音视频面试涨知识（二）-六虎

1.YUV知识点

1.1 为什么要有YUV

YUV的亮度信号Y和色度信号U/V是分离的，假如只要Y信号重量而没有U/V重量，这样的图画便是对错灰度图画，从对错到彩色的兼容计划。
相对RGB，YUV的最大优点是只占用较小的频宽，RGB需求至少三个独立的视频信号，而YUV需求两个视频信号（Y表明明亮度，UV表明色彩和饱和度）。
编码时运用YUV能够去掉许多冗余信息，人眼对亮度更敏感，对色度敏感性不高，因此能够较多地紧缩UV数据。

1.2 YUV的品种

YUV是依照人眼规划出来的一套色彩计划，现在有三种格局：

YUV420，由 4 个 Y 重量共用一套 UV 重量
YUV422，由 2 个 Y 重量共用一套 UV 重量
YUV444，不共用，一个 Y 重量运用一套 UV 重量

依照YUV的摆放次序，也分为三品种型

Planar YUV：三个重量分隔寄存
Semi-Planar：Y重量独自寄存，UV重量交织寄存
Packed YUV：三个重量全部交织寄存

1.3 为什么受损的视频数据一般是绿色

视频的数据是YUV摆放的，终究显现要转化为RGB，转化的公式如下：

R=clip(Y+1.13983*(V-128), 0, 255)
G=clip(Y-0.39465*（U-128)-0.58060*(V-128), 0, 255)
B=clip(Y+2.03211*(U-128), 0, 255)

假如视频数据损坏，即Y=0 U=0 V=0，终究得到的是R和B为0， G=125，所以全体的画面显现为绿色。

1.3 NV21转化为YUV420

NV21是相机收集出来的YUV数据摆放，YUV420是正常视频编码器支持的摆放方法。

NV21：YUV 420 Semi-Planar，Y 重量独自寄存，UV 重量交织寄存，与 NV12 不同的是，UV 在摆放的时分，从 V 开始。总长度为 w * h * 1.5

Y Y Y Y Y Y
Y Y Y Y Y Y
Y Y Y Y Y Y
Y Y Y Y Y Y
Y Y Y Y Y Y
Y Y Y Y Y Y
V U V U V U
V U V U V U
V U V U V U

I420：YUV 420 Planar，YUV重量分别寄存，先是 w * h 长度的Y，后边跟w * h * 0.25长度的U，最后是 w * h * 0.25长度的V，总长度是 w * h * 1.5

Y Y Y Y Y Y
Y Y Y Y Y Y
Y Y Y Y Y Y
Y Y Y Y Y Y
Y Y Y Y Y Y
Y Y Y Y Y Y
U U U
U U U
U U U
V V V
V V V
V V V

了解清楚NV21和I420的区别，转化就比较简略了。

2.H264/H265知识点

2.1 H264编码流程

帧类型剖析
猜测处理，I帧选用帧内猜测和块的区分，P帧和B帧选用帧间猜测和块的区分。帧内猜测处理的是空间冗余问题，帧间猜测处理是时刻冗余问题。
改换+量化处理，把经过猜测后的残差数据经过DCT转化，低频的数据会集在左上，高频数据会集在右下，人眼对高频信息不敏感，能够紧缩地多一些。
熵编码，经过CAVLC方法把像素值进一步紧缩为二进制流。

简而言之：

以宏块来细分图片，并终究以块来细分
运用帧间紧缩技能来削减空间冗余
运用帧内紧缩技能削减时刻冗余（运动估计和补偿）
运用转化和量化来进行残留数据紧缩
运用熵编码削减残留和运动矢量传输和信号发送中的最后冗余

同一帧相邻像素值相等、类似或许缓变的概率很大，编码器经过算法将图画区分为一块一块的，然后逐块进行后续的紧缩处理。帧内猜测是同一帧内部处理。帧间猜测是不同帧之间处理，相邻帧之间也会出现类似或许缓变的状况。 H264中将16×16巨细的块称为宏块，在做帧内和帧间猜测的时分，也会区分为8×8/4×4的字块

2.2 H264和H265比较

技能比照：

可改变的尺寸转化（4×4到32×32），宏块不再固定
四叉树结构的猜测区域（64×64到4×4）
根据候选清单的运动向量猜测
多种帧内猜测形式
更精准的运动补偿滤波器
优化的区块、采样点自适应偏移滤波器

成果比照：

码率低，编码效率高：以编码单位来说，最小的8×8到最大的64×64。信息量不多的区域(色彩改变不明显，比方车体的红色部分和地面的灰色部分)区分的宏块较大，编码后的码字较少，而细节多的当地(轮胎)区分的宏块就相应的小和多一些，编码后的码字较多，这样就相当于对图画进行了有重点的编码，从而降低了全体的码率，编码效率就相应提高了。
占存储空间少：重复的质量比较测验现已表明，在相同的图画质量下，相比于H.264，经过H.265编码的视频码流巨细比H.264削减大约39-44%。
编码算法效率高：同时，H.265的帧内猜测形式支持33种方向(H.264只支持8种)，并且提供了更好的运动补偿处理和矢量猜测方法。
网络适应能力更强：在码率削减51-74%的状况下，H.265编码视频的质量还能与H.264编码视频近似乃至更好，其本质上说是比预期的信噪比(PSNR)要好。H.264能够在低于2Mbps的速度完成标清数字图画传送，而H.265/HEVC能够在低于1.5Mbps的传输带宽下，完成1080p全高清视频传输。

2.3 基本概念

SPS/PPS/VPS
- SPS：Sequence Parameters Set（序列参数集），首要包括profile、profile_level、视频的宽和高等等，没有SPS无法正确解码。
- PPS：Picture Parameters Set（图片参数集），包括熵编码的运用算法，slice group中的个数等编码相关的参数。
- VPS：Video Parameters Set（视频参数集），H265才有，VPS首要用于传输视频分级信息，有利于兼容标准在可分级视频编码或多视点视频的扩展。
NALU开始码
- H264格局有两种方法，Annex B格局和AVCC格局，其中Annex B格局比较常见，它是由开始码的。
- Annex B格局用开始码来处理这个问题，即给每个NALU加上前缀码：2个或许3个0x00,后边再加一个0x01, 如：0x000001或许0x00000001。这是由向每个这品种型的序列刺进防竞赛字节0x03完成的，那么刺进防竞赛字节后，0x000001变成了0x00000301。
一帧多Slice
- 正常状况下，H264的一帧只要一个Slice，可是某些编码器吐出的数据会存在一帧有多个Slice的状况。这种需求特别兼容下，将Slice中数据取出来memcpy到一起，这样处理之后不会存在兼容性问题。
SEI
- SEI 即补充增强信息（Supplemental Enhancement Information），属于码流范畴，它提供了向视频码流中加入额外信息的方法，是 H.264 标准的特性之一。
- 在直播场景，咱们一般运用 SEI 来携带推流端的信息，一向跟着直播撒播输到播映端。由于 SEI 是绑定着视频帧，所以它能够支持诸如：
  - 计算直播推流端到播映端延时。
  - 支持和视频帧绑定的内容交互。比方，直播答题在播映端的弹窗等。

3.MP4和FLV知识点

3.1 FLV

FLV是一种流媒体格局，体积小、协议简略，首要用在直播领域，RTMP协议推流会封装成FLV格局的视频。

FLV = FLV header + FLV file body
FLV file body = PreviousTagSize0 + Tag1 + PreviousTagSize1 + Tag2 + ... + PreviousTagSizeN-1 + TagN

FLV tag分为三品种型：

Video Tag：寄存视频相关数据
Audio Tag：寄存音频相关数据
Script Tag：寄存音视频元数据

3.2 MP4

MP4是一种Box封装的格局，它和FLV有着根本的不同，所以FLV能够用作直播，可是MP4却不能。

MP4文件由多个Box组成，每个Box存储不同的信息，并且Box之间是树状的结构。
Box品种许多，首要有三种：
- ftyp：File Type Box，描绘文件遵从的MP4规范与版本
- moov：Movie Box，媒体的metadata信息
- mdat：实际的媒体数据，可能有多个
moov能够坐落文件头部，也能够坐落文件尾部，必需要先解析moov，才能播映这个视频，假如moov在文件尾部，那就无法次序播映了。moov有两个重要的box：
- mvhd：Movie Header Box，mp4文件的全体信息，比方创立时刻、文件时长等；
- trak：Track Box，一个mp4能够包括一个或多个轨迹（比方视频轨迹、音频轨迹），轨迹相关的信息就在trak里。trak是container box，至少包括两个box，tkhd、mdia；
mvhd针对整个影片，tkhd针对单个track，mdhd针对媒体，vmhd针对视频，smhd针对音频，能够认为是从宽泛 > 详细，前者一般是从后者推导出来的。

3.3 FLV能够seek吗？

FLV用作直播的时分，肯定是无法seek，可是用作点播时，它的keyframes中包括“filepositions”和“times”，分别指关键帧的文件位置和关键帧的PTS，经过keyframes能够建立自己的index，在seek过程中，能够快速地跳到你想要的关键帧的位置进行处理。

4.PCM和AAC知识点

PCM是Pulse Code Modulation 脉冲编码调制，对错紧缩的音频编码，便是原始的音频数据。可是PCM只是原始数据，咱们播映原始数据的时分，不知道当前音频的声道、采样率等信息，不知道这些信息，是无法有效播映音频的。 AAC将PCM音频数据编码紧缩，并在头部添加了采样率、采样巨细、声道

音视频面试涨知识（二）