6.1.2 压缩何以可能：四类冗余（Four Types of Redundancy）

上一节的编年史告诉我们，视频编码四十年只做一件事：压缩。但压缩的空间从哪里来？一段未经压缩的 1080p 视频码率约 622 Mbit/s，编码器能把它压到几 Mbit/s 而不怎么 "露馅"——被省掉的比特并非信息，而是冗余。

冗余（Redundancy） 指的是数据中 可以被预测、可以被忽略、或者重复出现 的部分。视频编码的一切技术，都建立在对四类冗余的系统利用上。这四类冗余其实并不陌生——本书前面的章节已经分别与它们打过照面，本节做一次集中归拢。

空间冗余（Spatial Redundancy）：相邻像素彼此相似

单帧图像内部，相邻像素的颜色通常高度相关：一片天空是相近的蓝，一面墙是均匀的白。逐像素直接存储，等于把 "差不多的值" 重复存了成千上万遍。

利用空间冗余的两条主线，我们在第三章都已见过：预测（用已编码的邻域像素外推当前块，即帧内预测的思想雏形）与 变换（用 3.5 的 DCT 把能量集中到少数低频系数上）。第三章 3.4 节的标题就叫 "空域冗余控制"——从光流到色度处理，都是这条战线上的武器。

时间冗余（Temporal Redundancy）：相邻帧彼此相似

视频是时间轴上的图像序列，而相邻帧之间的差异往往小得惊人。我们在 5.3.2 实测过：场景内部的帧差强度只有 0.002~0.01，绝大多数像素在帧间几乎不动；真正 "整体替换" 的时刻——场景切点——在几分钟的视频里也屈指可数。

这就是 帧间预测（Inter Prediction） 的立足点：与其存一帧完整画面，不如存 "上一帧的哪块内容移动到了哪里"。运动补偿（Motion Compensation）所瞄准的，便是时间冗余。

统计冗余（Statistical Redundancy）：符号出现的概率并不均匀

经过预测与变换之后，残差数据的取值分布会呈现极强的偏斜：小值极多，大值极少；量化之后更是大量系数归零。若用等长编码表示每个符号，平均码长就被迫对齐 "最坏情况"——这是浪费。

信息论告诉我们，信源平均码长的理论下限是其 信息熵（Entropy） [7] ：

$H = -\sum_{i} p_i \log_2 p_i \quad (\text{bits/符号})$

其中 $p_i$ 为符号 $i$ 出现的概率。熵编码（Entropy Coding） 的任务就是逼近这个下限：给高频符号分配短码字、给低频符号分配长码字。我们在 1.6.3 学过的哈夫曼编码就是经典方案；现代编码器则普遍采用压缩效率更高的算术编码家族（6.2.4 的 CABAC 即是代表）。

视觉冗余（Psychovisual Redundancy）：人眼并不是什么都能看见

前三类冗余的利用都 "不伤画质"，第四类则激进得多：人眼不敏感的信息，可以直接扔掉。

• 人眼对 色度 的分辨力远低于亮度 → 2.6.3 的 YUV 色度降采样（4:2:0 直接砍掉 3/4 的色度数据）
• 人眼对 高频细节 的误差不敏感 → 量化时对高频系数 "下重手"

这类 "借感知之名、行删减之实" 的操作，集中体现在编码四环中的 量化 环节——它是整个编码流程中 唯一不可逆的有损环节，也是画质与码率博弈的主战场。

小结：冗余即空间

四类冗余与压缩手段的对应关系，可以浓缩为一张表：

值得记住的是：预测、变换、熵编码本身都是可逆的——它们负责榨取信息论意义上的压缩潜力；真正决定 "损失多少画质、换多少码率" 的，只有量化。这也是为什么每一代编码规格的演进，都围绕着 "把预测做得更准、把变换做得更贴、把熵编码做得更狠" 展开，好让量化手里有更多的余粮。

有了四类冗余这张地图，编码四环的设计逻辑就呼之欲出了。下一节，我们把它组装成完整的混合编码框架。