MPEG-2

一个MPEG-2系统流一般包括两个基本元素：

• 视频数据 + 时间戳
• 音频数据 + 时间戳

以下为MPEG-2中用到的重要压缩技巧:

1. 空间上的冗馀去除 视频资料的一个特性是空间冗馀。一般来说，在同一张画面上必有一些共通特性，也许是色彩上的，也许是几何上的，或是其它特征值得到的。所谓的空间冗馀去除，就是要识别出画面中重要的元素，并移除重复且较无影响的元素的动作。MPEG-2用到色彩取样，离散馀弦变换等冗馀去除手法。

2. 时间上的冗馀去除 视频资料的另一个特性是时间上的冗馀。一般播放的视频，其实只是一连串连续的图像序列，然而因为人类视觉的视觉暂留现象，所以会有连贯影像的错觉。而此种视频因为画面间时间间隔甚小，因此相临的画面几无差异，大多只是图像内容的位置变化。因为有此现象产生，所以我们可以利用除去在时间轴上画面与画面的相似性造成的冗馀来进行压缩。MPEG-2用的动态补偿即为此类手法，在做动态补偿之前，首先将画面分为16x16的宏块（Macro-block，MB），然后找寻其在参考画面（Reference Picture）中近似的宏块所在位置，并将由目标宏块到参考宏块间位置的坐标差记录成动态向量（Motion Vector）。参考画面在该画面之前，称为向前预测（Forward Prediction）；参考画面在该画面之后，称为向后预测（Backward Prediction）；而参考画面在该画面前后都有，称为双向预测（Bi-directionally Prediction）。而整个找寻动态向量的过程称为动态估计（Motion Estimation），常见的有区块匹配法（Block Match Method）及递回法（Recursive Method）。

MPEG-2图像压缩的原理是利用了图像中的两种特性：空间相关性和时间相关性。这两种相关性使得图像中存在大量的冗余信息。如果我们能将这些冗余信息去除，只保留少量非相关信息进行传输，就可以大大节省传输频带。而接收机利用这些非相关信息，按照一定的解码算法，可以在保证一定的图像质量的前提下恢复原始图像。

MPEG-2视频通常包含多个GOP（Group Of Pictures），每一个GOP包含多个帧（frame）。帧的帧类（frame type）通常包括I-帧（I-frame）、P-帧（P-frame）和B-帧（B-frame）。其中I-帧采用帧内编码，P-帧采用前向估计，B-帧采用双向估计。

I帧图像采用帧内编码方式，仅使用本身的画面资料进行空间的冗馀去除，并没有参考其他画面的资料，我们称为Intra模式宏块（Intra Mode Macro-block）。在I帧图像中，所有的宏块皆为Intra模式宏块。I帧图像可以做为视频资料流中的索引点，也是提供随机存取能力的主要来源。I画面通常在视频序列或画面群组的第一张，解码时I画面可独立解码，并做为P及B画面的参考影像的来源。由于不须参考其他画面，因此无法得到消除时间上冗馀的好处，因此压缩率较差。

P帧和B帧图像采用帧间编码方式，即同时利用了空间和时间上的相关性。P帧图像会使用参考画面（Reference Picture），这些参考画面可为该帧前面最近的I帧或P帧。编码时，在P帧中的宏块，若能在参考画面上找到相对应的宏块，则用动态补偿方式做预测编码（Predictive Coding）；若找不到，则以Intra模式做编码。由于加入消除时间上冗馀的技术，因此其编码效率较高。

B帧图像采用双向时间预测，会使用到前面及后面两个方向参考画面的资料。如同P帧一样，可以大大提高压缩倍数。值得注意的是，由于B帧图像采用了未来帧作为参考，因此MPEG-2编码码流中图像帧的传输顺序和显示顺序是不同的。 B帧拥有最高的编码效率，然画质最差，故本身不再做为其他预测编码用。

MPEG-2的编码码流分为六个层次。为更好地表示编码数据，MPEG-2用句法规定了一个层次性结构。它分为六层，从上至下依次为：视频序列层（Sequence），图像组层（GOP: Group of Picture），图像层（Picture），像条层（Slice），宏块层（Macro Block）和像块层（Block）。可以看到，除宏块层和像块层外，上面四层中都有相应的起始码（Start Code，SC），可用于因误码或其它原因收发两端失步时，解码器重新捕捉同步。因此一次失步将至少丢失一个像条的数据。

一般来说输入视频格式是25（CCIR标准）或者29.97（FCC）帧／秒。

MPEG-2支持隔行扫描和逐行扫描。在逐行扫描模式下，编码的基本单元是帧。在隔行扫描模式下，基本编码可以是帧，也可以是场（field）。

原始输入图像首先被转换到YCbCr色彩空间。其中Y是亮度，Cb和Cr是两个色度通道。对于每一通道，首先采用块分割，然后形成“宏块”（macroblocks），宏块构成了编码的基本单元。每一个宏块再分割成8x8的小块。色度通道分割成小块的数目取决于初始参数设置。例如，在常用的4:2:0格式下，每个色度宏块只采样出一个小块，所以三个通道宏块能够分割成的小块数目是4+1+1=6个。

对于I-帧，整幅图像直接进入编码过程。对于P-帧和B-帧，首先做运动补偿。通常来说，由于相邻帧之间的相关性很强，宏块可以在前帧和后帧中对应相近的位置找到相似的区域匹配的比较好，这个偏移量作为运动向量被记录下来，运动估计重构的区域的误差被送到编码器中编码。

对于每一个8×8小块，离散余弦变换把图像从空间域转换到频域。得到的变换系数被量化并重新组织排列顺序，从而增加长零的可能性。之后做游程编码（run-length code）。最后作哈夫曼编码（Huffman Encoding）。

I帧编码是为了减少空间域冗余，P帧和B帧是为了减少时间域冗余。

GOP是由固定模式的一系列I帧、P帧、B帧组成。常用的结构由15个帧组成，具有以下形式IBBPBBPBBPBBPBB。GOP中各个帧的比例的选取和带宽、图像的质量要求有一定关系。例如因为B帧的压缩时间可能是I帧的三倍，所以对于计算能力不强的某些实时系统，可能需要减少B帧的比例。

MPEG-2输出的比特流可以是匀速或者变速的。最大比特率，例如在DVD应用上，可达10.4 Mbit/s。如果要使用固定比特率，量化尺度就需要不断的调节以产生匀速的比特流。但是，提高量化尺度可能带来可视的有损效果。比如马赛克现象。

MPEG-2的音频编码包括：

• 使用一半的取样速率处理低比特率的音频。
• 多通道编码达到5.1个通道
• 提供MPEG-2 AAC，且不能向后兼容。

DVD中采用了MPEG-2标准并引入如下技术参数限制：

• 分辨率
  • 720×480, 704×480, 352×480, 352×240 像素（NTSC制式）
  • 720×576, 704×576, 352×576, 352×288 像素（PAL制式）
• 纵横比
  • 4:3
  • 16:9
• 帧率（帧播放速度）
  • 59.94场／秒，23.976帧／秒，29.97帧／秒（NTSC）
  • 50场／秒，25帧／秒（PAL）
• 视频+音频比特率
  • 平均最大缓冲区9.8 Mbit/s
  • 峰值15 Mbit/s
  • 最小值300 Kbit/s
• YUV 4:2:0
• 字幕支持
• 内嵌字幕支持（NTSC only）
• 音频
  • LPCM编码：48kHz或96kHz；16或24-bit；最多可达6声道
  • MPEG Layer 2（MP2）：48 kHz，可达5.1声道
  • 杜比数字-Dolby Digital（DD，也称为AC-3）：48 kHz，32-448 kbit/s，可达5.1声道
  • 数字家庭影院系统-Digital Theater Systems（DTS）：754 kbit/s或1510 kbit/s
  • NTSC制式DVD必须包含至少一道LPCM或Dolby Digital
  • PAL制式DVD必须包含至少一道MPEG Layer 2、LPCM或者Dolby Digital
• GOP结构
  • 必须为GOP提供序列的头信息
  • GOP最大可含帧数目：18（NTSC）/15（PAL）

DVB-MPEG相关技术参数：

• 标清电视（SDTV）必须符合以下一种分辨率：
  • 720×480像素，24/1.001，24，30/1.001或30帧／秒
  • 640×480像素，24/1.001，24，30/1.001或30帧／秒
  • 544×480像素，24/1.001，24，30/1.001或30帧／秒
  • 480×480像素，24/1.001，24，30/1.001或30帧／秒
  • 352×480像素，24/1.001，24，30/1.001或30帧／秒
  • 352×240像素，24/1.001，24，30/1.001或30帧／秒
  • 720×576像素，25帧／秒
  • 544×576像素，25帧／秒
  • 480×576像素，25帧／秒
  • 352×576像素，25帧／秒
  • 352×288像素，25帧／秒
• 高清电视（HDTV）必须符合以下一种分辨率：
  • 720×576×50帧／秒逐行扫描（576p50）
  • 1280×720×25或50帧／秒逐行扫描（720p50）
  • 1440或1920×1080×25帧／秒逐行扫描（1080p25 = 电影模式）
  • 1440或1920×1080×25帧／秒隔行扫描（1080i50）

• 必须符合以下一种分辨率：
  • 1920 × 1080像素，最多60帧／秒（1080i）
  • 1280 × 720像素，最多60帧／秒（720p）
  • 720 × 576像素，最多50帧／秒，25帧／秒（576i，576p）
  • 720 × 480像素，最多60帧／秒，30帧／秒（480i，480p）
  • 640 × 480像素，最多60帧／秒

注：1080i按1920×1080像素编码，但是最后8行在显示时抛弃。

• ISO/IEC 13818-1：系统-描述视频和音频的同步和多路技术
• ISO/IEC 13818-2：视频-视频压缩
• ISO/IEC 13818-3：音频-音频压缩，包括多通道的MP3扩展。
• ISO/IEC 13818-4：测试规范
• ISO/IEC 13818-5：仿真软件
• ISO/IEC 13818-6：DSM-CC（Digital Storage Media Command and Control）扩展
• ISO/IEC 13818-7：Advanced Audio Coding（AAC）
• ISO/IEC 13818-9：实时接口扩展
• ISO/IEC 13818-10：DSM-CC规范
• ISO/IEC 13818-11: IPMP on MPEG-2 systems

• MPEG-2核心技术大约涉及640个专利
• 这些专利主要集中在20间公司和一间大学
  • Alcatel
  • 佳能
  • 哥伦比亚大学
  • 法国电信（CNET）
  • 富士通
  • General Electric Capital Corporation
  • General Instrument Corp.
  • GE Technology Development, Inc.
  • 日立
  • KDDI
  • 朗讯科技
  • 乐喜金星集团（LG）
  • 松下电器
  • 三菱
  • 日本电信电话（NTT）
  • Philips
  • Robert Bosch GmbH
  • 三星
  • 三洋电器
  • Scientific Atlanta
  • 夏普
  • 索尼
  • Thomson Licensing S.A.
  • 东芝
  • JVC

• MPEG-2授权
• MPEG-1
• MPEG-4
• H.261
• H.263
• ISDB

• 《剖析MPEG系列标准的演变过程》李光白文利 （页面存档备份，存于互联网档案馆）（有线电视技术2004年13期第32-35页）
• (介绍MPEG系列) （页面存档备份，存于互联网档案馆）

1. ^ ISO/IEC 13818-1:2000 - Information technology -- Generic coding of moving pictures and associated audio information: Systems. www.iso.org. [4 May 2018]. （原始内容存档于2007-05-20）.