编码与格式 / 系统课时
识别 AV1 超级块与 OBU 单元
识别 AV1 超级块与 OBU 单元
阅读 AV1 码流时,需要同时看懂画面怎样分块编码,以及压缩数据怎样组织成可解析的单元。本篇通过一个 1080p 画面分区实例和 OBU 结构示例,解释超级块、预测、变换及码流封装的关系,并与 H.264、H.265 建立对应认识。
学习目标
- 识别 AV1 的超级块、递归分区、预测块与变换块。
- 区分序列头、帧头、Tile Group 和 Frame OBU 的职责。
- 根据码流结构理解 AV1 与 H.264、H.265 的主要差异。
超级块如何划分一帧画面
AV1 使用 Superblock(超级块)作为图像编码的重要空间组织单位。每个超级块覆盖 64×64 或 128×128 个亮度采样点,具体尺寸由序列头中的 use_128x128_superblock 指示。它是解码组织单位,不代表内部必须使用同样大的预测块。
例如,1920×1080 画面采用 128×128 超级块时,水平方向需要 15 列,垂直方向需要 9 行,合计 135 个超级块位置。最右侧和最下方的超级块可能跨越画面边界,实际编码时必须遵守边界分区规则,不能把画面外的采样点当成有效图像内容。
超级块内部可以递归划分。典型分区方式如下:
| 分区类型 | 对 64×64 区域的示例划分 | 适用特征 |
|---|---|---|
| NONE | 保留一个 64×64 块 | 平坦或运动一致的区域 |
| SPLIT | 四个 32×32 块 | 细节复杂且分布不均 |
| HORZ | 两个 64×32 块 | 横向边缘明显 |
| VERT | 两个 32×64 块 | 纵向结构明显 |
| HORZ_A | 上方两个 32×32,下方一个 64×32 | 上下区域复杂度不同 |
| VERT_4 | 四个 16×64 条带 | 适合细长的纵向结构 |
这些只是允许的分区形状示例,实际可选模式还受块尺寸、边界和语法条件约束。AV1 支持最小到 4×4 的编码块,并非任意尺寸的块都能继续使用全部分区模式。

编码器通常通过率失真优化选择分区:比较不同划分带来的重建误差和编码比特数。大块减少分区及模式信令开销,小块则有机会更准确地贴合物体边缘或局部运动。切得越细不一定越省码率,因为每次分区及其预测信息都需要付出比特成本。
分区之后怎样选择预测和变换
分区确定了编码区域,预测决定怎样估计像素值,变换则处理原始像素与预测值之间的残差。这几个层次不能混为一谈:超级块不等于预测块,预测块也不必与变换块一一对应。
AV1 的帧内预测可以利用上方、左侧已经重建的邻近采样点,选择 DC、方向预测、Paeth 等模式;帧间预测则参考已解码图像,通过运动矢量定位预测区域,并可以使用单参考或复合参考预测。
例如,某个 32×32 区域包含向右移动的物体,编码器可能选择帧间预测,使用参考帧及运动矢量生成预测值。若物体边缘处预测误差较大,残差还需要经过变换、量化和熵编码。
AV1 提供 DCT、ADST、恒等变换等变换类型及其允许的组合,支持不同的变换尺寸。实际能选哪些类型取决于预测方式、变换尺寸和编码约束,并非每个块都能任意使用所有变换。

需要特别区分:预测模式决定预测值的来源,变换模式决定残差怎样表示。 一个块采用帧间预测,并不意味着它的残差一定使用某一种固定变换。
OBU 怎样组织 AV1 压缩码流
OBU 是 Open Bitstream Unit 的缩写,是 AV1 码流的基本语法封装单位。一个 OBU 包含头部和负载;在包含大小字段的格式中,头部后还会有使用 LEB128 编码的负载大小字段。
OBU 头部的第一个字节包含 obu_forbidden_bit、4 位 obu_type、obu_extension_flag、obu_has_size_field 和保留位。扩展标志为 1 时,还存在包含时间层、空间层信息的扩展头。
常见 OBU 类型及职责如下:
| 类型值 | OBU 名称 | 主要内容 |
|---|---|---|
| 1 | SEQUENCE_HEADER | 序列参数、Profile、尺寸能力和工具开关 |
| 2 | TEMPORAL_DELIMITER | 时间单元边界标记 |
| 3 | FRAME_HEADER | 当前帧类型、参考关系、尺寸及相关控制信息 |
| 4 | TILE_GROUP | 一个或多个 Tile 的压缩数据 |
| 5 | METADATA | 附加元数据 |
| 6 | FRAME | 帧头与 Tile Group 数据的组合 |
注意,OBU_FRAME 并不是只有图像像素数据,它包含帧头和 Tile Group 语法。因此不能假设每帧都单独出现一个 FRAME_HEADER OBU 和一个 TILE_GROUP OBU;使用 FRAME OBU 时,这些内容可以在同一个 OBU 中组织。

Tile 是帧内由超级块构成的矩形区域,便于实现并行编码和解码。Tile Group 则是码流中承载一个或多个连续 Tile 数据的语法结构。Tile 和 OBU 所描述的层级不同:前者是图像空间组织,后者是比特流组织。
手动识别 OBU 头部
如果拿到 AV1 的低开销比特流格式(Low Overhead Bitstream Format),可以从 OBU 头部判断单元类型。下面给出一个完整的 Python 3 示例,只演示头部字段解析,不尝试解码视频图像。
# Python 3:解析一个带大小字段的 OBU 头部
header = 0x0A # 示例字节:00001010
obu_type = (header >> 3) & 0x0F
extension_flag = (header >> 2) & 1
has_size_field = (header >> 1) & 1
forbidden_bit = (header >> 7) & 1
reserved_bit = header & 1
names = {1: 'SEQUENCE_HEADER', 3: 'FRAME_HEADER',
4: 'TILE_GROUP', 6: 'FRAME'}
print('type:', obu_type, names.get(obu_type, 'OTHER'))
print('extension:', extension_flag)
print('size_field:', has_size_field)
print('valid_header_bits:', forbidden_bit == 0 and reserved_bit == 0)预期输出:
type: 1 SEQUENCE_HEADER
extension: 0
size_field: 1
valid_header_bits: True这里 0x0A 的 OBU 类型为 1,表示序列头;扩展标志为 0,说明没有扩展头;大小字段标志为 1,说明后续存在 LEB128 编码的 OBU 负载长度。这个示例字节只是合法的头部字段组合,并非完整、可解码的序列头 OBU。
处理真实码流时还要按标志读取扩展头、解析可变长大小字段,并确保负载长度没有越过输入缓冲区。不能把所有 OBU 都假定为固定两字节头部,也不能直接在 MP4 文件里按这个逻辑逐字节扫描:容器中的 AV1 数据还有自身的样本组织规则。
与 H.264、H.265 的组织方式对照
三种标准都采用分块预测、残差变换与熵编码,但最大编码组织单位和码流单元的命名不同。
| 比较项 | H.264/AVC | H.265/HEVC | AV1 |
|---|---|---|---|
| 主要块组织单位 | 16×16 宏块 | CTU,常见最大 64×64 | 64×64 或 128×128 超级块 |
| 分区特点 | 宏块及子宏块划分 | CTU 的四叉树编码单元划分 | 多种递归分区形状 |
| 基本码流单元 | NAL Unit | NAL Unit | OBU |
| 序列级信息 | SPS | VPS、SPS 等 | SEQUENCE_HEADER OBU |
| 帧级信息 | Slice Header 等 | Slice Header 等 | FRAME_HEADER 或 FRAME OBU |
| 压缩图像承载 | Slice 数据 | Slice Segment 数据 | Tile Group 数据 |
H.264 和 H.265 的 NAL Unit 使用 NAL 头部区分参数集、Slice 和其他数据;AV1 则使用 OBU 类型区分序列、帧和 Tile Group 等结构。两者不能仅凭名称一一映射,因为它们的图像分区方式和头部语义不同。
实际检查 AV1 码流时,可以采用三层阅读顺序:先通过 SEQUENCE_HEADER 确认超级块尺寸及工具能力,再通过 FRAME_HEADER 确认帧类型与参考关系,最后进入 Tile Group、超级块和分区语法理解编码细节。这样可以避免把容器样本、OBU、Tile 和预测块误认为同一层级。