从H.264到H.265：帧内预测的‘军备竞赛’如何让视频体积再砍一半？

H.265帧内预测技术深度解析：如何用35种角度模式重构视频编码效率

视频编码技术的每一次迭代，本质上都是对数据冗余更极致的挖掘。当H.264/AVC已经将帧间压缩优化到接近极限时，H.265/HEVC将突破点转向了帧内预测——这个决定最终让视频体积在同等画质下再缩减50%。让我们拆解这项技术革命背后的数学美学与工程智慧。

1. 帧内预测的本质：从9种到35种模式的空间相关性捕捉

帧内预测的核心逻辑很简单：利用已编码像素预测当前像素，只传输预测误差。但H.265将这个简单概念推向了新高度——其亮度分量支持35种预测模式（H.264仅有9种），包括：

• Planar模式（模式0）：双线性插值算法，适合渐变纹理
• DC模式（模式1）：均值填充，适合平坦区域
• 33种角度模式（模式2-34）：覆盖从45°到-135°的预测方向

这些模式构成了一张精密的"预测方向网"：

实际测试表明，在4K视频编码中，H.265的帧内预测可使亮度分量的比特率降低38-42%（JM参考软件测试数据）。这种提升源于更精准的空间冗余消除——当预测方向与图像纹理走向的夹角每减小1°，残差数据的能量就能降低约0.7%。

注意：角度模式2-34并非均匀分布，在水平/垂直方向附近间隔为5°，而在对角线方向间隔增大到7.5°，这符合自然图像纹理的统计规律。

2. 预测单元(PU)的尺寸革命：64×64宏块的降维打击

H.265引入的64×64 PU尺寸不仅是数字上的提升，更改变了编码器的决策逻辑：

# 典型PU尺寸决策流程（伪代码） def select_pu_size(block): cost = [] for size in [4x4, 8x8, 16x16, 32x32, 64x64]: pred = intra_predict(block, size) residual = block - pred bits = calc_bits(residual) + mode_bits[size] cost.append(bits) return sizes[np.argmin(cost)]

这种灵活的尺寸选择带来两个关键优势：

1. 大尺寸PU：对平坦区域，单次预测可覆盖更大面积，模式标记位减少75%
2. 小尺寸PU：保留对复杂纹理的精细预测能力，避免"过度平滑"

实测数据显示：

• 在静态场景中，64×64 PU使用率可达43%
• 动态场景中，16×16仍为主流（约51%使用率）
• 4×4 PU使用率从H.264的28%降至H.265的9%

3. 模式编码的智能进化：候选列表与差分编码

H.265的candModelList机制是编码效率提升的隐形功臣。这个包含3个候选模式的列表通过空间相关性预测，实现了模式信息的极致压缩：

1. 列表构建规则：

   • 优先采用左邻和上邻PU的模式
   • 若相邻块不可用，使用默认模式（Planar、DC、垂直）

2. 编码策略对比：

在1080p视频序列测试中，这种策略使帧内模式信息的码率占比从6.8%降至2.3%，相当于整体节省**1.2-1.8%**的码率——看似不多，但对亿级用户平台意味着每月数百万美元的带宽节约。

4. 色度编码的协同优化：5种模式的精妙设计

H.265对色度分量的处理展现了算法设计师的巧思：

graph TD A[亮度模式] -->|是前4种模式?| B{是} A -->|否| C[直接编码色度模式] B -->|匹配亮度模式| D[编码为模式4] B -->|不匹配| E[查表转换编码]

这种设计基于两个观察：

1. 色度分量通常具有更强的空间一致性
2. 人眼对色度分辨率变化较不敏感

实际编码中：

• 模式4（继承亮度模式）使用率达67%
• 垂直/水平模式共占25%
• Planar/DC模式仅占8%

5. 参考像素处理的工程细节：边界情况与滤波优化

H.265的参考像素处理流程包含多个创新点：

1. 边界填充算法：

   • 当参考像素不可用时，采用(1<<(bit_depth-1))值填充
   • 对4:2:0采样，色度分量会进行位置对齐补偿

2. 自适应滤波策略：

   • 常规滤波：应用于8×8及以上TU的特定角度模式
   • 强滤波：针对32×32/64×64 TU的水平/垂直模式
   • 滤波开关决策表：

在x265编码器的实现中，这些优化使PSNR（峰值信噪比）平均提升0.3dB，特别是在高动态范围内容中效果显著。一个典型的工程取舍是：滤波虽然提升质量，但会增加约7%的编码复杂度，因此实时编码系统可能会选择性关闭部分滤波。