视频压缩方法详解：CRF、码率控制与分辨率缩放
视频压缩方法完全指南：CRF（恒定质量因子）、CBR/VBR 码率控制和分辨率缩放。了解每种方法的原理和最佳使用场景，兼顾画质与文件大小。
深入理解 CRF 视频压缩
恒定质量因子（CRF，Constant Rate Factor）是现代视频编码器使用的一种码率控制方法，用于生成感知画质一致的输出。与以特定码率或文件大小为目标的方法不同，CRF 以画质水平为目标，让编码器自行决定每帧需要多少比特才能达到该画质。
CRF 已成为离线视频编码的默认推荐方案，因为它无需两遍编码就能实现最优的画质/比特比。如果你搜索过"FFmpeg 最佳设置"或"如何无损压缩视频"，CRF 几乎一定是你找到的答案。
本指南从技术层面解释 CRF 的工作原理，将其与其他码率控制方法进行对比，并明确指出 CRF 的适用场景。实际命令行示例请参阅 FFmpeg CRF 实例指南。如果你是完全的新手，建议从 CRF 入门基础 开始。
CRF 的内部工作机制
画质定向机制
当你设定一个 CRF 值（例如 H.264 的 CRF 23）时，你实际上是在告诉编码器："整个视频都以这个感知画质水平为目标。"编码器随后根据每帧的压缩难度来决定分配多少比特。
内部处理流程如下：
帧分析：编码器分析每帧（或每组帧）的复杂度——空间细节量、运动量，以及该帧从相邻帧预测的有效性。
量化参数（QP）选择：根据分析结果，编码器为每个宏块或编码单元选择量化参数。更高的 QP 意味着更激进的量化（压缩更多，画质更低），更低的 QP 意味着更温和的量化（压缩更少，画质更高）。
画质均衡：CRF 调整 QP 值以维持一致的感知画��。静态场景获得更高的 QP（用较少比特就能保持好效果），复杂场景获得更低的 QP（需要更多比特来保留细节）。
视觉心理学优化：使用 CRF 的现代编码器还会考虑人类视觉感知特性。人眼不太敏感的区域（快速运动、细微噪点）使用较低精度，而更重要的区域（边缘、人脸、文字）使用更高精度。
CRF 与量化参数（QP）的区别
CRF 常被与 QP 混淆，但两者有本质区别：
| 特性 | CRF | 恒定 QP |
|---|---|---|
| 控制目标 | 感知画质 | 数学量化 |
| 码率表现 | 按需变化以维持画质 | 随内容变化 |
| 画质一致性 | 一致的感知画质 | 不一致的感知画质 |
| 视觉心理学优化 | 有（多数编码器） | 无 |
| 场景自适应 | 按场景调整 QP | 全局固定 QP |
恒定 QP 下，简单场景和复杂场景接受相同的量化水平，这意味着简单场景画质高于必要水平，而复杂场景画质低于应有水平。CRF 纠正了这种不平衡。
CRF 公式
在 x264 和 x265 中，CRF 大致遵循以下关系：
QP = CRF + 复杂度偏移
其中"复杂度偏移"由编码器对每帧复杂度相对于视频平均值的分析决定。简单帧得到正偏移（更高 QP，更少比特），复杂帧得到负偏移（更低 QP，更多比特）。
实际实现远比这复杂，涉及前瞻缓冲、宏块树分析（mbtree）和帧类型加权等机制，但这个简化模型捕捉了核心概念。
宏块树分析（mbtree）
x264 和 x265 中 CRF 最重要的子功能之一是宏块树分析。启用时（默认开启），mbtree 追踪每个宏块被未来帧引用的频率。
频繁被引用的宏块（如静态背景区域）获得更多比特，因为其画质损失会传播到许多未来帧。很少被引用的宏块（如即将被运动遮挡的区域）获得更少比特，因为其影响是暂时的。
这就是 CRF 显著优于恒定 QP 编码的原因，即使平均 QP 可能相近。
各编码器的 CRF 标尺
每个视频编码器有自己的 CRF 标尺。这些标尺不可直接对比，因为它们反映了不同的底层量化体系。
H.264 (x264) CRF 标尺
- 范围：0-51
- 默认值：23
- 无损：0
- 视觉无损：约 17-18
- 每 +6 CRF：量化程度大致翻倍
H.265 (x265) CRF 标尺
- 范围：0-51
- 默认值：28
- 无损：0
- 视觉无损：约 20-22
H.265 与 H.264 使用相同的数值范围，但默认值是 28 而非 23。这并不意味着 H.265 CRF 28 的画质更低，而是 H.265 CRF 28 产出与 H.264 CRF 23 大致相当的画质，但文件更小。更多对比详见 H.264 与 H.265 对比。
VP9 CRF 标尺
- 范围：0-63
- 默认值：31
- 无损：0
- 视觉无损：约 15-20
VP9 使用更宽的标尺（0-63），因此数值不可与 H.264/H.265 直接对比。
AV1 CRF 标尺
- 范围：0-63（libaom 和 SVT-AV1 均是）
- 默认值：32（libaom）、35（SVT-AV1）
- 无损：0
- 视觉无损：约 18-23（libaom）、20-25（SVT-AV1）
各编码器的全面对比请参阅 AV1 vs VP9 vs H.264 分析。
跨编码器画质等效表
| 画质级别 | H.264 CRF | H.265 CRF | VP9 CRF | AV1 (SVT) CRF |
|---|---|---|---|---|
| 视觉无损 | 17-18 | 20-22 | 15-20 | 20-25 |
| 优秀 | 19-21 | 23-25 | 22-28 | 26-30 |
| 良好（通用） | 22-24 | 26-28 | 30-34 | 32-36 |
| 可接受 | 26-28 | 30-32 | 36-40 | 38-42 |
| 低画质 | 30+ | 34+ | 42+ | 45+ |
CRF 与其他码率控制方法对比
CRF vs 恒定码率（CBR）
CBR 无论内容复杂度如何都维持固定码率。这是最简单的码率控制方法，也是大多数直播场景的必要选择。
| 方面 | CRF | CBR |
|---|---|---|
| 画质一致性 | 画质一致 | 画质波动 |
| 码率表现 | 可变 | 固定 |
| 文件大小可预测性 | 不可预测 | 可预测 |
| 编码遍数 | 单遍 | 单遍 |
| 最适合 | 离线编码、归档 | 直播、实时传输 |
| 带宽占用 | 有波动 | 平稳 |
| 效率 | 高（比特按需分配） | 低（简单场景浪费比特） |
场景示例：一段 10 分钟的视频，前 5 分钟是静态演讲，后 5 分钟是激烈动作。
- CBR 5 Mbps：静态部分画质极好（比特过多），动作部分画质平平（比特不足）。总大小：375 MB。
- CRF 23：静态部分可能只用 2 Mbps（仍然画质极好），动作部分可能用 8 Mbps（同样画质极好）。总大小：约 300 MB，且整体画质更好。
CRF vs 可变码率（VBR）
两遍 VBR 和 CRF 一样能根据场景复杂度调整码率，但它以特定的平均码率（从而可预测的文件大小）为目标，而非画质水平。
| 方面 | CRF | 两遍 VBR |
|---|---|---|
| 画质一致性 | 高 | 高 |
| 文件大小可预测性 | 低 | 高 |
| 编码遍数 | 1 | 2 |
| 编码速度 | 较快 | 较慢（约 2 倍） |
| 码率目标 | 无（画质目标） | 指定平均码率 |
| 最适合 | 画质优先的编码 | 文件大小受限的编码 |
选择 VBR 而非 CRF 的场景：需要精确控制文件大小（邮件附件限制、存储配额）或特定平均码率（CDN 带宽规划）时。
CRF vs 恒定 QP（CQP）
恒定 QP 对每帧应用相同的量化参数，不做任何画质自适应逻辑。
| 方面 | CRF | 恒定 QP |
|---|---|---|
| 画质分配 | 跨场景优化 | 全局统一 QP |
| 感知画质 | 一致 | 随场景复杂度变化 |
| 压缩效率 | 更高 | 更低 |
| 使用场景 | 通用编码 | 测试、基准评测 |
| mbtree 支持 | 有 | 无 |
实际上，几乎没有理由在生产环境中使用恒定 QP 而非 CRF。CQP 主要用于学术研究和编码器基准评测，这些场景需要一致的量化（而非一致的画质）。
决策流程图
是否用于直播或实时传输？
是 -> 使用平台推荐码率的 CBR
否 -> 是否需要特定文件大小？
是 -> 使用两遍 VBR 搭配目标码率
否 -> 是否需要码率上限？
是 -> 使用受限 CRF（CRF + maxrate + bufsize）
否 -> 使用 CRF
预设对 CRF 输出的影响
一个常见的误解是 CRF 单独决定输出文件大小。实际上，编码预设有着显著影响。
预设控制编码器在寻找最优压缩时投入多少计算量。更慢的预设能找到更好的压缩方式，在相同 CRF 值下产出更小的文件。
预设对文件大小的影响（H.264，CRF 23，1080p，60 秒）
| 预设 | 编码速度 | 大致文件大小 | 相对 medium |
|---|---|---|---|
| ultrafast | 10x | 65 MB | +85% |
| superfast | 7x | 55 MB | +57% |
| veryfast | 5x | 48 MB | +37% |
| faster | 3.5x | 42 MB | +20% |
| fast | 2.5x | 38 MB | +8% |
| medium | 1x（基准） | 35 MB | -- |
| slow | 0.5x | 32 MB | -8% |
| slower | 0.3x | 30 MB | -14% |
| veryslow | 0.15x | 28 MB | -20% |
| placebo | 0.05x | 27.5 MB | -21% |
关键发现：
- 从
ultrafast到medium的文件大小降幅巨大（近 2 倍） - 从
medium到veryslow的降幅较为温和（约 20%） placebo相比veryslow几乎没有改善，但速度代价极大- 对于大多数工作流，
medium或slow是最佳选择
受限 CRF：兼顾画质与码率控制
受限 CRF 是一种混合方案，以 CRF 作为主要画质目标，同时设置最大码率上限。适用于需要画质自适应编码但不能超过特定带宽的流媒体场景。
ffmpeg -i input.mp4 -c:v libx264 -crf 22 -maxrate 6M -bufsize 12M output.mp4
受限 CRF 的行为模式：
- 大部分时间，编码器按纯 CRF 模式运行
- 当 CRF 目标会导致码率超过
-maxrate时，编码器提高 QP 以控制在限制内 - 原本会突破 6 Mbps 的场景被更激进地压缩
- 自然低于 6 Mbps 的简单场景以完整 CRF 画质编码
-bufsize决定编码器对码率超标的反应速度（通常设为 maxrate 的 2 倍）
不同内容类型的 CRF 策略
高速运动内容（体育、游戏、动作片）
高速运动内容每帧需要更多比特才能保持画质。同一 CRF 值下，体育视频的文件远大于静态讲话视频。
- H.264 建议 CRF 18-22
- 实拍体育可配合
-tune film - 考虑使用更高帧率（60 fps）以减少单帧运动模糊
低运动内容（演示、教程、摄像头）
静态内容在 CRF 下压缩效率极高。编码器对未变化的区域分配极少比特。
- H.264 CRF 24-28 通常效果出色
- 同一 CRF 下，文件大小远小于高速运动内容
- 屏幕录制含文字时可配合
-tune stillimage
动画和卡通
动画内容有独特的特征：大面积均匀色块、锐利边缘，有时场景切换极快。
- H.264 可配合
-tune animation - H.264 CRF 20-24 效果良好
- 动画在同一 CRF 下通常比实拍内容压缩效果更好
带胶片颗粒的内容
保留胶片颗粒需要额外比特。处理不当时，CRF 编码要么浪费比特试图保留随机噪点，要么彻底抹平颗粒质感。
- H.264 配合
-tune grain可保留��粒 - 保留颗粒时建议 CRF 18-22
- 或者先降噪再编码，使用更高的 CRF
CRF 画质评估：VMAF、SSIM 和 PSNR
要客观对比不同 CRF 值的效果，可以使用画质指标：
VMAF（视频多方法评估融合）：由 Netflix 开发，与人类感知高度相关。评分范围 0-100，95 分以上为优秀，70 分以上通常可接受。
SSIM（结构相似性指数）：衡量帧间的结构相似度。评分范围 0-1，0.95 以上为优秀。
PSNR（峰值信噪比）：最古老的指标，以 dB 为单位。数值越高越好，但与人类感知的相关性不如 VMAF。
## 计算原始视频与编码视频之间的 VMAF
ffmpeg -i encoded.mp4 -i original.mp4 -lavfi libvmaf -f null -
各 CRF 值典型 VMAF 分数（H.264，1080p���
| CRF | 典型 VMAF | 感知效果 |
|---|---|---|
| 17 | 97-99 | 视觉无损 |
| 20 | 95-97 | 优秀 |
| 23 | 92-95 | 很好 |
| 26 | 87-92 | 良好 |
| 30 | 80-87 | 可接受 |
| 35 | 70-80 | 可察觉的劣化 |
CRF 编码的常见陷阱
跨编码器混用 CRF 标尺
最常见的错误是假设不同编码器的 CRF 值等效。H.264 CRF 23 是"良好画质"，但 H.265 CRF 23 是"优秀画质"（产出的文件比需要的更大）。请始终使用各编码器的推荐默认值。
忽略预设的影响
使用"CRF 23"的两个编码实例可能产出大小迥异的文件，如果一个用 -preset ultrafast，另一个用 -preset slow。请始终在 CRF 值旁标注预设参数。
禁用前瞻或 mbtree
部分编码流程为追求速度而禁用 mbtree 或使用零前瞻。这会显著削弱 CRF 智能分配比特的能力，使其相对恒定 QP 的优势大打折扣。
在带宽敏感场景使用纯 CRF
CRF 的可变码率可能产生瞬时峰值，耗尽网络缓冲。用于流媒体时，务必使用受限 CRF 搭配 -maxrate 和 -bufsize，或切换到 CBR。
用 Vibbit 简化 CRF 编码
理解 CRF 值、预设和编码器专属标尺需要技术知识，大多数内容创作者不应为此烦恼。Vibbit 视频压缩工具能根据你的内容类型和画质目标自动选择最优 CRF 值和编码设置。上传视频，选择画质等级，即可获得完美压缩的输出。如需格式转换并获取最优编码，试试我们的视频转换工具。
常见问题
CRF 在视频压缩中代表什么？
CRF 是 Constant Rate Factor（恒定质量因子）的缩写。它是一种码率控制方法，通过逐帧动态调整码率来维持整个视频中一致的感知画质水平。你指定的不是码率，而是画质目标（CRF 值），编码器会自动决定每帧的合适码率。
CRF 比固定码率编码更好吗？
CRF 产出的每字节画质优于恒定码率（CBR）编码，因为它将比特分配到最需要的地方。但 CRF 并非万能。直播需要可预测的码率（CBR 或受限 VBR），文件大小受限的分发需要两遍 VBR。对于以画质为优先的离线编码，CRF 几乎总是最佳选择。
为什么同一 CRF 值编码不同视频的文件大小差异很大？
这是设计使然。CRF 的目标是画质而非文件大小。运动丰富、细节复杂的视频需要更多比特来维持画质，因此文件更大。基本静态的视频需要更少比特，文件更小。如需可预测的文件大小，请改用两遍 VBR。
H.264 和 H.265 的 CRF 值能直接对比吗？
不能直接对比。虽然两者的 CRF 数值范围相同（0-51），但代表不同的画质水平。粗略换算为：H.265 CRF 约等于 H.264 CRF + 5。因此 H.264 CRF 23 大致对应 H.265 CRF 28，但 H.265 的文件会显著更小，因为 H.265 是更高效的编码器。
上传 YouTube 应该用什么 CRF？
上传 YouTube 建议使用 CRF 17-20 搭配 H.264 和 slow 预设。YouTube 无论如何都会重新编码，上传更高画质的源素材能让 YouTube 获得更好的原始材料。用 CRF 0（无损）上传没有意义，因为文件巨大而 YouTube 会大幅压缩。
CRF 能配合硬件编码器（NVENC、QuickSync）使用吗？
NVIDIA NVENC 和 Intel QuickSync 等硬件编码器有自己的类 CRF 模式（通常称为"恒定质量"或 CQP 模式），但与软件 CRF 并不完全相同。硬件编码器缺少 mbtree 分析和精密的前瞻功能，因此在同等画质下通常产出更大的文件。追求最佳 CRF 效果，请使用软件编码器（libx264、libx265、libsvtav1）。
如何找到最适合我内容的 CRF 值？
截取一段 30-60 秒的代表性片段，以多个 CRF 值编码（例如 H.264 用 20、23、26、28），对比画质和 VMAF 分数，检查文件大小。选择仍能满足画质要求的最高 CRF 值（最小文件）。这个测试只需几分钟，却能节省大量存储和带宽。