h.264语法结构分析

Posted 2020-06-16

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了h.264语法结构分析相关的知识，希望对你有一定的参考价值。

NAL Unit Stream

Network Abstraction Layer，简称NAL。

h.264把原始的yuv文件编码成码流文件，生成的码流文件就是NAL单元流（NAL unit Stream）。而NAL单元流，就是NAL单元组成的。

标准的Annex B规定了NAL单元组成NAL单元流的方式，下面描述了如何将一个NAL单元打包起来，而多个NAL单元进行组合则形成了NAL单元流。

byte_stream_nal_unit( NumBytesInNALunit ) { C Descriptor
	while( next_bits( 24 ) != 0x000001 &&
		next_bits( 32 ) != 0x00000001 )
		leading_zero_8bits /* equal to 0x00 */ f(8)
	if( next_bits( 24 ) != 0x000001 )
		zero_byte /* equal to 0x00 */ f(8)
	start_code_prefix_one_3bytes /* equal to 0x000001 */ f(24)
	nal_unit( NumBytesInNALunit )
	while( more_data_in_byte_stream( ) &&
		next_bits( 24 ) != 0x000001 &&
		next_bits( 32 ) != 0x00000001 )
		trailing_zero_8bits /* equal to 0x00 */ f(8)
}

语法元素

leading_zero_8bits 0x00，只有可能出现在NAL单元流的头部，但是一般编码出来的h264文件都不会包含这部分。
zero_byte 0x00，如果当前的NAL单元为sps、pps或者一个访问单元（access unit）的第一个NAL单元，这个字节就会存在。访问单元代表一张编码图像，不包含sps、pps等外部数据，但是一幅编码图像有可能分成几个slice，甚至再细分成data partition，因此访问单元的第一个NAL单元就会是该图像的第一个slice或者slice data partition A。
start_code_prefix_one_3bytes 0x000001，固定存在的NAL单元起始码，用来指示下面为一个NAL单元。
nal_unit( NumBytesInNALunit ) NAL单元
trailing_zero_8bits 0x00，可能出现的NAL单元后的补零，但是一般编码出来的h264文件都没有包含这部分。

NAL Unit

NAL单元是对RBSP进行打包生成的，NAL单元有如下语法

nal_unit( NumBytesInNALunit ) { C Descriptor
	forbidden_zero_bit All f(1)
	nal_ref_idc All u(2)
	nal_unit_type All u(5)
	NumBytesInRBSP = 0
	nalUnitHeaderBytes = 1
	if( nal_unit_type = = 14 | | nal_unit_type = = 20 | |
		nal_unit_type = = 21 ) {
		if( nal_unit_type ! = 21 )
			svc_extension_flag All u(1)
		else
			avc_3d_extension_flag All u(1)
		if( svc_extension_flag ) {
			nal_unit_header_svc_extension( ) /* specified in Annex G */ All
			nalUnitHeaderBytes += 3
		} else if( avc_3d_extension_flag ) {
			nal_unit_header_3davc_extension( ) /* specified in Annex J */
			nalUnitHeaderBytes += 2
		} else {
			nal_unit_header_mvc_extension( ) /* specified in Annex H */ All
			nalUnitHeaderBytes += 3
		}
	}
	for( i = nalUnitHeaderBytes; i < NumBytesInNALunit; i++ ) {
		if( i + 2 < NumBytesInNALunit && next_bits( 24 ) = = 0x000003 ) {
			rbsp_byte[ NumBytesInRBSP++ ] All b(8)
			rbsp_byte[ NumBytesInRBSP++ ] All b(8)
			i += 2
			emulation_prevention_three_byte /* equal to 0x03 */ All f(8)
		} else
			rbsp_byte[ NumBytesInRBSP++ ] All b(8)
	}
}

语法元素

forbidden_zero_bit 0，一个bit
nal_ref_idc 2个bit，用来指示当前NAL单元的优先级。0的优先级最低，如果当前NAL单元内是非参考图像的slice或者slice data partition等不是那么重要的数据，那么这个值为0；如果当前NAL单元内是sps、pps、参考图像的slice或者slice data partition等重要数据，那么这个值不为0
nal_unit_type 5个bit，用来指示当前NAL单元中包含的RBSP的结构，这些不同结构的RBSP由不同的RBSP语法生成，下一节我们将讨论这些RBSP语法。
svc_extension_flag 1个bit，表示多视角编码，特定的NAL type中才会出现这个位，这里不作讨论
avc_3d_extension_flag 1个bit，表示3D编码，特定的NAL type中才会出现这个位，这里不作讨论
rbsp_byte 表示被打包的RBSP字节
emulation_prevention_three_byte 0x03，用于防止竞争。前面讨论过，NAL单元的头部会出现0x000001或者0x00000001的情况，那如果RBSP中也出现这几个字节就会把他们错当成NAL单元的头部了，为了防止这种情况，当RBSP中出现连续两个字节为零（即0x0000）时，会在后面插入一个0x03。则有

0x000000 => 0x00000300

0x000001 => 0x00000301

0x000002 => 0x00000302

0x000003 => 0x00000303

……

RBSP

Raw Byte Sequence Payload，原始字节序列载荷。

跟据nal_unit_type可以分成以下表格

nal_unit_type	Content of NAL unit and RBSP syntax structure	Catogary
0	Unspecified
1	Coded slice of a non-IDR picture slice_layer_without_partitioning_rbsp( )	2,3,4
2	Coded slice data partition A slice_data_partition_a_layer_rbsp( )	2
3	Coded slice data partition B slice_data_partition_b_layer_rbsp( )	3
4	Coded slice data partition C slice_data_partition_c_layer_rbsp( )	4
5	Coded slice of an IDR picture slice_layer_without_partitioning_rbsp( )	2,3
6	Supplemental enhancement information (SEI) sei_rbsp( )	5
7	Sequence parameter set seq_parameter_set_rbsp( )	0
8	Picture parameter set pic_parameter_set_rbsp( )	1
9	Access unit delimiter access_unit_delimiter_rbsp( )	6
10	End of sequence end_of_seq_rbsp( )	7
11	End of stream end_of_stream_rbsp( )	8
12	Filler data filler_data_rbsp( )	9
13	Sequence parameter set extension seq_parameter_set_extension_rbsp( )	10
14	Prefix NAL unit prefix_nal_unit_rbsp( )	2
15	Subset sequence parameter set subset_seq_parameter_set_rbsp( )	0
16…18	Reserved
19	Coded slice of an auxiliary coded picture without partitioning slice_layer_without_partitioning_rbsp( )	2,3,4
20	Coded slice extension slice_layer_extension_rbsp( )	2,3,4
21	Coded slice extension for a depth view component or a 3D-AVC texture view component slice_layer_extension_rbsp( )	2,3,4
22…23	Reserved
24…31	Unspecified

第一列代表当前NAL的类型；第二列是该类型对应的描述以及RBSP语法结构名称；第三列列出了当前NAL类型中可能出现的语法元素种类，（Category）种类在所有语法结构中的语法元素后面都有标明。

RBSP尾部

标准中描述了很多种的RBSP结构并且通过语法表现出来，RBSP语法主要规定了该结构由什么成员组成，各个成员如何组合，成员会占用几个bit。不过虽然RBSP结构有很多种，但是他们也有一个共同点：都有一个RBSP尾部。

RBSP尾部的语法如下：

rbsp_trailing_bits( ) { C Descriptor
	rbsp_stop_one_bit /* equal to 1 */ All f(1)
	while( !byte_aligned( ) )
		rbsp_alignment_zero_bit /* equal to 0 */ All f(1)
}

语法元素

rbsp_stop_one_bit 1位的1
rbsp_alignment_zero_bit 字节补零，目的是为了进行字节对齐

有一种特殊情况：如果采用的熵编码方式为CABAC，而且当前是实际图像内容相关的RBSP（名称包含slice的RBSP结构），那么会在RBSP尾部的后面添加1个或多个0x0000。语法表示如下：

rbsp_slice_trailing_bits( ) { C Descriptor
	rbsp_trailing_bits( ) All
	if( entropy_coding_mode_flag )
		while( more_rbsp_trailing_data( ) )
			cabac_zero_word /* equal to 0x0000 */ All f(16)
}

语法元素

cabac_zero_word 0x0000

RBSP中除了rbsp_trailing_bits以及rbsp_slice_trailing_bits，其余部分被统称为SODB（String Of Data Bits）。

seq_parameter_set_rbsp

这是SPS RBSP的名称，它的结构如下

seq_parameter_set_rbsp( ) { C Descriptor
	seq_parameter_set_data( ) 0
	rbsp_trailing_bits( ) 0
}

如前面所说，RBSP都有一个rbsp_trailing_bits的尾部。而SPS的结构被包含在了seq_parameter_set_data里面

seq_parameter_set_data( ) { C Descriptor
	profile_idc 0 u(8)
	constraint_set0_flag 0 u(1)
	constraint_set1_flag 0 u(1)
	constraint_set2_flag 0 u(1)
	constraint_set3_flag 0 u(1)
	constraint_set4_flag 0 u(1)
	constraint_set5_flag 0 u(1)
	reserved_zero_2bits /* equal to 0 */ 0 u(2)
	level_idc 0 u(8)
	seq_parameter_set_id 0 ue(v)
	if( profile_idc = = 100 | | profile_idc = = 110 | | 
		profile_idc = = 122 | | profile_idc = = 244 | | profile_idc = = 44 | |
		profile_idc = = 83 | | profile_idc = = 86 | | profile_idc = = 118 | |
		profile_idc = = 128 | | profile_idc = = 138 | | profile_idc = = 139 | |
		profile_idc = = 134 ) {
		chroma_format_idc 0 ue(v)
		if( chroma_format_idc = = 3 )
			separate_colour_plane_flag 0 u(1)
		bit_depth_luma_minus8 0 ue(v)
		bit_depth_chroma_minus8 0 ue(v)
		qpprime_y_zero_transform_bypass_flag 0 u(1)
		seq_scaling_matrix_present_flag 0 u(1)
		if( seq_scaling_matrix_present_flag )
			for( i = 0; i < ( ( chroma_format_idc != 3 ) ? 8 : 12 ); i++ ) {
				seq_scaling_list_present_flag[ i ] 0 u(1)
				if( seq_scaling_list_present_flag[ i ] )
				if( i < 6 )
					scaling_list( ScalingList4x4[ i ], 16,
					UseDefaultScalingMatrix4x4Flag[ i ]) 0
				else
					scaling_list( ScalingList8x8[ i − 6 ], 64,
					UseDefaultScalingMatrix8x8Flag[ i − 6 ] ) 0
			}
	}
	log2_max_frame_num_minus4 0 ue(v)
	pic_order_cnt_type 0 ue(v)
	if( pic_order_cnt_type = = 0 )
		log2_max_pic_order_cnt_lsb_minus4 0 ue(v)
	else if( pic_order_cnt_type = = 1 ) {
		delta_pic_order_always_zero_flag 0 u(1)
		offset_for_non_ref_pic 0 se(v)
		offset_for_top_to_bottom_field 0 se(v)
		num_ref_frames_in_pic_order_cnt_cycle 0 ue(v)
		for( i = 0; i < num_ref_frames_in_pic_order_cnt_cycle; i++ )
			offset_for_ref_frame[ i ] 0 se(v)
	}
	max_num_ref_frames
	gaps_in_frame_num_value_allowed_flag 0 u(1)
	pic_width_in_mbs_minus1 0 ue(v)
	pic_height_in_map_units_minus1 0 ue(v)
	frame_mbs_only_flag 0 u(1)
	if( !frame_mbs_only_flag )
		mb_adaptive_frame_field_flag 0 u(1)
	direct_8x8_inference_flag 0 u(1)
	frame_cropping_flag 0 u(1)
	if( frame_cropping_flag ) {
		frame_crop_left_offset 0 ue(v)
		frame_crop_right_offset 0 ue(v)
		frame_crop_top_offset 0 ue(v)
		frame_crop_bottom_offset 0 ue(v)
	}
	vui_parameters_present_flag 0 u(1)
	if( vui_parameters_present_flag )
		vui_parameters( ) 0
}

语法元素

profile_idc 本视频编码时遵循的profile，profile分为Baseline，Main，Extended等，主要用来规定编码时是否采用某些特性，比如说Baseline profile就规定了只能使用I、P slice进行编码，关于profile的说明可以去查看标准的Annex A。
constraint_set0_flag 强制使用Baseline profile进行编码
constraint_set1_flag 强制使用Main profile进行编码
constraint_set2_flag 强制使用Extended profile进行编码
…
reserved_zero_2bits 两个0bit的保留位
level_idc 本视频遵循的level，level主要规定了每秒最多能处理多少个宏块，最大的帧大小，最大的解码缓存，最大比特率等这些性能相关的东西，如果是硬解码，则比较容易出现由于视频level太高而不能解码的情况。
seq_parameter_set_id 本SPS的ID，这个ID主要是给PPS用的。
log2_max_frame_num_minus4
pic_order_cnt_type
log2_max_pic_order_cnt_lsb_minus4
delta_pic_order_always_zero_flag
offset_for_non_ref_pic
offset_for_top_to_bottom_field
num_ref_frames_in_pic_order_cnt_cycle
offset_for_ref_frame 以上这几个参数的目的都是进行POC计算，请参考h.264的POC计算
max_num_ref_frames 参考帧最多能有多少个
gaps_in_frame_num_value_allowed_flag 由于码流在传输过程中可能出现丢包的情况，从而导致中间有帧缺失，如果制定了这个标记，则会在解码时对帧丢失的情况进行调整，否则就当作意外丢失处理。
pic_width_in_mbs_minus1 图片宽度（宏块为单位）-1
pic_height_in_map_units_minus1 图片高度（宏块为单位）-1
frame_mbs_only_flag 是否只进行帧编码
mb_adaptive_frame_field_flag 是否进行帧场自适应编码
direct_8x8_inference_flag 是否支持B帧直接预测编码，请参考h.264直接预测
frame_cropping_flag 是否需要对解码后的图片进行修剪
frame_crop_left_offset
frame_crop_right_offset
frame_crop_top_offset
frame_crop_bottom_offset 分别指示修剪的左右上下
vui_parameters_present_flag SPS是否包含vui参数
vui_parameters video usability information，在标准的Annex E中有描述，主要包含了视频的比例调整，overscan，视频格式，timing，比特率等信息。

pic_parameter_set_rbsp

如前面所说，RBSP都有一个rbsp_trailing_bits的尾部。PPS RBSP结构如下

pic_parameter_set_rbsp( ) { C Descriptor
	pic_parameter_set_id 1 ue(v)
	seq_parameter_set_id 1 ue(v)
	entropy_coding_mode_flag 1 u(1)
	bottom_field_pic_order_in_frame_present_flag 1 u(1)
	num_slice_groups_minus1 1 ue(v)
	if( num_slice_groups_minus1 > 0 ) {
		slice_group_map_type 1 ue(v)
		if( slice_group_map_type = = 0 )
			for( iGroup = 0; iGroup <= num_slice_groups_minus1; iGroup++ )
				run_length_minus1[ iGroup ] 1 ue(v)
		else if( slice_group_map_type = = 2 )
			for( iGroup = 0; iGroup < num_slice_groups_minus1; iGroup++ ) {
				top_left[ iGroup ] 1 ue(v)
				bottom_right[ iGroup ] 1 ue(v)
			}
		else if( slice_group_map_type = = 3 | |
			slice_group_map_type = = 4 | |
			slice_group_map_type = = 5 ) {
			slice_group_change_direction_flag 1 u(1)
			slice_group_change_rate_minus1 1 ue(v)
		} else if( slice_group_map_type = = 6 ) {
			pic_size_in_map_units_minus1 1 ue(v)
			for( i = 0; i <= pic_size_in_map_units_minus1; i++ )
				slice_group_id[ i ] 1 u(v)
		}
	}
	num_ref_idx_l0_default_active_minus1 1 ue(v)
	num_ref_idx_l1_default_active_minus1 1 ue(v)
	weighted_pred_flag 1 u(1)
	weighted_bipred_idc 1 u(2)
	pic_init_qp_minus26 /* relative to 26 */ 1 se(v)
	pic_init_qs_minus26 /* relative to 26 */ 1 se(v)
	chroma_qp_index_offset 1 se(v)
	deblocking_filter_control_present_flag 1 u(1)
	constrained_intra_pred_flag 1 u(1)
	redundant_pic_cnt_present_flag 1 u(1)
	if( more_rbsp_data( ) ) {
		transform_8x8_mode_flag 1 u(1)
		pic_scaling_matrix_present_flag 1 u(1)
		if( pic_scaling_matrix_present_flag )
			for( i = 0; i < 6 +
				( ( chroma_format_idc != 3 ) ? 2 : 6 ) * transform_8x8_mode_flag;
				i++ ) {
				pic_scaling_list_present_flag[ i ] 1 u(1)
				if( pic_scaling_list_present_flag[ i ] )
					if( i < 6 )
						scaling_list( ScalingList4x4[ i ], 16,
						UseDefaultScalingMatrix4x4Flag[ i ] ) 1
					else
						scaling_list( ScalingList8x8[ i − 6 ], 64,
						UseDefaultScalingMatrix8x8Flag[ i − 6 ] ) 1
			}
		second_chroma_qp_index_offset 1 se(v)
	}
	rbsp_trailing_bits( ) 1
}

语法元素

pic_parameter_set_id 当前PPS的ID，供slice RBSP使用
seq_parameter_set_id 当前PPS所属的SPS的ID
entropy_coding_mode_flag 为0时表明采用CAVLC编码，为1时采用CABAC编码
bottom_field_pic_order_in_frame_present_flag 用于POC计算，请参考h.264的POC计算中的bottom_field_flag
num_slice_groups_minus1 进行图像编码时，分成几个slice group，关于slice group请参考h.264 FMO
slice_group_map_type 如果num_slice_groups_minus1>0表明会分成多个slice group，此时会采用slice_group_map_type来规定宏块的组合方式，这部分请参考h.264 FMO
num_ref_idx_l0_default_active_minus1
num_ref_idx_l1_default_active_minus1 分别指示前向参考图像以及后向参考图像的个数，请参考h.264参考图像列表、解码图像缓存->参考图像列表->长度
weighted_pred_flag 用于指示P，SP slice是否进行亮度的加权预测，请参考h.264加权预测
weighted_bipred_idc 用于指示B slice的加权预测，0：否 1：显式加权预测 2：隐式加权预测，请参考h.264加权预测
pic_init_qp_minus26 用于计算初始QP（整个视频QP的基准值），关于QP，请参考H.264 Quantization
pic_init_qs_minus26 用于计算SP，SI帧的初始QP
chroma_qp_index_offset 色度宏块Cb与亮度宏块Y的QP差值
deblocking_filter_control_present_flag 是否进行deblocking
constrained_intra_pred_flag 0：当宏块进行intra编码时，尽管周边宏块为inter编码，也能用于当前宏块的intra预测。1：当宏块进行intra编码时，只有为intra编码的周边宏块才能用于当前宏块的intra预测，请参考Intra Luma Prediction
redundant_pic_cnt_present_flag 如果当前视频中冗余图像的话（SI，SP），那么这个flag应该为1
pic_scaling_matrix_present_flag scaling list相关
second_chroma_qp_index_offset 色度宏块Cr与亮度宏块Y的QP差值

slice_layer_without_partitioning_rbsp

如果当前slice不采用slice data partition的RBSP结构的话，就会是这个RBSP结构，编码时一般都会采用的这个RBSP结构。

我们知道编码是以slice为单位的，这个结构内包含的就是视频中编码的主要内容，视频图像进行编码后就会包含在这个结构内，也就是说编码后的码流中，大多数都是以这个结构的RBSP打包成的NAL unit。

语法结构如下

slice_layer_without_partitioning_rbsp( ) { C Descriptor
	slice_header( ) 2
	slice_data( ) /* all categories of slice_data( ) syntax */ 2 | 3 | 4
	rbsp_slice_trailing_bits( ) 2
}

其中分成slice_header，slice_data两部分，最后是RBSP尾部。

slice_header

slice_header就是slice的头部，其中包含的是本slice的相关参数，语法结构如下

slice_header( ) { C Descriptor
	first_mb_in_slice 2 ue(v)
	slice_type 2 ue(v)
	pic_parameter_set_id 2 ue(v)
	if( separate_colour_plane_flag = = 1 )
		colour_plane_id 2 u(2)
	frame_num 2 u(v)
	if( !frame_mbs_only_flag ) {
		field_pic_flag 2 u(1)
		if( field_pic_flag )
			bottom_field_flag 2 u(1)
	}
	if( IdrPicFlag )
		idr_pic_id 2 ue(v)
	if( pic_order_cnt_type = = 0 ) {
		pic_order_cnt_lsb 2 u(v)
		if( bottom_field_pic_order_in_frame_present_flag && !field_pic_flag )
			delta_pic_order_cnt_bottom 2 se(v)
	}
	if( pic_order_cnt_type = = 1 && !delta_pic_order_always_zero_flag ) {
		delta_pic_order_cnt[ 0 ] 2 se(v)
		if( bottom_field_pic_order_in_frame_present_flag && !field_pic_flag )
			delta_pic_order_cnt[ 1 ] 2 se(v)
	}
	if( redundant_pic_cnt_present_flag )
		redundant_pic_cnt 2 ue(v)
	if( slice_type = = B )
		direct_spatial_mv_pred_flag 2 u(1)
	if( slice_type = = P | | slice_type = = SP | | slice_type = = B ) {
		num_ref_idx_active_override_flag 2 u(1)
		if( num_ref_idx_active_override_flag ) {
			num_ref_idx_l0_active_minus1 2 ue(v)
			if( slice_type = = B )
				num_ref_idx_l1_active_minus1 2 ue(v)
		}
	}
	if( nal_unit_type = = 20 | | nal_unit_type = = 21 )
		ref_pic_list_mvc_modification( ) /* specified in Annex H */ 2
	else
		ref_pic_list_modification( ) 2
	if( ( weighted_pred_flag && ( slice_type = = P | | slice_type = = SP ) ) | |
		( weighted_bipred_idc = = 1 && slice_type = = B ) )
		pred_weight_table( ) 2
	if( nal_ref_idc != 0 )
		dec_ref_pic_marking( ) 2
	if( entropy_coding_mode_flag && slice_type != I && slice_type != SI )
		cabac_init_idc 2 ue(v)
	slice_qp_delta 2 se(v)
	if( slice_type = = SP | | slice_type = = SI ) {
		if( slice_type = = SP )
			sp_for_switch_flag 2 u(1)
		slice_qs_delta 2 se(v)
	}
	if( deblocking_filter_control_present_flag ) {
		disable_deblocking_filter_idc 2 ue(v)
		if( disable_deblocking_filter_idc != 1 ) {
			slice_alpha_c0_offset_div2 2 se(v)
			slice_beta_offset_div2 2 se(v)
		}
	}
	if( num_slice_groups_minus1 > 0 &&
		slice_group_map_type >= 3 && slice_group_map_type <= 5)
		slice_group_change_cycle 2 u(v)
}

语法元素

first_mb_in_slice 当前slice的第一个宏块在图像中的位置
slice_type 指示当前slice的类型，如下表。当slice_type为5~9的时候，就表明要求当前图像的其他slice为slice_type%5，也就是要求当前图像slice_type一致

slice_type	Nane of slice_type
0	P(P slice)
1	B(B slice)
2	I(I slice)
3	SP(SP slice)
4	SI(SI slice)
5	P(P slice)
6	B(B slice)
7	I(I slice)
8	SP(SP slice)
9	SI(SI slice)

pic_parameter_set_id 当前slice所属的PPS的ID
frame_num 用于POC计算，请参考h.264的POC计算中的frame_num
field_pic_flag 当前slice是否进行的是场编码
bottom_field_flag 当前slice是否在底场（bottom field）
idr_pic_id 指示IDR图片的ID
pic_order_cnt_lsb
delta_pic_order_cnt_bottom
delta_pic_order_cnt 以上三个都是用于计算POC，请参考h.264的POC计算
redundant_pic_cnt 冗余图像编码相关
direct_spatial_mv_pred_flag 1：B帧direct编码采用空域预测方式，0：B帧direct编码采用时域预测方式，请参考h.264直接预测
num_ref_idx_active_override_flag 当前slice的参考图像列表是否采用以下两个长度而不用PPS规定的长度
num_ref_idx_l0_active_minus1 前向参考图像列表长度
num_ref_idx_l1_active_minus1 后续参考图像列表长度
ref_pic_list_modification 参考图像列表重排序的参数结构语法，请结合标准并参考h.264参考图像列表、解码图像缓存->参考图像列表->参考图像列表重排序
pred_weight_table 加权预测的参数结构语法，请结合标准并参考h.264加权预测
dec_ref_pic_marking 解码图像标记的参数结构语法，请结合标准并参考h.264参考图像列表、解码图像缓存->解码图像缓存->解码图像标记过程
cabac_init_idc cabac中m、n表的索引
slice_qp_delta pic_init_qp_minus26 + 26 + slice_qp_delta将成为当前slice的初始QP
disable_deblocking_filter_idc
slice_alpha_c0_offset_div2
slice_beta_offset_div2 以上三个是deblocking的相关参数

slice_data

slice_data是slice的主体部分，当前slice内的宏块编码后的信息都在其中。

语法结构如下

slice_data( ) { C Descriptor
	if( entropy_coding_mode_flag )
		while( !byte_aligned( ) )
			cabac_alignment_one_bit 2 f(1)
	CurrMbAddr = first_mb_in_slice * ( 1 + MbaffFrameFlag )
	moreDataFlag = 1
	prevMbSkipped = 0
	do {
		if( slice_type != I && slice_type != SI )
			if( !entropy_coding_mode_flag ) {
				mb_skip_run 2 ue(v)
				prevMbSkipped = ( mb_skip_run > 0 )
				for( i=0; i<mb_skip_run; i++ )
				CurrMbAddr = NextMbAddress( CurrMbAddr )
				if( mb_skip_run > 0 )
				moreDataFlag = more_rbsp_data( )
			} else {
				mb_skip_flag 2 ae(v)
				moreDataFlag = !mb_skip_flag
			}
		if( moreDataFlag ) {
			if( MbaffFrameFlag && ( CurrMbAddr % 2 = = 0 | |
			( CurrMbAddr % 2 = = 1 && prevMbSkipped ) ) )
				mb_field_decoding_flag 2 u(1) | ae(v)
			macroblock_layer( ) 2 | 3 | 4
		}
		if( !entropy_coding_mode_flag )
			moreDataFlag = more_rbsp_data( )
		else {
			if( slice_type != I && slice_type != SI )
				prevMbSkipped = mb_skip_flag
			if( MbaffFrameFlag && CurrMbAddr % 2 = = 0 )
				moreDataFlag = 1
			else {
				end_of_slice_flag 2 ae(v)
				moreDataFlag = !end_of_slice_flag
			}
		}
		CurrMbAddr = NextMbAddress( CurrMbAddr )
	} while( moreDataFlag )
}

可以注意到slice_data内头部的对齐外，它由宏块信息循环组合而成。

语法元素

cabac_alignment_one_bit 如果是cabac，需要slice_data的头部8bit对齐，因此可能需要插入0
mb_skip_run 如果当前采用的是CAVLC编码方式，则会采用这个语法元素来表达skip宏块（P_Skip，B_Skip），mb_skip_run代表的是当前这个宏块以及它的后面共有多少个跳过宏块，并且后面的skip宏块都不会被编码。
mb_skip_flag 如果当前采用的是CABAC编码方式，则会采用这个语法元素来表达skip宏块（P_Skip，B_Skip），跟mb_skip_run不同的是，每个skip宏块都有一个mb_skip_flag
macroblock_layer 如果不是为skip宏块的话，则表明本宏块有编码的数据，因此会进去macroblock_layer
end_of_slice_flag 如果采用的是CABAC编码方式，还会用这个标记来表达当前宏块是否为这个slice的最后一个宏块

macroblock_layer

如前面所说，这里面的是宏块编码数据，语法结构如下

macroblock_layer( ) { C Descriptor
	mb_type 2 ue(v) | ae(v)
	if( mb_type = = I_PCM ) {
		while( !byte_aligned( ) )
			pcm_alignment_zero_bit 3 f(1)
		for( i = 0; i < 256; i++ )
			pcm_sample_luma[ i ] 3 u(v)
		for( i = 0; i < 2 * MbWidthC * MbHeightC; i++ )
			pcm_sample_chroma[ i ] 3 u(v)
	} else {
		noSubMbPartSizeLessThan8x8Flag = 1
		if( mb_type != I_NxN &&
			MbPartPredMode( mb_type, 0 ) != Intra_16x16 &&
			NumMbPart( mb_type ) = = 4 ) {
			sub_mb_pred( mb_type ) 2
			for( mbPartIdx = 0; mbPartIdx < 4; mbPartIdx++ )
				if( sub_mb_type[ mbPartIdx ] != B_Direct_8x8 ) {
					if( NumSubMbPart( sub_mb_type[ mbPartIdx ] ) > 1 )
						noSubMbPartSizeLessThan8x8Flag = 0
				} else if( !direct_8x8_inference_flag )
					noSubMbPartSizeLessThan8x8Flag = 0
		} else {
			if( transform_8x8_mode_flag && mb_type = = I_NxN )
				transform_size_8x8_flag 2 u(1) | ae(v)
			mb_pred( mb_type ) 2
		}
		if( MbPartPredMode( mb_type, 0 ) != Intra_16x16 ) {
			coded_block_pattern 2 me(v) | ae(v)
			if( CodedBlockPatternLuma > 0 &&
			transform_8x8_mode_flag && mb_type != I_NxN &&
			noSubMbPartSizeLessThan8x8Flag &&
			( mb_type != B_Direct_16x16 | | direct_8x8_inference_flag ) )
			transform_size_8x8_flag 2 u(1) | ae(v)
		}
		if( CodedBlockPatternLuma > 0 | | CodedBlockPatternChroma > 0 | |
			MbPartPredMode( mb_type, 0 ) = = Intra_16x16 ) {
			mb_qp_delta 2 se(v) | ae(v)
			residual( 0, 15 ) 3 | 4
		}
	}
}

语法元素

mb_type 当前宏块的类型，对于不同的slice（I,P,B），同一个值会表示不同的类型。而且这个类型不仅仅表达宏块的预测模式，分割方式，还有其他的一些信息，请参考h.264宏块与子宏块类型
pcm_alignment_zero_bit 在PCM情况下会要求进行字节对齐
pcm_sample_luma 亮度的PCM，一共有16x16个
pcm_sample_chroma 色度的PCM，根据yuv的格式不同会有不同的个数，一般的4:2:0格式有8x8x2个
sub_mb_pred 子宏块预测的语法结构，子宏块为8x8大小的宏块，也就是说一个宏块有4个子宏块，在这个语法结构的内部会进行4次子宏块预测
transform_size_8x8_flag 进行离散余弦变换时是否采用8x8矩阵的方式，请参考H.264 Transform
mb_pred 宏块预测的语法结构，宏块预测与子宏块预测的语法结构是相斥的，一个宏块的组成结构要么采用的是宏块预测的结构，要么4个子宏块都是子宏块的预测结构
coded_block_pattern 简称CBP，用来反映该宏块编码中残差情况的语法元素。CBP共有6位，其中前面2位代表UV分量，描述如下表所示；后面4位是Y分量，分别代表宏块内的4个8x8子宏块，如果任意一位为0，表明对应的8x8块中所有变换系数level（transform coefficient levels 也就是对像素残差进行变换、量化后的矩阵内的值，以后统称level）全部都是0，否则表明对应的8x8块中的变换系数level不全为0。另外需要注意的是，如果当前宏块的预测模式是Intra_16x16，则不会存在这个元素，此时CBP会由mb_type来表示，请参考h.264宏块与子宏块类型。CBP的主要作用是加快解码速度，当一个块的残差都为0时，就不用对这个块进行残差解码了。

CodedBlockPatternChroma	Description
0	All chroma transform coefficient levels are equal to 0.
1	One or more chroma DC transform coefficient levels shall be non-zero valued. All chroma AC transform coefficient levels are equal to 0.
2	Zero or more chroma DC transform coefficient levels are non-zero valued. One or more chroma AC transform coefficient levels shall be non-zero valued.

mb_qp_delta 用来计算当前宏块的QP，QP=pic_init_qp_minus26 + 26 + slice_qp_delta + mb_qp_delta
residual 像素残差编码的语法结构。

按照macroblock_layer的语法结构上看，宏块能粗略分成三种结构：PCM、sub_mb_pred（子宏块预测）、mb_pred（宏块预测）。另外，虽然skip宏块并不在macroblock内描述，它也是宏块的一种结构。

mb_perd

语法结构如下

mb_pred( mb_type ) { C Descriptor
	if( MbPartPredMode( mb_type, 0 ) = = Intra_4x4 | |
		MbPartPredMode( mb_type, 0 ) = = Intra_8x8 | |
		MbPartPredMode( mb_type, 0 ) = = Intra_16x16 ) {
		if( MbPartPredMode( mb_type, 0 ) = = Intra_4x4 )
			for( luma4x4BlkIdx=0; luma4x4BlkIdx<16; luma4x4BlkIdx++ ) {
				prev_intra4x4_pred_mode_flag[ luma4x4BlkIdx ] 2 u(1) | ae(v)
				if( !prev_intra4x4_pred_mode_flag[ luma4x4BlkIdx ] )
				rem_intra4x4_pred_mode[ luma4x4BlkIdx ] 2 u(3) | ae(v)
			}
		if( MbPartPredMode( mb_type, 0 ) = = Intra_8x8 )
			for( luma8x8BlkIdx=0; luma8x8BlkIdx<4; luma8x8BlkIdx++ ) {
				prev_intra8x8_pred_mode_flag[ luma8x8BlkIdx ] 2 u(1) | ae(v)
				if( !prev_intra8x8_pred_mode_flag[ luma8x8BlkIdx ] )
					rem_intra8x8_pred_mode[ luma8x8BlkIdx ] 2 u(3) | ae(v)
			}
		if( ChromaArrayType = = 1 | | ChromaArrayType = = 2 )
			intra_chroma_pred_mode 2 ue(v) | ae(v)
	} else if( MbPartPredMode( mb_type, 0 ) != Direct ) {
		for( mbPartIdx = 0; mbPartIdx < NumMbPart( mb_type ); mbPartIdx++)
			if( ( num_ref_idx_l0_active_minus1 > 0 | |
				mb_field_decoding_flag != field_pic_flag ) &&
				MbPartPredMode( mb_type, mbPartIdx ) != Pred_L1 )
				ref_idx_l0[ mbPartIdx ] 2 te(v) | ae(v)
		for( mbPartIdx = 0; mbPartIdx < NumMbPart( mb_type ); mbPartIdx++)
			if( ( num_ref_idx_l1_active_minus1 > 0 | |
				mb_field_decoding_flag != field_pic_flag ) &&
				MbPartPredMode( mb_type, mbPartIdx ) != Pred_L0 )
				ref_idx_l1[ mbPartIdx ] 2 te(v) | ae(v)
		for( mbPartIdx = 0; mbPartIdx < NumMbPart( mb_type ); mbPartIdx++)
			if( MbPartPredMode ( mb_type, mbPartIdx ) != Pred_L1 )
				for( compIdx = 0; compIdx < 2; compIdx++ )
					mvd_l0[ mbPartIdx ][ 0 ][ compIdx ] 2 se(v) | ae(v)
		for( mbPartIdx = 0; mbPartIdx < NumMbPart( mb_type ); mbPartIdx++)
			if( MbPartPredMode( mb_type, mbPartIdx ) != Pred_L0 )
				for( compIdx = 0; compIdx < 2; compIdx++ )
					mvd_l1[ mbPartIdx ][ 0 ][ compIdx ] 2 se(v) | ae(v)
	}
}

语法元素

prev_intra4x4_pred_mode_flag 如果当前宏块采用的是intra4x4的预测方式，则会存在这个语法元素，它的含义请参考Intra Luma Prediction
rem_intra4x4_pred_mode 如果当前宏块采用的是intra4x4的预测方式，则可能会存在这个语法元素，它的含义请参考Intra Luma Prediction
prev_intra8x8_pred_mode_flag 如果当前宏块采用的是intra8x8的预测方式，则会存在这个语法元素，它的含义请参考Intra Luma Prediction
rem_intra8x8_pred_mode 如果当前宏块采用的是intra8x8的预测方式，则可能会存在这个语法元素，它的含义请参考Intra Luma Prediction
intra_chroma_pred_mode intra chroma的预测模式，只有当前宏块的Luma部分采用intra预测时才会存在这个语法元素，它的含义请参考Intra Chroma Prediction
ref_idx_l0 前向参考图像索引。如果当前宏块为inter预测，并且他的预测方式并非后向预测（即可能为前向预测或双向预测），则会存在这个语法元素
ref_idx_l1 后向参考图像索引。如果当前宏块为inter预测，并且他的预测方式并非前向预测（即可能为后向预测或双向预测），则会存在这个语法元素
mvd_l0 前向向量残差。如果当前宏块为inter预测，并且他的预测方式并非后向预测（即可能为前向预测或双向预测），则会存在这个语法元素
mvd_l1 后向向量残差。如果当前宏块为inter预测，并且他的预测方式并非前向预测（即可能为后向预测或双向预测），则会存在这个语法元素

下图是几个mb_pred结构的例子

sub_mb_pred

语法结构如下

sub_mb_pred( mb_type ) { C Descriptor
	for( mbPartIdx = 0; mbPartIdx < 4; mbPartIdx++ )
		sub_mb_type[ mbPartIdx ] 2 ue(v) | ae(v)
	for( mbPartIdx = 0; mbPartIdx < 4; mbPartIdx++ )
		if( ( num_ref_idx_l0_active_minus1 > 0 | |
			mb_field_decoding_flag != field_pic_flag ) &&
			mb_type != P_8x8ref0 &&
			sub_mb_type[ mbPartIdx ] != B_Direct_8x8 &&
			SubMbPredMode( sub_mb_type[ mbPartIdx ] ) != Pred_L1 )
			ref_idx_l0[ mbPartIdx ] 2 te(v) | ae(v)
	for( mbPartIdx = 0; mbPartIdx < 4; mbPartIdx++ )
		if( ( num_ref_idx_l1_active_minus1 > 0 | |
			mb_field_decoding_flag != field_pic_flag ) &&
			sub_mb_type[ mbPartIdx ] != B_Direct_8x8 &&
			SubMbPredMode( sub_mb_type[ mbPartIdx ] ) != Pred_L0 )
			ref_idx_l1[ mbPartIdx ] 2 te(v) | ae(v)
	for( mbPartIdx = 0; mbPartIdx < 4; mbPartIdx++ )
		if( sub_mb_type[ mbPartIdx ] != B_Direct_8x8 &&
			SubMbPredMode( sub_mb_type[ mbPartIdx ] ) != Pred_L1 )
			for( subMbPartIdx = 0;
				subMbPartIdx < NumSubMbPart( sub_mb_type[ mbPartIdx ] );
				subMbPartIdx++)
				for( compIdx = 0; compIdx < 2; compIdx++ )
					mvd_l0[ mbPartIdx ][ subMbPartIdx ][ compIdx ] 2 se(v) | ae(v)
	for( mbPartIdx = 0; mbPartIdx < 4; mbPartIdx++ )
		if( sub_mb_type[ mbPartIdx ] != B_Direct_8x8 &&
			SubMbPredMode( sub_mb_type[ mbPartIdx ] ) != Pred_L0 )
			for( subMbPartIdx = 0;
				subMbPartIdx < NumSubMbPart( sub_mb_type[ mbPartIdx ] );
				subMbPartIdx++)
				for( compIdx = 0; compIdx < 2; compIdx++ )
					mvd_l1[ mbPartIdx ][ subMbPartIdx ][ compIdx ] 2 se(v) | ae(v)
}

语法元素

sub_mb_type 子宏块模式，子宏块大小为8x8，因此一个宏块内有4个子宏块，也就会有4种子宏块模式，具体请参考h.264宏块与子宏块类型
ref_idx_l0
ref_idx_l1 描述同mb_pred，不过需要注意的一点是，由于在8x8的子宏块中，分块（2个8x4块，4个4x4块等）是共用参考图像的，也就是说整个宏块最多也就只包含四个ref_idx

mvd_l0
mvd_l1 描述同mb_pred

下面是一个sub_mb_pred语法结构的例子，左边的表格分别代表四个子宏块的模式，他们按照顺序被写在sub_mb_pred的头部。图例中，结构上面的数字代表了该语法元素所属的子宏块。

residual，residual_luma

像素残差进行变换、量化后的系数的语法结构。

residual( startIdx, endIdx ) { C Descriptor
	if( !entropy_coding_mode_flag )
		residual_block = residual_block_cavlc
	else
		residual_block = residual_block_cabac
	residual_luma( i16x16DClevel, i16x16AClevel, level4x4, level8x8,
	startIdx, endIdx ) 3 | 4
	Intra16x16DCLevel = i16x16DClevel
	Intra16x16ACLevel = i16x16AClevel
	LumaLevel4x4 = level4x4
	LumaLevel8x8 = level8x8
	if( ChromaArrayType = = 1 | | ChromaArrayType = = 2 ) {
		NumC8x8 = 4 / ( SubWidthC * SubHeightC )
		for( iCbCr = 0; iCbCr < 2; iCbCr++ )
			if( ( CodedBlockPatternChroma & 3 ) && startIdx = = 0 )
				/* chroma DC residual present */
				residual_block( ChromaDCLevel[ iCbCr ], 0, 4 * NumC8x8 − 1,
				4 * NumC8x8 ) 3 | 4
			else
				for( i = 0; i < 4 * NumC8x8; i++ )
					ChromaDCLevel[ iCbCr ][ i ] = 0
		for( iCbCr = 0; iCbCr < 2; iCbCr++ )
			for( i8x8 = 0; i8x8 < NumC8x8; i8x8++ )
				for( i4x4 = 0; i4x4 < 4; i4x4++ )
					if( CodedBlockPatternChroma & 2 )
						/* chroma AC residual present */
						residual_block( ChromaACLevel[ iCbCr ][ i8x8*4+i4x4 ],
						Max( 0, startIdx − 1 ), endIdx − 1, 15) 3 | 4
					else
						for( i = 0; i < 15; i++ )
							ChromaACLevel[ iCbCr ][ i8x8*4+i4x4 ][ i ] = 0
	} else if( ChromaArrayType = = 3 ) {
		residual_luma( i16x16DClevel, i16x16AClevel, level4x4, level8x8,
		startIdx, endIdx ) 3 | 4
		CbIntra16x16DCLevel = i16x16DClevel
		CbIntra16x16ACLevel = i16x16AClevel
		CbLevel4x4 = level4x4
		CbLevel8x8 = level8x8
		residual_luma( i16x16DClevel, i16x16AClevel, level4x4, level8x8,
		startIdx, endIdx ) 3 | 4
		CrIntra16x16DCLevel = i16x16DClevel
		CrIntra16x16ACLevel = i16x16AClevel
		CrLevel4x4 = level4x4
		CrLevel8x8 = level8x8
	}
}

residual内部首先会根据entropy_coding_mode_flag来选择CAVLC或者CABAC的熵编码方式，然后在下面进行level的处理。level处理部分先包含了residual_luma，也就是先进行luma level的处理，然后用residual_block对chroma level进行处理。

chroma level一般采用的yuv格式都是4:2:0，也就是ChromaArrayType=1。

residual_luma( i16x16DClevel, i16x16AClevel, level4x4, level8x8,
	startIdx, endIdx ) { C Descriptor
	if( startIdx = = 0 && MbPartPredMode( mb_type, 0 ) = = Intra_16x16 )
		residual_block( i16x16DClevel, 0, 15, 16 ) 3
	for( i8x8 = 0; i8x8 < 4; i8x8++ )
		if( !transform_size_8x8_flag | | !entropy_coding_mode_flag )
			for( i4x4 = 0; i4x4 < 4; i4x4++ ) {
				if( CodedBlockPatternLuma & ( 1 << i8x8 ) )
					if( MbPartPredMode( mb_type, 0 ) = = Intra_16x16 )
						residual_block( i16x16AClevel[i8x8*4+ i4x4],
						Max( 0, startIdx − 1 ), endIdx − 1, 15) 3
					else
						residual_block( level4x4[ i8x8 * 4 + i4x4 ],
						startIdx, endIdx, 16) 3 | 4
				else if( MbPartPredMode( mb_type, 0 ) = = Intra_16x16 )
					for( i = 0; i < 15; i++ )
						i16x16AClevel[ i8x8 * 4 + i4x4 ][ i ] = 0
				else
					for( i = 0; i < 16; i++ )
						level4x4[ i8x8 * 4 + i4x4 ][ i ] = 0
				if( !entropy_coding_mode_flag && transform_size_8x8_flag )
					for( i = 0; i < 16; i++ )
						level8x8[ i8x8 ][ 4 * i + i4x4 ] = level4x4[ i8x8 * 4 + i4x4 ][ i ]
			}
		else if( CodedBlockPatternLuma & ( 1 << i8x8 ) )
			residual_block( level8x8[ i8x8 ], 4 * startIdx, 4 * endIdx + 3, 64 ) 3 | 4
		else
			for( i = 0; i < 64; i++ )
				level8x8[ i8x8 ][ i ] = 0
}

传递给residual_luma的luma level分为几种，如下面的语法元素i16x16DClevel, i16x16AClevel, level4x4, level8x8，需要根据不同情况分开处理，residual_luma做的工作就是针对不同的类型的level，为下面的熵编码语法结构residual_block传递不同的参数。

语法元素

residual_luma 亮度残差变换量化后的语法结构，各参数说明如下

i16x16DClevel 如果是intra16x16的宏块模式，会分开AC与DC单独编码，DClevel存在这个数组内，这里把DClevel数组传递进去
i16x16AClevel 如果是intra16x16的宏块模式，会分开AC与DC单独编码，AClevel存在这个数组内，这里把AClevel数组传递进去
level4x4 不是intra16x16的情况下，如果DCT变换采用的是4x4的方式，宏块的level都存在这个数组内，这里把这个数组传递进去
level8x8 不是intra16x16的情况下，如果DCT变换采用的是8x8的方式，宏块的level都存在这个数组内，这里把这个数组传递进去
startIdx 需要进行熵编码的数组起始位置的索引
endIdx 需要进行熵编码的数组结束位置的索引

residual_block 这并不是完整的熵编码，而是熵编码参数的语法结构，以后分析熵编码再进行分析

如果没有宏块CBP上的bit全都不为0的话，它的residual就会是如下的样子

以上是关于h.264语法结构分析的主要内容，如果未能解决你的问题，请参考以下文章

h.264宏块与子宏块类型

H264--2--语法及结构

H264--2--语法及结构[5]

音视频开发之旅（56) -H264/AVC基本结构

CAVLC