本公司是是一家從事鄭州監控設計、鄭州監控安裝、鄭州監控維修的專業監控安裝公司，對于監控圖像編碼技術有一定的了解，讓監控安裝的從業人員更好的了解監控系統的基本原理，在進行監控系統初步設計、安裝時能更好的*系統。下面介紹下視頻(動態圖像)編碼壓縮原理：

視頻壓縮的必要性

前面介紹了靜態圖像壓縮技術，而在視頻監控系統應用中，圖像是動態的視頻序列，為實現動態視頻監控系統圖像的實時傳輸與存儲，需要進行視頻數據的編碼壓縮。再次強調一下視頻編碼壓縮的必要性，以352X288像素的視頻為例，單幀畫面數據量大小如下：

如果采用4:2:0格式，352X288X12=1216512=1.2Mbit

如果采用4:4:4格式，352X288X24=2433024=2.4Mbit

對于實時25幀/秒的碼流，即使采用4:2:0格式，碼流可以達到30Mbps(1.2MbpsX25幀/秒)，這是目前的網絡環境根本無法支撐的，而另外一個方面，錄像一個小時需要存儲空間為108G（30MbpsX3600s），是標準DVD-R存儲容量的20倍。因此，視頻壓縮是必須的。所謂壓縮就是采用特定的算法，將一種數據類型轉換為另一種形態，使得轉換后的數據量遠小于轉換前的數據量，并且可恢復（或部分恢復）。視頻壓縮就是采用某種壓縮方法將原始監控安裝場景的圖像數據流進行壓縮，再對壓縮后形成的數據流進行傳輸或存儲。

視頻壓縮的可行性

攜帶信息的信號可以被壓縮，壓縮成比原始信號所需要更少的比特數的格式或表達方式，對原始信號進行壓縮的軟件或硬件叫編碼器，而解壓縮的設備或程序叫。視頻壓縮的主要方法是對時間域冗余和空間域冗余進行壓縮。在時間域冗余中，主要體現在相鄰視頻幀之間的相關性，而空間域冗余，主要體現在同一視頻幀中，相鄰區域多像素之間的相關性。

空間冗余

這是圖像數據中經常存在的一種冗余。在同一副圖像中，規則物體和規則背景的表面物理特性具有相關性，這些相關性的光成像結構在數字化圖像中就是表現為空間冗余。

時間冗余

這是序列圖像和語音數據中經常包含的冗余，圖像序列中的兩幅相鄰的圖像之間有較大的相關性，這反映為時間冗余；在語言中，由于人說話時發音的音頻是一連續的漸變過程，而不是一個時間上獨立的過程，因而存在時間冗余。

視覺冗余

人類視覺系統并不是對任何圖像的變化都很敏感，人眼對于圖像的注意是非均勻的。事實上人類視覺系統一般分辨能力為64灰度等級，而一般圖像量化采用256灰度等級，這類冗余我們稱為視覺冗余。

圖像格式說明

圖像通用格式CIF

為了使現行各種電視制式，即PAL、NTSC、SECAM制的圖像，能比較容易地轉換成電視電話的圖像格式，既便于相互轉換，又考慮到位率較低，采用通用中間格式CIF（Common Intermediate Format）。

CIF格式規定圖像亮度分量Y的橫向像素為352個，縱向像素為288個。圖像色度分量Cr、Cb的縱橫像素數為亮度分量的一半。為了使圖像尺寸的縱橫比為3:4，與常規電視屏幕尺寸比例一致，所以像素的縱橫比為：

像素縱橫比=縱：橫=3/288：4/352=11：12

可見像素的縱橫比為11：12，接近于方形。

CIF格式圖像層次結構

通常，視頻編碼算法把輸入的CIF和QCIF格式的視頻分成一系列以“塊”為基礎的層次結構，分別為圖像（Picture）、塊組（GOB）、宏塊（MB）和塊（Block）四個層次。每個宏塊由4個8X8的亮度塊和2個8X8的色度塊（Cr和Cb各一個）組成，一個塊組由3X11個宏塊組成，一個QCIF圖像由3個GOB組成，一個CIF圖像則包含12個GOB。      

圖像宏塊與塊說明

在視頻編碼過程中，為使算法處理單元高效處理，通常把每幀監控安裝場景圖像分成宏塊及塊，例如對于CIF圖像，將每幀圖像分成22X18個宏塊（MB），而每個宏塊包含6個子塊（Block），其中包含4個8X8的亮度快及2個8X8的色度塊（4:4:4取樣時）。宏塊是進行運動補償（視頻編碼關鍵技術）的基本單位。

在4:2:0取樣格式時，圖中共有6個8X8像素塊，亮度Y占4塊，色度Cb和Cr各占1塊。亮度Y的圖像區域與色度Cb或Cr的圖像區域面積相等并重合。因為色度Cb、Cr的像素數量少，故清晰度較低，但不影響人眼的主觀視覺感受，因為人眼對色度的敏感程度低。在處理監控安裝場景圖像時，按圖中各8X8方塊的編號次序處理。塊是碼流的層，每個塊是一個8X8像素的數據矩陣。每個塊中只含有一種信號元素，即它或是亮度數據矩陣，或是某種色度數據矩陣。注意“塊”是進行DCT運算的基本單位，“宏塊”在進行DCT運算之前要被分成若干個塊。

視頻壓縮比計算舉例

根據圖像格式及信道指標，可以計算出所需的視頻編碼壓縮比。

例如：若采用CIF圖像格式，采樣格式為4:2:0，采用8位像素深度，幀率取25幀/秒，求在帶寬為2Mbps的網絡中傳輸時視頻編碼壓縮系統應有的壓縮比。

解壓縮前的碼流為[352X288+2(176X144)]像素/幀x25幀/秒x8位/像素=30412.8kbps=30M。那么對視頻編碼器件的壓縮比要求是：30Mbps/2M=15倍。

電視制式介紹

PAL電視制式標準為每秒25幀，電視掃描線為625線，奇場在前，偶場在后，標準的數字化PAL電視標準分辨率為720X576， 24比特的色彩位深，監控安裝場景畫面的寬高比為4:3，PAL電視標準用于中國、歐洲等國家和地區。NTSC電視制式標準下，每秒29.97幀（簡化為30幀），電視掃描線為525線，偶場在前，奇場在后，標準的數字化NTSC電視標準分辨率為720X480，采用24比特的色彩位深，畫面的寬高比為4:3。NTSC電視標準用于美、日等國家和地區。

CIF分辨率

如先前所講，CIF分辨率為352X288，約10萬像素格式圖像。

2CIF分辨率

2CIF格式的圖像縱向也只有288線，但每行的水平像點數卻翻了一倍，因此，圖像大約為20萬像素。雖然每一行的像點數增加了，但由于整個圖像中每隔一行都被忽略，因此，仍然丟失了大量的重要信息。所以，我們看到的監控安裝場景圖像恰如其名只是半幀或半圖。2CIF分辨率是704X240像素（NTSC）或704X288（PAL）像素。

4CIF分辨率

4CIF格式的圖像由兩個時間上連續的隔行掃描半圖像拼合而成，這種格式的實際像素達到704X576=40萬，但由于半幀是在不同瞬間形成的，所以行與行之間就會發生錯位。這樣會導致所謂的“梳狀失真”，這是4CIF格式圖像在實際應用中的一個缺陷。

D1與4CIF分辨率區別

D1的分辨率為720X480（NTSC）、720X576（PAL）；4CIF的分辨率為704X480（NTSC）、704X576(PAL)。從分辨率數據來看兩者相差不多，但是從技術原理角度，4CIF的原型是由CIF發展而來的，通過后期處理得到。早起DSP運算能力不足以支持大分辨率畫面的實時編碼傳輸，因此將畫面切割成4個CIF大小的畫面分別處理然后進行大畫面合成。而D1本身就是指大畫面的單個畫面，也可以進行分割，成為多個CIF畫面。

VGA及SIF分辨率

VGA是Video Graphics Array的縮寫，是IBM公司開發的計算機顯示系統，分辨率定義為640X480像素，此分辨率更適合IPC，因為IPC視頻基本上都在計算機上進行顯示。而QVGA也經常使用，QVGA是320X240像素，接近于CIF分辨率大小，QVGA有時稱為SIF（Standard Interchange Format）。

逐行掃描與隔行掃描

隔行掃描，是把一幅圖像分成兩場來掃描，場稱為奇數場，只掃描奇數行，而第二場只掃描偶數行，通過兩場掃描完成一幀圖像掃描的行數，這就是隔行掃描。例如對于每幀圖像為625行的隔行掃描，每幀圖像分兩場掃，每一場只掃描了312.5行，每秒鐘共掃描50場，共25幀圖像，即隔行掃描時幀頻為25HZ、場頻為50HZ。由于視覺暫留效應，人眼不會注意到兩場只有一半的掃描行，而會視為完整的一幀。

隔行掃描的行掃描頻率為逐行掃描時的一半，因而電視信號的頻譜及傳送該信號的信道帶寬亦為逐行掃描的一半。這樣采用了隔行掃描后，在圖像質量下降不多的情況下，信道利用率提高了一倍。

由于信道帶寬的減小，使系統及設備的復雜性與成本也相應減少。可見，隔行掃描的優勢是在同樣的帶寬下可以傳送的場數是逐行采樣的兩倍，例如PAL制式下視頻流是50場/秒（25幀）/秒，該方式下，運動的監控安裝場景圖像要比25幀/秒的逐行采樣模式自然許多。但是，對于橫向快速運動或紋理，可能產生不好的視覺效果（木梳狀失真）。隔行掃描的失真可以通過一些過濾器處理提升從而提高圖像質量。

幀率、碼流與分辨率

幀率是每秒顯示監控安裝場景圖像的數量，分辨率表示每幅圖像的尺寸，即像素數量，碼流是數據流量，而壓縮是去掉圖像的空間冗余和時間冗余。對于基本靜態的場景，可以用很低的碼流獲得較好的圖像質量，而對于劇烈運動的場景，可能用很高的碼流也達不到好的圖像質量。設置幀率表示想要的視頻實時性、連續性，設置分辨率是想要看的圖像尺寸大小，而碼流的設置取決于網絡、存儲及視頻場景的具體情況。

幀率概念

一幀就是一副靜止的畫面，連續的幀序列就形成動畫，如電視圖像等。我們通常說的幀率，就是在1秒鐘時間里傳輸、顯示的圖片的幀數，也可以理解為圖形處理器每秒鐘能夠刷新幾次，通常用FPS（Frames Per Second）表示。每一幀是一副靜止的圖像，快速連續地顯示多幀便形成了運動的“假象”。高的幀率可以得到更流暢、更逼真的動畫。每秒鐘幀數越多，FPS值越高，所顯示的視頻動作就會越流暢，碼流需求就越大。

碼流概念

碼流（Bit Rate）是指視頻數據在單位時間內的數據流量大小，也叫碼率，它是視頻編碼畫面質量控制中最重要的部分。同樣分辨率及幀率下，視頻數據的碼流越大，壓縮比就越小，畫面質量也就越高。

分辨率概念

分辨率是指圖像的大小或尺寸。常見的分辨率有4CIF（704X576）、CIF（352X288），QCIF（176X144）、VGA（640X480）及百萬像素（如1920X1080）。在成像的兩組數字中，前者為圖片長度，后者為圖片的寬度，兩者相乘得出的是圖片的像素數，長寬比一般為4:3格式，在高清視頻監控中主要為16:9格式。

視頻編碼模型

編碼器的作用是將原始監控安裝場景圖像編碼壓縮成視頻流，的作用相反，將視頻流還原成圖像。通常，編碼器采用某種模型來描述一個視頻流，模型使得壓縮的視頻流盡可能占用較少地碼流，卻提供盡可能好的圖像質量。

時域模型

時域模型的作用是消除連續視頻幀之間的時域冗余，在時域模型中，當前幀與參考幀之間相減得到殘差圖像，預測幀越準確（運動估計做得好），那么得到的殘差圖像的能量就越小。殘差圖像經過編碼后傳輸到，通過重建幀與殘差圖像相加來恢復當前圖像幀，并得到下幀圖像的預測幀，利用運動補償技術來降低預測幀與當前幀的差別。時域模型的輸出是當前幀與預測幀相減得到的殘差及運動模型參數（如運動矢量）。

空域模型

視頻圖像相鄰樣本點之間具有很強的相關性，圖像空域模型的目的是消除圖像或殘差圖像的空域相關性，將其轉換成一種便于熵編碼的格式。實際的空域模型分三個部分，變換（消除數據相關性）、量化（降低變換域數據精度）和重新排序（對數據重新編排，將重要的數據集中到一起）。空域模型的輸入是殘差圖像（或完整圖像），空域模型利用殘差圖像內部相鄰像素的相似性，來消除空域的冗余。在MPEG-4及H.264編碼壓縮方式中，編碼器對殘差圖像進行頻域變換（DCT）、量化，之后作為空域模型的輸出。

熵編碼器

熵編碼器對空域模型（量化系數）及時域模型（運動矢量）的輸出參數進行壓縮，消除統計冗余，并輸出最后的比特流供傳輸或存儲之用。

運動補償技術介紹

在幀間編碼過程中，需要消除相鄰幀之間的時域信息冗余，即僅僅傳輸相鄰幀之間對應宏塊的差值（殘差），此差值不是前后兩幀對應像素的直接相減差值，而是需要在前幀（參考幀）內，對應于后幀的宏塊位置的附近區域內，搜索找到一個最匹配的宏塊（最相似的宏塊，甚至能找到相同的宏塊），并得到宏塊在水平及垂直方向上的位移（運動矢量），然后傳送這兩個宏塊之間的差值（對于相似的宏塊，差值接近于零）及運動矢量。將存儲器中前一圖像幀（N-1幀）的重建圖像中相應的塊供編碼器端求得的運動矢量進行相應的位移，得到第N幀圖像的預測圖像的過程就是運動補償過程。

運動估計

運動估計(Motion Estimation ,ME)就是搜索匹配塊的過程，或者說是尋找的運動向量的過程。

運動估計的基本思想是將圖像序列的幀分成多個宏塊，并認為宏塊內所有像素的位移量都相同，然后對每個宏塊在參考幀的某一給定搜索范圍內根據一定的匹配準則找出與當前塊最相似的塊，即匹配塊，匹配塊與當前塊的相對位移即為運動矢量（Motion Vector，MV）。視頻壓縮的過程中，只需保存運動矢量和殘差數據就可以恢復出當前的塊。

運動補償

利用運動估計算出的運動矢量，將參考幀圖像中的宏塊在水平及垂直方向進行相應地移動，即可生成被壓縮圖像的預測。運動補償（Motion Compensation，MC）是通過先前的圖像來預測、補償當前的圖像，它是減少視頻序列時域冗余的有效方法。即運動補償是一種描述相鄰幀差別的方法，具體來說是描述前一幀圖像的每個塊怎樣移動到當前幀中的某個位置去，這種方法經常被視頻編用來減少視頻序列中的時域冗余信息。

運動補償的實現

如上所述，運動補償的基本原理就是當編碼處理視頻序列中的N幀的時候，利用運動補償中的關鍵技術——運動估計技術（Motion Estimation，ME）得到第N幀圖像的預測幀N’

，在實際傳輸時，不總是傳輸N幀本身（偶爾傳輸N幀本身做參考），而是傳輸N幀與N’的差值ΔN。在運動估計十分有效的情況下，ΔN的值會非常小（接近零甚至是零），這樣傳輸需要的碼流也非常小，從而實現對信源中時域冗余信息的消除，這是運動補償技術的根本所在。在運動補償時，一般將圖像分成多個矩形塊，而后對各個監控安裝場景圖像塊進行補償。