]
妇联评论·译言版
橘化为枳
——探究为何各种H.264编码器表现良莠不齐
作者：Dark Shikari（作者系x264主要开发者之一）
译者：ssnake
校对：秋月
关键词：H.264、失败、视觉心理学优化、率失真优化
原标题为Why so many H.264 encoders are bad（为什么许多H.264编码器表现糟糕），原文链接：
如果潜心钻研各种H.264编码器，你无疑会发现其中表现糟糕者不在少数。当然，也不必惊讶于此，正如史特金定律告诉我们的：任何事物，其中九成都是垃圾 （原文：90% of everything is crap.（Wikipedia作crud，意义接近））。而作为多年来最为公允的视频标准，支持H.264的软件不可胜计，{jd1}数量的巨大使得其中必然 有相当数量的劣质实现方案。
但这并不足以解释优劣H.264编码器之间的鸿沟。优秀的H.264编码器——比如x264——在许多案例中可以以仅仅一半的码率击败上一代的编码器（比 如XviD）；而劣质的H.264编码器甚至糟糕到会输给MPEG-2！不同实现方案的差距会如此之大，这似乎是之前的各种标准从未有过的情况……当然， 这里我们找到了一些缘由。
H.264提供了比历代标准都要更加丰富的压缩特性。这也使编码器开发者搬起石头砸自己脚的机会大增。笔者将在下文中概述不同方案的部分差异。绝大多数问 题来自一个简单的事实：在用误差均方（mean squared error）作为编码模式决策（mode decision）的度量衡（metric）时，模糊会显得很好。
由于本文不仅仅与技术社区有关联，笔者将在文中对一些与本文观点直接相关的基本术语略加阐释。
RD = λ × bits + distortion（失真），一种衡量决策有多“合理”的量度。λ是数据对于质量（失真）的价值。比如，只给某个（价值低的）部分很少的数据量（以致其 失真），或许能避免（其他部分）更大的失真。失真由“编码模式决策的度量衡”来测定，最常见的是“误差平方和”。
视觉能量（Visual Energy）是图像或视频中可见细节的总量。好的编码器会保留能量，不使图像显得模糊。
i16×16宏块
优势：i16×16是非常吸引人的模式：得益于分步的离散余弦变换（校对注：H264标准中对i-MB是分成两级做变换的，其中一种方式是先对16×16 的mb下附属的4个4×4 Sub-MB做16点的DCT（准确说是整数变换，DCT的退化形式），然后能得到4个DC分量（4个Sub-MB的{dy}个变换系数）；之后将这四个DC 分量写成2×2的矩阵，做第二级的变换，此处用的是2×2的Hadamard变换。），这个模式有着非凡的码流经济性。在帧中相对平整的区域，通常每个宏 块只需要12比特以下甚至只要6比特的数据量。因此，RD编码模式决策会倾向于这种模式。
劣势：它的实际观感太惨了。i16×16模式非常不利于保留视觉能量：当使用该模式时，几乎不会有非0的AC系数，这样它预测部份中的四分之三几乎不会有 一点能量被编码；而且解块滤镜会倾向于模糊掉剩下的细节。再加之以自适应量化（AQ）的缺失，这就是低质量的H.264编码器出现丑陋的16×16马赛克 的主要原因。尽管这个模式本身并不是坏事，但被（H.264）标准所过分强调，而且给RD挖了一个大陷阱。
双线性Qpel（双线性四分之一像素）
优势：Qpel（四分之一像素）显然对压缩有好处，尤其是H.264的Qpel：它是专门为编码器性能而设计的。（H.264中的）Hpel（半像素）滤镜比较慢（因为它是六阶滤镜），但可以预先计算；而Qpel则比较简单，可以实时运算（双线性的）。
劣势：双线性插值会造成模糊，从而造成视觉能量的损失。而由于RD编码模式决策会更倾向于模糊，于是它会很乐意选择用双线性Qpel。此外，最简单的运动 检测（Motion search，或译动态搜寻等）手段（完整像素、迭代半像素、迭代四分之一像素）会更偏向Qpel而非Hpel。尽管十分有用，但如果被编码器过度运 用，Qpel会变成又一个陷阱。
4×4变换
优势：4×4变换能有效编码物体边缘，并有助于形成高效的i4×4帧内模式。4×4变换并不像8×8变换那样需要一个高级的熵编码器（至少CAVLC），也即4×4变换允许一个更小的可变长编码表。
劣势：它太模糊了！相比使用同样量化系数的8×8变换，4×4变换的量化精度较低；又因为Decimation（校对注：带round-off效果的类量 化步骤）的作用，将出现大量未正确处理的区块（uncoded blocks），又一个RD的陷阱。对于编码纹理区域来说，4×4变换十分糟糕，尤其是当纹理细节比变换区域还要大的时候。而且，相比8×8变换，4×4 变换会更多的被解块（deblocked，校对注：至于为啥4×4比8×8更多的被deblocking，这是因为标准本身就默认将所有4×4块判定为 deblocking strength=4，这{dy}位判定条件导致了这个结果。）。尽管自适应变换是一个好消息，但以4×4为默认变换（8×8在其后添加）这一点更像是标准制 定完成后留下的一个瑕疵——尽管对CIF分辨率（352×288）的视频确有优化。
双向预测（Biprediction）
优势：双向预测是一切现代视频编码格式的核心：B帧极大的提升了编码效率，尤其是对相对静态的场景。在常用码率的H.264编码中，仅仅双向预测这一项技 术，就使B帧中的区块可以被大量省略（校对注：当帧间预测的模式选择时，如果发现本宏块与参考帧中某个位置的宏块“xx”一致，则不对其进行任何后续的操 作（预测、变换、量化），只在此宏块上标注“重建时拷贝参考帧的某个宏块”的信息。）。
劣势：双向预测需要再次进行双线性插值，因此会导致模糊，也就会再次成为俘获RD的甜蜜陷阱。这使得双向预测甚至在图像中的非静态区域也被过度使用了——比如胶片噪点，导致B帧中的模糊噪点和P帧中的清晰噪点（交替出现）。
需要指出的是，B帧以及双向预测并非H.264所独有的技术；多年来，它们已是既知的老问题，并且在低码率下更趋严重。
水平、垂直、DC 帧内预测模式
优势：这些模式对于帧内预测体系来说至关重要。DC预测（用左侧边沿和上方边沿的均值）类似于传统的空间帧内预测前的帧内编码，而另两个则对直棱边非常有帮助。总的来说，这三个应该是最常见的帧内预测模式。
劣势：它们难以保留能量。其他的帧内预测模式（均值、ddl（左下对角线）、ddr（右下对角线）、vr（垂直偏右）、hd（水平偏下）、vl（垂直偏 左）、hu（水平偏上））能有效预测那些难以被离散余弦变换编码的频率，从而能够在重构画面时增加视觉能量。但水平、垂直、DC帧内预测则不然。此外，模 式预测系统的工作方式决定了最节约的模式更受青睐（从数据量上来说）。
当然，x264有效的使用了所有这些特性——并无上述绝大多数问题的存在。其他编码器的开发者：学着点！（译者：DS你就吹吧！)
这里有一篇
下面转自(ps:其实是pdf里面的内容拿出来{zh1}的point)
1）fastest preset
ffmpeg -i NFSCAR_x360_trackDrift_HD720P.mov -f mp4 -vcodec libx264 -me_method dia -directpred 1 -me_range 16 -subq 1 -b_qfactor 1.5 -bf 1 -acodec libfaac sample_fastest.mp4
2）fast preset
ffmpeg -i NFSCAR_x360_trackDrift_HD720P.mov -f mp4 -vcodec libx264 -subq 1 -acodec libfaac sample_fast.mp4
3）tradeoff preset
ffmpeg -i NFSCAR_x360_trackDrift_HD720P.mov -f mp4 -vcodec libx264 -subq 3 -acodec libfaac sample_tradeoff.mp4
4）good preset
ffmpeg -i NFSCAR_x360_trackDrift_HD720P.mov -f mp4 -vcodec libx264 -bf 3 -bframebias 5 -flags2 +dct8×8+wpred+bpyramid -trellis 1 -acodec libfaac sample_good.mp4
5）best preset
ffmpeg -i NFSCAR_x360_trackDrift_HD720P.mov -f mp4 -vcodec libx264 -bf 4 -flags2 +dct8×8+wpred+bpyramid -trellis 1 -refs 10 -directpred 3 -me_method umh -subq 7 -acodec libfaac sample_best.mp4
6）extra quality preset
ffmpeg -i NFSCAR_x360_trackDrift_HD720P.mov -f mp4 -vcodec libx264 -bf 4 -flags2 +dct8×8+wpred+bpyramid -refs 8 -directpred 3 -me_method umh -subq 7 -pass 1 -acodec libfaac > dev&null
ffmpeg -i NFSCAR_x360_trackDrift_HD720P.mov -f mp4 -vcodec libx264 -bf 4 -flags2 +dct8×8+wpred+bpyramid -refs 8 -directpred 3 -me_method umh -subq 7 -pass 2 -acodec libfaac sample_extra.mp4
下面表格显示在默认参数情况下编码速度以及平均码率相对百分比：
Preset Name Speed, % Average bitrate, %
Fastest 47 114
Fast 56 109
Tradeoff 70 102
Good 121 89
Best 369 77
Extra Quality 710 72
我测试分辨率1280 x 720，20帧的赛车视频，视频原始大小100442K，视频使用Sorenson Video 3编码，音频使用 MPEG-1 Layer 3编码，使用上诉5种参数分别编码得到53897K、59303K、60251K、63670K、55405K、55405K。我个人比较倾向于best preset参数。
在使用使用如下best参数编码的h264视频，播放时{zg}CPU利用率不超过4%，但效果明显比FLV效果高
ffmpeg -i NFSCAR_x360_trackDrift_HD720P.mov -f mp4 -vcodec libx264 -bf 4 -flags2 +bpyramid+wpred+8×8dct -trellis 1 -refs 10 -directpred 3 -me_method umh -subq 7 -s 352*288 -r 7.5 -aspect 16:9 -acodec libfaac -ab 32k sample_best_352_288_7.mp4
ffmpeg -i NFSCAR_x360_trackDrift_HD720P.mov -f flv -vcodec flv -acodec libmp3lame sample_352_288.flv
视频大小分别为4212K（x264）、4816K(Flash/Sorenson)
(No Ratings Yet)
