视频编码中的视觉冗余，就像照片里的“隐形墨水”——人眼看不到，但数据量却很大。去掉它们能让视频更苗条，还不影响观看！以下是通俗易懂的方法：
一、视觉冗余是什么？
例子：
- 高频细节：草地里的每根草叶、皮肤上的毛孔（人眼不敏感）。
- 色度信息：相比亮度（Y），人眼对颜色（U/V）变化不敏感。
- 微小运动：快速晃动的树叶，模糊后不易察觉。
二、删减冗余的四大招式
1. 色度抽样（YUV 4:2:0）—— “颜色分辨率减半”
-
原理：
- 亮度（Y）保留全分辨率（确保轮廓清晰）。
- 色度（U/V）分辨率减半（横向和纵向各抽掉一半像素）。
-
效果：
- 数据量直接砍半，人眼几乎看不出颜色精度损失。
-
举个栗子：
原图：1920x1080 RGB（6.2MB） → YUV420（3.1MB），蓝天依旧蓝，肤色依然自然。
2. 量化（Quantization）—— “扔掉看不见的细节”
-
原理：
- 将高频细节（如噪点、纹理）的数值缩小或归零。
- 量化表控制不同频率的“丢弃力度”。
-
效果：
- 高频区域数据大幅减少，画质轻微模糊（像轻度美颜）。
-
举个栗子：
量化前：草地的每根草叶清晰 → 量化后：草地变柔和，但整体绿意仍在。
3. 运动模糊容忍—— “快速动作不用太清晰”
-
原理：
- 对快速移动的物体（如挥动的手）降低编码精度。
- 利用人眼动态视觉暂留特性，允许一定模糊。
-
效果：
- 运动区域数据量减少，但观看时感觉更流畅。
4. 心理视觉优化—— “人眼弱点变优势”
-
对比度敏感度：
- 人眼对暗部细节不敏感 → 暗区压缩更激进。
-
颜色适应：
- 长时间看同一颜色后，细微变化不易察觉 → 渐变区域压缩更狠。
三、实际应用技巧
| 场景 | 推荐策略 | 效果 |
|---|---|---|
| 直播推流 | 高量化 + 强色度抽样 | 超低码率，轻度模糊但流畅 |
| 电影存储 | 保留高频 + 低色度抽样 | 高画质，文件稍大但细节丰富 |
| 视频会议 | 动态模糊优化 + 暗区压缩 | 人脸清晰，背景省流量 |
四、为什么这些方法有效？
-
人眼生理限制：
- 视网膜对亮度的敏感度远高于颜色，对静态细节的捕捉强于动态。
-
大脑自动补全：
- 缺失的细节会被脑补（如颜色渐变中的微小断层不易察觉）。
五、总结口诀
“视觉冗余人眼盲，色度抽半亮度强。
高频细节量化扔，运动模糊也无妨。
暗区压缩大胆做，心理视觉来帮忙。
视频瘦身有妙招，画质依然很能扛！”
