视频基础学习六——视频编码基础三（h264框架配合图文+具体抓包分析万字）

系列文章目录

视频基础学习一——色立体、三原色以及像素
视频基础学习二——图像深度与格式（RGB与YUV）
视频基础学习三——视频帧率、码率与分辨率
视频基础学习四——视频编码基础一（冗余信息）
视频基础学习五——视频编码基础二（编码参数帧、GOP、码率等）
视频基础学习六——视频编码基础三（h264框架配合图文+具体抓包分析万字）

文章目录

系列文章目录
前言
一、h264架构
- 1.h264裸流
- 2.h264架构
- - VCL
  - NALU
二、NALU深入了解
- 1.NAL Unit header
- 2.NAL Unit Body
- - 1）SPS、PPS
  - - SPS
    - - 长宽
      - 压缩级别
      - 序列参数集
    - PPS
    - - pic_parameter_set_id
      - seq_parameter_set_id
      - weighted_pred_flag
      - weighted_bipred_idc
    - 扩展（图像与序列参数集）
  - 2）SEI
  - 3）IDR和非IDR
三、FU-A分片
- 1.分片
- FU Header
- - 起始帧
  - 结束帧
- 2.SODB和RBSP
总结

前言

上一篇文章中有提到视频编码有两个目的：1.压缩视频体积 2.提高对于网络传输的亲和性。而h264作为当下最流行的编码器，也是本人一直在学习的。

本章内容就是结合笔者自己抓包和阅读文章，根据实际包结合深入刨析h264数据流的格式是怎样的，这篇文章会很长。

|版本声明：山河君，未经博主允许，禁止转载

一、h264架构

1.h264裸流

首先，需要知道的是h264裸流是由一个个NALU（Network Abstract Layer Unit）单元组成，就像是这样：
在这里插入图片描述
那么为什么需要NALU?
NALU又是什么东西?
NALU长什么样子？
这个就需要我们对h264的架构有一定的了解，相信接下来的内容能够回答这三个问题。

2.h264架构

我们不止一次提到过，h264编码目的地是为了高效压缩视频和亲和网络。为了完成这两个目标，h264将系统框架分为了两个层面：【视频编码层面（VCL）】、【网络抽象层面（NAL）】，如下图：
在这里插入图片描述

视频编码层（VCL）：是对视频编码核心算法过程、子宏块、宏块、片等概念的定义。这层主要是为了尽可能的独立于网络来高效的对视频内容进行编码。编码完成后，输出的数据是 SODB（String Of Data Bits）。
网络适配层（NAL），是对图像序列、图像等片级别以上的概念的定义。这层负责将 VCL 产生的比特字符串适配到各种各样的网络和多元环境中。该层将 VCL 层输出的 SODB 数据打包成 RBSP（Raw Byte Sequence Payload）。

总的来说，VLC负责表示视频数据内容，NAL负责格式化数据并提供头信息，保证数据适合各种存储和信道上的传输。

VCL

其实在上一篇文章有说过，现在重新复习一下：

一帧是由若干个片（Slice）组成，一个片是由若干个宏块组成，而每一个宏块的大小是16x16的数据，一个宏块又可以分为1616,168,816,88,84,48,4*4,等大小不等的子块，具体关系如同下图：
在这里插入图片描述

扩展：

H264宏块是16x16的，H265宏块会根据宏块的变化幅度来进行宏块划分。而H265的编码单位可以选择从最小的8x8到最大的64x64。

H265压缩率相对于H264压缩率理论上要少百分之50。

NALU

一个视频帧可以被分成诺干个Slice，也就会产生对应的NALU。而一个NALU的组成如同下图：
在这里插入图片描述

StartCode：通常为0x000001或者0x00000001（一个完整帧产生多个Slice时使用三字节起始码，否则是四字节），表示这是一个NALU单元的开始，直到遇到下一个StartCode结束。
NAL Unit header：占用一字节，用来表示NALU类型
NAL Unit Body：可能是包含SPS、PPS、SEI、RBSP（Raw Byte Sequence Payload）等等其中一种信息，可以根据header获知。

二、NALU深入了解

上文说过NAL负责格式化数据并提供头信息，现在就来看看NAL层是如何提供头信息和格式化数据的。

1.NAL Unit header

NAL Unit header：NALU头信息，占用一字节，而这一字节的组成为

forbidden_bit(1bit) :禁止位，初始为0，占用NAL头的第一个位，当禁止位值为1时表示接收方需要纠错。
nal_reference_bit(2bits):表示优先级，取值越⼤，表示当前NAL越重要，需要优先受到保护。
nal_unit_type(5bits)：表示当前NALU的类型有多少种

在这里引用网上做好的表格来介绍NAL的类型：
在这里插入图片描述
然后我们结合实际的抓包来进行分析其中几种类型

2.NAL Unit Body

上文说过，NAL单元的body会有多种，具体需要header进行判断，可能是SPS、PPS、SEI或者RBSP等，那么我们就以比较重要的几种先来看看

1）SPS、PPS

h264编码需要SPS和PPS中的信息才能进行解码，一般会在最开始进行发送一次，也有的会在每次I帧编出的时候发送，但是如果当编码器发生改变时候例如：视频分辨率改变，一定需要发送SPS和PPS信息。

SPS

那么SPS和PPS中到底有什么信息是解码必须要的呢？下面我们先看看SPS抓包后的信息
在这里插入图片描述
先分析第一个NAL unit ，对照NAL Unit header

6764001facd9405005bb011000000300100000030320f1831960取第一个字节
0x67:01100111
forbidden_bitL: 0 值为0
nal_reference_bit：11 值为3，表示受到最高保护
nal_unit_type：00111 值为7，对照表格可知为SPS（序列参数集）

下面是对整个SPS的解析

NAL unit: 6764001facd9405005bb011000000300100000030320f18319600... .... = Forbidden_zero_bit: 0.11. .... = Nal_ref_idc: 3 #受到最高保护...0 0111 = Nal_unit_type: Sequence parameter set (7) #对照nal_unit_type为spsProfile_idc: High profile (100)0... .... = Constraint_set0_flag: 0.0.. .... = Constraint_set1_flag: 0..0. .... = Constraint_set2_flag: 0...0 .... = Constraint_set3_flag: 0.... 0... = Constraint_set4_flag: 0.... .0.. = Constraint_set5_flag: 0.... ..00 = Reserved_zero_2bits: 0Level_id: 31 [Level 3.1 14 Mb/s] #码率等级1... .... = seq_parameter_set_id: 0 #序列参数集标志.010 .... = chroma_format_id: 1.... 1... = bit_depth_luma_minus8: 0.... .1.. = bit_depth_chroma_minus8: 0.... ..0. = qpprime_y_zero_transform_bypass_flag: 0.... ...0 = seq_scaling_matrix_present_flag: 01... .... = log2_max_frame_num_minus4: 0.1.. .... = pic_order_cnt_type: 0..01 1... = log2_max_pic_order_cnt_lsb_minus4: 2.... .001  01.. .... = num_ref_frames: 4..0. .... = gaps_in_frame_num_value_allowed_flag: 0...0 0000  0101 0000 = pic_width_in_mbs_minus1: 79 #宽0000 0101  101. .... = pic_height_in_map_units_minus1: 44 #长...1 .... = frame_mbs_only_flag: 1.... 1... = direct_8x8_inference_flag: 1.... .0.. = frame_cropping_flag: 0.... ..1. = vui_parameters_present_flag: 1.... ...1 = aspect_ratio_info_present_flag: 10000 0001 = aspect_ratio_idc: 10... .... = overscan_info_present_flag: 0.0.. .... = video_signal_type_present_flag: 0..0. .... = chroma_loc_info_present_flag: 0...1 .... = timing_info_present_flag: 1.... 0000  0000 0000  0000 0000  0000 0011  0000 .... = num_units_in_tick: 48.... 0000  0001 0000  0000 0000  0000 0000  0000 .... = time_scale: 16777216.... 0... = fixed_frame_rate_flag: 0.... .0.. = nal_hrd_parameters_present_flag: 0.... ..1. = vcl_hrd_parameters_present_flag: 1.... ...1 = cpb_cnt_minus1: 00000 .... = bit_rate_scale: 0.... 0011 = cpb_size_scale: 30010 0... = bit_rate_value_minus1: 3.... .000  1111 .... = cpb_size_value_minus1: 14.... 0... = cbr_flag: 0.... .001  10.. .... = initial_cpb_removal_delay_length_minus1: 6..00 001. = cpb_removal_delay_length_minus1: 1.... ...1  0001 .... = dpb_output_delay_length_minus11: 17.... 1001  0... .... = time_offset_length: 18.1.. .... = low_delay_hrd_flag: 1..1. .... = pic_struct_present_flag: 1...0 .... = bitstream_restriction_flag: 0.... 0... = rbsp_stop_bit: 0.... .000 = rbsp_trailing_bits: 0

长宽

从上面我们看到，有两个重要的参数—— pic_width_in_mbs_minus1: 79 和pic_height_in_map_units_minus1: 44
通过这两个参数我们就可以算出视频的长宽
width = 16 * （pic_width_in_mbs_minus1 + 1） = 1280
height = 16 * （pic_height_in_map_units_minus1 + 1） = 720
是16的原因是在h264中一个宏块的长宽就是16

压缩级别

Profile_idc: High profile (100)
标识当前H.264码流的profile。H.264中定义了三种常用的档次profile：

基准档次：baseline profile;
主要档次：main profile;
扩展档次：extended profile;
新版中，还包括igh、High 10、High 4:2:2、High 4:4:4、High 10 Intra、High 4:2:2 Intra、High 4:4:4 Intra、CAVLC 4:4:4 Intra等

序列参数集

seq_parameter_set_id：表示当前的序列参数集的id。通过该id值，图像参数集pps可以引用其代表的sps中的参数。

PPS

接着来看看PPS中的信息

现在看第二个NAL unit ，对照NAL Unit header

68ebe3cb22c0取第一个字节
0x68:01101000
forbidden_bitL: 0 值为0
nal_reference_bit：11 值为3，表示受到最高保护
nal_unit_type：00111 值为8，对照表格可知为PPS（图像参数集）

再来看一下具体内容

NAL unit: 68ebe3cb22c00... .... = Forbidden_zero_bit: 0.11. .... = Nal_ref_idc: 3 #受到保护最高...0 1000 = Nal_unit_type: Picture parameter set (8) #对照nal_unit_type为pps1... .... = pic_parameter_set_id: 0.1.. .... = seq_parameter_set_id: 0..1. .... = entropy_coding_mode_flag: 1...0 .... = pic_order_present_flag: 0.... 1... = num_slice_groups_minus1: 0.... .011 = num_ref_idx_l0_active_minus1: 21... .... = num_ref_idx_l1_active_minus1: 0.1.. .... = weighted_pred_flag: 1 #是否加权预测..10 .... = weighted_bipred_idc: 2 #隐式预测.... 0011  1... .... = pic_init_qp_minus26(se(v)): -3.1.. .... = pic_init_qs_minus26: 0..00 101. = chroma_qp_index_offset(se(v)): -2.... ...1 = deblocking_filter_control_present_flag: 10... .... = constrained_intra_pred_flag: 0.0.. .... = redundant_pic_cnt_present_flag: 0..1. .... = transform_8x8_mode_flag: 1...0 .... = pic_scaling_matrix_present_flag: 0.... 0010  1... .... = second_chroma_qp_index_offset(se(v)): -2.1.. .... = rbsp_stop_bit: 1..00 0000 = rbsp_trailing_bits: 0

pic_parameter_set_id

表示当前PPS的id。某个PPS在码流中会被相应的slice引用，slice引用PPS的方式就是在Slice header中保存PPS的id值。该值的取值范围为[0,255]

seq_parameter_set_id

表示当前PPS所引用的激活的SPS的id。通过这种方式，PPS中也可以取到对应SPS中的参数。该值的取值范围为[0,31]。

weighted_pred_flag

标识位，表示在P/SP slice中是否开启加权预测。

weighted_bipred_idc

表示在B Slice中加权预测的方法，取值范围为[0,2]。0表示默认加权预测，1表示显式加权预测，2表示隐式加权预测。

扩展（图像与序列参数集）

SPS称为序列参数集，PPS称为图像参数集，那么到底什么是参数集？参数集又有什么作用？

前面说过，帧就是对于Slice的编码，在一段视频中，有些编码参数像上述的加权、长宽等等都是不变的，这些就形成了序列参数集，而图像参数集就是对于序列参数集中的参数做了引用，看起来关系如下：
在这里插入图片描述

2）SEI

我们先看一下抓包的情况
在这里插入图片描述
SEI实际上是对于编码参数的一种扩展，从抓包中数据分析

0x06:00000110
forbidden_bitL: 0 值为0
nal_reference_bit：00 值为3，表示不受保护
nal_unit_type：00110 值为6，对照表格可知为SEI

从nal_reference_bit中不难看出，这种类型的包基本不受保护，也就是说，实际上该包丢弃之后，依旧可以正常解码，所以这里不过多赘述。

3）IDR和非IDR

从nal_unit_type表格中可以看出，type为1， 2， 3， 4， 5及12的NAL单元保存的是VCL数据，也被称为VCL的NAL单元。

但是通常来说，一张图片经过编码压缩后依旧占据一定体积，所以就需要分为多个NAL进行发送，也被称为切片(FU-A)，而切片后的数据nal_unit_type为28也就是自定义数据。
例如：
在这里插入图片描述
从上图可以看到实际一帧被分为了多个FU-A，并不是一个NAL单元就拥有一张图片
分析一下7C

0x7C:01111100
forbidden_bitL: 0 值为0
nal_reference_bit：11 值为3，表示受到最高保护
nal_unit_type：11100 值为28，对照表格可知为自定义数据

三、FU-A分片

1.分片

当视频帧大小超过一定范围（MTU），则h264中视频帧将会进行分片处理，其实分片处理特别简单，如下图:
在这里插入图片描述

StartCode:——FU-A包中还是叫做StartCode
NAL Unit header——改名叫做FU indicator，只不过nal_unit_type一定是28
NAL Unit Body——被分为FU header和playload两部分

FU Header

总体大小为1字节，其中：

第一位：Start标记位，为1表示分片起始位置
第二位：end标记为，为1表示分片结束位置
第三位：保留
第四~八位：type，和 nal_unit_type表格一样解析

下面我们看一下I帧起始和结束实际包样子

起始帧

在这里插入图片描述

H.264FU identifier0... .... = F bit: No bit errors or other syntax violations.11. .... = Nal_ref_idc (NRI): 3 #受到保护权重最高...1 1100 = Type: Fragmentation unit A (FU-A) (28) #nal_unit_type为28FU Header1... .... = Start bit: the first packet of FU-A picture #首帧开始.0.. .... = End bit: Not the last packet of FU-A picture #结束位为0..0. .... = Forbidden bit: 0...0 0101 = Nal_unit_type: Coded slice of an IDR picture (5) #对照nal_unit_type是IDR帧H264 NAL Unit Payload1... .... = first_mb_in_slice: 0.000 1000 = slice_type: I (I slice) (7)1... .... = pic_parameter_set_id: 0[Not decoded yet]

结束帧

在这里插入图片描述

H.264FU identifier0... .... = F bit: No bit errors or other syntax violations.11. .... = Nal_ref_idc (NRI): 3 #受到最高保护...1 1100 = Type: Fragmentation unit A (FU-A) (28)#nal_unit_type 为自定义FU Header0... .... = Start bit: Not the first packet of FU-A picture #起始标志为0.1.. .... = End bit: the last packet of FU-A picture #结束标志..0. .... = Forbidden bit: 0...0 0101 = Nal_unit_type: Coded slice of an IDR picture (5) #nal_unit_type为IDR

2.SODB和RBSP

上面说过，VCL层对于数据进行编码，编码输出的数据是SODB（String Of Data Bits），然后经过映射到NAL为RBSP（Raw Byte Sequence Payload）。

想要了解映射过程可以看一下，不过也可以不用关注：

如果SODB的内容是空的，那么RBSP的内容也是空的。否则，RBSP的第一个字节取自SODB的第1到第8个比特，RBSP字节内部按照从左到右从高到低的顺序排列。以此类推，RBSP中的每个字节都直接取自SODP的相应比特。RBSP的最后一个字节包含SODB的最后几个比特，以及trailing bits。其中，trailing bits的第一个比特为1，其余的比特为0，保证字节对齐。所以RBSP就等于，SODB在它的最后一个字节的最后一个比特后，紧跟值为1的1个比特，然后增加若干比特的0，以补齐这个字节。

从网上找的图片以供参考
在这里插入图片描述