【音视频】GOP 的设置和分析
一、GOP的概念
GOP（Group of Pictures，图像组）是 H.264 编码序列中 以 I 帧为起点，到下一个 I 帧前一帧的连续帧集合。它包含三个核心要素：
- 帧类型：I 帧（关键帧）、P 帧（前向预测帧）、B 帧（双向预测帧），体积关系为 I > P > B。
- GOP 长度：两个 I 帧之间的帧数（如 GOP=10 表示每 10 帧出现一个 I 帧）。
- Reference 间隔：两个 P 帧的间隔（或 P 帧与 I 帧的间隔），决定 B 帧的数量（B 帧只能出现在两个 P 帧或 I/P 帧之间）。
| 帧类型 | 依赖对象 | 压缩原理 | 核心缺陷 |
|---|---|---|---|
| I 帧 | 仅依赖本帧内的宏块 | 帧内预测（空间冗余压缩） | 码率高，占 GOP 总码率的 60%+ |
| P 帧 | 依赖前面的 I/P 帧 | 前向运动补偿（时间冗余压缩） | 误差会向后扩散（如 P 帧错误，后续 P/B 帧解码失败） |
| B 帧 | 依赖前后的 I/P 帧 | 双向运动补偿（更高效压缩） | 增加编码 / 解码延迟（需缓存后续帧） |
二、GOP的设置
在码率不变的前提下，GOP值越大，P、B帧的数量会越多，平均每个I、P、B帧所占用的字节数就越多，也就更容易获取较好的图像质量；Reference越大，B帧的数量越多，同理也更容易获得较好的图像质量
下面举个例子来说明：
比如帧率为5，分别计算GOP=10、 GOP=5时不同GOP大小的码率，假设I帧占用100字节、P帧占用25字节
- GOP=10时，2秒数据的帧为
I P P P P P P P P P， 码率为 (100+9*25)*8bit/2秒 = 1,300bps - GOP=5时，2秒数据的帧为
I P P P P I P P P P， 码率为 (100*2+8*25)*8bit/2秒 = 1,600bps
上面两个统计可以得出来：
- 在
I/P帧占用字节相同的情况下，GOP越大，则码率越低 - 如果
GOP=10的情况下，码率也设置为1600bps，那就意味着平均I帧的大小可以改变为1600*100 / 1300 = 123字节，平均P帧可以改变为30.77字节，画质也就更好。可以认为，同等码率下GOP越大，画质越好，但存在一个边界
要说明的是，通过提高GOP值来提高图像质量是有限度的:
- 在遇到场景切换的时候，
H264编码器会自动强制插入一个I帧，此时的GOP就被切断了 - 另一方面，在一个
GOP中，P/B帧是由I帧预测得到的，如果GOP过大，会导致后续的P/B帧还原得到的质量变差，直到下一个GOP开始的时候，才会恢复图像的质量
同时，由于P/B帧编码的复杂度是大于I帧的，因此过多的P/B帧会影响编码的效率。
另外，过长的GOP还会影响Seek操作的响应速度，因为Seek的时候，需要先定位到前面最近的一个I帧，然后在依次解码后续的P/B帧，直到解码到Seek位置的帧，这样会导致Seek操作响应时间大大增加
更多资料：https://github.com/0voice