X264编码流程详解
对H.264编码标准一直停留在理解原理的基础上，对于一个实际投入使用的编码器是如何构建起来一直感觉很神秘，于是决定在理解理论的基础上潜心于编码器实现框架。关于开源的H264编码器有很多，JMVC，T264、X264，这里选择X264，因为网上关于X264源码分析资源很多。X264编码器是一个开源的经过优化的高性能H.264编码器，目前最新的源码在本人的I5处理器的PC机上，编码1920x1080分辨率的视频序列在使用ultrafast配置的情况下，可以实现160fps左右的编码速度。
这里对源码分析并没有选择最新的源码，而是选用2009年2月份的版本，原因有二：一是这个版本是从网上下载下来的，已经是一个建立好的VS2008工程，对于像我这种用惯IDE调试的程序员来说，这可以大大提高源码阅读速度；二是虽然X264源码虽然几乎每天都有更新，但是从这个版本以后，最大的改动基本是针对多Slice编码的支持，其他都是在输入输出方面的一些改动，从这个版本学习可以较快进入编码部分的学习；三是这个版本当中已经有别人的很多的注释，便于自己理解；
一般将编码分为帧级、片级、宏块级编码，依次从上到下。下面就从这三个级分析X264编码流程：一、帧级编码分析
定位到x264_encoder_encode这个函数，这个函数应该是H264编码最上层的函数，实现编码一帧视频。在进行下一步分析之前有必要了解，控制X264编码的全局性结构体x264_t，这个结构体控制着视频一帧一帧的编码，包括中间参考帧管理、码率控制、全局参数等一些重要参数和结构体。
下面是x264_t这个结构体的定义（这里仅对几个关键的结构和变量进行分析）：
struct x264_t
{
x264_param_t param;//编码器编码参数，包括量化步长、编码级别等等一些参数
...........
int i_frame;//编码帧号，用于计算POC（picture of count 标识视频帧的解码顺序）
...........
int i_nal_type; /* Nal 单元的类型，可以查看编码标准，有哪几种类型，需要理解的类型有：不分区（一帧作为一个片）非IDR图像的片；片分区A、片分区B、片分区C、IDR图像中的片、序列参数集、图像参数集 */
int i_nal_ref_idc; /* Nal 单元的优先级别取值范围[0,1,2,3]，值越大表示优先级越高，此Nal单元就越重要*/
/* We use only one SPS（序列参数集） and one PPS（图像参数集） */
x264_sps_t sps_array[1];//结构体的数组
x264_sps_t *sps;
x264_pps_t pps_array[1];
x264_pps_t *pps;
int i_idr_pic_id;
......
struct
{
//这个结构体涉及到X264编码过程中的帧管理，理解这个结构体中的变量在编码标准的理论意义是非常重要的
x264_frame_t *current[X264_BFRAME_MAX*4+3];/*已确定帧类型，待编码帧，每一个GOP在编码前，每一帧的类型在编码前已经确定。当进行编码时，从这里取出一帧数据。*/
x264_frame_t *next[X264_BFRAME_MAX*4+3];//尚未确定帧类型的待编码帧，当确定后，会将此数组中的帧转移到current数组中去。
x264_frame_t *unused[X264_BFRAME_MAX*4 + X264_THREAD_MAX*2 + 16+4];/*这个数组用于回收那些在编码中分配的frame空间，当有新的需要时，直接拿过来用，不用重新分配新的空间，提高效率*/
/* For adaptive B decision */
x264_frame_t *last_nonb;
/* frames used for reference + sentinels */
x264_frame_t *reference[16+2];//参考帧队列，注意参考帧都是重建帧
int i_last_idr; /* 上一次刷新关键帧的帧号，配合前面的i_frame，可以用来计算POC */
int i_input; /* Number of input frames already accepted *///frames结构体中i_input指示当前输入的帧的（播放顺序）序号。
int i_max_dpb; /* 分配解码图像缓冲的最大数量（DPB） */
int i_max_ref0;//最大前向参考帧数量
int i_max_ref1;//最大后向参考帧数量
int i_delay; /* Number of frames buffered for B reordering */
//i_delay设置为由B帧个数（线程个数）确定的帧缓冲延迟，在多线程情况下为i_delay = i_bframe + i_threads - 1。
//而判断B帧缓冲填充是否足够则通过条件判断：h->frames.i_input <= h->frames.i_delay + 1 - h->param.i_threads。
int b_have_lowres; /* Whether 1/2 resolution luma planes are being used */
int b_have_sub8x8_esa;
} frames;//指示和控制帧编码过程的结构
/* current frame being encoded */
x264_frame_t *fenc;//指向当前编码帧
/* frame being reconstructed */
x264_frame_t *fdec;//指向当前重建帧，重建帧的帧号要比当前编码帧的帧号小1
/* references lists */
int i_ref0;//前向参考帧的数量
x264_frame_t *fref0[16+3]; /* 存放前向参考帧的数组（注意参考帧均是重建帧） */
int i_ref1;//后向参考帧的数量
x264_frame_t *fref1[16+3]; /* 存放后向参考帧的数组*/
int b_ref_reorder[2];
........
};
定位到x264_encoder_encode这个函数，这个函数应该是H264编码最上层的函数，实现编码的帧级处理（如何进行参考帧管理、帧类型确定等等）。
下面对x264_encoder_encode中几个关键函数以及关键部分进行分析：
1、x264_reference_update这个函数主要完成参考帧的更新，H.264的帧间预测需要使用参考帧，参考帧使用的都是已编码后的重建帧，每编码一帧的同时会重建此帧作为参考帧，在编码下一帧时，将此重建帧加入到参考帧队列中。函数实现如下：
static inline void x264_reference_update( x264_t *h )
{
int i;
if( h->fdec->i_frame >= 0 )//重建帧帧数大于等于零时
h->i_frame++;//当前编码帧的帧号要比重建帧的帧号大1
if( !h->fdec->b_kept_as_ref )/*如果重建帧不作为参考帧（不作为参考帧，当然不用加入参考帧队列了）*/
{//when b frame is not used as reference frame
if( h->param.i_threads > 1 )
{
x264_frame_push_unused( h, h->fdec );
h->fdec = x264_frame_pop_unused( h );
}
return;//if b-frame is not used as reference, return
}
/* move lowres(低分辨率) copy of the image to the ref frame */
for( i = 0; i < 4; i++)
{/*暂时还不知道干嘛的*/
XCHG( uint8_t*, h->fdec->lowres[i], h->fenc->lowres[i] );
XCHG( uint8_t*, h->fdec->buffer_lowres[i], h->fenc->buffer_lowres[i] );
}
/* adaptive B decision needs a pointer, since it can't use the ref lists */
if( h->sh.i_type != SLICE_TYPE_B )
h->frames.last_nonb = h->fdec;
/* move frame in the buffer */
x264_frame_push( h->frames.reference, h->fdec );/*把重建帧放入参考队列中*/
if( h->frames.reference[h->frames.i_max_dpb] )/*如果参考帧的个数大于解码图像缓存的最大数（decoded picture buffer(DPB)）*/
x264_frame_push_unused( h, x264_frame_shift( h->frames.reference ) );/*取出参考队列中第一个参考重建帧，并放入暂时不用帧队列中*/
h->fdec = x264_frame_pop_unused( h );/*从暂时不用帧队列中，取出一帧作为新的重建帧buf*/
} //确定帧的类型
x264_stack_align( x264_slicetype_decide, h );/*通过x264_slicetype_decide函数来确定决定h-frames.next[]中每一帧的类型*/
/* 3: move some B-frames and 1 non-B to encode queue 这里来完成帧排序，还是有点巧妙的*/
while( IS_X264_TYPE_B( h->frames.next[bframes]->i_type ) )
bframes++;/*注意这个循环查找的作用，一方面可以确定第一个非B帧之前B帧的数量，也可以定位出第一个非B帧的位置*/
x264_frame_push( h->frames.current, x264_frame_shift( &h->frames.next[bframes] ) );/*取出第一个非B帧，并放到current指针第一个位置：通过这两步完成帧排序的（例如BBP->PBB）*/
/* FIXME: when max B-frames > 3, BREF may no longer be centered after GOP closing */
if( h->param.b_bframe_pyramid && bframes > 1 )
{
x264_frame_t *mid = x264_frame_shift( &h->frames.next[bframes/2] );
mid->i_type = X264_TYPE_BREF;
x264_frame_push( h->frames.current, mid );
bframes--;
}
while( bframes-- )
x264_frame_push( h->frames.current, x264_frame_shift( h->frames.next ) ); /*然后依次取出B帧，并放到current队列中*/h->fenc = x264_frame_shift( h->frames.current );//从当前编码帧中取出第一帧，作为当前编码帧接着进行相关参数的赋值，这里主要对POC的计算强调一下：
h->fenc->i_poc = 2 * (h->fenc->i_frame - h->frames.i_last_idr);//考虑到场编码，POC每帧增长为2，如果是场编码POC增长为1static inline void x264_reference_build_list( x264_t *h, int i_poc )
{
int i;
int b_ok;
/* build ref list 0/1 */
h->i_ref0 = 0;//前向参考帧索引
h->i_ref1 = 0;//后向参考帧索引
for( i = 0; h->frames.reference[i]; i++ )
{//注意这里都是指针操作
if( h->frames.reference[i]->i_poc < i_poc )
{//小于当前帧POC的，放到前向参考帧列表中
h->fref0[h->i_ref0++] = h->frames.reference[i];
}
else if( h->frames.reference[i]->i_poc > i_poc )
{//大于当前帧POC的，放到后向参考帧列表中
h->fref1[h->i_ref1++] = h->frames.reference[i];
}
}
/* Order ref0 from higher to lower poc */
do
{/*采用冒泡排序（不知道使用dowhile+for循环与双重for循环有什么优势），对参考帧按照POC从高到低进行排序*/
b_ok = 1;
for( i = 0; i < h->i_ref0 - 1; i++ )
{
if( h->fref0[i]->i_poc < h->fref0[i+1]->i_poc )
{
XCHG( x264_frame_t*, h->fref0[i], h->fref0[i+1] );
b_ok = 0;
break;
}
}
} while( !b_ok );
/* Order ref1 from lower to higher poc (bubble sort) for B-frame */
do
{
b_ok = 1;
for( i = 0; i < h->i_ref1 - 1; i++ )
{
if( h->fref1[i]->i_poc > h->fref1[i+1]->i_poc )
{
XCHG( x264_frame_t*, h->fref1[i], h->fref1[i+1] );
b_ok = 0;
break;
}
}
} while( !b_ok );
/* In the standard, a P-frame's ref list is sorted by frame_num.
* We use POC, but check whether explicit reordering is needed */
h->b_ref_reorder[0] =
h->b_ref_reorder[1] = 0;
if( h->sh.i_type == SLICE_TYPE_P )
{
for( i = 0; i < h->i_ref0 - 1; i++ )
if( h->fref0[i]->i_frame_num < h->fref0[i+1]->i_frame_num )
{
h->b_ref_reorder[0] = 1;
break;
}
}
h->i_ref1 = X264_MIN( h->i_ref1, h->frames.i_max_ref1 );
h->i_ref0 = X264_MIN( h->i_ref0, h->frames.i_max_ref0 );
h->i_ref0 = X264_MIN( h->i_ref0, h->param.i_frame_reference ); // if reconfig() has lowered the limit
assert( h->i_ref0 + h->i_ref1 <= 16 );
h->mb.pic.i_fref[0] = h->i_ref0;//为什么参考帧选择这两个，还没有搞懂
h->mb.pic.i_fref[1] = h->i_ref1;
} if( i_nal_type == NAL_SLICE_IDR && h->param.b_repeat_headers )
{/*SPS和PPS是解码需要用到的信息，因此只有解码器解析了SPS和PPS信息
才能进行解码，这就是为什么在每个IDR帧前写入这些信息*/
if( h->fenc->i_frame == 0 )
{//仅仅在第一针写入sei信息
/* identify ourself */
x264_nal_start( h, NAL_SEI, NAL_PRIORITY_DISPOSABLE );/*开始整理nal。*/
x264_sei_version_write( h, &h->out.bs );//写sei信息
x264_nal_end( h );
}
/* generate sequence parameters */
x264_nal_start( h, NAL_SPS, NAL_PRIORITY_HIGHEST );/*开始整理nal。一个nal单元的首地址被赋值，
将要处理此新的nal单元；设置nal的优先权和类型。*/
x264_sps_write( &h->out.bs, h->sps );/*写SPS信息。
将序列参数集sps写进位流结构中h->out.bs
不是每次都要写SPS and PPS，只有碰见立即刷新片（NAL_SLICE_IDR）时才写*/
x264_nal_end( h );/*结束nal，整理nal
（1）输出新nal单元的地址
（2）自增表示下一个新nal单元的序号*/
/* generate picture parameters */
x264_nal_start( h, NAL_PPS, NAL_PRIORITY_HIGHEST );/*开始整理nal。
一个nal单元的首地址被赋值，将要处理此新的nal单元；设置nal的优先权和类型。*/
x264_pps_write( &h->out.bs, h->pps );/*写PPS信息。
将序列参数集sps写进位流结构中h->out.bs
不是每次都要写SPS and PPS，只有碰见立即刷新片（NAL_SLICE_IDR）时才写*/
x264_nal_end( h );/*结束nal，整理nal
（1）输出新nal单元的地址
（2）自增表示下一个新nal单元的序号*/
}二、片级编码分析
未完！待续。。。