1. 什么是 H.264 编码
H.264，也称为 AVC（Advanced Video Coding），是目前应用最广泛的视频编码标准之一。它由 ITU-T 的 VCEG 和 ISO/IEC 的 MPEG 联合开发，目标是（在同等视频质量下）将码率降至以往标准（如 MPEG-2、H.263）的一半左右。
H.264 的核心思路是帧内预测和帧间预测：
- 帧内预测：在同一帧内通过已编码的相邻像素预测当前块，只传输预测残差，从而减少空间冗余。
- 帧间预测：利用相邻帧之间的时间相关性，通过运动估计找出当前块在参考帧中最匹配的位置，只传输运动矢量和残差，显著减少时间冗余。
在编码过程中，每一帧被切分成宏块（16×16 像素），再进一步分为子块进行预测、变换、量化和熵编码（CAVLC / CABAC），最终输出压缩后的码流。
2. GOP 的概念
GOP（Group of Pictures，图像组）是指视频编码中一组连续帧的序列，它以 I 帧为起点，到下一个 I 帧之前结束。GOP 是视频压缩和随机访问的基本单元——解码器只有从 I 帧开始才能正确解码后续帧，因此 GOP 的长度直接影响视频的压缩效率、随机访问性能和容错能力。
一个典型的 GOP 结构如下：
3. GOP 中的三种帧类型
H.264 中，GOP 内的帧主要分为三类：
| 帧类型 | 全称 | 编码方式 | 典型大小 | 特点 |
|---|---|---|---|---|
| I 帧 | Intra-coded frame | 只使用帧内预测，不依赖其他帧 | 最大 | 可独立解码，是 GOP 的起点和随机访问点 |
| P 帧 | Predictive-coded frame | 参考前面的 I 帧或 P 帧进行帧间预测 | 中等 | 压缩率高于 I 帧，编码依赖于前向参考帧 |
| B 帧 | Bi-predictive coded frame | 可同时参考前后两个方向的帧进行预测 | 最小 | 压缩率最高，但编码和解码延迟较大，不参与后续帧的参考 |
- I 帧是 GOP 的基础，所有解码必须从最近的 I 帧开始，因此它在视频中周期性出现以确保随机访问（如拖动进度条）。
- P 帧只向前参考，编码效率优于 I 帧，但在传输中若参考帧丢失将导致解码错误（错误会沿 GOP 向后传播）。
- B 帧通过双向预测获得最高的压缩率，但其解码需要等待前后参考帧，因此在实时场景（如视频会议）中通常禁用或受限。
4. GOP 长度与编码场景的关系
GOP 长度（即两个 I 帧之间的帧数）是视频编码中的重要参数，不同场景下典型值如下：
| 场景 | 典型 GOP 长度 | 帧率 | I 帧间隔 | 说明 |
|---|---|---|---|---|
| 点播 / 存储 | 120–300 帧 | 30 fps | 4–10 秒 | 追求高压缩率，对随机访问要求较低 |
| 直播（低延迟） | 30–60 帧 | 30 fps | 1–2 秒 | 平衡延迟与压缩率 |
| 视频会议 / 实时通信 | 15–30 帧 | 30 fps | 0.5–1 秒 | 极低延迟要求，或使用全 I 帧 |
| 广电 / 监控 | 1–15 帧 | 25/30 fps | ＜1 秒 | 要求快速切台或逐帧回放 |
使用建议：
- GOP 越短→ I 帧越频繁 → 随机访问更快、容错性更好，但压缩率下降、码率上升。
- GOP 越长→ I 帧间隔越大 → 压缩率更高、码率更低，但拖动进度条的延迟变大，且丢包时错误传播范围更大。
5. H.264 中的 I/P/B 帧在码流中的顺序
由于 B 帧需要同时参考前后帧，编码后的帧顺序（解码顺序）与原始显示顺序往往不同：
显示顺序: I(0) B(1) B(2) P(3) B(4) B(5) P(6) I(7) 解码顺序: I(0) P(3) B(1) B(2) P(6) B(4) B(5) I(7)解码器先从码流中读出 I(0)，再读取 P(3)（因为 B(1)、B(2) 都需要 P(3) 作为后向参考），然后解码 B(1) 和 B(2)，以此类推。这个重新排序的过程由解码器根据 PTS（显示时间戳）和 DTS（解码时间戳）自动完成。
6. 总结
- H.264 编码通过帧内预测和帧间预测消除空间和时间冗余，从而实现高效的视频压缩。
- GOP是以 I 帧为起点的帧序列，是视频解码和随机访问的基本单元。
- I 帧提供独立解码能力，P 帧和B 帧通过前向/双向参考进一步压缩数据量。
- GOP 长度的选择是压缩率与随机访问性能之间的权衡——长 GOP 压缩率高，短 GOP 更适合低延迟和快进/快退场景。
理解 H.264 的编码原理与 GOP 结构，有助于在视频存储、直播推流、实时通信等不同场景下做出合理的编码参数配置。
