“视频” 是怎么来的？
往往就是这样，不知不觉 已经到了四月了； 算了 不矫情了 正文开始…
其实大家都知道，视频之所以会动，就和它每秒传输的画面数息息相关，也就是帧数(fps)了，相信玩游戏的Gamer一定对这个参数再熟悉不过了。
但事情可不止这么简单，先举个栗子🌰来说吧。
如果我们要播放1080p 60帧的视频那么，一秒钟应该占用多少空间呢？
不妨按照我们正常理解的先算下。
一帧 1920*1080约等于 200万像素，按照正常三基色显示，每个像素算3个字节，那么一帧就占用(200w*3)/1024/1024 约等于 5.7m的空间。
1秒60帧 理论5.7m*60 = 342mb
是不是觉得那里不对，如果视频无损，不压缩的情况下 没准就这么大。
正常我们看的视频，基本都是通过压缩的，所以一秒只有在1~2m左右；
那么问题来了，从342mb到2mb左右空间，这么神奇的x操作是怎么做到的呢？
那么就来聊聊与视频相关的那些事~
首先列举下和视频相关的属性，看有没有哪些是熟悉的。
1080p ，分辨率 ，H.264 ， 码率 ， 帧率 ， GOP ， MP4 ， I\P\B帧 ， CBR
接下来由浅入深，先从简单开始吧。
- 1920*1080
分辨率再熟悉不过了，横向有多少像素乘以纵向多少像素，得到就是分辨率。分辨率越高画面越清晰。
- 1080P
如果以为是1920*1080的缩写，那就太容易了，其实除了1080p还有1080i。 其实1080p和1080i分别指的是 逐行扫描(Progressive)和隔行扫描(Interlace)。
这个也很像图片渲染的相关原理，有空再开个“图片”是怎么来的专题 👻 。
在显像管时代，CRT显示器显示是通过电子枪一行一行扫描显示视频信息的，这就是逐行扫描；一开始这样做没有问题，后来电视台想增加画面的清晰度，让观众看得更舒服，这样问题就来了。增加清晰度的同时传输的数据也相应个增多，但是观众的带宽还是这么小，问题带宽不够用。
后面电视台出了个注意，把从屏幕上方扫到下方称之为 “场”，逐行扫描是将一帧完整的画面按照顺序，一行接一行扫描来形成的画面，得到的就是一帧完整画面。而隔行扫描是把一帧画面分成两个次来扫描，每个场都是隔一行扫描一次，先扫描奇数场，再扫描偶数场，把两个场的画面拼起来，就得到一张完整的画面，这就是隔行扫描。
相比逐行扫描，在相同的带宽，隔行扫描在降低画面质量的情况下，带来更高的带宽以及画面流畅度。
其实隔行扫描小时候很常见
隔行扫描
在现在，我们所使用的设备中不用担心这种遗留问题，也很少用到隔行扫描，但是在视频编辑软件中，需要注意导出场序。
- 60FPS
帧率 应该都懂，这里只讲一个问题，为什么很多视频会有29.97和59.94这样奇怪的帧数，为什么不是整数？这个算是历史遗留问题。
这问题就关乎于电视的制式，NTSC 简称N制与PAL 简称P制。
在很久之前，在美国黑白电视都是30帧，525线分辨率，到了50年代，开始打造彩色电视，也就是N制，用于从黑白电视转到彩色电视。为了解决在信号传输过程中，由于彩色信号，亮度信号和音频信号之间互相干扰，且又能向下兼容黑白电视，于是工程师们想出个办法，就是将画面的帧率做0.1%比例的缩减，避免两者之间的干扰。因此彩色电视机的帧率从60帧每秒下降到59.94每秒，30帧每秒下降到29.97每秒，这就是这些数字的由来，而这个标准就是NTSC标准。在美国，加拿大，日本，韩国等地区 都是这个标准，而中国和欧使用PAL标准也就是25帧。
不过现在都9021年了 为什么还是这种奇怪的帧数，因为现在的摄像机和后期编辑软件依然是基于NTSC打造的，所以一旦标准定下来就很难改变了。
现在电影制作也试图使用，60帧，或者120帧，来减少画面动态模糊，来创造出更加流畅的画面，毕竟帧率越高画面也就更流畅。比如由李安导演的2016年上映《比利林恩的中场战事》就是采用120帧所拍摄。
当然电影120帧，见仁见智，个人觉得不像是在看电影，而是游戏里开场动画特效。120帧固然很好，但是也就舍弃了，24帧独有的电影感。
- MP4
这个应该再熟悉不过了，视频格式，但是视频的格式是有封装格式和编码格式之分的，而MP4就属于一种封装格式，一种容器，它规定了视频的外在，换句话说MP4是一层皮，要和编码格式配合起来，才会有我们所看到的视频。除了MP4 常见的封装格式有 FLV，AVI，MOV 等等。
- 6000kbps
码率(bitrate)，对于视频来说这个就极其关键了，直译过来就是“数据速率”意思，就是每秒钟视频包含的信息和数据量，所以码率的大小，就很大程度上影响视频的质量和存储大小，毕竟信息量大了，就有办法展示更多画面细节了，无论直播还是视频网站，多少都有相应的码率的限制。一：考虑服务器存储空间问题，码率大了，文件内存相应也会增加，毕竟存在服务器文件也是要钱的。二：观看用户的网速可能也没有这么快，而且还要考虑流量的问题。
往往视频直播网站会有码率的限制，而视频网站也会有根二压线来控制码率，一旦超过会进行二次压缩。例如B站，视频码率最高6Mbps，峰值24Mbps，超过的都会被二次压缩。作为作者要做的就是在有限码率内，尽可能压缩出更高质量的视频，而作为主播，就要在有限的码率尽可能提高直播的画质，同时还要照顾机器的性能。
要做到以上那些压缩的事情就要考虑到下面这个了 H.264 等这类编码格式
bilibili
腾讯视频
- H.264
一种编码格式，一开始就说了 如果1080p 一秒60帧视频不压缩的话 就要占300M空间，这显然是不现实。所以我们基本看到的视频都是被压缩的，而视频通过什么方式去压缩，靠的就是像H.264这样的编码标准实现的。对于H.264等现代的编码格式来说，视频压缩是由“帧内压缩”和“帧间压缩”两种方式相结合的。
帧内压缩: 就是把视频里的每个画面都压缩成JPEG这类有损图像；它就是利用我们人眼对亮度非常敏感，但是对于颜色比较麻木的特性，将图片里的亮度信息尽可能保留下来，然后对颜色信息进行大幅度压缩，尤其是画面中颜色比较复杂的细节，反正你也不仔细看😝，不要罢了。 如果视频里的每一帧都用JPEG压缩下 就已经缩小视频90%的体积了。但是还是远远不够。
帧间压缩: 看到的视频每秒60帧的画面里面，其实只有那么几帧是原生JPEG图像，剩下全是通过算法脑补出来的。意思就是记录视频里面关键的几帧画面，再加上画面里面变化的小细节和物体运动轨迹就可以了。
反应到h.264里 就有了 I帧，P帧，B帧的概念，其中I帧就是关键帧， 我们把关键帧分割成16*16的宏块，然后将I帧和下一个帧对应的宏块进行对比，如果画面的动画是有规律可循的或者说只是细微的变了下位置，那我们就知道 下一帧是可以预测的 那我们就把下一帧称之为P帧(预测帧)，对于P帧宏块，如果没有变化的宏块，编码的时候可以直接写上照抄I帧，对于有变化的宏块，我们就比较前后两帧的变化，记录下变化的信息。B帧(双向预测帧) 它是在I帧和P帧的基础上再进行预测，它不仅参考前面的帧，还参考后面的帧，相比P帧，更大大的节省了空间。
h.264的成功导致开发组开始尝试新的编码优化，h.265就是所产生下一代编码格式，整体架构在h.264编码上优化，主要也包括 帧内压缩和帧间压缩 以及 转换，量化，去区块滤波器等。
比起h.264，h.265 提供了更多的选择来降低码率，h.264中每个宏块都是固定的 16*16，而h.265可以选择从最小8*8到64*64。同时h.265帧间压缩模式提供了33种方向(h.264只支持8种)，提供了更好的运动补偿和矢量预测方法。
总之，种种优化和提升带来了在相同图像质量下 h.265较比h.264大约42%的提升。
换言之，在相同的视频空间大小下，h.265质量要更为清晰，体验更好。
除了h.265，还有Google所推的webM/vp9格式，其输出上和h.264相当。
延展阅读：