h264码流格式

码流格式

…	NAL头	RBSP	NAL头	RBSP	NAL头	RBSP	…

H264 传输

SPS	SEI	PPS	I片	图像定界符	P片	P片

NAL头格式

start code ( 3 or 4 )	forbidden_zero_bit（1）	nal_ref_idc (2)	nal_unit_type（ 5）	RBSP

解释

• start code，如果NALU对应的Slice为一帧的开始，则用4字节表示，即0x00000001；否则用3字节表示，0x000001

• forbidden_zero_bit,禁止位，0正常，1错误

• nal_ref_idc，重要级别，11表示非常重要

• nal_unit_type，表示该NALU的类型

• RBSP ,Raw Byte Sequence Payload，原始字节序列负荷

• 为了使NALU主体不包括起始码，在编码时每遇到两个字节（连续）的0，就插入一字节0x03，以和起始码相区别。解码时，则将相应的0x03删除掉。

  nal_unit_type	NAL类型
  0	未使用
  1	不区分，非IDR图像的片
  2	片分区A
  3	片分区B
  4	片分区C
  5	IDR图像中的片
  6	补充增强信息单元（SEI）
  7	序列参数集（SPS）
  8	图像参数集 (PPS)
  9	分界符
  10	序列结束
  11	码流结束
  12	填充
  12…23	保留
  24…31	未使用

  • 流结束符，表明该流中已经没有图像
  • 序列结束符，表明下一图像为IDR图像

码流结构图

sps

• (1) profile_idc：
  标识当前H.264码流的profile。我们知道，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;
  在H.264的SPS中，第一个字节表示profile_idc，根据profile_idc的值可以确定码流符合哪一种档次。判断规律为：
  profile_idc = 66 → baseline profile;
  profile_idc = 77 → main profile;
  profile_idc = 88 → extended profile;
  在新版的标准中，还包括了High、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，每一种都由不同的profile_idc表示。
  另外，constraint_set0_flag ~ constraint_set5_flag是在编码的档次方面对码流增加的其他一些额外限制性条件。
  在我们实验码流中，profile_idc = 0x42 = 66，因此码流的档次为baseline profile。
• (2) level_idc
  标识当前码流的Level。编码的Level定义了某种条件下的最大视频分辨率、最大视频帧率等参数，码流所遵从的level由level_idc指定。
  当前码流中，level_idc = 0x1e = 30，因此码流的级别为3。
• (3) 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。
• (4) log2_max_frame_num_minus4
  用于计算MaxFrameNum的值。计算公式为MaxFrameNum = 2^(log2_max_frame_num_minus4 + 4)。MaxFrameNum是frame_num的上限值，frame_num是图像序号的一种表示方法，在帧间编码中常用作一种参考帧标记的手段。
• (5) pic_order_cnt_type
  表示解码picture order count(POC)的方法。POC是另一种计量图像序号的方式，与frame_num有着不同的计算方法。该语法元素的取值为0、1或2。
• (6) log2_max_pic_order_cnt_lsb_minus4
  用于计算MaxPicOrderCntLsb的值，该值表示POC的上限。计算方法为MaxPicOrderCntLsb = 2^(log2_max_pic_order_cnt_lsb_minus4 + 4)。
• (7) max_num_ref_frames
  用于表示参考帧的最大数目。
• (8) gaps_in_frame_num_value_allowed_flag
  标识位，说明frame_num中是否允许不连续的值。
• (9) pic_width_in_mbs_minus1
  用于计算图像的宽度。单位为宏块个数，因此图像的实际宽度为:
  frame_width = 16 × (pic_width_in_mbs_minus1 + 1);
• (10) pic_height_in_map_units_minus1
  使用PicHeightInMapUnits来度量视频中一帧图像的高度。PicHeightInMapUnits并非图像明确的以像素或宏块为单位的高度，而需要考虑该宏块是帧编码或场编码。PicHeightInMapUnits的计算方式为：
  PicHeightInMapUnits = pic_height_in_map_units_minus1 + 1;
• (11) frame_mbs_only_flag
  标识位，说明宏块的编码方式。当该标识位为0时，宏块可能为帧编码或场编码；该标识位为1时，所有宏块都采用帧编码。根据该标识位取值不同，PicHeightInMapUnits的含义也不同，为0时表示一场数据按宏块计算的高度，为1时表示一帧数据按宏块计算的高度。
  按照宏块计算的图像实际高度FrameHeightInMbs的计算方法为：
  FrameHeightInMbs = ( 2 − frame_mbs_only_flag ) * PicHeightInMapUnits
• (12) mb_adaptive_frame_field_flag
  标识位，说明是否采用了宏块级的帧场自适应编码。当该标识位为0时，不存在帧编码和场编码之间的切换；当标识位为1时，宏块可能在帧编码和场编码模式之间进行选择。
• (13) direct_8x8_inference_flag
  标识位，用于B_Skip、B_Direct模式运动矢量的推导计算。
• (14) frame_cropping_flag
  标识位，说明是否需要对输出的图像帧进行裁剪。
• (15) vui_parameters_present_flag
  标识位，说明SPS中是否存在VUI信息。

PPS

• (1) 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]。
• (2) 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]。
• (3) entropy_coding_mode_flag
  熵编码模式标识，该标识位表示码流中熵编码/解码选择的算法。对于部分语法元素，在不同的编码配置下，选择的熵编码方式不同。例如在一个宏块语法元素中，宏块类型mb_type的语法元素描述符为“ue(v) | ae(v)”，在baseline profile等设置下采用指数哥伦布编码，在main profile等设置下采用CABAC编码。
  标识位entropy_coding_mode_flag的作用就是控制这种算法选择。当该值为0时，选择左边的算法，通常为指数哥伦布编码或者CAVLC；当该值为1时，选择右边的算法，通常为CABAC。
• (4) bottom_field_pic_order_in_frame_present_flag
  标识位，用于表示另外条带头中的两个语法元素delta_pic_order_cnt_bottom和delta_pic_order_cn是否存在的标识。这两个语法元素表示了某一帧的底场的POC的计算方法。
• (5) num_slice_groups_minus1
  表示某一帧中slice group的个数。当该值为0时，一帧中所有的slice都属于一个slice group。slice group是一帧中宏块的组合方式，定义在协议文档的3.141部分。
• (6) num_ref_idx_l0_default_active_minus1、num_ref_idx_l0_default_active_minus1
  表示当Slice Header中的num_ref_idx_active_override_flag标识位为0时，P/SP/B slice的语法元素num_ref_idx_l0_active_minus1和num_ref_idx_l1_active_minus1的默认值。
• (7) weighted_pred_flag
  标识位，表示在P/SP slice中是否开启加权预测。
• (8) 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。
• (9) pic_init_qp_minus26和pic_init_qs_minus26
  表示初始的量化参数。实际的量化参数由该参数、slice header中的slice_qp_delta/slice_qs_delta计算得到。
• (10) chroma_qp_index_offset
  用于计算色度分量的量化参数，取值范围为[-12,12]。
• (11) deblocking_filter_control_present_flag
  标识位，用于表示Slice header中是否存在用于去块滤波器控制的信息。当该标志位为1时，slice header中包含去块滤波相应的信息；当该标识位为0时，slice header中没有相应的信息。
• (12) constrained_intra_pred_flag
  若该标识为1，表示I宏块在进行帧内预测时只能使用来自I和SI类型宏块的信息；若该标识位0，表示I宏块可以使用来自Inter类型宏块的信息。
• (13) redundant_pic_cnt_present_flag
  标识位，用于表示Slice header中是否存在redundant_pic_cnt语法元素。当该标志位为1时，slice header中包含redundant_pic_cnt；当该标识位为0时，slice header中没有相应的信息。

aligned(8) class AVCDecoderConfigurationRecord {
    unsigned int(8) configurationVersion = 1;
    unsigned int(8) AVCProfileIndication;
    unsigned int(8) profile_compatibility;
    unsigned int(8) AVCLevelIndication;
    bit(6) reserved = ‘111111’b;
    unsigned int(2) lengthSi*usOne;
    bit(3) reserved = ‘111’b;
 
    unsigned int(5) numOfSequenceParameterSets;
    for (i=0; i< numOfSequenceParameterSets; i++) {
        unsigned int(16) sequenceParameterSetLength ;
        bit(8*sequenceParameterSetLength) sequenceParameterSetNALUnit;
    }
 
    unsigned int(8) numOfPictureParameterSets;
    for (i=0; i< numOfPictureParameterSets; i++) {
        unsigned int(16) pictureParameterSetLength;
        bit(8*pictureParameterSetLength) pictureParameterSetNALUnit;
    }
}

profile

• H264 主要包括Baseline, - - - Ext，Main,High这几种常用profile和一些特殊用途的profies，如Constrain baseline， SVC，MVC和一系列high-Fidelity profiles 等等，各种profile是根据不同的应用场景设计的，具体余下：
• Baseline主要是用于可视电话，会议电视，无线通讯等实时通信。要实时，就要减少视频decode和display的时延，所以没有B frame；为了提高针对网络丢包的容错能力，特意添加了FMO，ASO和冗余slice；
• Main用于数字广播电视和数字视频存储，侧重点在于提高压缩率，所以有了CABAC，MBAFF，Interlace，B frame等。
  Extend用于改进误码性能和码流切换（SP和SI slice），侧重于码流切换（SI，SP slice）和error resilience（数据分割）。
• High主要用于高压缩效率和质量， 引入8x8 DCT，选择量化矩阵等。