H264学习指南

因为最近手头的活基本搞完了，人也闲了下来，这么热的天气，突然想写这么一篇文章。不过首先声明的是我对H264并不是太熟悉。但多多少少也学习了这么久了，写点心得出来对自己是个交待，同时也希望给新手们一点帮助，只要对大家有一点点帮助，也就很满足了。

       好，闲话少说。如果大家是刚开始进入图象领域，那么先看一看＂计算机图象处理＂方面的教材还是有必要的．不过稍微了解一下就好了，不用太深入，在以后的对264的学习中，自然会对这些基本概念有进一步的了解．然后，是对264的了解，推荐3篇文章.

1、Halsted.Press.H.264.And.MPEG-4.Video. Compression. Video. Coding. For. Next. Generation。
   对视频编解码原理讲得比较详细
2、Video coding using the H.264 MPEG-4 AVC compression standard。
   更加关注于编解码的各个模块的实现方式
3、Overview of the H.264/AVC Video Coding Standard。
   是Thomas Wiegand的大作，对264较之以往标准的新特性都作了说明。

        这三篇文章绝对是了解264的经典文章，论坛上好像也有下载的地址。这些都是e文文章，不过相信对大多数人难度都不大。

细心将这三篇文章看完。对264就有了一个比较清楚地认识了。对一个这么大的东西，不可能说要在短时间内全部搞懂它，因此就要根据当前自己的情况，选择一个具体的研究方向，比如说运动估计、熵编码等等。我现在以我自己的研究方向运动估计作为例子，来说一下我的学习方法，当然肯定有班门弄斧的嫌疑，但是既然大家都不认识我，我也就不客气了。

        从入门的3篇文章中可以看出，帧间编码（运动估计）是264的运算复杂度的“主力”部分。那么首先要对传统的那些运动估计方法作一个了解，如果是教育网的朋友再ieee的网站上拿motion estimation一搜就能搜到一大堆文章了，我的建议是选一篇比较新而且比较长的文章，就是那种regular paper 而不是short paper。这些文章中一般会对本研究方向的经典方法作一个回顾和比较，这样，从这篇文章的参考文献中再进一步把本研究方向的历史和现状作一个了解。
        所谓对264的研究的话，基本上就是用更加好的算法来降低264本身的计算复杂度。能够做到不提高码率当然好，但码率稍微有点上升也没有关系，不过那就要在编码速度上有优势，这样就可以说“本方法利于实时实现“啦，哈哈。就运动估计来说，传统的3ss,4ss,ds都要知道是怎么回事，然后像被大家奉为经典的mvfast,pmvfast就要专心的看一下了。最好呢，是在这些方法上，能够提出自己的新观点、新方法。当然，这就不是一个纯粹看论文能够解决的问题了。大家需要对264的新特点有一个清楚了了解，然后考虑的方向可以是以前的方法应该怎么改善再用在264上，能够更好地发挥作用，向连续消方法，half-way stop的方法，好像国内的都有人出论文。因为264的帧间预测采用了可变块大小，因此又引出了一个问题：按什么方法来分块是最好的？大家在看那3篇入门的文章时，就要边看边思考，里面说采用可变块大小，就要想到我怎么知道该怎么分块；里面提到4*4块帧内预测有9种模式，就要想到这9种模式如何决策。也就是说，大家再看这些文章时，要想一下，我该怎么去实现它。这些问题其实很容易就能提出来，但要解决却是一个大问题。
        比如说分块吧，VBSME(variable block size motion estimation)，ieee上可有不少文章，台湾国立成功大学（？好像是这个名字）的一篇硕士论文就写的是这个，可见264有好多东西可以去做，养几个博士绝对绰绰有余啊，赫赫。其实研究方向越细，就能够对这个方向把握得越准确，成天看着，总会有些新想法出来吧，嗬嗬，开玩笑的说。选好了一个大的研究方向，然后就要知道现在这个方向大家都是在那些细节上做工作。像运动估计的话，多帧预测，可变块大小的分法，1/4像素估计精度等等都是热门的东西，那基本上来说，跟着大家走就好了。了解哪些东西是热门，基本上*多看文章，同时建议大家多看e文的，最好是ieee的。我的一个博士师兄告诉我说，如果你想发某一个档次的文章，你就应该看比这个杂志高一个档次的文章。而且他说一般看个15篇左右，就应该要能够出一篇自己的东西了。这个师兄现在毕业了，他发了好多EI的，羡慕！
       如果“不幸”有了自己的新想法，那么就需要验证了。简单一点的验证呢，可以放在c语言或者matlab平台下进行，但是如果要发论文的话，基本上还是要放在JM下才有说服力。而且试验序列最好采用标准序列。这既涉及到一个读JM源码和修改JM源码的问题。我看了一段时间，实在是好烦啊，所以，对不起，在这方面我没有太多好的建议。但是我在修改一个帧内预测算法时，反而把预测速度减慢了，哈哈，按照常理来说，我的方法应该比JM里的方法好才对，而且我在matlab下的仿真结果的确如此，很郁闷，希望大家推荐一个看源码的方法给我，谢谢先。
        除去以上说的这些，看标准也是很必要的。200503的那个prepublished版本好像是最新的，对于翻译标准，我认为不是太必要，但对了解标准也还是有点帮助，可以放在正常工作时间以外进行，如果大家有这么努力的话。