認識 VP8 影像編碼：整合 HTML5 更小更漂亮、挑戰 H.264 地位
由 Google 所領導的影像 codec：VP8，想要靠著與 HTML5 的整合，以及對手機、平板電腦等，運算能力較低的手持裝置最佳化，提供無專利問題的解決方案，來挑戰H.264龍頭霸主的地位。
目前影像codec（編碼、解碼器）仍以H.264為主流規格，無論手機、平板電腦，或是YouTube，甚至是藍光影片光碟，都將H.264列入支援清單，儼然成為當代影像codec霸主。
在2012年3月舉辦的MWC（Mobile World Congress，世界移動通訊大會）中，Qualcomm展示了下一代影像codec H.265，它的代號是HEVC（High Effciency Video Codec，高效率影像編碼解碼器），從名字上聽起來比代號為AVC（Advance Video Codec，先進影像編碼解碼器）的H.264還要威猛。
不過這項技術目前還在發展階段，第1版的委員會版草案於2012年2月才剛拍板定案，依據其發展規劃，最終版本的國際版草案預定於2013年1月制定，至於推出正式版則沒有明確的時間表，H.264似乎還有一段長路要走。
| 影像技術大事紀 | 年份 | VP8大事紀 |
| Louis Le Prince展示人類史上第一部電影 | 1888 | |
| 1992 | On2 Technologies公司成立 | |
| 發表MPEG-1 | 1993 | |
| MPEG-2發表，DVD問市 | 1995 | 首款編碼器TrueMotion S發表 |
| MPEG-4發表 | 1998 | Google成立 |
| MPEG-4 Part10（H.264）發表 | 2000 | TrueMotion VP3發表，隨後改以VP做為系列名稱 |
| 2005 | VP7發表，並獲Skype採用 | |
| HD DVD、藍光光碟問市 | 2006 | |
| 中國藍光高清光碟（CBHD）標準發表 | 2007 | |
| HD DVD退出市場 | 2008 | VP8發表 |
| YouTube提供1080p影片服務 | 2009 | |
| 2010 | Google收購On2 Technologies | |
| 2011 | VP8函數庫libvpx發表 | |
| H.265第一版草案發表 | 2012 | 正式版libvpx發表 |
挑戰者出現
但在H.265正式登場之前的這段空窗期，H.264可能要面臨一項新的挑戰。由Google所領導的影像codec：VP8，想要靠著與HTML5的整合，以及對手機、平板電腦等，運算能力較低的手持裝置最佳化，提供無專利問題的解決方案，來挑戰H.264龍頭霸主的地位。VP8 最早由On2 Technologiesis開發，於2008年9月13日首度釋出，其目地在於取代自家上一代產品VP7。不過Google在2010年收購On2 Technologiesis，這項技術便轉為Google所有。
走向免費之路
這一連串發展的轉捩點在2010年3月12日，自由軟體基金會（Free Software Foundation）發表了一封公開信，呼籲Google使用HTML5和VP8，取代Adobe Flash Player和H.264，成為YouTube使用的影片格式。
在聽到了自由軟體基金會的聲音後，Google於同年5月19日釋出免費的VP8 codec函數庫libvpx，經過數次改版後，libvpx終於在2012年1月27發佈第1個穩定版本1.0.0版。至於解碼方面，除了可以使用libvpx進行軟體解碼外，WebM專案的硬體小組也設計了VP8的硬體解碼器，無償提供給晶片廠商使用。
以WebM之名闖江湖
在影片封裝容器方面，Google制定了專屬的影片容器：WebM，它以Matroska（MKV）封裝格式為基礎，並搭配Vorbis音訊（Ogg使用的編碼方式），這樣好處是所有技術都是免費、自由的，不會產生專利權或權利金等問題。
VP8主打網路應用
最初在制定VP8標準時，其功能設計的焦點就在網路應用上，由於網路的頻寬將成為品質的一大限制，因此VP8選擇了頻寬先決的開發方向，以較低的品質來彌補頻寬的不足。
VP8的設計重心放在尖峰訊噪比（Peak Signal to Noise Ratio，PSNR）為30dB至45dB之間的表現，根據Google所釋出的官方文件，在這個尖峰訊噪比區間的影像品質，大約在「尚堪入目」（watchable）到「目視無損」（visually lossless）之間。
YUV 4:2:0是什麼意思
由於人的眼睛對亮度比較敏感，對彩度比較遲鈍，因此在處理影像的時候，往往會減少對色彩抽樣的數量，以節省儲存空間。YUV的色彩格式是將顏色分為3種分量，以Y表示亮度（Luma），U、V表示色度（Chroma），並可透過公式轉換成RGB色彩格式。
最基本的YUV取樣方式就是對所有像素皆進行取樣，這種方式稱為YUV 4:4:4，名稱中的3個數字分別表示U、V分量的水平寬度參考值、第1行取樣數目、第2行取樣數目。如果是YUV 4:2:2的話，代表在寬度為4個像素的區塊中，只取2個取樣，每個2 x 1像素區塊共用一個色度取樣，而YUV 4:2:0則是更進一步精簡掉第2行的取樣，讓2 x 2像素區塊共用一個色度取樣。
▲以4 x 4的像素區塊為例，無論使用哪種方法，亮度都會採集16個取樣。在色度方面，YUV 4:4:4也是採集16個取樣，YUV 4:2:2、YUV 4:2:0則是分別將取樣數降低至8個、4個。
從圖中可以清處看到，YUV 4:2:0可以把色度取樣數從16縮減至4，原本相較於YUV 4:4:4需要對4 x 4像素區塊進行3種分量共48個取樣，YUV 4:2:0只需24個取樣（16+4+4），可以節省一半的資料空間。
如果將網路應用的平台拉到手機或平版電腦等，效能相對薄弱的手持終端裝置上的話，除了會面臨資料流量的問題，也得盡量節省解碼時所需要耗費的硬體資源。VP8可以將經過熵編碼（entropy encode）處理的資料，切割成許多可平行處理的區塊，只要在編碼時付出些微的效能衝擊，就能夠讓多核心處理器，在解碼時發揮多工優勢，並確保單核心處理器的效能，不會因此受到影響。
仍具應用彈性
VP8除了更貼近低頻寬網路，也沒有冷落了高階應用。VP8在制定規格時，將色彩取樣定為8-bit YUV 4:2:0，採用循序（progressive）掃瞄，並將解析度上限定為16383 x 16383，VP8也希望能夠藉由其高效率的解碼能力，以及能屈能伸的編碼彈性，讓手持裝置到效能強大的桌上型電腦一體適用。不過VP8卻有個矛盾的地方，它不具有類似H.264的範本（profile）設計。
範本的用意是針對不同的播放設備，制定其效能足以負擔的編碼設定，如果播放設備性能較弱，可能就要犧牲壓縮效率（如降低品質）以求得播放流暢。廠商在規劃產品時，就可以依據效能表現，限制該產品所支援的範本，明確地區隔出能流暢播放的檔案。希望能在網路平台及手持裝置一展長才的VP8，反倒不具有這項功能，讓人覺得有些怪異。
延伸閱讀：
Google WebP 圖片新進展：無失真壓縮、去背透明、動畫
（後面還有：VP8的3大特色）
VP8的3大特色
VP8與H.264壓縮影片的概念大致相同，但是在實際處理的過程中，還是有不同的地方。筆者將VP8獨有技術，選出3個比較有特色的部份，分別是2階段轉換、畫格內預測、畫格間預測，以下分別向讀者說明。
1. 對影像進行2階轉換
常見的影像編碼格式，會在色彩取樣完畢之後，將畫面切割為許多16 x 16像素的巨區塊（macroblock），並對這些巨區塊進行離散餘弦轉換（discrete cosine transform，DCT），利用DCT的數學特性，將資料分布集中於低頻區域，之後再對轉換後的資料進行量化（quantization ），以節省空間
VP8則是會先將每個巨區塊，再細切為16個4 x 4像素的小區塊，先對小區塊個別進行DCT後，再將得到的16組參數進行阿達馬轉換（Walsh–Hadamard transform，WHT），透過WHT轉換，可以更進一步刪去資料重複的部分，節省儲存空間。
▲一般編碼器是直接對16 x 16的巨區塊進行DCT，VP8則是先將巨區塊切成16個小區塊，先進行DCT後，再將巨區塊進行WHT。
2. 用畫格內預測分析色彩
VP8在分析畫面色彩的時候，會將畫面切割為許多子區塊（VP8允許4 x 4、16 x 16大小亮度子區塊，和8 x 8色度子區塊），分析該像素的亮度、色度與鄰近像素的關係，並建立延伸的預測矩陣（請參考圖中淺綠色部分），透過重複利用預測矩陣中的參考值，以縮減資料量。
若以4 x 4區塊為例，圖中白色部分就是區塊中的16個像素資料，H_PRED（horizontal prediction）、V_PRED（vertical prediction）分別是將被分析的單一像素，套入左邊或上面的參考值，比如X00的H_PRED為L0，X32的V_PRED為A2。DC _PRED（DC prediction）則是套入左邊加上面參考值的平均，X12的參考值即為L1 + A2的平均。
最後一個比較特別的方法是TM_PRED（TrueMotion prediction），它是將整個區塊加上一個補償參考值C，並透過以下公式計算Xij=Li + Aj – C，以X12為例，其參考值即為L1 + A2 – C。根據官方提供的資料，使用這些方式可以節省20 ~ 45%的資料流量。
3. 畫格間預測捨去I、P、B frame
VP8捨棄了以往H.264及其他編碼常用的I、P、B frame動態預測畫格，改用最後畫格（last frame）、黃金畫格（golden frame）、備用畫格（alternate frame），但是2種方式的概念、原理並沒有相差太多。
最後畫格說穿了就是和I frame一樣，將整個畫面完整地記錄下來，雖然會花費最多儲存空間，但是只要解碼單一畫格，就可以顯示該時間點的完整畫面。
黃金畫格則是類似P frame的概念，只記錄與上一幀相異的部份，至於相同的部份，則延用上一幀的資料。黃金畫格除了可以節省資料流量外，對於即時編碼（比如視訊聊天）也有很大的用處，它可以透過動態補償的方式，即時修復畫面中的錯誤，而不用重新傳送1張全新的畫面。
▲在預測矩陣中的元素A、L、C，都是由編碼器依照矩陣中像素的分佈，經過計算產生的參考值，可以透過「複製、貼上」、公式計算的方式，將資料填入實際畫面中。
▲以此圖為例，若X的預測方式處理為DC_PRED的話，X=(A1+L1)/2，若為TM_PRED的話，X=A1+L1-C。若Y的預測方式為H_PRED的話，Y=L3，若為V_PRED的話，Y=A3。
以備用畫格取代B frame
備用畫格是VP8獨有的技術，它最大的特色就是畫格中的物件不一定要顯示在畫面上，而且可以將其中物件插入不同畫格中，說得具體一點，它的用途是用來取代傳統的B frame。
B frame的運作的方式和P frame很相近，不同的是B frame可以比對上、下一幀畫格，從2個畫格擷取畫面中的物件進行動態補償，然而P frame只能從上一幀畫格做動態補償。
備用畫格可以把許多將被用於動態補償的物件，收集在單一畫格中，並且在解碼時分配給多個黃金畫格使用，以增進壓縮的效率。由於備用畫格的傳輸、解碼與其他畫格並無不同，所以不會造成處理器額外的負擔，頂多是因緩衝的需求（暫存畫格中物件），額外佔用些微記憶體，很適合用於低階硬體。
▲圖中I、B、P分別指I、P、B frame，L、G、A表示最後、黃金、備用畫格，紅色箭頭表示可以讀取其他畫格資料的方向。黃金畫格也能和B frame一樣，可以向2個方向讀取資料。
動態補償除了要記錄相同的物件外，也要記錄物件的移動方向（動態補償向量），透過VP8的SPLITMV技術，如果某一區塊的動態補償向量與鄰近區塊相同時，編碼器只需標記要延用上方或是左方的數值，不需記錄完整資料。
對付低畫質影片利器
VP8和其他的影像編碼器一樣，會將畫面分為數個16 x 16像素的巨區塊，並以巨區塊做為影像處理的基本單位，即使分析色彩時可以再細切為4 x 4、8 x 8的子區塊，但最終還是會組合成16 x 16巨區塊。在壓製品質比較差的影片中，常常會看到形似馬賽克的塊狀雜訊，就是巨區塊架構的後疑症。
▲假設一個4 x 4的區塊具有3種動態補償向量，其分佈如圖所示，在未經SPLITMV處理前，編碼器需記錄16組資料，但是經過處理後，只需記錄3組資料，其他13組則參考鄰近區塊即可。
一般編碼器會透過迴路濾波器（loop filter）來減低這種塊狀雜訊，不過對於單一畫面，只能使用相同濾波強度。VP8的可變式迴路濾波器（adaptive loop filter）可以針對畫面中不同的區域套用不同濾波強度，而且能夠在每幀之間調整強度，如此一來既可以消除塊狀雜訊，也可以減緩整體畫面變模糊的情況。
▲筆者以遊戲畫面來說明可變式迴路濾波器的概念。圖中前景人物（玩家角色）即為變動多的部分，可以增加濾波器的強度，背景人物（路人）變動的幅度比較小，可以降低濾波器強度，因為場景沒有變動，不需使用濾波器。
具有與H.264對抗的潛力
筆者以libvpx及x264編碼器，分別進行VP8、H.264的轉檔測試，轉檔條件為將片長為2分鐘的1080p預告片，以固定品質（CRF參數=20）的方式，轉成解析度為960 x 544，不附帶音訊的影片。
測試平台搭配的是Core2 Duo E6550處理器，從下方數據可以看到，除了編碼時間之外，2者的表現十分接近，無論在播放時的處理器佔用率，以及壓縮率的方面，表現幾乎一模一樣。如果libvpx可以在往後的更新加強效率的話，實用性或許可以和H.264並駕齊驅。
（點圖可放大）
▲libvpx及x264都是收錄於ffmpeg的編碼器，在表現上只有編碼效率有著比較大的差異。由於測試時是採固定品質方式編碼，所以資訊流量會不段變動，因此採用整體流量除以片長的方式，計算其平均流量。
以目前的局勢來看，足以左右勝負的「枱面下內容」，仍然以RMVB、H.264等格式為主，這將成為WebM想要一統江山最大的阻礙。筆者認為要說服他們轉向WebM，最重要的關鍵還是在於編碼器，該如何強化libvpx的表現，甚至推出品質可靠的圖形介面轉檔程式，將是VP8當前最重要的課題。
