关键点：
1.划分宏块
2.对所有图片进行分组
3.帧内预测压缩
4.帧间预测压缩
5.DCT 数据离散余弦变换
6.CABAC（无损压缩）
一：帧间压缩（解决的是时间上的数据冗余）
通过摄像头获取到视频帧（按每秒30帧），将视频帧传递到H264编码器的缓存区，然后将帧划分宏块，H264一般是将16*16的区域划分为一个宏。划分好宏后，计算宏块的像素值，（为提高效率，宏块继续可以划分为几个子块），再经过帧内压缩可以得到更高效的数据。
对于视频数据主要有两类数据冗余。一类是时间上的数据冗余，一类是空间上的数据冗余；（时间上的数据冗余是最大的）
宏划分好之后，可以对H264编码器缓冲中的所有图片进行分组了。
对于关系特别密切的帧，其实只要保存第一帧的数据，其他帧的数据可以根据某种规律预测出来；为了预测需要将视频帧分组；
算法：在相邻的几幅图像中，一般有差别的像素在10%以内，亮度差值在2%之内，色度差值在1%以内的，可以划分为一组。
只保留第一帧数据（第一帧为IDR/I帧，其他为P/B帧，这样编码后的数据帧称为GoP）
经过压缩后的帧分为：I帧，B帧，P帧 （两个I帧之间是一个GOP，每个GOP只包含一个I帧 如：I/B/B/B/P/B/B/B/P/B/B/B/ = GOP ）
分组后计算帧组内物体的运动矢量了
运动矢量（方向/数值），计算出运动矢量得到补偿数据；将补偿数据进行压缩保存，以后解码时就能恢复原图了
二：帧内压缩
人眼对低频的亮度比较敏感，对高频的亮度不敏感，所以可将一副图中的人眼不敏感的数据进去除掉
H264帧内压缩与JPEG压缩很相似，一幅图划分好宏后，对每个宏进行9种预测，找到与原图最接近的一种预测模式。将原图与预测图进行相减，得到残差值。将预测图与残差值保存起来。以后解码的时候就能恢复原图了
三：对残差值进行DCT
对残差值进行数据离散余玹转化，去除数据相关性，进一步压缩数据
四：CABAC
给高频的数据短码，给低频的数据长码。同时还会根据数据的相关性进行压缩
