Ang layunin ng proyekto ng H.264 / AVC ay upang lumikha ng isang pamantayan na maaaring magbigay ng mahusay na kalidad ng video sa isang mas mababang rate ng bit kaysa sa nakaraang mga pamantayan (ie, kalahati ng rate ng bit ng MPEG-2, H.263, o MPEG- o higit pa). mababa) 4 Bahagi 2), nang walang pagdaragdag ng pagiging kumplikado ng disenyo, upang ito ay hindi praktikal o masyadong mahal na ipatupad. Ang isa pang layunin ay upang magbigay ng sapat na kakayahang umangkop upang paganahin ang pamantayan na mailalapat sa iba't ibang mga application sa iba't ibang mga network at system, kabilang ang mababa at mataas na rate ng bit, mababa at mataas na resolusyon na video, pagsasahimpapawid, imbakan ng DVD, RTP / IP Packet network at ITU-T multimedia system ng telepono. Ang pamantayan ng H.264 ay maaaring isaalang-alang bilang isang "pamantayan ng pamilya" na binubuo ng maraming iba't ibang mga file ng pagsasaayos. Ang isang partikular na decoder ay nagde-decode kahit isa ngunit hindi kinakailangan ang lahat ng mga profile. Inilalarawan ng pagtutukoy ng decoder kung aling mga file ng pagsasaayos ang maaaring ma-decode. Kadalasang ginagamit ang H.264 para sa lossy compression, bagaman posible ring lumikha ng mga rehiyon na tunay na lossless coding sa lossy na naka-code na mga imahe, o upang suportahan ang mga bihirang kaso ng paggamit kung saan ang buong pag-coding ay lossless.
Ang H.264 ay binuo ng ITU-T Video Coding Expert Group (VCEG) kasama ang ISO / IEC JTC1 Moving Picture Experts Group (MPEG). Ang pakikipagsosyo sa proyekto ay tinawag na Joint Video Team (JVT). Ang pamantayang ITU-T H.264 at ang pamantayan ng ISO / IEC MPEG-4 AVC (pormal, ISO / IEC 14496-10-MPEG-4 Bahagi 10, Advanced Video Coding) ay magkasamang pinananatili upang magkatulad ang nilalamang panteknikal. Ang pangwakas na pagbalangkas ng unang edisyon ng pamantayan ay nakumpleto noong Mayo 2003, at ang iba't ibang mga pagpapahaba ng mga pagpapaandar nito ay naidagdag sa mga kasunod na edisyon nito. Ang High Efficiency Video Coding (HEVC), katulad ng H.265 at MPEG-H Part 2 ay ang mga kahalili ng H.264 / MPEG-4 AVC na binuo ng parehong samahan, at ang mga naunang pamantayan ay karaniwang ginagamit pa rin.
Ang pinakatanyag na H.264 ay marahil isa sa mga pamantayan ng pag-encode ng video para sa mga Blu-ray disc; lahat ng mga manlalaro ng disc ng Blu-ray ay dapat na makapag-decode ng H.264. Malawak din itong ginagamit ng streaming na mga mapagkukunan sa Internet, tulad ng mga video mula sa Vimeo, YouTube at iTunes Store, network software tulad ng Adobe Flash Player at Microsoft Silverlight, at iba't ibang mga broadcast sa HDTV sa lupa (ATSC, ISDB-T, DVB) - T o DVB-T2), cable (DVB-C) at satellite (DVB-S at DVB-S2).
Ang H.264 ay protektado ng mga patent na pagmamay-ari ng lahat ng mga partido. Ang mga lisensya na sumasakop sa karamihan (ngunit hindi lahat) na mga patent na kinakailangan para sa H.264 ay pinamamahalaan ng patent pool MPEG LA. 3 Komersyal na paggamit ng patentadong teknolohiya ng H.264 ay nangangailangan ng pagbabayad ng mga royalties sa MPEG LA at iba pang mga may-ari ng patent. Pinapayagan ng MPEG LA ang libreng paggamit ng teknolohiyang H.264 upang magbigay ng mga end user ng libreng streaming na video sa Internet, at nagbabayad ang mga System ng Royalties sa MPEG LA sa ngalan ng bukas na mapagkukunang H.264 na mga gumagamit ng encoder ng file na ito.
1. Pangalan
Ang pangalan ng H.264 ay sumusunod sa ITU-T na kombensyon sa pagpapangalan, na isang miyembro ng serye ng H.26x ng mga pamantayan sa pag-coding ng VCEG video; ang pangalan ng MPEG-4 AVC ay nauugnay sa pagngangalang kombensiyon sa ISO / IEC MPEG, kung saan ang pamantayan ay ISO / IEC 14496 Bahagi 10, ang ISO / IEC 14496 ay isang hanay ng mga pamantayan na tinatawag na MPEG-4. Ang pamantayan ay sama-sama na binuo sa isang pakikipagsosyo sa pagitan ng VCEG at MPEG, at isang proyekto ng VCEG na tinatawag na H.26L ay dating isinagawa sa ITU-T. Samakatuwid, ang mga pangalan tulad ng H.264 / AVC, AVC / H.264, H.264 / MPEG-4AVC o MPEG-4 / H.264 AVC ay madalas na ginagamit upang sumangguni sa pamantayan upang bigyang-diin ang karaniwang pamana. Minsan, tinatawag din itong "JVT codec", sumangguni sa samahan ng Joint Video Team (JVT) na bumuo nito. (Ang ganitong uri ng pakikipagsosyo at maramihang pagbibigay ng pangalan ay hindi bihira. Halimbawa, ang pamantayan ng compression ng video na tinatawag na MPEG-2 ay nagmula rin sa pakikipagsosyo sa pagitan ng MPEG at ITU-T, kung saan ang MPEG-2 na video ay tinawag ng pamayanan ng ITU-T na H. 262. 4) Ang ilang mga programa ng software (tulad ng VLC media player) ay panloob na kinikilala ang pamantayang ito bilang AVC1.
2. Kasaysayan
Sa pagsisimula ng 1998, ang Video Coding Expert Group (VCEG-ITU-T SG16 Q.6) ay nagpalabas ng isang panawagan para sa mga panukala para sa isang proyekto na tinatawag na H.26L, na may layunin na doblehin ang kahusayan sa pag-coding (na nangangahulugang ang kinakailangang Bitrate halved) Isang naibigay na antas ng katapatan kumpara sa anumang iba pang mga mayroon nang mga pamantayan sa pag-coding ng video na ginagamit para sa iba't ibang mga application. Ang VCEG ay pinamumunuan ni Gary Sullivan (Microsoft, dating PictureTel, USA). Ang unang draft na disenyo ng bagong pamantayan ay pinagtibay noong Agosto 1999. Noong 2000, si Thomas Wiegand (Heinrich Hertz Institute, Germany) ay naging co-chairman ng VCEG.
Noong Disyembre 2001, ang VCEG at ang Moving Picture Experts Group (MPEG-ISO / IEC JTC 1 / SC 29 / WG 11) ay bumuo ng isang Joint Video Group (JVT), at ang charter nito ay nagtapos sa pamantayan sa pag-coding ng video. [5] Ang pagtutukoy ay pormal na naaprubahan noong Marso 2003. Ang JVT ay pinamunuan nina Gary Sullivan, Thomas Wiegand at Ajay Luthra (Motorola, USA: kalaunan Arris, USA). Noong Hunyo 2004, ang proyekto ng Fidelity Scope Extension (FRExt) ay natapos na. Mula Enero 2005 hanggang Nobyembre 2007, ang JVT ay nagtatrabaho sa pagpapalawak ng H.264 / AVC sa kakayahang sumukat sa pamamagitan ng isang kalakip (G) na tinatawag na Scalable Video Coding (SVC). Ang koponan sa pamamahala ng JVT ay pinalawak ng Jens-Rainer Ohm (University of Aachen, Germany). Mula Hulyo 2006 hanggang Nobyembre 2009, inilunsad ng JVT ang Multi-Video Video Coding (MVC), na isang extension ng H.264 / AVC sa libreng view ng TV at 3D TV. Kasama sa gawaing ito ang pagbuo ng dalawang bagong pamantayang profile: Multiview High Profile at Stereo High Profile.
Ang pamantayan ng unang bersyon ng H.264 / AVC ay nakumpleto noong Mayo 2003. Sa unang proyekto upang mapalawak ang orihinal na pamantayan, pagkatapos ay binuo ng JVT ang tinatawag na Fidelity Range Extensions (FRExt). Ang mga extension na ito ay nakakamit ang mas mataas na kalidad na pag-coding ng video sa pamamagitan ng pagsuporta sa mas mataas na katumpakan ng lalim ng sampling at mas mataas na impormasyon sa kulay ng resolusyon, kabilang ang tinaguriang Y'CbCr 4: 2: 2 (= YUV 4: 2: 2) at Y 'CbCr 4: 4 na sampling istraktura: 4. Ang proyekto ng Fidelity Range Extensions ay nagsasama rin ng iba pang mga pagpapaandar, tulad ng adaptive switching sa pagitan ng 4 × 4 at 8 × 8 integer transformations, perceptual-based quantization weighting matrices na tinukoy ng encoder, mahusay na lossless encoding sa pagitan ng mga larawan, at suporta para sa karagdagang mga puwang ng kulay. Ang gawaing disenyo ng Fidelity Range Extensions ay nakumpleto noong Hulyo 2004, at ang gawain sa pagbubuo nito ay nakumpleto noong Setyembre 2004.
Ang kamakailang karagdagang pagpapalawak ng pamantayan ay nagsasama ng pagdaragdag ng limang iba pang mga bagong profile [alin? ] Pangunahing ginagamit para sa mga propesyonal na aplikasyon, pagdaragdag ng pinalawig na kulay ng gamut space support, pagtukoy ng karagdagang mga tagapagpahiwatig ng ratio ng aspeto, pagtukoy ng dalawang iba pang mga uri ng "karagdagang impormasyon sa pagpapahusay" (mga pahiwatig ng post-filter at pagmamapa ng tono), at pagtatapon ng nakaraang file ng pagsasaayos ng FRExt na Isa (mataas 4: 4: 4 profile), feedback sa industriya [ng kanino? ] Ang mga tagubilin ay dapat na idinisenyo nang iba.
Ang susunod na pangunahing tampok na idinagdag sa pamantayan ay Scalable Video Coding (SVC). Nakasaad ito sa Annex G ng H.264 / AVC na pinapayagan ng SVC ang pagtatayo ng mga bitstream na naglalaman ng mga sub-bitstream na umaayon din sa pamantayan, kasama ang isang naturang bitstream na tinawag na "base layer", na maaaring ma-decode ng H.264 / Ang AVC codec na sumusuporta sa SVC. Para sa temporal na scalability ng bitstream (ibig sabihin, may mga sub-bitstream na may mas maliit na pansamantalang rate ng sampling kaysa sa pangunahing bitstream), ang kumpletong mga yunit ng pag-access ay aalisin mula sa bitstream kapag nakuha ang sub-bitstream. Sa kasong ito, ang mataas na antas na syntax at inter prediction na mga larawan sa bitstream ay itinayo nang naaayon. Sa kabilang banda, para sa spatial at kalidad na scalability ng bitstream (ibig sabihin, may mga sub-bitstream na may mas mababang resolusyon / kalidad ng spatial kaysa sa pangunahing bitstream), alisin ang NAL mula sa bitstream kapag nakuha ang sub-bitstream (network Abstraction layer). . Sa kasong ito, ang hula ng inter-layer (ibig sabihin, paghula ng mas mataas na resolusyon sa spatial / kalidad na signal mula sa data ng isang mas mababang resolusyon sa spatial / kalidad na signal) ay karaniwang ginagamit para sa mahusay na pag-coding. Ang nasusukat na extension ng pag-coding ng video ay nakumpleto noong Nobyembre 2007.
Ang susunod na pangunahing tampok na idinagdag sa pamantayan ay ang Multi-View Video Coding (MVC). Ito ay tinukoy sa Annex H ng H.264 / AVC na nagbibigay-daan ang MVC sa pagtatayo ng isang bitstream na kumakatawan sa higit sa isang pagtingin sa isang eksena sa video. Ang isang mahalagang halimbawa ng tampok na ito ay ang stereoscopic 3D video encoding. Dalawang profile ang nabuo sa gawaing MVC: Sinusuportahan ng Multiview High Profile ang anumang bilang ng mga panonood, at ang Stereo High Profile ay espesyal na idinisenyo para sa two-view na stereo video. Ang extension ng pag-coding ng Multiview video ay nakumpleto noong Nobyembre 2009.
3. Application
Ang format ng video na H.264 ay may napakalawak na hanay ng mga application, na sumasakop sa lahat ng mga form ng digital na naka-compress na video mula sa mababang-bit-rate na mga application ng streaming sa Internet hanggang sa pagsasahimpapawid ng HDTV at halos hindi mawawalan ng pag-encode ng mga digital na application ng pelikula. Sa pamamagitan ng paggamit ng H.264, kumpara sa MPEG-2 Bahagi 2, ang rate ng bit ay maaaring mai-save ng 50% o higit pa. Halimbawa, naiulat na ang kalidad ng digital satellite TV na ibinigay ng H.264 ay kapareho ng kasalukuyang pagpapatupad ng MPEG-2, na may kaunting rate na mas mababa sa kalahati. Ang kasalukuyang rate ng pagpapatupad ng MPEG-2 ay tungkol sa 3.5 Mbit / s, habang ang H.264 ay 1.5 Mbit lamang. / s. [23] Sinasabi ng Sony na ang 9 Mbit / s AVC recording mode ay katumbas ng kalidad ng imahe ng format na HDV, na gumagamit ng mga 18-25 Mbit / s.
Upang matiyak ang pagiging tugma ng H.264 / AVC at pag-aampon na walang problema, maraming pamantayan ng mga samahan ang nagbago o nagdagdag sa kanilang mga pamantayang nauugnay sa video upang ang mga gumagamit ng mga pamantayang ito ay maaaring gumamit ng H.264 / AVC. Parehong ang format ng Blu-ray Disc at ang hindi na ipinagpatuloy na format ng HD DVD ay gumagamit ng H.264 / AVC High Profile bilang isa sa tatlong ipinag-uutos na format ng compression ng video. Inaprubahan ng Digital Video Broadcasting Project (DVB) ang paggamit ng H.264 / AVC para sa broadcast ng telebisyon sa pagtatapos ng 2004.
Ang katawan ng pamantayan ng American Advanced Television System Committee (ATSC) ay inaprubahan ang H.264 / AVC para sa broadcast ng telebisyon noong Hulyo 2008, kahit na ang pamantayan ay hindi pa nagamit para sa nakapirming mga pag-broadcast ng ATSC sa Estados Unidos. [25] [26] Naaprubahan din ito para sa pinakabagong pamantayan ng ATSC-M / H (mobile / handheld), gamit ang mga bahagi ng AVC at SVC ng H.264.
Ang CCTV (closed circuit television) at mga merkado ng surveillance ng video ay isinasama ang teknolohiyang ito sa maraming mga produkto. Maraming mga karaniwang DSLR camera ang gumagamit ng H.264 video na nilalaman sa lalagyan ng QuickTime MOV bilang katutubong format ng pag-record.
4. Nagmula format
Ang AVCHD ay isang mataas na kahulugan na format ng pagrekord na dinisenyo ng Sony at Panasonic, gamit ang H.264 (sumusunod sa H.264, habang nagdaragdag ng iba pang mga pagpapaandar at tukit na tukoy sa application).
Ang AVC-Intra ay isang format ng compression na intra-frame na binuo ng Panasonic.
Ang XAVC ay isang format ng pagrekord na dinisenyo ng Sony at gumagamit ng antas 5.2 ng H.264 / MPEG-4 AVC, na kung saan ay ang pinakamataas na antas na sinusuportahan ng pamantayang ito ng video. [28] [29] Maaaring suportahan ng XAVC ang mga resolusyon ng 4K (4096 × 2160 at 3840 × 2160) na may bilis na hanggang sa 60 mga frame bawat segundo (fps). [28] [29] Inanunsyo ng Sony na ang mga camera na pinagana ng XAVC ay may kasamang dalawang CineAlta camera-Sony PMW-F55 at Sony PMW-F5. [30] Maaaring i-record ng Sony PMW-F55 ang XAVC, ang resolusyon ng 4K ay 30 fps, ang bilis ay 300 Mbit / s, resolusyon ng 2K, 30 fps, 100 Mbit / s. [31] Maaaring itala ng XAVC ang resolusyon ng 4K sa 60 fps at magsagawa ng 4: 2: 2 chroma subsampling sa 600 Mbit / s.
5. Mga tampok
I-block ang diagram ng H.264
Naglalaman ang H.264 / AVC / MPEG-4 Bahagi 10 ng maraming mga bagong tampok na pinapagana itong masiksik nang mas mahusay ang video kaysa sa dating pamantayan at nagbibigay ng higit na kakayahang umangkop para sa mga aplikasyon sa iba't ibang mga kapaligiran sa network. Sa partikular, ang ilan sa mga pangunahing pagpapaandar na ito ay may kasamang:
1) Kasama sa hula ng multi-larawan na inter-larawan ang mga sumusunod na tampok:
Gumamit ng dati nang naka-code na mga larawan bilang mga sanggunian sa isang mas nababaluktot na paraan kaysa sa nakaraang mga pamantayan, pinapayagan ang paggamit ng hanggang sa 16 na mga frame ng sanggunian (o 32 mga patlang na sanggunian sa kaso ng magkakaugnay na pag-coding) sa ilang mga kaso. Sa mga profile na sumusuporta sa mga hindi mga frame na IDR, tinukoy ng karamihan sa mga antas na dapat mayroong sapat na buffering upang payagan ang hindi bababa sa 4 o 5 mga frame ng sanggunian sa maximum na resolusyon. Taliwas ito sa mayroon nang mga pamantayan, na karaniwang may limitasyon na 1; o, sa kaso ng tradisyonal na "B mga imahe" (B mga frame), dalawa. Karaniwang pinapayagan ang espesyal na tampok na ito ng isang katamtamang pagpapabuti sa bit rate at kalidad sa karamihan ng mga sitwasyon. [Kailangan para sa pagsipi] Ngunit sa ilang mga uri ng mga eksena, tulad ng mga eksenang may paulit-ulit na mga aksyon o paglipat ng mga eksena pabalik-balik o natuklasan na mga background area, pinapayagan nitong mabawasan nang malaki ang rate ng bit habang pinapanatili ang kalinawan.
Ang variable na paggalaw ng laki ng bloke ng bloke (VBSMC), ang laki ng bloke ay 16 × 16, kasing liit ng 4 × 4, na maaaring mapagtanto ang tumpak na paghihiwalay ng gumagalaw na lugar. Ang mga sinusuportahang laki ng block ng prediksiyon ng luma ay may kasamang 16 × 16, 16 × 8, 8 × 16, 8 × 8, 8 × 4, 4 × 8 at 4 × 4, na marami sa mga ito ay maaaring magamit nang magkasama sa isang solong block ng macro. Ayon sa chroma sub-sampling na ginagamit, ang sukat ng block ng hula ng chroma ay mas maliit na tumutugma.
Sa kaso ng isang B macroblock na binubuo ng 16 4 × 4 na mga partisyon, ang bawat macroblock ay maaaring gumamit ng maraming mga vector ng paggalaw (isa o dalawa para sa bawat pagkahati) sa isang maximum na 32. Ang vector ng paggalaw ng bawat 8 × 8 o mas malaking lugar ng pagkahati ay maaaring magturo sa ibang imahe ng sanggunian.
Ang anumang uri ng macroblock ay maaaring magamit sa mga B-frame, kasama ang I-macroblocks, na nagreresulta sa mas mahusay na pag-coding kapag gumagamit ng mga B-frame. Ang katangiang ito ay makikita mula sa MPEG-4 ASP.
Ang pag-filter ng anim na tap na ginamit upang makuha ang hula ng halimbawang kalahating pixel para sa mas malinaw na kabayaran sa paggalaw ng sub-pixel. Ang paggalaw ng quarter-pixel ay nakuha sa pamamagitan ng linear interpolation ng kalahating kulay na mga halaga upang makatipid ng lakas sa pagpoproseso.
Ang katumpakan ng quarter-pixel na ginamit para sa kompensasyon sa paggalaw ay maaaring tumpak na naglalarawan ng pag-aalis ng gumagalaw na lugar. Para sa chroma, ang resolusyon ay karaniwang kalahati sa mga patayong at pahalang na direksyon (tingnan ang 4: 2: 0), kaya ang kompensasyon sa paggalaw ng chroma ay gumagamit ng isang ikawalong chroma pixel grid unit.
Pinahihintulutan ng may timbang na hula ang encoder na tukuyin ang paggamit ng pag-scale at offset kapag gumaganap ng kompensasyon sa paggalaw, at nagbibigay ng makabuluhang mga kalamangan sa pagganap sa mga espesyal na sitwasyon-tulad ng pagkupas at pag-fade, fade in at fade in at fade in at fade out transition. Kasama rito ang implicit na may timbang na hula ng mga frame ng B at malinaw na hula na may timbang na hula ng mga P frame.
Spatial na hula para sa mga gilid ng mga katabing bloke para sa "intra" na pag-coding, sa halip na hula na "DC" na natagpuan sa MPEG-2 Bahagi 2 at ang hula ng koepisyent ng pagbabago sa H.263v2 at MPEG-4 na Bahagi 2:
Kasama dito ang mga laki ng block ng prediksiyon ng luma na 16 × 16, 8 × 8, at 4 × 4 (kung saan isang uri lamang ang maaaring magamit sa bawat macroblock).
2) Ang mga pag-andar sa pag-coding ng walang harang na macroblock ay may kasamang:
Ang lossless na "PCM macroblock" ay kumakatawan sa mode, na direktang kumakatawan sa mga sample ng data ng video, [34] ay nagbibigay-daan sa perpektong representasyon ng isang tukoy na lugar, at pinapayagan ang mahigpit na paghihigpit sa dami ng naka-code na data para sa bawat macroblock.
Ang pinahusay na lossless macroblock representation mode ay nagbibigay-daan para sa isang perpektong representasyon ng isang tukoy na lugar, habang sa pangkalahatan ay gumagamit ng mas kaunting mga piraso kaysa sa PCM mode.
Flexible interlaced video encoding function, kabilang ang:
Ang pag-coding ng Macroblock adaptive frame-field (MBAFF) ay gumagamit ng isang istraktura ng pares ng macroblock para sa imahe na naka-code bilang isang frame, na pinapayagan ang 16 × 16 na mga macroblock sa field mode (kumpara sa MPEG-2, kung saan ipinatupad ang pagproseso ng field mode sa pag-encode ng imahe bilang isang frame nagreresulta sa pagproseso ng 16 × 8 semi-macroblocks).
Ang adaptive frame ng imahe at pag-coding sa patlang (PAFF o PicAFF) ay nagbibigay-daan sa malayang napiling mga imahe na ihalo at naka-code bilang isang kumpletong frame, kung saan ang dalawang patlang ay pinagsama para sa pag-encode o bilang isang solong patlang.
Mga bagong tampok sa disenyo ng conversion, kabilang ang:
Eksaktong tumutugma sa integer 4 × 4 spatial block transform, pinapayagan ang tumpak na paglalagay ng mga natitirang signal, halos walang "tugtog" na karaniwan sa mga nakaraang disenyo ng codec. Ang disenyo na ito ay katulad ng konsepto sa kilalang discrete cosine transform (DCT), na ipinakilala noong 1974 nina N. Ahmed, T. Natarajan, at KR Rao, at ito ay isang sanggunian 1 sa discrete cosine transform. Gayunpaman, pinasimple ito at nagbibigay ng tumpak na tinukoy na pag-decode.
Tumpak na tumutugma sa integer 8 × 8 spatial block transforms, na nagpapahintulot sa mas mahusay na compression ng lubos na magkakaugnay na mga rehiyon kaysa sa 4 × 4 transforms. Ang disenyo ay katulad ng konsepto sa kilalang DCT, ngunit pinasimple at ibinigay upang maibigay ang tumpak na tinukoy na pag-decode.
Pagpipili ng adaptive encoder sa pagitan ng 4 × 4 at 8 × 8 na laki ng pag-block ng block para sa mga operasyon ng integer transform.
Ang isang pangalawang pagbabago ng Hadamard ay isinasagawa sa mga koepisyentong "DC" ng pangunahing pagbabago ng puwang na inilapat sa mga coefficients ng DC chrominance (at sa isang espesyal na kaso din ang ilaw) upang makakuha ng mas maraming compression sa makinis na rehiyon.
3) Kabilang sa dami ng disenyo:
Pagkontrol sa laki ng hakbang na Logarithmic, mas simpleng pamamahala ng bit rate at pinasimple na kabaligtaran na pag-scale ng dami sa pamamagitan ng encoder
Ang dalas ng dalas na dami ng napasadyang pagsusukat sa dami na napili ng encoder ay ginagamit para sa pag-optimize sa dami ng nakabatay sa pang-unawa
Tumutulong ang filter ng loop deblocking na maiwasan ang epekto ng block na karaniwan sa iba pang mga teknolohiya ng compression ng imahe na nakabatay sa DCT, upang makakuha ng isang mas mahusay na visual na hitsura at kahusayan ng compression
4) Ang disenyo ng coding ng Entropy ay may kasamang:
Contact-adaptive binary arithmetic coding (CABAC), isang algorithm para sa lossless compression ng mga elemento ng syntax sa isang stream ng video na alam ang posibilidad ng mga elemento ng syntax sa isang naibigay na konteksto. Mas mahusay na pinipiga ng CABAC ang data kaysa sa CAVLC, ngunit nangangailangan ng mas maraming pagproseso upang ma-decode.
Context Adaptive Variable Length Coding (CAVLC), na kung saan ay isang mas mababang alternatibo ng pagiging kumplikado sa CABAC na ginamit upang ma-encode ang mga dami ng halaga ng coefficient na transform. Bagaman ang pagiging kumplikado ay mas mababa kaysa sa CABAC, ang CAVLC ay mas pino at mas epektibo kaysa sa mga pamamaraang karaniwang ginagamit upang ma-encode ang mga coefficients sa iba pang mga mayroon nang disenyo.
Ang isang karaniwang simple at lubos na nakabalangkas na diskarteng variable-length coding (VLC) na ginamit para sa maraming mga elemento ng syntax na hindi naka-code ng CABAC o CAVLC ay tinatawag na Exponential Golomb coding (o Exp-Golomb).
5) Ang mga pagpapaandar sa pagkawala ng pagkawala ay may kasamang:
Pinapayagan ng kahulugan ng network abstraction layer (NAL) ang parehong syntax ng video na magamit sa maraming mga kapaligiran sa network. Ang isang napaka-pangunahing konsepto ng disenyo ng H.264 ay upang makabuo ng mga packet ng data na may sarili upang alisin ang mga duplicate na header, tulad ng Header Extension Code (HEC) ng MPEG-4. Nakamit ito sa pamamagitan ng pag-decoupling ng impormasyon na nauugnay sa maraming hiwa mula sa stream ng media. Ang kumbinasyon ng mga advanced na parameter ay tinatawag na isang hanay ng parameter. [35] Ang pagtutukoy ng H.264 ay may kasamang dalawang uri ng mga hanay ng parameter: Sequence Parameter Set (SPS) at Picture Parameter Set (PPS). Ang hanay ng mabisang parameter ng pagkakasunud-sunod ay mananatiling hindi nababago sa buong naka-encode na pagkakasunud-sunod ng video, at ang mabisang hanay ng parameter ng imahe ay mananatiling hindi nababago sa loob ng naka-encode na imahe. Ang istraktura ng hanay ng parameter ng pagkakasunud-sunod at imahe ay naglalaman ng impormasyon tulad ng laki ng imahe, pinagtibay na opsyonal na mode ng pag-coding, at pag-map ng grupo ng macroblock-to-slice.
Ang kakayahang umangkop na pag-order ng macroblock (FMO), na kilala rin bilang slice group, at arbitrary slice ordering (ASO), ay isang pamamaraan na ginamit upang muling buuin ang pag-order ng representasyon ng mga pangunahing rehiyon (macroblocks) sa isang larawan. Pangkalahatang isinasaalang-alang bilang mga error / loss robustness function, ang FMO at ASO ay maaari ding gamitin para sa iba pang mga layunin.
Ang Data Partitioning (DP), isang pag-andar na maaaring hatiin ang mas mahalaga at hindi gaanong mahalagang mga elemento ng syntax sa iba't ibang mga packet ng data, maaaring maglapat ng Hindi pantay na Proteksyon ng Error (UEP) at iba pang mga uri ng mga pagpapahusay sa pagiging matatag ng error / pagkawala.
Ang kalabisan na hiwa (RS), isang tampok na katatagan para sa error / pagkawala, na nagpapahintulot sa encoder na magpadala ng isang karagdagang representasyon ng lugar ng imahe (karaniwang may mas mababang katapatan), na maaaring magamit kung ang pangunahing representasyon ay nasira o nawala.
Numero ng frame, pinapayagan ang paglikha ng "mga kasunod na" pag-andar, pagkamit ng pansamantalang kakayahang sumukat sa pamamagitan ng opsyonal na kasama ang mga karagdagang larawan sa pagitan ng iba pang mga larawan, at pagtuklas at pagtatago ng pagkawala ng buong larawan, na maaaring sanhi ng pagkawala ng packet ng network o channel May naganap na error.
Ang mga hiwa ng paglipat, na tinawag na mga hiwa ng SP at SI, ay pinapayagan ang encoder na turuan ang decoder na tumalon sa nagpapatuloy na stream ng video para sa mga layunin tulad ng paglipat ng video stream bitrate at pagpapatakbo ng "trick mode". Kapag ginamit ng decoder ang pagpapaandar ng SP / SI upang tumalon sa gitna ng stream ng video, maaari itong makakuha ng isang eksaktong tugma sa naka-decode na imahe sa posisyon na iyon sa stream ng video, sa kabila ng paggamit ng ibang larawan o walang larawan man, bilang isang nakaraang sanggunian. lumipat
Ang isang simpleng awtomatikong proseso na ginamit upang maiwasan ang hindi sinasadyang simulation ng start code, na isang espesyal na pagkakasunud-sunod ng bit sa naka-encode na data, ay nagbibigay-daan sa random na pag-access sa bit stream at ibabalik ang pag-align ng byte sa mga system kung saan maaaring mawala ang byte synchronization.
Ang Karagdagang Impormasyon sa Pagpapahusay (SEI) at Impormasyon sa Paggamit ng Video (VUI) ay karagdagang impormasyon na maaaring ipasok sa bitstream upang mapahusay ang video para sa iba't ibang mga layunin. [Kailangan ng paglilinaw] Ang SEI FPA (Frame Encapsulation Arrangement) ay naglalaman ng 3D na pag-aayos ng mga mensahe:
Pantulong na larawan, na maaaring magamit para sa pagbubuo ng alpha at iba pang mga layunin.
Sinusuportahan ang monochrome (4: 0: 0), 4: 2: 0, 4: 2: 2 at 4: 4: 4 chroma subsampling (depende sa napiling profile).
Sinusuportahan ang katumpakan ng lalim ng pag-sampling ng bit, mula 8 hanggang 14 na mga piraso bawat sample (depende sa napiling profile).
Nagawang i-encode ang bawat kulay ng eroplano sa iba't ibang mga imahe na may sariling istraktura ng hiwa, macroblock mode, paggalaw ng vector, atbp, na pinapayagan ang paggamit ng isang simpleng parallel na istraktura upang idisenyo ang encoder (tatlong mga file ng pagsasaayos na sumusuporta sa 4: 4: 4 ang suportado ).
Ang pagbibilang ng pagkakasunud-sunod ng imahe ay ginagamit upang mapanatili ang pagkakasunud-sunod ng mga imahe at ang mga katangian ng mga halimbawang halimbawang na-decode na imahe na ihiwalay mula sa impormasyon sa tiyempo, na pinapayagan ang system na dalhin at makontrol / baguhin nang hiwalay ang impormasyon ng tiyempo nang hindi nakakaapekto sa nilalaman ng naka-decode na imahe.
Ang mga teknolohiyang ito at maraming iba pang mga teknolohiya ay tumutulong sa H.264 upang maisagawa nang mas mahusay kaysa sa anumang nakaraang pamantayan sa iba't ibang mga kapaligiran sa aplikasyon sa iba't ibang mga sitwasyon. Ang H.264 sa pangkalahatan ay gumaganap ng mas mahusay kaysa sa MPEG-2 video-karaniwang ang parehong kalidad sa kalahati ng bit rate o mas mababa, lalo na sa mataas na mga rate ng bit at mataas na mga resolusyon.
Tulad ng ibang mga pamantayan ng video ng ISO / IEC MPEG, ang H.264 / AVC ay may isang sangguniang pagpapatupad ng software na maaaring ma-download nang libre. Ang pangunahing layunin nito ay upang magbigay ng mga halimbawa ng mga pagpapaandar ng H.264 / AVC, hindi isang kapaki-pakinabang na application sa sarili nito. Ang Motion Picture Experts Group ay gumagawa din ng ilang sanggunian sa disenyo ng hardware. Sa itaas ay ang kumpletong mga tampok ng H.264 / AVC, na sumasakop sa lahat ng mga file ng pagsasaayos ng H.264. Ang profile ng isang codec ay isang hanay ng mga katangian ng codec, na kinilala upang matugunan ang ilang mga hanay ng mga pagtutukoy para sa inilaan na application. Nangangahulugan ito na ang ilang mga file ng pagsasaayos ay hindi sumusuporta sa marami sa mga pagpapaandar na nakalista. Ang iba't ibang mga file ng pagsasaayos ng H.264 / AVC ay tatalakayin sa susunod na seksyon.
Ang aming iba pang mga produkto:
