編解碼中的情況

音視頻為何需要壓縮？

未經(jīng)壓縮的數(shù)字視頻的數(shù)據(jù)量巨大

• 存儲困難：一張DVD只能存儲幾秒鐘的未壓縮數(shù)字視頻。
• 傳輸困難 : 1兆的帶寬傳輸一秒的數(shù)字電視視頻需要大約4分鐘。

壓縮編碼的重要性：

• 數(shù)據(jù)壓縮是通過減少計算機中所存儲數(shù)據(jù)或者通信傳播中數(shù)據(jù)的冗余度，達到增大數(shù)據(jù)密度，最終使數(shù)據(jù)的存儲空間減少的技術

壓縮編碼的分類：

• 1、空間冗余。在很多圖像數(shù)據(jù)中，像素間在行、列方向上都有很大的相關性，相鄰像素的值比較接近，或者完全相同，這種數(shù)據(jù)冗余叫做空間冗余。
• 2、時間冗余。在視頻圖像序列中，相鄰兩幀圖像數(shù)據(jù)有許多共同的地方，這種共同性稱為時間冗余，可采用運動補償算法來去掉冗余信息.
• 3、視覺冗余。視覺冗余度是相對于人眼的視覺特性而言的，人類視覺系統(tǒng)對圖像的敏感性是非均勻和非線性的，并不是圖像中的所有變化人眼都能觀察到。
• 4、信息熵冗余。信息熵是指一組數(shù)據(jù)所攜帶的信息量，信息熵冗余指數(shù)據(jù)所攜帶的信息量少于數(shù)據(jù)本身而反映出來的數(shù)據(jù)冗余。
• 5、結(jié)構(gòu)冗余。在有些圖像的紋理區(qū)，圖像的像素值存在著明顯的分布模式。
• 6、知識冗余。有許多圖像的理解與某些先驗知識有相當大的相關性。這類規(guī)律性的結(jié)構(gòu)可由先驗知識和背景知識得到，稱此類冗余為知識冗余

常用壓縮編碼方法的分類

編碼器中的關鍵技術

• 預測：通過幀內(nèi)預測和幀間預測降低視頻圖像的空間冗余和時間冗余。
• 變換：通過從時域到頻域的變換，去除相鄰數(shù)據(jù)之間的相關性，即去除空間冗余。
• 量化：通過用更粗糙的數(shù)據(jù)表示精細的數(shù)據(jù)來降低編碼的數(shù)據(jù)量，或者通過去除人眼不敏感的信息來降低編碼數(shù)據(jù)量。
• 熵編碼：根據(jù)待編碼數(shù)據(jù)的概率特性減少編碼冗余。

預測：

空間預測：利用圖像空間相鄰像素的相關性來預測的方法

• 幀內(nèi)預測技術：利用當前編碼塊周圍已經(jīng)重構(gòu)出來的像素預測當前塊
  Intra圖像編碼（I幀）

時間預測：利用時間上相鄰圖像的相關性來預測的方法

• 幀間預測：運動估計（Motion Estimation，ME），運動補償（Motion Compensation，MC）
  Inter圖像編碼：前向預測編碼圖像（P幀），雙向預測編碼圖像（B幀）

幀間預測編碼：

• 采用預測編碼方法消除序列圖像在時間上的相關性，傳送前后兩幀的對應像素之間的差值，這稱為幀間預測。

幀內(nèi)預測編碼：

• I幀圖像的每個宏塊都采用幀內(nèi)（Intra）預測編碼模式。
• 宏塊分成8x8或者4x4塊，對每個塊采用幀內(nèi)預測編碼，稱作Intra8x8或者Intra4x4。
• 幀內(nèi)預測有多個預測方向：水平，垂直，左下，右上。
• 幀內(nèi)預測還有直流（DC）預測。
• 色度塊預測還有平面預測。

變換：

變換編碼也是去除冗余的一種最基本的編碼方法。不同的是變換編碼首先要把壓縮的數(shù)據(jù)變換到某個變換域中（如頻域），然后再進行編碼。變化域中表現(xiàn)為能量集中在某個區(qū)域，可以利用這一特點在不同區(qū)域間有效地分配量化比特數(shù)，或者去掉那些能量很小的區(qū)域，從而達到數(shù)據(jù)壓縮的目的。例如聲音信號，從時域變換到頻域以后，可以清楚的看到能量集中在哪些頻率范圍內(nèi)，從而根據(jù)頻率范圍分布有效地分配不同的量化位數(shù)。

量化：

量化操作實質(zhì)上是將連續(xù)的模擬信號采樣得到的瞬時幅度值映射成離散的數(shù)字信號，即用一組規(guī)定的電平，把瞬時抽樣值用最接近的電平值來表示。

量化位數(shù)：量化位數(shù)是每個采樣點能夠表示的數(shù)據(jù)范圍，常用的有8位、12位和16位。

量化過程是，先將整個幅值劃分為有限個小幅度（量化階距）的集合，把落入某個階距內(nèi)的樣值歸為一類，并賦予相同的量化值，如圖所示，其中虛線箭頭表示采樣值量化后的電平值。

均勻量化

• 采用相等的量化間隔對采樣得到的信號做量化就是均勻量化,也稱為線性量化。量化后的樣本值Y和實際值X的差E=Y-X稱為量化誤差或量化噪聲。

非均勻量化

• 非均勻量化的基本思想是，對輸入信號進行量化時，大的輸入信號采用大的量化間隔，小的輸入信號采用小的量化間隔，這樣就可以在滿足精度要求的情況下用較少的位數(shù)來表示。聲音數(shù)據(jù)還原時，采用相同的規(guī)則。

熵編碼：

為了進一步壓縮數(shù)據(jù)，對DPCM編碼后的直流系數(shù)DC和RLE編碼后的交流系數(shù)AC采用熵編碼。在JPEG有損壓縮算法中，使用哈夫曼編碼器的理由是可以使用很簡單的查表方法進行編碼。壓縮數(shù)據(jù)符號時，哈夫曼編碼器對出現(xiàn)頻率比較高的符號分配比較短的代碼，而對出現(xiàn)頻率低的符號分配比較長的代碼。這種可變長度的哈夫曼編碼表可以事先進行定義。為了實現(xiàn)正確解碼，發(fā)送端和接收端必須采用相同的哈夫曼編碼表。

采用哈夫曼編碼時有兩個問題值得注意：

• 哈夫曼編碼沒有錯誤保護功能。在譯碼時，如果某些位出現(xiàn)錯誤，會引起一連串的錯誤，造成錯誤傳播（Error Propagation ）。計算機對這種錯誤也無能為力，說不出錯在哪里，更談不上去糾正它。

• 哈夫曼編碼是可變長度碼，因此很難隨意查找或調(diào)用壓縮文件中的內(nèi)容，然后再譯碼，這就需要在存儲代碼之前加以考慮。盡管如此，哈夫曼編碼還是得到了廣泛的應用。

  該算法基于一種稱為編碼樹的技術，其步驟如下：
  （1）將待編碼的N個信源符號按照出現(xiàn)的概率由大到小 排列，給排在最后的兩個符號各分配一位二進制碼元，對其中概率大的符號分配0，概率小的符號分配1（反之亦可）。
  （2）把概率最小的兩個符號概率相加，求出的和作為一個新符號的概率，將新的概率值與剩下的N-2個概率值一起重新進行排序，再重復步驟（1）的編碼過程。
  （3）重復步驟（2）直到只剩一個概率值為止，其值為1。
  （4）分配碼字，對于各種信源符號，基于步驟（1）分配的數(shù)字，從編碼樹的根部開始回溯讀出，并將它作為該符號對應分配的碼字。

例 設有離散無記憶信源，符號a1、a2、a3、a4、a5、a6的出現(xiàn)概率分別為0.12、0.08、0.4、0.1、0.25、0.05，其哈夫曼編碼過程如下：

編解碼總體情況：

第一時間獲得博客更新提醒，以及更多android干貨，源碼分析，歡迎關注我的微信公眾號，掃一掃下方二維碼或者長按識別二維碼，即可關注。

如果你覺得好，隨手點贊，也是對筆者的肯定，也可以分享此公眾號給你更多的人，原創(chuàng)不易

總結(jié)

以上是生活随笔為你收集整理的直播技术总结（四）音视频数据压缩及编解码基础的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。