H.264流的序列/图像参数集的可能位置

Question

我正在研究H.264解码器,我想知道在哪里可以找到SPS和PPS.我的参考文献告诉我那些是在H.264-Stream中编码的NAL单元,但是当我查看一个带有IsoViewer的示例-MP4-File时,它说SPS和PPS在avcC Box中.

这究竟是如何工作的？它如何查找.mkv文件或其他H.264容器？

提前致谢!

Answer 1

首先,重要的是要了解没有单一的标准H.264基本比特流格式.规范文件确实包含附件,特别是附件B,它描述了一种可能的格式,但它不是实际要求.该标准规定了视频如何编码为单个数据包.如何存储和传输这些数据包对集成商是开放的.

1.附件B.

网络抽象层单位

这些数据包称为网络抽象层单元.通常缩写为NALU(或有时仅为NAL),可以单独解析和处理每个数据包.每个NALU的第一个字节包含NALU类型,特别是第3到7位.(第0位始终关闭,第1-2位表示NALU是否被另一个NALU引用).

定义了19种不同的NALU类型,分为两类,VCL和非VCL:

• VCL或视频编码层数据包包含实际的可视信息.
• 非VCL包含解码视频可能需要或可能不需要的元数据.

单个NALU,甚至VCL NALU与帧不同.帧可以"切片"成几个NALU.就像你可以切比萨饼一样.然后将一个或多个切片虚拟地分组为包含一个帧的访问单元(AU).切片的质量成本很低,因此不经常使用.

下面是所有已定义NALU的表.

0      Unspecified                                                    non-VCL
1      Coded slice of a non-IDR picture                               VCL
2      Coded slice data partition A                                   VCL
3      Coded slice data partition B                                   VCL
4      Coded slice data partition C                                   VCL
5      Coded slice of an IDR picture                                  VCL
6      Supplemental enhancement information (SEI)                     non-VCL
7      Sequence parameter set                                         non-VCL
8      Picture parameter set                                          non-VCL
9      Access unit delimiter                                          non-VCL
10     End of sequence                                                non-VCL
11     End of stream                                                  non-VCL
12     Filler data                                                    non-VCL
13     Sequence parameter set extension                               non-VCL
14     Prefix NAL unit                                                non-VCL
15     Subset sequence parameter set                                  non-VCL
16     Depth parameter set                                            non-VCL
17..18 Reserved                                                       non-VCL
19     Coded slice of an auxiliary coded picture without partitioning non-VCL
20     Coded slice extension                                          non-VCL
21     Coded slice extension for depth view components                non-VCL
22..23 Reserved                                                       non-VCL
24..31 Unspecified                                                    non-VCL

有一些NALU类型的知识可能会有所帮助.

• 序列参数集(SPS).该非VCL NALU包含配置解码器所需的信息,例如配置文件,级别,分辨率,帧速率.
• 图片参数集(PPS).与SPS类似,该非VCL包含关于熵编码模式,切片组,运动预测和去块滤波器的信息.
• 瞬时解码器刷新(IDR).此VCL NALU是一个自包含的图像切片.也就是说,可以在不参考任何其他NALU保存SPS和PPS的情况下解码和显示IDR.
• 访问单元分隔符(AUD).AUD是可选的NALU,可用于分隔基本流中的帧.它不是必需的(除非容器/协议另有说明,如TS),并且通常不包括在内以节省空间,但是在不必完全解析每个NALU的情况下找到帧的开头是有用的.

NALU开始代码

NALU不包含它的大小.因此,简单地连接NALU以创建流将不起作用,因为您不知道停止和下一个停止的位置.

附件B规范通过在每个NALU之前要求"起始码"来解决这个问题.起始码是2或3 0x00个字节,后跟一个0x01字节.例如0x000001或0x00000001.

4字节变化对于通过串行连接进行传输非常有用,因为通过查找31个零位后跟1来对字节进行字节对齐是微不足道的.如果下一位为0(因为每个NALU以0位开始),则它是NALU的开始.4字节变化通常仅用于在流中发信号通知随机接入点,例如SPS PPS AUD和IDR,其中3字节变化用于其他地方以节省空间.

仿真预防字节

启动代码的工作,因为这四个字节序列0x000000,0x000001,0x000002和0x000003属于非RBSP NALU内非法的.因此,在创建NALU时,需要注意避免这些可能与启动代码混淆的值.这是通过插入一个"预防仿真"字节来完成0x03,这样0x000001变成0x00000301.

解码时,查找并忽略仿真阻止字节非常重要.由于仿真预防字节几乎可以在NALU内的任何位置发生,因此在文档中通常更方便地假设它们已被删除.没有仿真阻止字节的表示称为原始字节序列有效负载(RBSP).

例

让我们看一个完整的例子.

0x0000 | 00 00 00 01 67 64 00 0A AC 72 84 44 26 84 00 00
0x0010 | 03 00 04 00 00 03 00 CA 3C 48 96 11 80 00 00 00
0x0020 | 01 68 E8 43 8F 13 21 30 00 00 01 65 88 81 00 05
0x0030 | 4E 7F 87 DF 61 A5 8B 95 EE A4 E9 38 B7 6A 30 6A
0x0040 | 71 B9 55 60 0B 76 2E B5 0E E4 80 59 27 B8 67 A9
0x0050 | 63 37 5E 82 20 55 FB E4 6A E9 37 35 72 E2 22 91
0x0060 | 9E 4D FF 60 86 CE 7E 42 B7 95 CE 2A E1 26 BE 87
0x0070 | 73 84 26 BA 16 36 F4 E6 9F 17 DA D8 64 75 54 B1
0x0080 | F3 45 0C 0B 3C 74 B3 9D BC EB 53 73 87 C3 0E 62
0x0090 | 47 48 62 CA 59 EB 86 3F 3A FA 86 B5 BF A8 6D 06
0x00A0 | 16 50 82 C4 CE 62 9E 4E E6 4C C7 30 3E DE A1 0B
0x00B0 | D8 83 0B B6 B8 28 BC A9 EB 77 43 FC 7A 17 94 85
0x00C0 | 21 CA 37 6B 30 95 B5 46 77 30 60 B7 12 D6 8C C5
0x00D0 | 54 85 29 D8 69 A9 6F 12 4E 71 DF E3 E2 B1 6B 6B
0x00E0 | BF 9F FB 2E 57 30 A9 69 76 C4 46 A2 DF FA 91 D9
0x00F0 | 50 74 55 1D 49 04 5A 1C D6 86 68 7C B6 61 48 6C
0x0100 | 96 E6 12 4C 27 AD BA C7 51 99 8E D0 F0 ED 8E F6
0x0110 | 65 79 79 A6 12 A1 95 DB C8 AE E3 B6 35 E6 8D BC
0x0120 | 48 A3 7F AF 4A 28 8A 53 E2 7E 68 08 9F 67 77 98
0x0130 | 52 DB 50 84 D6 5E 25 E1 4A 99 58 34 C7 11 D6 43
0x0140 | FF C4 FD 9A 44 16 D1 B2 FB 02 DB A1 89 69 34 C2
0x0150 | 32 55 98 F9 9B B2 31 3F 49 59 0C 06 8C DB A5 B2
0x0160 | 9D 7E 12 2F D0 87 94 44 E4 0A 76 EF 99 2D 91 18
0x0170 | 39 50 3B 29 3B F5 2C 97 73 48 91 83 B0 A6 F3 4B
0x0180 | 70 2F 1C 8F 3B 78 23 C6 AA 86 46 43 1D D7 2A 23
0x0190 | 5E 2C D9 48 0A F5 F5 2C D1 FB 3F F0 4B 78 37 E9
0x01A0 | 45 DD 72 CF 80 35 C3 95 07 F3 D9 06 E5 4A 58 76
0x01B0 | 03 6C 81 20 62 45 65 44 73 BC FE C1 9F 31 E5 DB
0x01C0 | 89 5C 6B 79 D8 68 90 D7 26 A8 A1 88 86 81 DC 9A
0x01D0 | 4F 40 A5 23 C7 DE BE 6F 76 AB 79 16 51 21 67 83
0x01E0 | 2E F3 D6 27 1A 42 C2 94 D1 5D 6C DB 4A 7A E2 CB
0x01F0 | 0B B0 68 0B BE 19 59 00 50 FC C0 BD 9D F5 F5 F8
0x0200 | A8 17 19 D6 B3 E9 74 BA 50 E5 2C 45 7B F9 93 EA
0x0210 | 5A F9 A9 30 B1 6F 5B 36 24 1E 8D 55 57 F4 CC 67
0x0220 | B2 65 6A A9 36 26 D0 06 B8 E2 E3 73 8B D1 C0 1C
0x0230 | 52 15 CA B5 AC 60 3E 36 42 F1 2C BD 99 77 AB A8
0x0240 | A9 A4 8E 9C 8B 84 DE 73 F0 91 29 97 AE DB AF D6
0x0250 | F8 5E 9B 86 B3 B3 03 B3 AC 75 6F A6 11 69 2F 3D
0x0260 | 3A CE FA 53 86 60 95 6C BB C5 4E F3

这是一个包含3个NALU的完整AU.如您所见,我们从一个开始代码开始,然后是一个SPS(SPS以67开头).在SPS中,您将看到两个Emulation Prevention字节.没有这些字节,非法序列0x000000将发生在这些位置.接下来,您将看到一个开始代码,后跟一个PPS(PPS以68开头)和一个最终开始代码,后跟一个IDR切片.这是一个完整的H.264流.如果您在十六进制编辑器中键入这些值并使用.264扩展名保存文件,则可以将其转换为此图像:

附件B通常用于实时和流式格式,例如传输流,无线广播和DVD.在这些格式中,通常在每个IDR之前周期性地重复SPS和PPS,从而为解码器创建随机接入点.这使得能够加入已在进行中的流.

2. AVCC

存储H.264流的另一种常用方法是AVCC格式.在这种格式中,每个NALU的前面都有它的长度(大端格式).此方法更容易解析,但是您丢失了附件B的字节对齐功能.只是为了使事情复杂化,可以使用1,2或4个字节对长度进行编码.该值存储在头对象中.此标头通常称为"extradata"或"sequence header".其基本格式如下:

bits    
8   version ( always 0x01 )
8   avc profile ( sps[0][1] )
8   avc compatibility ( sps[0][2] )
8   avc level ( sps[0][3] )
6   reserved ( all bits on )
2   NALULengthSizeMinusOne
3   reserved ( all bits on )
5   number of SPS NALUs (usually 1)
repeated once per SPS:
  16     SPS size
  variable   SPS NALU data
8   number of PPS NALUs (usually 1)
repeated once per PPS
  16    PPS size
  variable PPS NALU data

使用上面的相同示例,AVCC extradata将如下所示:

0x0000 | 01 64 00 0A FF E1 00 19 67 64 00 0A AC 72 84 44
0x0010 | 26 84 00 00 03 00 04 00 00 03 00 CA 3C 48 96 11
0x0020 | 80 01 00 07 68 E8 43 8F 13 21 30

您会注意到SPS和PPS现在存储在带外.也就是说,与基本流数据分开.存储和传输此数据是文件容器的工作,超出了本文档的范围.请注意,即使我们不使用起始代码,仍会插入仿真预防字节.

此外,还有一个名为的新变量NALULengthSizeMinusOne.这个容易混淆的命名变量告诉我们用于存储每个NALU长度的字节数.因此,如果NALULengthSizeMinusOne设置为0,则每个NALU前面都有一个字节,表示其长度.使用单个字节存储大小,NALU的最大大小为255个字节.这显然很小.对整个关键帧来说太小了.使用2个字节为每个NALU提供64k.它可以在我们的例子中工作,但仍然是一个相当低的限制.3个字节是完美的,但由于某种原因不是普遍支持的.因此,到目前为止最常见的是4个字节,这是我们在这里使用的:

0x0000 | 00 00 02 41 65 88 81 00 05 4E 7F 87 DF 61 A5 8B
0x0010 | 95 EE A4 E9 38 B7 6A 30 6A 71 B9 55 60 0B 76 2E
0x0020 | B5 0E E4 80 59 27 B8 67 A9 63 37 5E 82 20 55 FB
0x0030 | E4 6A E9 37 35 72 E2 22 91 9E 4D FF 60 86 CE 7E
0x0040 | 42 B7 95 CE 2A E1 26 BE 87 73 84 26 BA 16 36 F4
0x0050 | E6 9F 17 DA D8 64 75 54 B1 F3 45 0C 0B 3C 74 B3
0x0060 | 9D BC EB 53 73 87 C3 0E 62 47 48 62 CA 59 EB 86
0x0070 | 3F 3A FA 86 B5 BF A8 6D 06 16 50 82 C4 CE 62 9E
0x0080 | 4E E6 4C C7 30 3E DE A1 0B D8 83 0B B6 B8 28 BC
0x0090 | A9 EB 77 43 FC 7A 17 94 85 21 CA 37 6B 30 95 B5
0x00A0 | 46 77 30 60 B7 12 D6 8C C5 54 85 29 D8 69 A9 6F
0x00B0 | 12 4E 71 DF E3 E2 B1 6B 6B BF 9F FB 2E 57 30 A9
0x00C0 | 69 76 C4 46 A2 DF FA 91 D9 50 74 55 1D 49 04 5A
0x00D0 | 1C D6 86 68 7C B6 61 48 6C 96 E6 12 4C 27 AD BA
0x00E0 | C7 51 99 8E D0 F0 ED 8E F6 65 79 79 A6 12 A1 95
0x00F0 | DB C8 AE E3 B6 35 E6 8D BC 48 A3 7F AF 4A 28 8A
0x0100 | 53 E2 7E 68 08 9F 67 77 98 52 DB 50 84 D6 5E 25
0x0110 | E1 4A 99 58 34 C7 11 D6 43 FF C4 FD 9A 44 16 D1
0x0120 | B2 FB 02 DB A1 89 69 34 C2 32 55 98 F9 9B B2 31
0x0130 | 3F 49 59 0C 06 8C DB A5 B2 9D 7E 12 2F D0 87 94
0x0140 | 44 E4 0A 76 EF 99 2D 91 18 39 50 3B 29 3B F5 2C
0x0150 | 97 73 48 91 83 B0 A6 F3 4B 70 2F 1C 8F 3B 78 23
0x0160 | C6 AA 86 46 43 1D D7 2A 23 5E 2C D9 48 0A F5 F5
0x0170 | 2C D1 FB 3F F0 4B 78 37 E9 45 DD 72 CF 80 35 C3
0x0180 | 95 07 F3 D9 06 E5 4A 58 76 03 6C 81 20 62 45 65
0x0190 | 44 73 BC FE C1 9F 31 E5 DB 89 5C 6B 79 D8 68 90
0x01A0 | D7 26 A8 A1 88 86 81 DC 9A 4F 40 A5 23 C7 DE BE
0x01B0 | 6F 76 AB 79 16 51 21 67 83 2E F3 D6 27 1A 42 C2
0x01C0 | 94 D1 5D 6C DB 4A 7A E2 CB 0B B0 68 0B BE 19 59
0x01D0 | 00 50 FC C0 BD 9D F5 F5 F8 A8 17 19 D6 B3 E9 74
0x01E0 | BA 50 E5 2C 45 7B F9 93 EA 5A F9 A9 30 B1 6F 5B
0x01F0 | 36 24 1E 8D 55 57 F4 CC 67 B2 65 6A A9 36 26 D0
0x0200 | 06 B8 E2 E3 73 8B D1 C0 1C 52 15 CA B5 AC 60 3E
0x0210 | 36 42 F1 2C BD 99 77 AB A8 A9 A4 8E 9C 8B 84 DE
0x0220 | 73 F0 91 29 97 AE DB AF D6 F8 5E 9B 86 B3 B3 03
0x0230 | B3 AC 75 6F A6 11 69 2F 3D 3A CE FA 53 86 60 95
0x0240 | 6C BB C5 4E F3

这种格式的一个优点是能够在开始时配置解码器并跳转到流的中间.这是一种常见的用例,其中媒体在诸如硬盘驱动器的随机访问介质上可用,因此以诸如MP4和MKV的常见容器格式使用.