【音视频】闭合GOP和开放GOP

参考资料：https://cloud.tencent.com/developer/article/1919128

一、GOP 的概念

• 在视频编码中，GOP（Group of Pictures，图像组） 是由连续的视频帧组成的序列，包含 I 帧（关键帧）、P 帧（前向预测帧）和 B 帧（双向预测帧）等不同类型的帧，用于平衡压缩效率和解码灵活性。

• 闭合 GOP 和开放 GOP 是两种不同的 GOP 结构，核心区别在于帧之间的参考关系是否局限于当前 GOP 内部。

• P帧和B帧参考其他帧进行时域预测。用作预测的帧既可以是I帧和P帧，也可以是被参考的B帧。H.264/AVC允许将这三种类型的帧组合起来形成多个预测帧。

• 问题来了——分析显示顺序（Display Order）时，预测/参考帧的位置在哪里？换言之，P帧和B帧可以参考几个GOP之前的帧吗？这样做也许会呈现最好的效果，为什么不这样做呢？

为了回答这些问题，我们需要先理解闭合GOP和开放GOP的概念

二、闭合GOP

2.1 闭合GOP 的概念

闭合 GOP 的核心特点是：当前 GOP 内的所有帧（P 帧、B 帧）仅参考本 GOP 内的帧，不依赖前一个 GOP 的任何帧。

• 如下图所示，第一个GOP以P帧而不是B帧结束，这就意味着编码器不会将下一个GOP中的帧用作参考帧

• 如果最后一帧是B帧的话，由于 B 帧需要参考 “后面的帧”，但当前 GOP 的 “后面” 是下一个 GOP 的帧（如 I 帧或 P 帧）。此时，该 B 帧的参考链会延伸到其他 GOP，导致当前 GOP 必须依赖下一个 GOP 才能解码，违背了 “闭合 GOP 内帧仅参考本 GOP” 的定义，使其退化为类似开放 GOP（Open GOP）的结构。

• 闭合GOP在视频流化和压缩中非常有用，它是视频中的独立片段，和其他GOP有清晰的隔断，所有在闭合GOP出现的问题都不会影响到其他GOP。

• 闭合GOP以一个被称为IDR（Instantaneous Decoder Refresh，即时解码刷新）的I帧开始。 之所以称之为IDR，是因为当解码器遇到 IDR 帧时，由于在 IDR 之前出现的任何帧都不能用作在该 IDR 之后出现的图片的参考帧，它可以刷新其解码图片缓冲区（Decoded Picture Buffer 或 DPB）。这就形成了图片序列的彻底中断。

2.2 闭合GOP的作用

• ABR视频流： 在ABR视频流中，播放器可以根据带宽和解码器缓冲器的填充程度在不同配置文件（组合不同码率和分辨率的视频）之间切换。如果播放器要从1080p切换到360p，那么它就需要这种利落的切换。此时IDR发挥作用，这样播放器就能刷新缓冲，让360p的视频流进入。

  • 具体来说：
    1. 当播放器决定切换到 360p 流时，会等待 360p 流中最近的一个 IDR 帧（因为 IDR 帧是独立解码的，不需要参考任何其他帧）；
    2. 从这个 IDR 帧开始解码 360p 流，由于 IDR 帧之后的所有帧（属于闭合 GOP）只参考本 GOP 内的帧（不涉及之前的 1080p 流），因此不需要依赖旧流的任何数据；
    3. 此时播放器可以 “刷新缓冲”—— 清空旧的 1080p 流数据，只加载和缓存 360p 流从 IDR 帧开始的新数据，确保新流能独立、正确解码

• 错误恢复：如果你在流化视频时使用HLS，并且每个视频片段都以IDR开始，这意味着片段中的所有帧都不能参考前、后片段中的帧。所以如果因为某个错误而失去其中一个片段，播放器仍然能继续接收下一个视频片段。有趣的是，Apple 的 HLS 规范提到应该每两秒使用一次 IDR。（注意：规范没有说视频片段持续时间应该是两秒，而是指 GOP 的大小是两秒）。

• 快进快退（Trick Mode）： 我们之前提到过，IDR非常有助于实现快进快退。播放器需找到距离最近的IDR，然后开始从这一点播放视频流。

三、开放GOP

3.1 开放GOP的概念

开放GOP正好和闭合GOP相反，允许其内的帧参考其他GOP内的帧。请看下图第二个I帧。来自前一个GOP的B帧被用作参考帧，这意味着这是一个开放GOP（由黄色箭头表示）。

3.2 开放GOP 的作用

开放GOP在以下情况中非常有用：

• 你不需要为了ABR而重新开始一段新的视频，但是需要关闭GOP
• 你现在想要提高视频压缩效率（因为B帧可以多一个高质量的参考帧）
• 当你需要插入I帧时（或是为了刷新视频质量，或者在非场景转换的情况下，是否跨I帧预测并不重要）

四、总结

4.1 闭合GOP

适用场景：

1. 点播视频（VOD）
   点播中用户经常会进行“seek操作”（拖动进度条跳转），此时需要快速定位到目标时间点并开始解码。闭合GOP的独立性确保：找到目标时间点所在的GOP后，无需依赖前面的GOP即可解码，避免画面花屏或延迟。

2. ABR自适应码率切换
   ABR场景下，播放器会根据带宽在不同码率（如1080p/720p/360p）的视频流之间切换。切换时需要从新码率的某个GOP开始播放，闭合GOP的独立性可确保切换瞬间不依赖前一个码率的帧，实现“无缝切换”（否则若依赖前GOP，新码率的帧可能因缺少参考而解码失败）。

3. 直播时移/回看
   直播中用户可能回退到几分钟前的内容（时移），或直接跳转至某个时间点观看（回看）。闭合GOP允许播放器直接定位到目标时间点的GOP并解码，保证时移操作的流畅性。

4. 视频编辑/剪辑
   视频编辑时，若需要截取一段视频（如从第10秒到第20秒），闭合GOP的独立性可确保截取的片段能单独解码，无需携带前序GOP的帧，简化编辑流程。

5. 低延迟交互场景
   如在线教育的“暂停/继续”、远程会议的“回放片段”等，需要快速响应操作并从指定点播放，闭合GOP的独立解码能力可降低延迟。

4.2 开放GOP

适用场景：

1. 存储型视频（如本地文件、蓝光光盘）
   这类场景中，视频通常按顺序播放，用户很少进行跳转（或跳转可接受轻微延迟），更关注存储容量。开放GOP的高压缩率可减少文件体积，节省存储成本（例如一部2小时的电影，开放GOP可能比闭合GOP小5%-10%）。

2. 非实时视频分发（如预录视频的CDN分发）
   若视频内容以“完整下载后播放”为主（而非边下边播），用户几乎不进行seek操作，开放GOP的高压缩率可降低传输带宽成本，同时不影响播放体验（因为完整下载后可按顺序解码，依赖关系可被提前处理）。

3. 带宽受限的直播（无交互需求）
   某些对带宽极度敏感的直播场景（如偏远地区的低带宽直播），若用户仅“实时观看”而不进行时移/跳转，开放GOP可在有限带宽下提升画质（或降低卡顿率），牺牲的“随机访问能力”对体验影响较小。

4. 长视频连续播放（如电影、纪录片）
   这类内容用户通常按顺序观看，很少拖动进度条，开放GOP的压缩效率优势更明显，且跨GOP参考不会影响连续播放的流畅性（解码时按顺序加载即可处理依赖）。

更多资料：https://github.com/0voice