視頻

視頻的播放過程可以簡單理解為一幀一幀的畫面按照時間順序呈現(xiàn)出來的過程，就像在一個本子的每一頁畫上畫，然后快速翻動的感覺。
但是在實際應(yīng)用中，并不是每一幀都是完整的畫面，因為如果每一幀畫面都是完整的圖片，那么一個視頻的體積就會很大，這樣對于網(wǎng)絡(luò)傳輸或者視頻數(shù)據(jù)存儲來說成本太高，所以通常會對視頻流中的一部分畫面進(jìn)行壓縮（編碼）處理。由于壓縮處理的方式不同，視頻中的畫面幀就分為了不同的類別，其中包括：I 幀、P 幀、B 幀。

I、P、B 幀

I 幀、P 幀、B 幀的區(qū)別在于：

• I 幀（Intra coded frames）：I 幀圖像采用幀內(nèi)編碼方式，即只利用了單幀圖像內(nèi)的空間相關(guān)性，而沒有利用時間相關(guān)性。I 幀使用幀內(nèi)壓縮，不使用運動補(bǔ)償，由于 I 幀不依賴其它幀，所以是隨機(jī)存取的入點，同時是解碼的基準(zhǔn)幀。I 幀主要用于接收機(jī)的初始化和信道的獲取，以及節(jié)目的切換和插入，I 幀圖像的壓縮倍數(shù)相對較低。I 幀圖像是周期性出現(xiàn)在圖像序列中的，出現(xiàn)頻率可由編碼器選擇。
• P 幀（Predicted frames）：P 幀和 B 幀圖像采用幀間編碼方式，即同時利用了空間和時間上的相關(guān)性。P 幀圖像只采用前向時間預(yù)測，可以提高壓縮效率和圖像質(zhì)量。P 幀圖像中可以包含幀內(nèi)編碼的部分，即 P 幀中的每一個宏塊可以是前向預(yù)測，也可以是幀內(nèi)編碼。
• B 幀（Bi-directional predicted frames）：B 幀圖像采用雙向時間預(yù)測，可以大大提高壓縮倍數(shù)。值得注意的是，由于 B 幀圖像采用了未來幀作為參考，因此 MPEG-2 編碼碼流中圖像幀的傳輸順序和顯示順序是不同的。

也就是說，一個I幀可以不依賴其他幀就解碼出一幅完整的圖像，而P幀、B幀不行。P幀需要依賴視頻流中排在它前面的幀才能解碼出圖像。B幀則需要依賴視頻流中排在它前面或后面的幀才能解碼出圖像。
這就帶來一個問題：在視頻流中，先到來的B幀無法立即解碼，需要等待它依賴的后面的I、P幀先解碼完成，這樣一來播放時間與解碼時間不一致了，順序打亂了，那這些幀該如何播放呢？這時就需要我們來了解另外兩個概念：DTS 和 PTS。

補(bǔ)充一個基于I 幀、P 幀、B 幀上很重要的概念：

GOP

GOP即Group of picture(圖像組)，指兩個I幀之間的距離，Reference(參考周期)指兩個P幀之間的距離。一個I幀所占用的字節(jié)數(shù)大于一個P幀，一個P幀所占用的字節(jié)數(shù)大于一個B幀。所以在碼率不變的前提下，GOP值越大，P、B幀的數(shù)量會越多，平均每個I、P、B幀所占用的字節(jié)數(shù)就越多，也就更容易獲取較好的圖像質(zhì)量；Reference越大，B幀的數(shù)量越多，同理也更容易獲得較好的圖像質(zhì)量。
需要說明的是，通過提高GOP值來提高圖像質(zhì)量是有限度的，在遇到場景切換的情況時，H.264編碼器會自動強(qiáng)制插入一個I幀，此時實際的GOP值被縮短了。另一方面，在一個GOP中，P、B幀是由I幀預(yù)測得到的，當(dāng)I幀的圖像質(zhì)量比較差時，會影響到一個GOP中后續(xù)P、B幀的圖像質(zhì)量，直到下一個GOP開始才有可能得以恢復(fù)，所以GOP值也不宜設(shè)置過大。
同時，由于P、B幀的復(fù)雜度大于I幀，所以過多的P、B幀會影響編碼效率，使編碼效率降低。另外，過長的GOP還會影響Seek操作的響應(yīng)速度，由于P、B幀是由前面的I或P幀預(yù)測得到的，所以Seek操作需要直接定位，解碼某一個P或B幀時，需要先解碼得到本GOP內(nèi)的I幀及之前的N個預(yù)測幀才可以，GOP值越長，需要解碼的預(yù)測幀就越多，seek響應(yīng)的時間也越長。

DTS、PTS 的概念

DTS、PTS 的概念如下所述：

• DTS（Decoding Time Stamp）：即解碼時間戳，這個時間戳的意義在于告訴播放器該在什么時候解碼這一幀的數(shù)據(jù)。
• PTS（Presentation Time Stamp）：即顯示時間戳，這個時間戳用來告訴播放器該在什么時候顯示這一幀的數(shù)據(jù)。

需要注意的是：雖然DTS、PTS是用于指導(dǎo)播放端的行為，但它們是在編碼的時候由編碼器生成的。
當(dāng)視頻流中沒有 B 幀時，通常DTS和PTS的順序是一致的。但如果有 B 幀時，就回到了我們前面說的問題：解碼順序和播放順序不一致了。
比如一個視頻中，幀的顯示順序是：I B B P，現(xiàn)在我們需要在解碼 B 幀時知道 P 幀中信息，因此這幾幀在視頻流中的順序可能是：I P B B，這時候就體現(xiàn)出每幀都有DTS和PTS的作用了。DTS 告訴我們該按什么順序解碼這幾幀圖像，PTS 告訴我們該按什么順序顯示這幾幀圖像。順序大概如下：

PTS: 1 4 2 3
DTS: 1 2 3 4
Stream: I P B B

音視頻的同步

上面說了視頻幀、DTS、PTS 相關(guān)的概念。我們都知道在一個媒體流中，除了視頻以外，通常還包括音頻。音頻的播放，也有 DTS、PTS 的概念，但是音頻沒有類似視頻中 B 幀，不需要雙向預(yù)測，所以音頻幀的 DTS、PTS 順序是一致的。
音頻視頻混合在一起播放，就呈現(xiàn)了我們常?？吹降膹V義的視頻。在音視頻一起播放的時候，我們通常需要面臨一個問題：怎么去同步它們，以免出現(xiàn)畫不對聲的情況。
要實現(xiàn)音視頻同步，通常需要選擇一個參考時鐘，參考時鐘上的時間是線性遞增的，編碼音視頻流時依據(jù)參考時鐘上的時間給每幀數(shù)據(jù)打上時間戳。在播放時，讀取數(shù)據(jù)幀上的時間戳，同時參考當(dāng)前參考時鐘上的時間來安排播放。這里的說的時間戳就是我們前面說的 PTS。實踐中，我們可以選擇：同步視頻到音頻、同步音頻到視頻、同步音頻和視頻到外部時鐘。