圖像、幀、片、NALU 是學習 H.264 的人常常感到困惑的一些概念，我在這里對自己的理解做一些闡述，歡迎大家討論：


H.264 是一次概念的革新，它打破常規，完全沒有 I 幀、P幀、B 幀的概念，也沒有 IDR 幀的概念。對于 H.264 中出現的一些概念從大到小排序依次是：序列、圖像、片組、片、NALU、宏塊、亞宏塊、塊、像素。這里有幾點值得說明：
（1）、在 H.264 協議中圖像是個集合概念，頂場、低場、幀都可以稱為圖像（本文后面內容用到圖像概念時都是集合概念，不再重復說明）。因此我們可以知道，對于 H.264 協議來說，我們平常所熟悉的那些稱呼，例如：I 幀、P 幀、B 幀等等，實際上都是我們把圖像這個概念具體化和細小化了，即我們提到的“幀”通常就是指不分場的圖像；
（2）、如果不采用 FMO（靈活宏塊排序） 機制，則一幅圖像只有一個片組；
（3）、如果不使用多個片，則一個片組只有一個片；
（4）、如果不采用 DP（數據分割）機制，則一個片就是一個 NALU，一個 NALU 也就是一個片。否則，一個片由三個 NALU 組成（即標準“表7-1”中 nal_unit_type 值為 2、3、4 的三個 NALU 屬于一個片）；
（5）、以上所述的片和 NALU 的大小關系并不是抽象概念上的從屬關系。從概念的從屬關系上來看，NALU其實又是片的一個集合概念，例如：標準“表7-1”中 nal_unit_type 值為 5 的 NALU 包括 I 片或者 SI 片。

一幅圖像根據組成它的片類型來分，可以分為標準“表7-5”中的 8 種類型。我們平常應用中所最常見到的其實是這些類型的特例。例如：我們平常所謂的“I 幀”和“IDR 幀”，其實是 primary_pic_type 值為 0 的圖像，我們平常所謂的“P幀”其實是 primary_pic_type 值為 1 的圖像的特例，我們平常所謂的“B幀”其實是 primary_pic_type 值為 2 的圖像的特例。

一幅圖像根據概念來分可以分為兩種：IDR 圖像和非 IDR 圖像。一幅圖像是否是 IDR 圖像是由組成該圖像的 NALU 決定的，如果組成該圖像的 NALU 為標準“表7-1”中 nal_unit_type 值為 5 的 NALU，則該圖像為 IDR 圖像，否則為非 IDR 圖像。這里也有幾點值得說明：
（1）、nal_unit_type 值為 5 的 NALU 只會出現在 IDR 圖像中，而 IDR 圖像中的所有 NALU 都是nal_unit_type 值為 5 的 NALU；
（2）、我們以組成一幅圖像的片的類型來區分該圖像是否是 IDR 圖像是錯誤的。例如：一幅圖像中的所有片都是 I 片并不代表這幅圖像就是 IDR 圖像。因為 I 片也可以從屬于 nal_unit_type 值為 1 的 NALU。只不過我們平常最常見到的形式是：所有片都是 I 片的圖像就是 IDR 圖像。其實這個時候 IDR 圖像的概念也被我們具體化和細小化了。

一幅圖像由 1～N 個片組組成，而每一個片組又由一個或若干個片組成。圖像解碼過程中總是按照片進行解碼，然后按照片組將解碼宏塊重組成圖像。從這種意義上講，片實際是最大的解碼單元。而一個片又包含哪些類型的宏塊呢？標準“表7-10”做了最好的說明。一個 I 宏塊又分為哪些類型呢？標準“表7-11”做了最好的說明。一個 P 宏塊又分為哪些類型呢？標準“表7-13”做了最好的說明。一個 B 宏塊又分為哪些類型呢？標準“表7-14”做了最好的說明。一個 P 宏塊的亞宏塊又分為哪些類型呢？標準“表7-17”做了最好的說明。一個 B 宏塊的亞宏塊又分為哪些類型呢？標準“表7-18”做了最好的說明。

樓上還是沒看明白哈。例如一幀 CIF 圖像尺寸為 352*288；不分場時可以叫圖像，也可以叫幀，其大小為 352*288；分場后其中一半也可以叫圖像，也可以叫頂場，其大小為 352*144，另一半也可以叫圖像，也可以叫低場，其大小為 352*144。各個論文中提到的幀一般都是指不分場時候的圖像。
——（1）、在 H.264 協議中圖像是個集合概念，頂場、低場、幀都可以稱為圖像（本文后面內容用到圖像概念時都是集合概念，不再重復說明）。因此我們可以知道，對于 H.264 協議來說，我們平常所熟悉的那些稱呼，例如：I 幀、P 幀、B 幀等等，實際上都是我們把圖像這個概念具體化和細小化了