H.264 (AVC): a videótömörítési szabvány jelentése és működése

A digitális videó korszaka elválaszthatatlanul összefonódott a tömörítési technológiákkal, amelyek lehetővé teszik a hatalmas adatmennyiség hatékony kezelését, tárolását és továbbítását. Ezen technológiák közül az egyik legmeghatározóbb és legelterjedtebb a H.264, más néven MPEG-4 Part 10 AVC (Advanced Video Coding). Ez a szabvány forradalmasította a videóipar szinte minden szegmensét, az online streamingtől a Blu-ray lemezekig, a digitális televíziózástól a videokonferenciákig.

A H.264 nem csupán egy technikai specifikáció; egy olyan sarokkő, amelyre a modern digitális média ökoszisztémája épül. Képessége, hogy kiváló képminőséget biztosítson jelentősen alacsonyabb bitrátán, mint elődei, tette lehetővé a szélessávú internet elterjedésével párhuzamosan robbanásszerűen növekedő videótartalom fogyasztást. Megértése kulcsfontosságú ahhoz, hogy átlássuk, hogyan jut el a videó a forrástól a kijelzőig, és milyen kompromisszumokkal jár ez a folyamat.

A H.264 (AVC) születése és története

A H.264 fejlesztése a 2000-es évek elején kezdődött, egy közös erőfeszítés eredményeként. Két nagy nemzetközi szabványügyi szervezet, az ITU-T Video Coding Experts Group (VCEG) és az ISO/IEC Moving Picture Experts Group (MPEG) dolgozott együtt ezen a projekten, amelyet Joint Video Team (JVT) néven ismertek. A cél egy olyan új videókódolási szabvány létrehozása volt, amely jelentősen felülmúlja a korábbi MPEG-2 és MPEG-4 Part 2 szabványok hatékonyságát.

Az első verzió 2003-ban jelent meg, és azonnal nyilvánvalóvá vált, hogy a H.264 egy hatalmas ugrást jelent a videótömörítés terén. Képessége, hogy akár kétszeres tömörítési hatékonyságot érjen el az MPEG-2-höz képest azonos képminőség mellett, vagy sokkal jobb minőséget azonos bitrátán, rendkívül vonzóvá tette a tartalomgyártók és -forgalmazók számára. Ez a hatékonyságbeli növekedés kulcsfontosságú volt a digitális videó terjedésében, különösen a korlátozott sávszélességű környezetekben.

A szabvány az évek során számos frissítésen és kiegészítésen esett át, amelyek új profilokat és funkciókat vezettek be, hogy megfeleljen a változó piaci igényeknek és a technológiai fejlődésnek. A kezdeti Baseline, Main és Extended profilok mellett megjelentek a High profilok, amelyek a professzionális alkalmazások, például a Blu-ray és a broadcast televíziózás igényeit elégítették ki, támogatva a nagyobb színmélységet és a fejlettebb kódolási eszközöket.

A H.264 nem csak egy videókodek; ez a digitális média egyik legfontosabb infrastrukturális eleme, amely lehetővé tette a modern videótartalom-fogyasztás robbanásszerű növekedését.

A videótömörítés alapvető elvei

Mielőtt mélyebben belemerülnénk a H.264 specifikus működésébe, érdemes megérteni a videótömörítés mögött meghúzódó alapvető elveket. A nyers, tömörítetlen videó hatalmas adatmennyiséget jelent. Egyetlen másodpercnyi Full HD (1920×1080 pixel) videó, 24 bites színmélységgel és 30 képkocka/másodperc sebességgel több mint 150 megabájt adatot igényel. Ez óriási tárolási és átviteli problémákat vetne fel, ha nem alkalmaznánk tömörítést.

A videótömörítés lényege a redundancia eltávolítása az adatokból. Két fő típusú redundancia létezik a videóban:

1. Térbeli redundancia (Spatial Redundancy): Egyetlen képkockán belül a szomszédos pixelek gyakran hasonló színűek. Például, egy égbolt képe nagyrészt azonos kék árnyalatokból áll. A tömörítés során ezeket az ismétlődő mintákat hatékonyabban tároljuk, mint az összes pixel egyedi értékét.
2. Időbeli redundancia (Temporal Redundancy): A videó egymást követő képkockái gyakran nagyon hasonlóak, különösen, ha a mozgás lassú vagy nincs mozgás. A legtöbb képkocka csak kis mértékben tér el az előzőtől. A tömörítés kihasználja ezt azáltal, hogy nem tárolja minden képkocka teljes tartalmát, hanem csak a változásokat rögzíti.

A modern videókodekek, mint a H.264, mindkét típusú redundanciát kihasználják, hogy a lehető legkisebb fájlméretet érjék el a lehető legjobb vizuális minőség megőrzése mellett. Ez egy bonyolult algoritmusok és matematikai transzformációk sorozatán keresztül valósul meg, amelyek a vizuális információt egy sokkal kompaktabb formába alakítják át.

Hogyan működik a H.264? A kulcsfontosságú technológiák

A H.264 mögött számos fejlett technika rejlik, amelyek együttesen biztosítják kiváló tömörítési hatékonyságát. A szabvány épít a korábbi MPEG-típusú kodekek alapelveire, de jelentősen továbbfejleszti azokat, és új eszközöket vezet be.

Képkocka típusok és a GOP struktúra

A H.264, akárcsak elődei, különbséget tesz a képkockák típusai között a tömörítési stratégia optimalizálása érdekében. Ezek a képkockák alkotják a GOP-ot (Group of Pictures), amely egy kódolt videó szekvencia alapegysége.

• I-kockák (Intra-coded Pictures): Ezek a képkockák önállóan, más képkockáktól függetlenül kódolódnak. Olyanok, mint egy JPEG kép, csak a térbeli redundanciát használják ki. Minden GOP egy I-kockával kezdődik, és dekódolásukhoz nincs szükség előző vagy következő képkockákra. Ezek biztosítják a véletlenszerű hozzáférést a videóhoz, és a legkevésbé hatékonyan tömörített képkockák.
• P-kockák (Predicted Pictures): Ezek a képkockák az előző I- vagy P-kockákból előre jelezve kódolódnak. Csak a változásokat tárolják az előző referencia képkockához képest, mozgáskompenzáció segítségével. Jelentősen hatékonyabbak, mint az I-kockák.
• B-kockák (Bi-directional Predicted Pictures): Ezek a leginkább hatékonyan tömörített képkockák, mivel mind az előző, mind a következő I- vagy P-kockákból előre jelezve kódolódnak. Ez a kétirányú predikció még pontosabb mozgáskompenzációt tesz lehetővé, de bonyolultabb dekódolást igényel, mivel a következő képkockának már dekódolva kell lennie a B-kocka feldolgozásához.

A GOP struktúra – az I, P és B kockák sorrendje és száma – jelentősen befolyásolja a tömörítési hatékonyságot és a dekódolási komplexitást. Egy tipikus GOP például így nézhet ki: I B B P B B P B B P.

Makroblokkok és szeletek

A H.264 a videó képkockáit kisebb egységekre, úgynevezett makroblokkokra osztja. Egy makroblokk általában 16×16 pixelnyi területet fed le, és magában foglalja a luma (fényesség) és a chroma (színesség) információkat. A makroblokkokat tovább lehet osztani kisebb, 4×4 vagy 8×8 pixeles blokkokra, amelyek rugalmasabb kódolást tesznek lehetővé, különösen finom részletek vagy komplex mozgások esetén.

A képkockákat vagy szeleteket (slice) is felosztja, amelyek függetlenül dekódolhatók. Ez növeli a hibatűrést, mivel egy sérült szelet nem feltétlenül teszi tönkre az egész képkockát, és párhuzamos feldolgozást is lehetővé tesz több processzormagon.

Intra-frame predikció (térbeli tömörítés)

Az I-kockákon belül, vagy az I-kockák hiányában (ha egy P- vagy B-kocka nem talál megfelelő mozgáskompenzációt és „intra” módban kódolódik), a H.264 a térbeli predikciót alkalmazza. Ez azt jelenti, hogy egy adott blokk pixeleinek értékét a már kódolt szomszédos blokkok pixeleiből próbálja megjósolni. Kilenc különböző predikciós mód létezik egy 4×4-es luma blokk esetében, amelyek különböző irányokból (pl. függőleges, vízszintes, átlós) veszik figyelembe a szomszédos pixeleket. A kódoló kiválasztja azt a módot, amely a legpontosabb előrejelzést adja, és csak az előrejelzés és a tényleges érték közötti különbséget (a reziduális hibát) tárolja.

Inter-frame predikció és mozgáskompenzáció (időbeli tömörítés)

Ez az egyik legfontosabb és legkomplexebb része a H.264-nek. A P- és B-kockák esetében a kodek nem az aktuális képkockát kódolja, hanem a változást az előző (és B-kockáknál a következő) referencia képkockákhoz képest. Ezt a mozgáskompenzáció teszi lehetővé.

A mozgáskompenzáció során a kódoló minden makroblokkhoz (vagy kisebb blokkokhoz) megkeresi a leginkább hasonló blokkot a referencia képkockában. Ezt a hasonlóságot általában mozgásvektorral fejezi ki, amely megadja, hogy az aktuális blokkhoz hasonló tartalom mennyit mozdult el az előző képkockához képest. A H.264 rendkívül rugalmas mozgáskompenzációt tesz lehetővé:

• Több referencia képkocka: A korábbi kodekek általában csak egyetlen előző képkockát használhattak referenciaként. A H.264 akár több korábbi és jövőbeli képkockát is felhasználhat, ami jelentősen javítja a predikció pontosságát.
• Változó blokkméretű mozgáskompenzáció (Variable Block-Size Motion Compensation): A mozgásvektorokat nem csak 16×16-os makroblokkokra lehet alkalmazni, hanem kisebb, akár 4×4-es blokkokra is. Ez sokkal finomabb mozgáskövetést tesz lehetővé, különösen komplex mozgások vagy részletek esetén.
• Negyed pixel pontosságú mozgáskompenzáció (Quarter-pixel Motion Compensation): A mozgásvektorok nem csak egész pixelekkel, hanem akár negyed pixel pontossággal is megadhatók. Ez tovább növeli a predikció pontosságát, különösen lassú mozgások esetén, és csökkenti a reziduális hibát.

Az előrejelzett blokk és a tényleges blokk közötti különbség (a reziduális hiba) az, amit végül kódolni kell, és ez általában sokkal kevesebb adatot jelent, mint az eredeti blokk.

Diszkrét koszinusz transzformáció (DCT)

Miután a predikció megtörtént és kiszámoltuk a reziduális hibát, a H.264 (akárcsak a JPEG és az MPEG elődei) a diszkrét koszinusz transzformációt (DCT) alkalmazza. Ez egy matematikai transzformáció, amely a térbeli tartományban lévő pixelértékeket frekvencia tartománybeli koefficienssé alakítja át. A lényeg az, hogy a vizuális információ nagy része (az alacsony frekvenciájú komponensek) néhány koefficiensben koncentrálódik, míg a finom részletek és zajok (magas frekvenciájú komponensek) sok, de kis értékű koefficiensben oszlanak el.

A H.264 4×4-es vagy 8×8-as blokkokon végzi el a DCT-t, ami rugalmasabb és hatékonyabb, mint az MPEG-2 által használt fix 8×8-as blokkok.

Kvintálás (Quantization)

A DCT utáni lépés a kvintálás, amely az információvesztéssel járó tömörítés (lossy compression) lényege. A kvintálás során a DCT koefficienseket elosztják egy kvantálási paraméterrel, majd kerekítik. Ez a folyamat a magas frekvenciájú, kevésbé fontos részleteket (amelyek a zajhoz és a finom textúrákhoz kapcsolódnak) eltávolítja, vagy jelentősen leegyszerűsíti. Minél nagyobb a kvantálási paraméter, annál több információ vész el, annál kisebb lesz a fájlméret, de annál alacsonyabb lesz a képminőség (blockiness, mosódás).

A kvintálás az a pont, ahol a bitráta és a képminőség közötti kompromisszumot beállítjuk. Egy alacsony bitrátájú videó erősebb kvantálást alkalmaz, míg egy magas bitrátájú videó finomabb kvantálást használ.

Entrópia kódolás

Az utolsó lépés a kódolási láncban az entrópia kódolás. Ez egy veszteségmentes tömörítési technika, amely a kvantált koefficienseket és a mozgásvektorokat a lehető legkompaktabb bináris formába alakítja át. A H.264 két fő entrópiakódolási módszert támogat:

• CAVLC (Context Adaptive Variable Length Coding): Ez egy egyszerűbb, de hatékony módszer, amely változó hosszúságú kódokat használ a gyakori szimbólumokhoz (rövid kódok) és a ritkább szimbólumokhoz (hosszabb kódok). Kevesebb számítási erőforrást igényel, ezért gyakran használják alacsonyabb profilokban.
• CABAC (Context Adaptive Binary Arithmetic Coding): Ez egy sokkal fejlettebb és hatékonyabb entrópiakódolási módszer, amely statisztikai modelleket használ a kódolandó adatok kontextusának figyelembevételével. A CABAC akár 10-20%-kal jobb tömörítési hatékonyságot is elérhet a CAVLC-hez képest, de jelentősen nagyobb számítási igényű. A High profilok alapértelmezésben CABAC-ot használnak.

Ezek a lépések – képkocka felosztás, predikció, transzformáció, kvantálás és entrópiakódolás – együttesen alkotják a H.264 kódolási folyamatát, amely rendkívül rugalmas és hatékony módon képes tömöríteni a videóadatokat.

Miért éppen H.264? Előnyei és hátrányai

A H.264 elterjedtsége nem véletlen; számos előnyös tulajdonsággal rendelkezik, amelyek a digitális videó világának domináns szabványává tették.

Főbb előnyök

• Kiváló tömörítési hatékonyság: Ez a H.264 legfőbb ereje. Az azonos vizuális minőség eléréséhez szükséges bitráta akár 50%-kal alacsonyabb lehet az MPEG-2-höz képest. Ez kevesebb tárhelyet, alacsonyabb sávszélesség-igényt és gyorsabb letöltési időket jelent.
• Rugalmasság: A H.264 számos profilt és szintet kínál, amelyek különböző alkalmazási területekhez és hardveres képességekhez igazíthatók. Ez lehetővé teszi, hogy ugyanaz a szabvány támogassa a mobiltelefonok alacsony felbontású videóitól kezdve a professzionális broadcast minőségű tartalmakig mindent.
• Széleskörű elterjedtség és támogatás: A H.264 a legszélesebb körben támogatott videókodek a világon. Szinte minden modern eszköz, szoftver és szolgáltatás képes kódolni és dekódolni H.264 videókat, ami garantálja a kompatibilitást.
• Jó képminőség alacsony bitrátán: A fejlett predikciós algoritmusok és az entrópiakódolás kombinációja lehetővé teszi, hogy még viszonylag alacsony bitrátán is elfogadható, sőt gyakran jó minőségű videót biztosítson, minimalizálva a látható tömörítési artefaktumokat.
• Hibatűrés: A H.264 támogatja a hibatűrést növelő eszközöket, például a szeletekre való felosztást és az adatparticionálást, ami segít a videó integritásának megőrzésében zajos vagy instabil átviteli környezetekben.
• Hardveres gyorsítás: Szinte minden modern processzor, GPU és dedikált videóchip tartalmaz hardveres gyorsítást a H.264 kódolásához és dekódolásához. Ez jelentősen csökkenti a CPU terhelését és meghosszabbítja az akkumulátor élettartamát mobil eszközökön.

Hátrányok

• Nagyobb számítási igény a kódoláshoz: Bár a dekódolás hardveresen gyorsított és viszonylag könnyű, a H.264 videók kódolása számításigényes feladat, különösen a magasabb profilok és beállítások esetén. Ez időigényes lehet, és erős processzort igényel.
• Komplexitás: A szabvány rendkívül komplex, ami a fejlesztők számára kihívást jelenthet a teljes funkcionalitás implementálásában.
• Licencdíjak: Hosszú ideig a H.264 használata licencdíjakhoz kötött volt a MPEG LA konzorciumon keresztül. Bár számos fontos felhasználási terület (pl. internetes streaming végfelhasználói tartalom) díjmentessé vált, a professzionális alkalmazások és termékek esetében továbbra is felmerülhetnek licencdíjak. Ez a tényező ösztönözte az alternatív, jogdíjmentes kodekek fejlesztését.

H.264 alkalmazási területei

A H.264 rendkívül sokoldalú, és szinte minden olyan területen megtalálható, ahol digitális videót használnak. Elterjedtsége miatt a „de facto” szabvány szerepét tölti be számos iparágban.

Online streaming és webes videó

Talán ez a H.264 legismertebb alkalmazási területe. Az olyan óriások, mint a YouTube, a Netflix, a Vimeo és más streaming szolgáltatók a H.264-et használják videótartalmaik kódolására. A hatékony tömörítés kulcsfontosságú a gyors betöltéshez, a pufferelés minimalizálásához és a különböző sávszélességű felhasználók kiszolgálásához. A webes lejátszók, mint a HTML5 videó, széles körben támogatják a H.264-et.

Blu-ray és DVD lemezek

A Blu-ray lemezek szabványos videókodekjei közé tartozik a H.264 (más néven MPEG-4 AVC). Ez lehetővé teszi a Full HD felbontású filmek tárolását kiváló minőségben, viszonylag kis lemezterületen. Bár a DVD-k alapvetően MPEG-2-t használnak, egyes DVD-lejátszók és szoftverek képesek H.264-gyel kódolt videókat is lejátszani, bár ez nem része a hivatalos DVD szabványnak.

Digitális televíziózás (Broadcast)

A digitális televíziózás (DVB-T, DVB-S, DVB-C) számos régióban átállt a H.264-re az MPEG-2-ről. Ez lehetővé tette, hogy több csatornát sugározzanak egy adott sávszélességen belül, vagy jobb minőségű, akár HD felbontású adásokat közvetítsenek. A műsorszolgáltatók és a kábelszolgáltatók széles körben alkalmazzák a H.264-et.

Videokonferencia és valós idejű kommunikáció

Az olyan platformok, mint a Zoom, a Microsoft Teams és a Google Meet a H.264-et használják a videóátvitelhez. A valós idejű kommunikációban kritikus a késleltetés minimalizálása és a hatékony tömörítés, különösen változó hálózati körülmények között. A H.264 alacsony késleltetésű profiljai ideálisak erre a célra.

Biztonsági kamerarendszerek (CCTV)

A modern IP-kamerák és biztonsági rendszerek szinte kivétel nélkül H.264-et használnak a videó rögzítésére és továbbítására. A hatékony tömörítés lehetővé teszi, hogy hosszabb ideig tároljanak felvételeket, és kevesebb sávszélességet használjanak a hálózaton keresztül történő streameléshez, miközben megőrzik a részleteket a későbbi elemzéshez.

Mobil eszközök és okostelefonok

A H.264 alapvető a mobil videóhoz. A mobiltelefonok és tabletek képesek H.264 videók rögzítésére, lejátszására és streamelésére. A hardveres gyorsítás biztosítja az energiahatékony működést, ami elengedhetetlen az akkumulátoros eszközök esetében.

Videószerkesztés és professzionális utómunka

Bár a professzionális utómunka során gyakran használnak kevésbé tömörített vagy veszteségmentes kodekeket (pl. ProRes, DNxHD), a H.264-et gyakran használják proxy fájlokhoz, előnézetekhez és a végső exportáláshoz webes vagy broadcast célokra. Számos kamera, különösen a DSLR és mirrorless fényképezőgépek, H.264 formátumban rögzítik a videót.

A H.264 szabvány egy univerzális nyelvvé vált a digitális videó számára, lehetővé téve a tartalom zökkenőmentes áramlását a legkülönfélébb eszközök és platformok között.

H.264 profilok és szintek: a rugalmasság kulcsa

A H.264 nem egyetlen merev szabvány, hanem egy rugalmas keretrendszer, amely különböző funkciókészleteket és paraméterkorlátozásokat kínál az alkalmazási területek széles skálájának lefedésére. Ezt a rugalmasságot a profilok és szintek biztosítják.

Profilok (Profiles)

A profilok a H.264 kódolási eszközök és algoritmusok egy meghatározott készletét definiálják. Minél magasabb egy profil, annál fejlettebb és hatékonyabb kódolási eszközöket használ, de annál nagyobb számítási teljesítményt is igényel a kódoláshoz és dekódoláshoz.

• Baseline Profile (BP): Ez a legegyszerűbb és legalacsonyabb számítási igényű profil. Támogatja az I- és P-kockákat, de nem használ B-kockákat és CABAC entrópiakódolást. Ideális mobil eszközökhöz, videokonferenciához és alacsony sávszélességű alkalmazásokhoz, ahol a dekódolási komplexitás minimalizálása a legfontosabb.
• Main Profile (MP): A Baseline profilhoz képest több kódolási eszközt támogat, beleértve a B-kockákat és a CABAC-ot (opcionálisan). Gyakran használt digitális TV adásokhoz és SD felbontású videókhoz.
• Extended Profile (XP): Ez a profil a streaming videóhoz és a robusztusabb átvitelhez készült, de mára nagyrészt elavulttá vált. Támogatja az I, P, B kockákat és a switch slice-okat, amelyek lehetővé teszik a stream hibaállóbb átvitelét.
• High Profile (HP): Ez a legszélesebb körben használt profil a professzionális alkalmazásokban és a HD videóban. Támogatja az összes fejlett kódolási eszközt, beleértve a CABAC-ot, a 8×8-as intra-predikciót, a több referencia képkockát és a 8 bites színmélységet. A Blu-ray lemezek és a HD broadcast adások gyakran High Profile-t használnak.
• High 10 Profile (Hi10P): A High Profile kiterjesztése, amely támogatja a 10 bites színmélységet. Ez jobb színátmeneteket és kevesebb színcsíkozódást eredményez, különösen a professzionális utómunkában és a HDR (High Dynamic Range) tartalmak esetében.
• High 4:2:2 Profile (Hi422P): Támogatja a 4:2:2-es krominancia mintavételezést és a 10 bites színmélységet. Ez a profil a professzionális videógyártásban és műsorszórásban használatos, ahol a színinformáció pontossága kritikus.
• High 4:4:4 Predictive Profile (Hi444PP): A legfejlettebb profil, amely támogatja a 4:4:4-es krominancia mintavételezést, a 14 bites színmélységet és a veszteségmentes kódolást is. Professzionális utómunka és archiválás céljára használják, ahol a legmagasabb minőség és a színpontosság elengedhetetlen.

Szintek (Levels)

A szintek a profilokhoz kapcsolódó paraméterkorlátozásokat definiálják, például a maximális felbontást, képkockasebességet, bitrátát és a dekódoláshoz szükséges pufferméretet. Egy adott szint garantálja, hogy egy dekóder, amely támogatja azt a szintet, képes lesz lejátszani az adott szinten kódolt videót. Például:

• Level 1: Nagyon alacsony felbontás (QCIF), alacsony bitráta.
• Level 3.0: SD felbontás (pl. 720×576), 30 fps, maximum 10 Mbps bitráta. Alkalmas mobil eszközökhöz.
• Level 4.0: Full HD (1920×1080), 30 fps, maximum 20 Mbps bitráta. Gyakori HD streaminghez és broadcast-hez.
• Level 4.1: Full HD (1920×1080), 30 fps, maximum 50 Mbps bitráta. A Blu-ray lemezek tipikus szintje.
• Level 5.1: 4K UHD (3840×2160), 30 fps, maximum 240 Mbps bitráta.

A profil és a szint kombinációja határozza meg egy H.264 videó képességeit és kompatibilitását. Egy dekódernek támogatnia kell mind a profilt, mind a szintet a sikeres lejátszáshoz.

H.264 vs. más videókodekek: a versengő táj

A H.264 nem az egyetlen videókodek a piacon, és a digitális videó világában folyamatos a verseny a hatékonyság és a minőség terén. Érdemes összehasonlítani a H.264-et a korábbi és a későbbi szabványokkal.

MPEG-2 (H.262)

Ez volt a H.264 közvetlen elődje, amelyet a DVD-k, a DVB és a korai HD broadcast adások használtak. Az MPEG-2 még mindig elterjedt, de a H.264 sokkal hatékonyabb. Általánosságban elmondható, hogy a H.264 azonos képminőséget biztosít az MPEG-2 bitrátájának felével, vagy jobb minőséget azonos bitrátán. Az MPEG-2 dekódolása egyszerűbb és kevesebb erőforrást igényel, de a H.264 fejlettebb predikciós technikái és entrópiakódolása messze felülmúlja tömörítési képességeit.

MPEG-4 Part 2 (DivX, Xvid)

Az MPEG-4 Part 2, amelyet gyakran DivX vagy Xvid kodekek képviselnek, a H.264 előtt jelent meg, és népszerű volt a fájlmegosztás és a számítógépes videózás terén. Bár jobb tömörítést kínált, mint az MPEG-2, a H.264 jelentősen felülmúlja hatékonyságban, különösen a High profilok és a CABAC entrópiakódolás alkalmazásával. Az MPEG-4 Part 2 ma már nagyrészt elavultnak számít a H.264 és utódai mellett.

H.265 (HEVC – High Efficiency Video Coding)

A H.265, vagy HEVC, a H.264 közvetlen utódja, amelyet szintén a JVT fejlesztett ki. Célja, hogy még nagyobb tömörítési hatékonyságot érjen el, különösen a 4K és 8K felbontású videók esetében. A HEVC számos újítást vezetett be, mint például:

• Nagyobb kódolási egységek (CTU – Coding Tree Unit): Akár 64×64 pixeles blokkokat is használhat, szemben a H.264 16×16-os makroblokkjaival, ami hatékonyabb a nagy felbontású videókban.
• Fejlettebb predikciós módszerek: Több intra-predikciós irány, jobb mozgáskompenzáció.
• Párhuzamos feldolgozás támogatása: A csempe (tile) és hullámfront (WPP) párhuzamosítási technikák segítségével jobban kihasználja a többmagos processzorokat.

A HEVC átlagosan 25-50%-kal jobb tömörítési hatékonyságot kínál a H.264-hez képest azonos vizuális minőség mellett. Ennek ellenére a HEVC elterjedését lassította a komplex licencelési struktúra és a H.264 széleskörű beágyazottsága a meglévő hardverekbe és infrastruktúrába. Bár a 4K streaming és az UHD Blu-ray lemezek használják, a H.264 továbbra is domináns marad a Full HD és alacsonyabb felbontások esetében.

VP8 és VP9 (Google)

A Google által fejlesztett VP8 és VP9 kodekek a H.264 és HEVC alternatíváiként jelentek meg, azzal a céllal, hogy jogdíjmentes megoldást kínáljanak. A VP8 hasonló hatékonyságú, mint a H.264, míg a VP9 a HEVC-hez hasonló tömörítési képességeket mutat. A Google saját platformjain (pl. YouTube) széles körben alkalmazza ezeket a kodekeket, és az elmúlt években a VP9 hardveres támogatása is jelentősen nőtt.

AV1 (Alliance for Open Media)

Az AV1 (AOMedia Video 1) a legújabb generációs, jogdíjmentes videókodek, amelyet az Alliance for Open Media (AOMedia) fejlesztett ki, olyan nagyvállalatok részvételével, mint a Google, az Amazon, az Apple, a Microsoft, a Netflix és a Facebook. Az AV1 célja, hogy felülmúlja a HEVC és VP9 tömörítési hatékonyságát, és jogdíjmentes alternatívát kínáljon a jövő videótartalmaihoz, különösen a 4K és 8K streaminghez. Az AV1 rendkívül komplex, és a kódolása még a HEVC-nél is számításigényesebb, de a dekódolás hardveres gyorsítása egyre inkább elterjed. A H.264 továbbra is a „munkaló” marad, de az AV1 jelenti a jövőbeli kihívást a legmagasabb minőségű és legnagyobb felbontású tartalmak esetében.

Jellemző	MPEG-2	H.264 (AVC)	H.265 (HEVC)	AV1
Fejlesztés éve	1994	2003	2013	2018
Tömörítési hatékonyság (H.264-hez képest)	50%	100% (referencia)	150-200%	200-300%
Licencelés	Díjköteles	Díjköteles (bonyolult)	Díjköteles (nagyon bonyolult)	Jogdíjmentes
Fő alkalmazások	DVD, DVB	Streaming, Blu-ray, DVB, mobil	4K streaming, UHD Blu-ray	Jövőbeli 4K/8K streaming
Kódolási komplexitás	Alacsony	Közepes	Magas	Nagyon magas
Dekódolási komplexitás	Alacsony	Közepes	Magas	Nagyon magas

H.264 kódolás optimalizálása: tippek és trükkök

A H.264 videók kódolása nem csupán a kodek kiválasztásáról szól; számos paraméter finomhangolásával jelentősen befolyásolhatjuk a végső fájlméretet, a képminőséget és a kompatibilitást. Egy jó SEO szövegíró tudja, hogy a tartalom minősége nem csak a szavakban rejlik, hanem a mögöttes technológia optimális kihasználásában is.

Bitráta (Bitrate)

A bitráta a legfontosabb paraméter, amely a videó minőségét és fájlméretét befolyásolja. Minél magasabb a bitráta, annál jobb a minőség és annál nagyobb a fájlméret, és fordítva. A H.264 esetében a változó bitráta (VBR) kódolás a leggyakoribb és leghatékonyabb, amely dinamikusan állítja a bitrátát a videó komplexitásához. A konstans bitráta (CBR) inkább streaminghez vagy fix sávszélességű környezetekhez alkalmas.

A kétpasszos kódolás (two-pass encoding) a VBR kódolás egy fejlettebb formája, ahol az első passz elemzi a videót, a második passz pedig kódolja azt az összegyűjtött információk alapján, optimális bitráta-elosztást biztosítva a teljes videón. Ez a legjobb minőséget biztosítja adott fájlméret mellett.

Felbontás és képkockasebesség (Resolution and Frame Rate)

A felbontás (pl. 1920×1080) és a képkockasebesség (pl. 25, 30, 60 fps) közvetlenül befolyásolja a szükséges bitrátát. Egy 4K videó 60 fps-sel sokkal több adatot igényel, mint egy Full HD videó 30 fps-sel. A kódolás során mindig a célplatform és a tartalom igényeinek megfelelő felbontást és képkockasebességet válasszuk. A feleslegesen magas felbontás vagy képkockasebesség csak pazarlás, ha a célkijelző nem képes megjeleníteni, vagy a néző nem veszi észre a különbséget.

GOP struktúra

Az I, P és B képkockák aránya és elhelyezkedése a GOP-on belül befolyásolja a tömörítési hatékonyságot és a dekódolási komplexitást. Hosszabb GOP-ok (több P és B kocka az I-kockák között) jobb tömörítést eredményeznek, de növelik a dekódolási késleltetést és csökkentik a hibatűrést. Rövidebb GOP-ok jobb hibatűrést és gyorsabb seekelést tesznek lehetővé, de nagyobb fájlméretet eredményeznek. Tipikus beállítás a 1-2 másodpercenkénti I-kocka (pl. 30 fps esetén minden 30. vagy 60. képkocka I-kocka).

Profil és szint választás

A korábban tárgyalt profilok és szintek kiválasztása kritikus a kompatibilitás szempontjából. Ha egy videót mobil eszközökre szánunk, a Baseline vagy Main profil alacsonyabb szinten (pl. Level 3.0 vagy 3.1) lehet a legmegfelelőbb, hogy a lehető legszélesebb körű támogatást biztosítsuk. Professzionális broadcast vagy Blu-ray tartalom esetén a High profil magasabb szinten (pl. Level 4.1) ajánlott. Mindig ellenőrizzük a célplatform követelményeit.

Entrópia kódolás: CAVLC vs. CABAC

A CABAC jobb tömörítést biztosít, de számításigényesebb. Ha a célhardver gyengébb, vagy a kódolási idő kritikus, a CAVLC lehet a jobb választás. A legtöbb modern hardver és szoftver azonban támogatja a CABAC-ot, így a jobb tömörítés érdekében érdemes azt használni.

B-kockák használata

A B-kockák jelentősen javítják a tömörítési hatékonyságot, de növelik a dekódolási komplexitást és a késleltetést. A legtöbb alkalmazásban érdemes használni őket, de valós idejű, alacsony késleltetésű videokonferencia esetén néha kikapcsolják a B-kockákat a késleltetés minimalizálása érdekében.

Minőségi beállítások (Quantization Parameter – QP)

Sok kódoló szoftver lehetővé teszi a kvantálási paraméter (QP) közvetlen beállítását. Alacsonyabb QP érték jobb minőséget és nagyobb fájlméretet jelent, magasabb QP érték rosszabb minőséget és kisebb fájlméretet. Ez a paraméter a vizuális minőség és a fájlméret közötti egyensúly finomhangolására szolgál, különösen a konstans minőségű (CQ) kódolás esetén.

Az optimális H.264 kódolás mindig egy kompromisszum a minőség, a fájlméret és a kompatibilitás között. A fenti paraméterek gondos mérlegelésével és a célfelhasználás ismeretével érhetjük el a legjobb eredményeket.

A H.264 jövője a modern videóvilágban

Bár a H.264 már több mint két évtizede létezik, és utódai, mint a HEVC és az AV1 egyre inkább teret nyernek, a szabvány továbbra is rendkívül releváns és domináns marad a digitális videó világában. Ennek több oka is van.

Először is, a beágyazottsága a meglévő infrastruktúrába páratlan. Szinte minden eszköz, a legolcsóbb mobiltelefonoktól a professzionális broadcast berendezésekig, képes H.264-et dekódolni hardveresen. Ez a széleskörű kompatibilitás hatalmas előnyt jelent, és garantálja, hogy a H.264 még hosszú évekig velünk marad, mint a digitális videó univerzális nyelve.

Másodszor, a Full HD felbontás továbbra is a legelterjedtebb videóformátum a világon, és a H.264 rendkívül hatékonyan tömöríti ezt a felbontást. Bár a 4K és 8K terjed, a legtöbb tartalomgyártó és fogyasztó számára a Full HD továbbra is elegendő minőséget biztosít. A H.264 pedig ehhez a felbontáshoz kínálja az egyik legjobb kompromisszumot a minőség, a fájlméret és a kódolási/dekódolási komplexitás között.

Harmadszor, a H.264 licencelése, bár bonyolult volt, az évek során egyszerűbbé és bizonyos esetekben ingyenessé vált a végfelhasználói streaming tartalom esetében. Ez ellentétben áll a HEVC bonyolult és megosztott licencelési rendszerével, amely lassította annak elterjedését. A jogdíjmentes AV1 megjelenése ugyan kihívást jelent, de a H.264 már bejáratott és bevált technológia.

A H.264 valószínűleg egyfajta „munkaló” szerepet fog betölteni a jövőben. A legújabb, legmagasabb felbontású és HDR-tartalmakhoz az utódkodekeket (HEVC, AV1) fogják használni, de a H.264 továbbra is a standard lesz a legtöbb Full HD tartalom, a legacy rendszerek és azokon a területeken, ahol a széleskörű kompatibilitás és az alacsony számítási igény a legfontosabb.

A szabvány rugalmassága, a profilok és szintek széles választéka, valamint a folyamatos hardveres támogatás biztosítja, hogy a H.264 még sokáig a digitális videó ökoszisztémájának alapvető eleme marad. Megértése nem csupán a technológiai múltba, hanem a jelenbe és a belátható jövőbe is bepillantást enged a videótömörítés területén.