为什么图片视频不直接使用类似 huffman 这种熵编码压缩呢？

[nthhdy]

假如不考虑图片视频利用人类视觉特点的有损压缩，只讨论无损压缩。

熵编码实现压缩，是利用了数据流里“重复出现的部分”，把这些重复部分代换成更短且能一对一无歧义还原的片段，就实现了压缩。

那么图片、视频中其实也有“重复的部分“。比如，视频压缩中利用相邻帧之间变化很小这一特点，那是不是可以说，相邻帧之间“重复的部分”非常多呢？（虽然不是完全重复，至少可以说很类似。）既然重复的部分很多，是不是可以用更 smart 的熵编码算法来直接压缩呢？

[mxT52CRuqR6o5]

视频还要考虑播放的问题，需要可以流式的获取到从头到尾的帧数据，这个问题你考虑过吗

[mxT52CRuqR6o5]

就比如我需要拖拽进度条到中间位置，播放器需要快速获取到视频中间位置的帧数据
像 RAR 那种压缩算法，解压得从头开始解压，要咋完成播放功能呢？

[mxT52CRuqR6o5]

还有就是 7z 压缩时可以选择字典大小和单词大小，字典大小调大会增加压缩时的内存使用，单词大小调大会增加压缩时的 cpu 使用（增加压缩时间），要是按你的设想压缩视频就得把这两个参数设的很大去匹配帧数据，这所增加的代价你考虑过吗

[nthhdy]

@oldshensheep

> 楼主大概的意思是把 一捆图片 打个压缩包（固实压缩），然后就变成了视频吧。（大概）
逻辑上来讲，视频的确可以看成时间上离散的一系列图片。虽然在文件格式当中并不是这样的。

> 然后楼主认为，压缩程序应该能够提取出这些图片间的相似处，达到更高的压缩率。所以我们为什么不用压缩软件来压缩视频？
我这个问题的确是想问，是否存在某种通用压缩算法，绕过“帧”这种概念，直接去掉重复的部分。

[nthhdy]

@mxT52CRuqR6o5

> 就比如我需要拖拽进度条到中间位置，播放器需要快速获取到视频中间位置的帧数据
说的对，有道理。

[nthhdy]

@systemcall

我知道效果会很差的。
不过还是值得试一下，我好奇。

[ipwx]

@nthhdy “ 引入运动预测等机制，即使无损也能一定程度上提高压缩比。”

呃，真的存在无损运动预测压缩算法嘛

[loopinfor]

@nthhdy 当然可以通用压缩算法压缩视频文件啊。
你可以简单用图片做个实验。随便一张图片保存为 BMP 格式，然后压缩为 ZIP 文件，压缩之后大小基本上跟 PNG 和 JPEG 差不多。
问题是视频这样压缩之后就没法直接解码播放了啊，1GB 的视频你只能全部解压才能开始播放。

[nthhdy]

@ipwx 有损发生在 DCT 变换之后数量化和去掉高频分量这一步。

即使不做数量化，不去掉高频分量，运动补偿和运动预测还是有用的，因为会让 P 帧表示的残差非常小。
压缩这一帧，相当于压缩一张几乎“全黑”的图片。还是会比压缩一张一般图片小一些的。

[GeruzoniAnsasu]

> 我这个问题的确是想问，是否存在某种通用压缩算法，绕过“帧”这种概念，直接去掉重复的部分。



有没有一种可能，就是通用算法的效率远远不如专用的视频压缩算法

[jhdxr]

@nthhdy
『我这个问题的确是想问，是否存在某种通用压缩算法，绕过“帧”这种概念，直接去掉重复的部分。』
你好，有的。常见的压缩软件就是干这件事情的。


那为啥我们不这么做呢？
压缩比太低，在针对图片视频这个场景下有更高效的针对特定场景的压缩方法。

[rus4db]

香农第一定理（无失真信源编码定理）表明，楼主所说的“通用压缩算法”是存在的。
但是对于音视频这种与人类感官有关的信息，由于感官对于失真有一定的容忍度，此时就可以运用香农第三定理（保真度准则下的信源编码定理），在 rate 和 distortion 之间寻求平衡。其中 R(D)的选取和优化是关键。变换域编码、帧间 /帧内预测等编码工具，以及拉格朗日等优化算法，都是实现率失真优化的手段。视频、音频、点云等不同“模态”的信息，其失真度量和 R(D)都是不同的。
失真度量是关键，反映了信源的内在性质。例如 MP3 、AAC 等标准，都大量引入了心理声学算法，衡量不同场景下编码失真与人类听阈之间的关系，用来引导码率-失真优化循环来寻找最优编码参数。
总结起来就是，根据香农第一定理，只用熵编码固然是可行的，因为它是通用的。但是对于特定模态的数据，可以容忍一定的失真，因此可以在失真和码率之间权衡，此时适用香农第三定理。

[tinytoadd]

视频一般都要支持流式传输吧，如果只用哈夫曼编码，岂不是播放视频之前要先全部载入内存再解码。

[haah]

https://book.douban.com/subject/35034359/

[statumer]

作为搞视频编码器的，我建议你去学一下信息论与编码这个课

视频编码器和 huffman 编码器之间的差距是 huffman 编码等熵编码技术只能学习到连续的比特特征，学习不到高层次的特征，比如说衣服上的花纹，台球的运动

如果你的视频内容不是正常的视频，而是一堆完全随机的色彩，那么熵编码器其实效果比视频编码器更好，因为视频编码器实际上是针对常见视频设计的。

另外就是 RDO 优化的问题，视觉内容是容忍失真的，视频编码器也有 PCM 模式，视频编码器有 RDO 优化器决定是否采用无损模式。大多数情况不会用，因为无损模式 RD Cost 绝大多数情况都很差。

https://imgur.com/lWwybSL.png

[akira]

假如，发现了某种算法，能更好的无损压缩视频数据，那么基于他改进的有损压缩只会更好。

[AX5N]

你怎么知道没用？

[mxalbert1996]

楼主可能根本就没有意识到现代视频编码的压缩率有多小，常见的 H264 视频，相对未压缩的 RAW 格式的压缩率是千分之一这个级别的，再不济也有百分之一，你文本压缩能有这个压缩率？更何况视频本来就比文本复杂得多。

[msg7086]

因为只用熵编码无法满足人们对压缩的需求。熵太高了，容量下不去。

[dant]

> 即使不做数量化，不去掉高频分量，运动补偿和运动预测还是有用的，因为会让 P 帧表示的残差非常小。
压缩这一帧，相当于压缩一张几乎“全黑”的图片。还是会比压缩一张一般图片小一些的。

你要找的是不是：qp=0 的 h264