【H264/AVC 句法和语义详解】(一)： 句法元素分层结构

本篇隶属于文集：《H264/AVC 句法和语义详解》，查看文集全部文章，请点击文字链接。
想看最新文章，可以直接关注微信公众号：金架构

从这一篇开始，我们详细的讲解H.264/AVC 比特码流的句法和语义，可以说，能够学习并掌握H.264的句法和语义，是能彻底掌握并应用H.264的关键。在前面几篇文章中，我们只是从理论层面，介绍了H.264、片、宏块、帧内预测、帧间预测。而在句法和语义中，我们就可以拿到H.264编码之后的裸流，用理论加实践的方式，一步步探索H.264的编解码实现过程。

而在这篇文章里呢，我们就先从宏观的角度，来看看使用H.264编码之后，得到的裸流的分层结构是什么样的。不过在开始之前，我们先从最基本的开始，来看看句法和语义，这两个词，分别代表什么意思？

1. 句法和语义

我们可以拿我们每天说的语言来举例，比如以英语为例写个句子：

It is a beautiful day today.

恩，学过英文的都知道它表达什么意思，但是我们的重点不是这个。我们的重点是，如何用它来理解什么是句法和语义。首先我们对这个句子进行分析，它由六个单词组成，每个单词分别代表了一个意思，这是学习过英语的人的表达。假设我们没学过英语，我们会这么说，这个句子由六部分（或者六个元素）组成，每个元素有一个含义。

所以句法和语义分别是指什么呢？如果我不这样问，而是问句法元素和语义是指什么呢？你可能会恍然大悟。没错，句法元素在上面的英文句子里，可以理解为一个个单词，而语义就表示单词的含义。理解了句法元素和语义，再去理解句法就更简单啦，它就表示了句法元素的组织结构。

那这和H.264的句法和语义有什么关系呢？当然有关系！

首先我们要明白，上面那个英文句子，是我们人能够理解的人类语言。而H.264的比特流，是计算机能理解的二进制语言（可能使用机器语言能更好明白，但是机器语言现在一般指指令集体系）。所以归根结底，它们都属于一种语言，只不过表达的意思不同而已。

比如上面那个英文句子，它表达的意思是今天的天气真美好！而H.264的比特流，比如101111000101011111000（当然是瞎写的），它可能就在表达图像的宽或高、片的个数、宏块的大小、样点像素值等等。

当然具体在表达什么，我们需要学习了H.264的句法和语义之后才知道，所以学习H.264的句法和语义，其实就相当于在英语里背单词和学习英语语法。只不过H.264的语法和英语的语法不一样，我们需要学习了之后才知道。

要注意虽然我们可以把H.264的句法理解为语法，并且它的英文也确实为Syntax，表示语法、句法的意思。但是我们在H.264里还是通常用句法这一词，这是因为写过代码的都知道，在编程语言中也有各种语法，在H.264的比特流的编解码中，也会涉及到一系列编程语法。

所以为了避免歧义，我们在H.264里，分别使用句法，来表示句法元素的组织结构。用语法，来表示编程语言语法。

2. 句法元素分层结构

理解了句法和语义之后，我们就来看看H.264比特流的分层结构，这是开始学习H.264句法的第一步。我们的标题，分别使用句法元素和比特流这两个词，来描述分层结构，是因为我们可以站在两个维度来分析H.264的比特流。

在这一小节中，我们先站在句法元素的角度，来分析一下它的分层结构。

为什么可以站在句法元素的角度来分析？

我们通过第一小节知道，在H.264的比特码流中，分析单个的比特是没有意义的，只有分析由比特组成的句法元素，并且了解其语义，才能知道这段比特流表达了什么。所以我们可以简单的视为，码流就是由一个个句法元素依次衔接组成的。只要理解了这一层关系，那么接下来的工作就简单多了！

我们都知道（MPEG-1、2也讲过），视频是由视频序列组成的，而视频序列又由一帧帧图像组成，图像又由片组成，片由宏块组成，宏块由子宏块组成。

既然一段码流，由多个句法元素组成，那这段码流表示了什么呢？它是表示了一个序列，还是一帧图像，还是片、宏块或子宏块？这就要涉及到这一小节的标题了，也就是句法元素的分层结构。在讲H.264的句法元素分层结构之前，我们先看看之前标准的分层结构。

2.1 以往标准句法元素的分层结构

以往标准中的分层结构

上图就是在之前标准中的分层结构，可以看到句法元素同画面的划分一样，被组织成了有层次的结构，这种结构有助于更高效的节省码流。但是这样的结构，有几个很大的缺点：

（1）在每一层中，数据和它的头部，形成强依赖关系，一旦头部丢失，数据部分也不可能正确被解码。

（2）在序列层及图像层，因为数据量过大，不可能将所有的句法元素一次传输，这时假如头部所在的分组丢失，那么该层其他的数据，即使能正确接收也无法解码。

（3）图像层内的各个片之间，经常会携带相同的数据，造成码流的浪费。

所以在此基础上，H.264取消了图像层和序列层，取而代之的，将原本属于图像层和序列层的大部分句法元素，抽取出来形成图像参数集和序列参数集，其余的部分，则放入片层。

2.2 H.264的句法元素的分层结构

下图为H.264图像参数集和序列参数集，与片中句法元素的关系：

H.264参数集与片中句法元素的关系

从图中可以看到，同一个序列参数集可以被多个序列中的图像参数集引用，同一个图像参数集也可以被多个图像引用。所以我们在打开H.264码流文件时会看到，序列参数集和图像参数集位于码流的最前面。如果编码器认为需要更新参数集时，会发送新的参数集。

在这种引用关系中，被引用方在时间上必须先被发送，所以在H.264建议中，参数集和参数集外部的句法元素，分别处于不同的信道中传输。

除了在参数上的改进，H.264在片层以下的句法元素上的结构，和之前的标准类似。而且因为取消了图像层，片成为携带图像像素数据的，最上层的数据单位。并且每个片必须携带所属的图像的编号、大小等信息，这些信息在同一个图像的每个片中必须是一致的。

以上就是H.264的句法元素的分层结构，它分别为序列、图像、片、宏块、子宏块这5个层次。

当然有的同学一下并不能完全理解，句法元素的分层结构是指什么，那是因为要想完全理解，还要结合之后要讲的NALU，以及序列、图像、片、宏块、子宏块这些层次，具体包含哪些句法元素，以及句法元素的语义是什么。而在这里，我们可以先简单的理解为，图像引用序列，片引用图像，同时片包含宏块，宏块包含子宏块。

3. 关于H.264的协议文档

H.264一直在更新，英语底子好的同学，可以直接根据下面的链接，去ITU的官网上下载最新版。

http://www.itu.int/rec/T-REC-H.264

当然即使英语好，也不一定能看懂文档在讲啥，因为有好多专业词汇。所以我们可以下载个中文版，但是最新的17版没有中文版，我们下个05版的中文版就足够了。撸一遍05的中文版后，再撸一遍最新的英文版就轻松多了

http://www.itu.int/rec/T-REC-H.264-200503-S/en