這個公眾號會路線圖 式的遍歷分享音視頻技術(shù)：音視頻基礎(chǔ) → 音視頻工具 → 音視頻工程示例 → 音視頻工業(yè)實(shí)戰(zhàn)。關(guān)注一下成本不高，錯過干貨損失不小 ↓↓↓

這篇文章是音視頻工業(yè)實(shí)戰(zhàn)主題專欄中關(guān)于視頻質(zhì)量優(yōu)化的思路探討。

隨著音視頻內(nèi)容日趨成為主要的內(nèi)容消費(fèi)載體，用戶們對視頻清晰度、畫質(zhì)的要求也在不斷提高，我們在這里把視頻清晰度、畫質(zhì)都統(tǒng)稱為視頻質(zhì)量，來聊一聊如何對其進(jìn)行優(yōu)化。

1、視頻質(zhì)量評估標(biāo)準(zhǔn)

要對視頻質(zhì)量進(jìn)行優(yōu)化，首先需要確定評估視頻質(zhì)量的標(biāo)準(zhǔn)，用來評價(jià)視頻質(zhì)量的標(biāo)準(zhǔn)通常有以下幾種：

• PSNR，Peak Signal to Noise Ratio，峰值信噪比。是一個表示訊號最大可能功率和影響它表示精度的破壞性噪聲功率的比值的工程術(shù)語。由于許多訊號都有非常寬的動態(tài)范圍，峰值信噪比常用對數(shù)分貝單位來表示。PSNR 是最廣泛使用的評價(jià)圖像質(zhì)量的客觀標(biāo)準(zhǔn)，不過許多實(shí)驗(yàn)結(jié)果都顯示，PSNR 的分?jǐn)?shù)無法和人眼看到的視覺品質(zhì)完全一致，有可能 PSNR 較高者看起來反而比 PSNR 較低者差。這是因?yàn)槿搜鄣囊曈X對于誤差的敏感度并不是絕對的，其感知結(jié)果會受到許多因素的影響而產(chǎn)生變化，例如：人眼對空間頻率較低的對比差異敏感度較高，人眼對亮度對比差異的敏感度較色度高，人眼對一個區(qū)域的感知結(jié)果會受到其周圍鄰近區(qū)域的影響。
• SSIM，Structural Similarity，結(jié)構(gòu)相似性。是一種衡量兩幅圖像相似度的指標(biāo)。SSIM 使用的兩張圖像中，一張為未經(jīng)壓縮的無損圖像，另一張為壓縮后的有損圖像，二者的結(jié)構(gòu)相似性可以看成是有損圖像的圖像質(zhì)量衡量指標(biāo)。相較于傳統(tǒng)所使用的圖像質(zhì)量衡量指標(biāo)（如 PSNR），SSIM 在圖像質(zhì)量的衡量上更能符合人眼對圖像質(zhì)量的判斷。
• VMAF，Visual Multimethod Assessment Fusion，視頻質(zhì)量多方法評價(jià)融合。這項(xiàng)技術(shù)是由美國 Netflix 公司開發(fā)的客觀的全參考視頻質(zhì)量指標(biāo)。它根據(jù)參考和失真的視頻序列預(yù)測主觀視頻質(zhì)量。該指標(biāo)可用于評估不同視頻編碼器、編碼設(shè)置或傳輸變體的質(zhì)量。于 2016 年 1 月開源，項(xiàng)目地址：https://github.com/Netflix/vmaf。
• MOS，Mean Opinion Score，平均意見分。是一種主觀評估視頻質(zhì)量并給出打分的方式。主觀評估，顧名思義就是人參與的人工評估，視頻主觀質(zhì)量評價(jià)就是選擇一批非專家類型的受測者，讓他們參加一些培訓(xùn)，然后在一個特定的受控環(huán)境中，連續(xù)觀看一系列的測試序列大約 10 至 30 分鐘，然后采用不同方法讓他們對視頻序列的質(zhì)量進(jìn)行評分，最后求得平均意見分，并對所得數(shù)據(jù)進(jìn)行分析。測試環(huán)境中的受控因素包括：觀看距離、觀測環(huán)境、測試序列的選擇、序列的顯示時(shí)間間隔等。

下圖是以上各種視頻質(zhì)量評估標(biāo)準(zhǔn)的具體參數(shù)：

圖片

幾種視頻質(zhì)量評估標(biāo)準(zhǔn)

可以看到視頻質(zhì)量評估分為主觀評估方式（如 MOS）和客觀評估方式（如 PSNR、SSIM、VMAF）。通常主觀質(zhì)量評估方式依賴人眼觀看并打分，這種得到的分?jǐn)?shù)比較精確，但是很耗時(shí)間和人力，不方便大規(guī)模部署。所以在工程上比較通用的還是客觀評估方式。

在安裝相關(guān)插件后，我們可以通過 FFmpeg 來使用 PSNR、SSIM、VMAF 這幾種評估標(biāo)準(zhǔn)，相關(guān)命令如下：

// PSNR
ffmpeg -i src.mp4  -i dst.mp4 -lavfi psnr="stats_file=psnr1.log" -f null -

// SSIM
ffmpeg -i src.mp4 -i dst.mp4 -lavfi ssim=stats_file=ssim_logfile.txt -f null -

// VMAF
ffmpeg -i src.mp4  -i dst.mp4 -filter_complex libvmaf -f null -

2、編碼優(yōu)化

通過上面的描述我們基本了解了視頻質(zhì)量的評價(jià)標(biāo)準(zhǔn)以及評估方法，如果要提升視頻質(zhì)量，我們還需要了解一下視頻的基本屬性，以及這些屬性可以在多大程度上影響視頻的質(zhì)量。

我們首先使用 MediaInfo 來查看一下視頻的屬性：

圖片

視頻屬性

我們可以把視頻看作在一組經(jīng)過編碼后的圖像序列，所以影響視頻最終呈現(xiàn)質(zhì)量的最關(guān)鍵的因素有編碼質(zhì)量和畫面質(zhì)量。我們先來看看編碼方面的優(yōu)化。

2.1、選擇合適的視頻碼率

視頻碼率是指存儲單位時(shí)間視頻需要的數(shù)據(jù)大小，單位是 kbps，碼率越大，單位時(shí)間填充的數(shù)據(jù)就越多，通常視頻質(zhì)量就越高。

但是碼率并不是越大就越好，碼率設(shè)置超過一定的大小，對視頻畫質(zhì)的提升已不太明顯，肉眼已經(jīng)看不出區(qū)別，但是視頻大小會增加很多。所以設(shè)置合適的碼率就行。

得物視頻清晰度優(yōu)化一文中給出過一種碼率設(shè)置方式是：

Bitrate = width * height * frameRate * factor
factor = 0.15

但上面這種計(jì)算方法也不是萬能的，對于同一分辨率同一幀率的視頻，當(dāng)畫面較為復(fù)雜時(shí)，則需要加大碼率因子。更精準(zhǔn)的方法則是通過抽幀進(jìn)行圖片識別，根據(jù)畫面的復(fù)雜度配置不同碼率。比如，騰訊云在如何實(shí)現(xiàn)好畫質(zhì)[1]的文檔中就根據(jù)不同游戲的畫面復(fù)雜情況給出過碼率和分辨率設(shè)置的推薦：

• 皇室戰(zhàn)爭：這類畫面變化幅度不大的游戲，推薦選擇 960 * 540 的分辨率，800kbps-1000kbps 的碼率就可以輸出不錯的效果。
• 捕魚達(dá)人：這類畫面變化幅度較大的游戲，推薦選擇 960 * 540 的分辨率，碼率相對要高一點(diǎn)，例如 1200kbps-1500kbps。
• 神廟逃跑：這類畫面變化幅度超大的游戲，推薦選擇 640 * 360 的分辨率，碼率也要很大，例如 2000kbps，否則妥妥的滿屏馬賽克。

針對具體的情況，我們可以測試手機(jī)的編碼質(zhì)量來選擇指定分辨率、幀率時(shí)對應(yīng)的碼率甜點(diǎn)。

在這種測試中我們一般需要分場景進(jìn)行，比如：

• 外景拍攝，低運(yùn)動
• 外景拍攝，中等運(yùn)動
• 外景拍攝，高運(yùn)動
• 人像拍攝，低運(yùn)動
• 人像拍攝，中等運(yùn)動
• 人像拍攝，高運(yùn)動

測試指標(biāo)我們可以采用上面提過的 PSNR、SSIM、VMAF 進(jìn)行綜合考量。

比如，我們可以測試 iOS 硬編，使用 540P，15 幀推流時(shí)，設(shè)置不同的碼率（800kbps-1300kbps）分別測試各場景下的各指標(biāo)值，找出 R-D（碼率-失真）曲線拐點(diǎn)出現(xiàn)的區(qū)間，這就是我們要找的碼率甜點(diǎn)。

在測試 iOS 硬編時(shí)需要注意的是：可以不采用 PSNR 指標(biāo)來參考，原因是 iOS 硬編自帶前處理模塊對亮度分量進(jìn)行了大幅修改。

下面是一組粗略的測試結(jié)果示例：

• iOS 硬編 540P，15 幀推流：800kbps-1000kbps 碼率為高性價(jià)比區(qū)間，1000kbps 以上性價(jià)比不高，R-D（碼率-失真）曲線拐點(diǎn)多數(shù)出現(xiàn)在 900kbps 和 1000kbps。
• iOS 硬編 720P，15 幀推流：整體來看沒有出現(xiàn)太明顯的 R-D（碼率-失真）曲線的拐點(diǎn)，質(zhì)量隨碼率提升相對均勻，1100kbps 到 1300kbps 區(qū)間性價(jià)比稍高。

2.2、選擇合適的碼率分配模式

碼率分配模式是指在對視頻進(jìn)行編碼時(shí)如何針對畫面情況來進(jìn)行碼率的分配。碼率分配模式一般有 CBR、VBR、ABR、CRF 等幾種方式，他們的特點(diǎn)和適用性如下：

• CBR：Constant Bitrate，固定比特率。
• • 以恒定比特率方式進(jìn)行編碼，有運(yùn)動發(fā)生時(shí)，由于碼率恒定，只能通過增大 QP 來減少碼字大小，圖像質(zhì)量變差，當(dāng)場景靜止時(shí)，圖像質(zhì)量又變好，因此圖像質(zhì)量不穩(wěn)定。
  • CBR 編碼的缺點(diǎn)在于編碼內(nèi)容的質(zhì)量不穩(wěn)定，容易產(chǎn)生馬賽克。因?yàn)閷τ谀承┹^復(fù)雜的圖像比較難壓縮，所以 CBR 流的某些部分質(zhì)量就比其他部分差。CBR 編碼這種算法優(yōu)先考慮碼率（帶寬），適合在流式播放中應(yīng)用。
• VBR：Variable Bitrate，動態(tài)比特率。
• • 比特分配根據(jù)圖像內(nèi)容的復(fù)雜度進(jìn)行。如果圖像細(xì)節(jié)較豐富或者含有大量的運(yùn)動，則給其分配多一點(diǎn)碼率，若圖像比較平坦，就給其分配較少的碼率。
  • VBR 編碼既保證了質(zhì)量，又兼顧帶寬限制。這種算法適合圖像內(nèi)容變化幅度較大的情況，適合的應(yīng)用場景是媒體存儲，但由于碼率不均衡不適合網(wǎng)絡(luò)傳輸。
• ABR：Average Bitrate，平均比特率，是 VBR 的一種插值參數(shù)。
• • ABR 是在 CBR 和 VBR 兩者之間的一種權(quán)衡，即設(shè)定一段時(shí)間的平均碼率，在此時(shí)間內(nèi)，對簡單、靜態(tài)的圖像分配低于平均碼率的碼率，對于復(fù)雜的、大量運(yùn)動的圖像分配高于平均碼率的碼流。
  • ABR 由于碼率分配較為均衡，比較適合網(wǎng)絡(luò)傳輸。
• CRF：Constant Rate Factor，恒定碼率系數(shù)。
• • 把某一個視覺質(zhì)量作為輸出目標(biāo)。通過降低那些耗費(fèi)碼率但是又難以用肉眼察覺的幀（高速運(yùn)動或者紋理豐富）的質(zhì)量提升那些靜態(tài)幀的碼率來達(dá)到此目的。

2.3、設(shè)置 B 幀優(yōu)化碼率

視頻由 I、P、B 幀三種類型的視頻幀組成的，P 幀是前向預(yù)測圖像幀，P 幀大小相當(dāng)于 I 幀大小的 1/10 ~ 1/20。B 幀是雙向預(yù)測圖像幀，B 幀大小約是 I 幀大小的 1/50。

這樣一來，如果設(shè)置了 B 幀了，并不會降低清晰度，但是可以大大降低視頻的大小，這樣我們就有更大的操作空間來調(diào)高碼率，實(shí)現(xiàn)提升清晰度的目標(biāo)。設(shè)置 B 幀的缺點(diǎn)是雙向預(yù)測會帶來一些延遲。

2.4、調(diào)整 GOP 長度優(yōu)化碼率

GOP 表示兩個 I 幀之間的圖像幀序列，GOP = 2s，表示兩個 I 幀之間的間隔是 2s。

上面我們提到了：P 幀大小相當(dāng)于 I 幀大小的 1/10 ~ 1/20，B 幀大小約是 I 幀大小的 1/50。

也就是說，由于 I 幀較大，當(dāng)設(shè)置 GOP 長度越長時(shí)，I 幀就較少，占用碼率就越少，這樣我們也可以獲得更多的空間來相應(yīng)地調(diào)大碼率提升清晰度。目前在短視頻場景很多視頻的 GOP 長度已經(jīng)設(shè)置到了 10s 左右，當(dāng)然 GOP 太長也有缺點(diǎn)，比如在直播場景會增大延遲。

2.5、選擇合適的 Profile

H.264 有四種畫質(zhì)級別，分別是 Baseline、Extended、Main、High：

• Baseline Profile：基本畫質(zhì)。支持 I/P 幀，只支持無交錯（Progressive）和 CAVLC。
• Extended Profile：進(jìn)階畫質(zhì)。支持 I/P/B/SP/SI 幀，只支持無交錯（Progressive）和 CAVLC。
• Main Profile：主流畫質(zhì)。提供 I/P/B 幀，支持無交錯（Progressive）和交錯（Interlaced），也支持 CAVLC 和 CABAC。
• High Profile：高級畫質(zhì)。在 Main Profile 的基礎(chǔ)上增加了 8x8 內(nèi)部預(yù)測、自定義量化、無損視頻編碼和更多的 YUV 格式。

Baseline、Extended、Main 都是針對 8 位樣本數(shù)據(jù)、YUV 4:2:0 格式的視頻序列。在相同配置情況下，High Profile 可以比 Main Profile 降低 10% 的碼率。根據(jù)應(yīng)用領(lǐng)域的不同，Baseline Profile 多應(yīng)用于實(shí)時(shí)通信領(lǐng)域，Main Profile、High Profile 多應(yīng)用于流媒體領(lǐng)域。

所以我們可以根據(jù)編碼器的情況和應(yīng)用場景，盡量選擇更高的 Profile 來優(yōu)化碼率使用效率，從而達(dá)到用同樣的碼率編碼出更好畫質(zhì)的目的。

2.6、盡量使用 HEVC 編碼

比起 H.264/AVC，H.265/HEVC 提供了更多不同的工具來降低碼率。以編碼單位來說，最小的 8x8 到最大的 64x64。信息量不多的區(qū)域劃分的宏塊較大，編碼后的碼字較少，而細(xì)節(jié)多的地方劃分的宏塊就相應(yīng)的小和多一些，編碼后的碼字較多，這樣就相當(dāng)于對圖像進(jìn)行了有重點(diǎn)的編碼，從而降低了整體的碼率，編碼效率就相應(yīng)提高了。同時(shí)，H.265 的幀內(nèi)預(yù)測模式支持 33 種方向（H.264只支持 8 種），并且提供了更好的運(yùn)動補(bǔ)償處理和矢量預(yù)測方法。HEVC 對比 H.264 可降低 30% 以上碼率：

圖片

H.265 與 H.264 碼率對比表

通過盡量使用 HEVC 編碼，也能夠?yàn)槲覀儎?chuàng)造更多的空間來提高碼率優(yōu)化畫面。使用 HEVC 編碼，可以保證在不增加文件大小的情況下，大大提升視頻的清晰度。

2.7、合理使用軟編和硬編優(yōu)化編碼

軟編碼相對于硬件編碼畫質(zhì)更好，設(shè)備適配更好，但性能較差。

• 硬件編解碼：是非 CPU 通過燒寫運(yùn)行視頻加速功能對高清視頻流進(jìn)行編解碼，其中非 CPU 可包括GPU、FPGA 或者 ASIC 等獨(dú)立硬件模塊，把 CPU 高使用率的視頻解碼工作從 CPU 里分離出來，降低 CPU 的使用負(fù)荷，使得平臺能高效且流暢的執(zhí)行視頻的編解碼動作。
• • 優(yōu)點(diǎn)是可分離出音視頻編解碼的工作，無需占用 CPU 資源，功耗低。
  • 缺點(diǎn)是兼容性相對于軟編碼較差，大量畫面輸出補(bǔ)償及畫質(zhì)增強(qiáng)等技術(shù)方面有一定欠缺，導(dǎo)致畫質(zhì)不如軟編碼。
• 軟件編解碼：指視頻等信號直接通過 CPU 進(jìn)行編解碼。如此而來，會增加 CPU 的工作負(fù)荷，提升功耗。
• • 優(yōu)點(diǎn)是編碼器更易于開發(fā)，協(xié)議兼容度高，可以進(jìn)行 ROI 編碼（針對人臉分配更高碼率等）。擁有大量畫面輸出補(bǔ)償及畫質(zhì)增強(qiáng)的技術(shù)，畫質(zhì)優(yōu)于硬件編解碼。
  • 缺點(diǎn)是對 CPU 的性能要求較高，CPU 的負(fù)擔(dān)較重。

基于軟編碼硬件編碼的對比，對于性能要求不高的場景更適合軟件編碼，例如短視頻錄制（具體還要參考 APP 業(yè)務(wù)）；性能要求較高的場景則選擇硬件編碼。

3、畫質(zhì)增強(qiáng)

除了上面講到的在編碼質(zhì)量上的優(yōu)化，我們還可以從畫質(zhì)方面入手優(yōu)化視頻質(zhì)量。

3.1、銳化

圖像銳化是補(bǔ)償圖像的輪廓，增強(qiáng)圖像的邊緣及灰度跳變的部分，使圖像變得清晰，分為空間域處理和頻域處理兩類。圖像銳化是為了突出圖像上地物的邊緣、輪廓，或某些線性目標(biāo)要素的特征。這種方法提高了地物邊緣與周圍像元之間的反差，因此也被稱為邊緣增強(qiáng)。

常用的圖像銳化的方法有：

• USM（Unsharpen Mask）銳化：圖像卷積處理實(shí)現(xiàn)銳化常用的算法，這種銳化的方法就是對原圖像先做一個高斯模糊，然后用原來的圖像減去一個系數(shù)乘以高斯模糊之后的圖像，然后再把值 Scale 到 0～255 的 RGB 像素值范圍之內(nèi)?；?USM 銳化的方法可以去除一些細(xì)小的干擾細(xì)節(jié)和噪聲，比一般直接使用卷積銳化算子得到的圖像銳化結(jié)果更加真實(shí)可信。
• 拉普拉斯（Laplace）銳化：拉普拉斯算子是一個在圖像增強(qiáng)中經(jīng)常出現(xiàn)的二階微分算子。拉普拉斯銳化依據(jù)的是圖像某個像素的周圍像素到此像素的突變程度。運(yùn)用拉普拉斯可以增強(qiáng)圖像的細(xì)節(jié)，找到圖像的邊緣，但是有時(shí)候會把噪音也給增強(qiáng)了，可以在銳化前對圖像進(jìn)行平滑處理。
• 高通濾波：采用高通濾波器讓高頻分量通過，使圖像的邊緣和線條變得清楚，實(shí)現(xiàn)銳化。

3.2、降噪

圖像降噪的方式有很多中，最常見的是對圖像做濾波：

• 均值濾波（Mean Filter）：均值濾波是典型的線性濾波算法，它是指在圖像上對目標(biāo)像素給一個模板，該模板包括了其周圍的臨近像素（以目標(biāo)像素為中心的周圍 8 個像素，構(gòu)成一個濾波模板，即包括目標(biāo)像素本身），再用模板中的全體像素的平均值來代替原來像素值。
• 高斯濾波（Gauss Filter）：高斯濾波就是對整幅圖像進(jìn)行加權(quán)平均的過程，每一個像素點(diǎn)的值，都由其本身和鄰域內(nèi)的其他像素值經(jīng)過加權(quán)平均后得到。高斯濾波的具體操作是：用一個模板（或稱卷積、掩模）掃描圖像中的每一個像素，用模板確定的鄰域內(nèi)像素的加權(quán)平均灰度值去替代模板中心像素點(diǎn)的值。
• 中值濾波（Medium Filter）：中值濾波法是一種非線性平滑技術(shù)，它將每一像素點(diǎn)的灰度值設(shè)置為該點(diǎn)某鄰域窗口內(nèi)的所有像素點(diǎn)灰度值的中值。
• 雙邊濾波（Bilateral Filter）：雙邊濾波本質(zhì)是基于高斯濾波，目的結(jié)合圖像的空間鄰近度和像素值相似度來解決高斯濾波造成的邊緣模糊的一種濾波算法，同時(shí)考慮空域信息和灰度相似性，達(dá)到保邊去噪的目的。具有簡單、非迭代、局部的特點(diǎn)。
• 導(dǎo)向?yàn)V波（Guided Filter）：導(dǎo)向?yàn)V波通過輸入一副圖像（矩陣）作為導(dǎo)向圖，這樣濾波器就知道什么地方是邊緣，這樣就可以更好的保護(hù)邊緣，最終達(dá)到在濾波的同時(shí)，保持邊緣細(xì)節(jié)。所以有個說法是導(dǎo)向?yàn)V波是各向異性的濾波器，而高斯濾波、雙邊濾波這些是各向同性濾波器，我覺得也是很貼切。

此外還有諸如：時(shí)域降噪算法、基于統(tǒng)計(jì)模型的降噪、基于深度學(xué)習(xí)的降噪等等，這里就不細(xì)講了。

3.3、防抖

對視頻做防抖也能在一定程度優(yōu)化畫質(zhì)，防抖技術(shù)有這些：

• 傳統(tǒng)電子防抖：通過分析前后幀畫面的變化，建立特征點(diǎn)，反求出在拍攝時(shí)的手機(jī)運(yùn)動，之后再通過反求出來的運(yùn)動軌跡反向補(bǔ)償達(dá)到穩(wěn)定畫面的目的。
• 光學(xué)防抖：利用手機(jī)中已經(jīng)有的陀螺儀進(jìn)行手機(jī)運(yùn)動姿態(tài)的采集，然后通過馬達(dá)驅(qū)動單個鏡頭或者整個鏡組移動來補(bǔ)償運(yùn)動。
• 陀螺儀電子防抖：不再通過識別畫面來反求運(yùn)動信息，而是直接從陀螺儀數(shù)據(jù)讀取數(shù)據(jù)。
• 光學(xué) + 電子混合防抖：同時(shí)采用光學(xué)和電子防抖對圖像進(jìn)行穩(wěn)定。
• 微云臺防抖：vivo X50 Pro 機(jī)型采用該方案。和 OIS 僅移動鏡組不同的是，微云臺移動的是整個相機(jī)模組。
• 傳感器防抖：傳感器位移式光學(xué)圖像防抖。既然鏡頭更重了，那么就不移動鏡頭，轉(zhuǎn)而去移動重量更輕的傳感器。這樣就有可能在更小的體積內(nèi)實(shí)現(xiàn)類似于浮動鏡組方案的光學(xué)防抖效果。

現(xiàn)在很多采集設(shè)備是從硬件和系統(tǒng)層面支持防抖技術(shù)的，一般來講我們只需要開啟設(shè)備的防抖即可。

3.4、超分

超分，即超分辨率，是指通過機(jī)器學(xué)習(xí)地方式重建圖像，達(dá)成提升圖像分辨率的效果。

目前比較成熟的超分技術(shù)是 Real-ESRGAN，基于 BasicSR，采用 ESRGAN 算法，利用機(jī)器學(xué)習(xí)的優(yōu)勢對圖片和視頻進(jìn)行去模糊、Resize、降噪、銳化等處理，重建圖片，實(shí)現(xiàn)對圖片的超分辨率處理。

在生產(chǎn)端，一般可以直接設(shè)置高分辨率，所以超分的實(shí)現(xiàn)一般可以做在服務(wù)端或觀看端。尤其是觀看端，如果設(shè)備性能跟得上，可以在不增加帶寬消耗的情況下通過超分提升畫質(zhì)。

3.5、對焦優(yōu)化

對焦優(yōu)化是視頻質(zhì)量優(yōu)化中比較容易忽略的一個點(diǎn)，但是如果對焦不合理又會對視頻清晰度造成很大的影響。下面是可供參考的一套對焦策略：

• 手動對焦：用戶點(diǎn)擊哪里就對焦哪里。
• 自動對焦：
• • 基于系統(tǒng)能力在識別場景發(fā)生變化后，進(jìn)行一次中心對焦。
  • 如果有識別到畫面從無人臉到有人臉時(shí)，做一次人臉對焦（這里是只做一次人臉對焦，不能一直跟著人臉對焦，這樣可以防止用戶不想對焦人臉的場景：在有人臉時(shí)，點(diǎn)擊了其他地方進(jìn)行手動對焦）。
  • 人臉對焦時(shí)，一般對焦兩眼中間的眉心點(diǎn)位效果比較好。
• 手動對焦后，在滿足這些條件時(shí)會切換到自動對焦：
• • 前后攝像頭切換。
  • 場景發(fā)生較大切換。比如，相機(jī)位移或晃動較大，外部光線敏感度變化較大等。
  • 畫面中從無人臉變?yōu)橛腥四槨?/li>

3.6、顏色優(yōu)化

通過調(diào)整視頻畫面的顏色參數(shù)，綜合調(diào)整亮度、對比度、色溫、飽和度、銳度等顏色參數(shù)，進(jìn)而優(yōu)化整體的視頻畫面，讓視頻畫面看上去更舒適，這也是提升用戶主觀觀看感受的一種方式。

尤其是當(dāng) HDR 視頻逐漸流行，而一些舊設(shè)備不支持 HDR 時(shí)，還需要正確的實(shí)現(xiàn) HDR 視頻向 SDR 視頻的轉(zhuǎn)換來解決色差問題從而提升用戶的觀看感受。

3.7、模糊檢測

在圖像或視頻采集的過程中可能由于鏡頭不干凈、對焦不準(zhǔn)等因素導(dǎo)致采集的圖像模糊，這時(shí)候可以做一下模糊檢測來提醒用戶清洗鏡頭或做好對焦，從而盡可能排查外部因素導(dǎo)致的圖像源模糊的情況。

小結(jié)

以上便是對視頻質(zhì)量優(yōu)化的一些思路，我從編碼質(zhì)量和畫面質(zhì)量等方面給出了一些技術(shù)和策略上的優(yōu)化建議，希望對大家有幫助。

參考資料

[1]

如何實(shí)現(xiàn)好的畫質(zhì): https://cloud.tencent.com/document/product/454/7955

- 完 -

推薦閱讀

視頻發(fā)布優(yōu)化

視頻編輯優(yōu)化

視頻錄制優(yōu)化

采集預(yù)覽優(yōu)化