Technologie kódování videa upřednostňuje odstranění prostorové a časové redundance. Dále mi dovolte představit vám, jaká metoda se používá: video je tvořeno nepřetržitým přehráváním různých snímků.
Tyto snímky se dělí hlavně do tří kategorií: I snímky, B snímky a P snímky. I frame je nezávislý snímek se všemi svými vlastními informacemi, který je nejúplnějším obrázkem (zabírá největší prostor) a lze jej dekódovat nezávisle bez odkazování na jiné obrázky. První snímek ve video sekvenci je vždy I snímek. P snímek, "interframe predikční kódovací rámec," vyžaduje za účelem kódování odkaz na různé části předchozího I snímku a/nebo P snímku. Snímek P je závislý na předchozích referenčních snímcích P a I. Míra komprese P-snímku je však relativně vysoká a zabírá méně místa.
B-snímek, "Obousměrný prediktivní kódovací rámec", se snímky před a po použití jako referenční snímky. Netýká se pouze přední části, ale také rámečků za nimi, takže jeho kompresní poměr je nejvyšší a dosahuje 200:1. Není však vhodný pro přenos v reálném čase (jako jsou videokonference), protože se spoléhá na následné snímky.
Klasifikací snímků lze výrazně komprimovat velikost videa. Koneckonců, počet objektů, které mají být zpracovány, se výrazně snížil (z celého obrázku na oblast uvnitř obrázku).
Pokud zachytíte paket z video streamu, můžete také vidět informace o snímku I
Pokud budeme počítat vždy na základě pixelů, bude množství dat poměrně velké. Obvykle proto obrázek rozdělíme na různé „bloky“ nebo „Makrobloky“ a vypočítáme je. Makroblok má obecně 16 x 16 pixelů.
Zpracování I snímku využívá způsob kódování uvnitř snímku, využívající pouze prostorovou korelaci v rámci obrazu tohoto snímku. Zpracování P-snímků využívá mezirámcové kódování (dopředný odhad pohybu) při využití prostorových a časových korelací. Jednoduše řečeno, pomocí algoritmů kompenzace pohybu k odstranění nadbytečných informací