视频压缩流程（简单理解）

type

status

date

slug

summary

📝 视频压缩流程图

上图就是关于视频压缩流程的图，在考试中属于重点，会和量化，运动估计，运动补偿，以及各种编码一起考察，基本上算是多媒体技术入门的重点。

① 在缓存中重构一个经过编解码处理的前一帧的图像，该图像称为运动估计的“参考帧”，编码端和解码端采用同样的参考帧。

可以把这个参考帧理解成视频的关键帧，通俗的讲可以理解成一段电影画面没有大的变化，只有一个人物说话的过程，那么其实这一段视频的时间冗余，可以说只有人的面部变化过程，之后的视频都以这一帧图像作为参考进行，相减的之后的数据量压缩后，就会变得相当微小。

② 计算当前帧中的每一个方块（一般为16*16像素的宏块）和缓存中的参考帧中宏块的最佳匹配块，即进行运动估计计算。用运动矢量表明两个宏块之间的位移。例如，运动矢量＝（-4，5），则在当前帧的宏块向左移动4个像素，向下移动5个像素，就可以在参考帧中找到最匹配的宏块。

③ 通过参考帧的最佳匹配块进行运动补偿计算，得到当前帧的最相似图像（运动补偿参考帧）。

④ 然后当前帧和运动补偿参考帧进行差值运算（相对应的像素进行减法运算），得到运动补偿的帧差图像。

这里其实用到了运动估计的知识，这里只做表面理解，深入还需要了解基于块的运动估计，简单说就是一辆车从画面中运动的位移，找到下一张的最佳匹配块（谁跟宏块最像），我们做压缩的时候如果把两张图像序列的车做了对齐再做减法（就是④的过程），那么理想状态下，车不变，我们只需要压缩运动矢量即可，如果不对齐可就麻烦了，数据会暴涨，视频里还有很多很多帧和宏块，数据量就会巨大，压缩也会变的繁琐

⑤ 对帧差图像进行DCT变换和量化。

这里的DCT变换和量化就比较深入了涉及到空间域频率域的内容，感兴趣可以去深入研究，其实简单理解就是变换就是把空间域变到频率域，更容易量化之后才能更容易的对数据进行压缩

⑥ 量化后的系数和运动矢量进行熵编码和传输（这里涉及编码内容）；（到这里还没结束）

💡

要注意这里是两部分不要忘了运动矢量，量化后的系数是关于残差图像的，还需要进行宏块的矢量移动才可以还原原来的图像

⑦ 量化后的系数同时被解码，得到的帧差图像和运动补偿参考帧进行加法运算，从而得到一个新的放在缓存中的参考帧。

这里其实是为后续视频下一帧做准备。

一个例子如图（下面用了“之”字型扫描和行程编码）大概还是能看明白的

也可以想一下视频解压缩该如何操作，其实也是一个蛮简单的过程，就是逆过程，图放在这里，可以思考下