第四章：H.264/AVC低延迟配置
好，咱们进入正题。H.264/AVC这个编码标准，说实话已经是个老将了。但在医疗内窥镜领域，它依然是主力。为什么？因为成熟、稳定，而且低延迟的调优空间足够大。
我最早接触内窥镜项目时，也想过直接用H.265。后来发现，很多手术室里的采集设备，硬件解码能力只支持到H.264。你编码再先进，解码端跑不动，等于白搭。所以，H.264的低延迟配置，是每个做医疗视频的工程师必须啃下的硬骨头。
4.1 Profile选择：别盲目追求高规格
H.264有Baseline、Main、High三个主要Profile。很多人一上来就选High Profile，觉得压缩率高。但在低延迟场景下，这不一定是个好选择。
我个人习惯是：对内窥镜视频，优先选Baseline Profile。
为什么？Baseline Profile禁用了B帧，而且计算复杂度最低。你想想看，内窥镜视频对实时性要求极高，编码延迟每增加1毫秒，医生操作的手感就会差一截。High Profile虽然压缩率能高10%-15%，但带来的延迟和计算开销，在手术场景里得不偿失。
核心原则：在医疗内窥镜场景下，延迟优先级高于压缩率。能用Baseline，就别上High。
当然，如果你们的硬件编码器性能足够强，而且解码端也支持，Main Profile也可以考虑。但High Profile的CABAC熵编码，我建议慎用。CABAC虽然压缩好，但解码复杂度高，在低端设备上容易造成解码延迟抖动。
我的经验：曾经在一个项目中，我们用了High Profile + CABAC，结果在某个老款内窥镜主机上解码一帧要花40ms。换成Baseline + CAVLC后，解码时间降到了8ms。延迟从不可用变成了流畅。
4.2 IDR帧间隔：关键帧的节奏把控
IDR帧，也就是关键帧。它有一个特点：解码器遇到IDR帧时，会清空参考帧缓冲区，从头开始解码。这意味着，IDR帧之后的画面，不需要依赖前面的任何帧。
在低延迟场景下，IDR帧间隔的设置很讲究。
我建议的配置：
- 内窥镜手术视频：IDR间隔设为1-2秒。也就是30fps的视频，每30-60帧插入一个IDR帧。
- 诊断类内窥镜（非手术）：可以放宽到3-5秒。
为什么不能太长？因为内窥镜视频经常会有大幅度的镜头移动，或者电刀切割产生的画面突变。如果IDR间隔太长，解码器需要依赖前面的参考帧，一旦出现丢包或错误，错误会一直传播到下一个IDR帧。这在手术中是致命的。
但也不能太短。IDR帧的压缩率比P帧差很多。如果每0.5秒就插一个IDR帧，码率会飙升。我见过有人把IDR间隔设为10帧，结果码率直接翻倍。
注意：IDR帧间隔不是越小越好。要平衡错误恢复能力和压缩效率。我个人认为，1秒间隔是内窥镜场景的黄金配置。
4.3 B帧禁用策略：为什么我坚持不用B帧
这个问题，我在很多技术讨论里都跟人争论过。B帧确实能提高压缩率，但它有两个硬伤：
- 引入延迟：B帧需要参考未来的帧。编码器必须等后面的帧编码完，才能编码B帧。这至少会引入1-2帧的延迟。
- 解码复杂度高：B帧的解码需要更多的内存访问和计算。
在医疗内窥镜场景下，B帧带来的延迟是不可接受的。你想想看，医生操作内窥镜时，画面延迟超过100ms，手眼就不协调了。B帧哪怕只增加16ms（一帧的延迟），在精细操作中也会被放大。
我的策略很简单：直接禁用B帧。把编码结构简化为IPPP...模式。
避坑指南：我曾经在一个项目中，为了节省带宽，开了两个B帧。结果手术模拟训练时，医生反馈画面有「拖影感」。排查了半天，发现就是B帧导致的参考帧管理问题。从那以后，所有医疗项目我都坚持禁用B帧。
当然，如果你做的是存储类的内窥镜视频（比如录播回放），B帧是可以用的。但实时传输场景，请务必禁用。
4.4 参考帧数量控制：少即是多
H.264允许使用多个参考帧。理论上，参考帧越多，运动估计越准，压缩率越高。但在低延迟场景下，参考帧数量需要严格控制。
我推荐的配置：
| 场景 | 参考帧数量 | 说明 |
|---|---|---|
| 手术内窥镜（高动态） | 1-2帧 | 画面变化快，多参考帧收益低 |
| 诊断内窥镜（低动态） | 2-3帧 | 画面相对静止，可适当增加 |
| 胶囊内镜（极低动态） | 3-4帧 | 但注意解码端内存限制 |
为什么手术场景只用1-2帧？因为内窥镜在体内移动时，画面变化非常剧烈。前一帧的参考价值其实很低。你保留5个参考帧，编码器花大量时间去搜索匹配，结果发现匹配不上，白白浪费计算资源。
而且，参考帧多了，解码器需要维护一个更大的参考帧缓冲区。在嵌入式内窥镜主机上，内存是稀缺资源。我曾经在一个ARM平台上调试，参考帧从2个增加到4个，解码器的内存占用直接多了8MB。对于只有256MB内存的设备来说，这可不是小数目。
小技巧：如果你不确定该设几个参考帧，可以做个快速测试。用1个参考帧和2个参考帧分别编码一段内窥镜视频，对比码率和PSNR。你会发现，在手术场景下，2个参考帧相比1个参考帧，码率节省通常不到3%，但计算量增加了20%以上。这笔账，你算算值不值？
4.5 综合配置示例
说了这么多，给一个我实际项目中用过的配置吧。这是一个1080p、30fps的内窥镜实时传输配置：
# H.264低延迟配置示例
profile = baseline
level = 4.1
bitrate = 8 Mbps
framerate = 30
gop_size = 30 # IDR间隔1秒
ref_frames = 1 # 只保留1个参考帧
bframes = 0 # 禁用B帧
entropy_coding = cavlc # 不用CABAC
deblocking_filter = on # 去块效应滤波开启
slice_mode = 4 # 每帧4个slice，降低单包大小
这个配置，我在多个项目中验证过。端到端延迟可以控制在80ms以内（包括采集、编码、传输、解码、显示）。对于大多数内窥镜手术来说，这个延迟是可以接受的。
嗯，这里要注意一点：slice的数量要根据网络MTU来调整。如果网络环境差，可以适当增加slice数量，减少单个网络包的丢失影响范围。但slice太多会降低编码效率，这个平衡需要根据实际网络情况来调。
好了，H.264的低延迟配置就讲到这里。下一章我们会聊H.265/HEVC的优化，那个坑更多，但收益也更大。咱们到时候细说。