h264
上一篇中,我们站在句法元素(或称语法元素)的角度,介绍了h.264的句法和语义,和句法元素的分层结构。在这篇中,我们更进一步,从比特的角度出发,来探索h264码流的组成。通过这篇的学习,我们会初步具备解析h264码流的能力,从码流中分离出NAL单元,并识别NAL类型。
1. H264码流格式
不过大道始于脚下,我们还是先从头介绍一下,h264的两种码流格式,它们分别为:字节流格式和RTP包格式。
(1)字节流格式:这是在h264官方协议文档中规定的格式,处于文档附录B(Annex-B Byte stream format)中。所以它也成为了大多数编码器,默认的输出格式。它的基本数据单位为NAL单元,也即NALU。为了从字节流中提取出NALU,协议规定,在每个NALU的前面加上起始码:0x000001或0x00000001(0x代表十六进制) 。
(2)RTP包格式:这种格式并没有在h264中规定,那为什么还要介绍它呢?是因为在h264的官方参考软件JM里,有这种封装格式的实现。在这种格式中,NALU并不需要起始码Start_Code来进行识别,而是在NALU开始的若干字节(1,2,4字节),代表NALU的长度。
显而易见,我们通常所指,以及接下来要研究的,是h264的字节流格式。由于它没有经过传输协议封装,所以也可以称之为裸流。比如我们打开一个,经编码器编码存于本地后缀为.h264文件,里面的数据即为h264裸流。
而我们接下来的研究方向,就从已经打开了一个本地的.h264文件,然后对里面的h264裸流,按照字节流格式进行分析开始。所以拿到码流的第一刻,我们需要知道,如何从中提取出NALU。
2. 起始码与NALU
通过上面我们已经知道:
H264比特流 = Start_Code_Prefix + NALU + Start_Code_Prefix + NALU + …
只要我们从码流中,找到一个一个的起始码,那么位于起始码之间的数据,即为NALU。所以拿到码流,我们需要先从头开始,找到起始码0x000001或0x00000001,找到Start_Code_Prefix之后,从它之后的下一个字节开始,就是NALU的部分。
这部分的实现过程描述在H264官方文档附录B中,已经下载的同学可以查看B.1.1节:
3. NALU
看到这一小节时,我们已经有能力根据附录B的内容,从h264码流中找出NALU,所以是时候来看一下,h264码流结构的组成了:
这就是NALU在H264码流中的构成了,由上图我们也知道:
NALU = NALU Header + RBSP
这就是接下来我们要干的,分析NALU Header 和 RBSP,为了对NALU有个宏观的认识,我们先来看一下,NALU有哪些句法元素构成,这位于h264文档的7.3.1节:
可以看到,整个NALU语法元素分为三部分:(1)NALU Header、(3)RBSP、(2)1和3之间的部分。
其中第2部分,是近期的h264文档才更新的,所以我特意查看了JM、x264、FFmpeg等主流编解码器,这部分是还没有实现的,所以我们可以不必理睬。而且细心的同学会发现,只有当nal_unit_type等于14、20、21时,才会进入第二部分。
所以接下来呢,我们就重点介绍NALU Header和RBSP。
3.1 NALU Header
通过上面我们也可以看到,NALU Header由三个句法元素组成,分别为:forbidden_zero_bit、nal_ref_idc和nal_unit_type,它们总共占据一个字节,也就是说,NALU Header,在整个NALU中,占据一个字节。
而且forbidden_zero_bit的值对应1个bit,nal_ref_idc的值对应2个bit,nal_unit_type的值对应5个bit,加起来刚好一个字节。
正如在上一篇(链接)中所介绍的,知道了句法元素,我们就来分别看看它的语义:
3.1.1 forbidden_zero_bit
h264文档规定,这个值应该为0,当它不为0时,表示网络传输过程中,当前NALU中可能存在错误,解码器可以考虑不对这个NALU进行解码。
3.1.2 nal_ref_idc
取值0~3,代表当前这个NALU的重要性,取值越大,代表当前NALU越重要,就需要优先被保护。尤其是当前NALU为图像参数集、序列参数集或IDR图像时,或者为参考图像条带(片/Slice),或者为参考图像的条带数据分割时,nal_ref_idc值肯定不为0。
而当NALU 类型,nal_unit_type为6、9、10、11、或12时,nal_ref_idc都为0。
【注】IDR帧,即:即时解码刷新图像,它是一个序列的第一个图像,H.264引入IDR图像是为了解码的重新同步。当解码器解码到IDR图像时,立即将参考帧队列清空,将已解码的数据全部输出或抛弃,重新查找参数集,开始一个新的序列。这样一来,如果前一个序列发生重大错误,在这里就可以获得重新同步。
所以IDR图像之后的图像,永远不会引用IDR图像之前的图像来解码。并且IDR图像一定是I图像,而I图像不一定是IDR图像(H264里没有图像层,图像可以理解为帧、片或宏块)。
3.1.3 nal_unit_type
顾名思义,这个应该是最好理解的了,它表示NALU Header后面的RBSP的数据结构的类型。下图为nal_unit_type所有可能的取值,和对应的语义,它处于h264文档7.4.1节:
可以看到,nal_unit_type的值为1-5时,表示RBSP里面包含的数据为条带(片/Slice)数据,所以值为1-5的NALU统称为VCL(视像编码层)单元,其他的NALU则称为非VCL NAL单元。
当nal_unit_type为7时,代表当前NALU为序列参数集,为8时为图像参数集。这也是我们打开.h264文件后,遇到的前两个NALU,它们位于码流的最前面。
而且当nal_unit_type为14-31时,我们可以不用理睬,目前几乎用不到。
解析完NALU Header之后,下面就开始解析RBSP了,它包含了NALU数据的主体部分,我们放在下一篇详细介绍。
4. 关于H.264的协议文档
有的同学可能还没下载H.264的官方文档,这里我再贴一下下载地址:
全部版本,下载2017最新版:
http://www.itu.int/rec/T-REC-H.264
最新版为英文版,05年3月份有中文版:
http://www.itu.int/rec/T-REC-H.264-200503-S/en
相关阅读
H.264 是MPEG-4 标准所定义的最新格式,同时也是技术含量最高、代表最新技术水平的视频编码格式之一,有的也称(AVC)。 使用软件MediaCo
简介 网络提取层(NAL network abstraction layer )和视频编码
在做音视频开发的时候,存在不解码视频帧的前提下需要获取视频宽高、帧率等信息,而H.264中的SPS数据可为我们提供这些相关的信息。在
写在前面:使用SDK版本 NRF 12.3.0, nRF52\nRF52832 pack\nRF5_SDK_12.3.0_d7731ad\examples\ble_peripheral\ble_app_hids_mou
最近入门音视频技术,一直在学习H264编解码标准,了解了不少关于H264的相关知识,对于网上各种类型的资料,始终没有找到一篇适合的知识梳