放大教程几乎都从同一句话开始:先把素材转成 ProRes,别让放大器对着压缩数据干活。听起来像卫生习惯,做起来常常是净亏——压缩这件事它没说错,错的是插入的时机、给错的码率预算,以及一个任何编解码器都没设计过的处理顺序。
![]()
有人把实验直接跑了一遍,而不是把这句话再复述一遍。测试用一帧 540×810 的画面代表"你拿到的源"(用 Lanczos 从演示素材缩下来,模拟采集管线交到手里的样子),1080×1620 的原图作为真值。每条路径都用 ffmpeg 的 PSNR 和 SSIM 打分,外加一个块效应指数。全程不引入神经网络放大器,因为要问的是编解码顺序,不是哪个模型更强——把模型放进来,两个变量就搅在一起了。
路径包括:源直接做 2 倍 Lanczos(作为上限参照);H.264 以码率 B 编码、解码、再放大;同样的流程先包一层 FFV1 无损(也就是"先转 ProRes"那条建议的字面测试);两次有损编码再放大;以及先放大、再编码大图。
无损转码这一层,什么也没改变。在 700 kbps 下,先编码再放大的成绩是 PSNR 32.590、SSIM 0.94663。在解码与放大之间插入一整趟 FFV1 往返,结果还是 PSNR 32.590、SSIM 0.94663,三位小数完全一致,在 300k、700k、1500k 三档码率下都是如此。
原因就是无损的定义:解码 H.264 得到的像素数组,和解码"FFV1 包裹的 H.264"得到的像素数组,是同一个。这趟转码要么精确复现解码帧——你加了一步,什么都没变;要么没有复现——你多加了一代损失。没有第三种结果。教程说转码能"清理"伪影时,真正干活的是某个滤镜,不是容器。
按每像素比特数对齐后,先放大再压缩反而赢。乍看之下,先放大再编码那一行成绩很难看,但这个比较本身不诚实,也是几乎所有人都会犯的错:700 kbps 摊在 437,400 像素上是 1.600 比特每像素,同样的 700 kbps 摊在放大后的 1,749,600 像素上只有 0.400,每像素预算只剩四分之一。让编解码器用同样的比特去描述四倍的像素,输是必然的。
把大图的码率也提到四倍,顺序立刻反转:在每像素比特数对齐的条件下,先缩放再编码在每一档都赢,领先 0.6–1.4 dB。机制并不神秘——编码小图时,预算花在复现"编解码器形状"的细节上,也就是最接近该纹理的那组 DCT 基函数,随后放大器拿自己的平滑先验去调和这些 8×8 小块,把编解码器弄错的部分放大,因为缩放会保留高频误差;编码大图时,同样的预算花在放大器真正产出的高频内容上,后面再没有一步去放大错误。
一句话概括:预编码为压缩付了两次钱,还让更容易出伪影的那一趟,正好被放大器放大。
块网格不会因为放大而消失,它只是挪了位置。编解码器在 8 像素的变换网格上留下不连续,缩放 f 倍后,网格周期落在 8f。实测在预期周期上正好测到差分梯度能量,并用非周期能量做归一:1.0 表示没有接缝,高于 1.0 表示该处存在周期性接缝。4 倍放大之后,接缝能量还在,而且略强不略弱——缩放把每条接缝摊到更多像素上,接缝两侧的对比度反而升高。它只是搬到了周期 32 的位置。编辑器里的去块滤波器都按 8 像素网格假设工作,在那里什么也找不到,真正的伪影原封不动。
实测也印证了这一点:在放大前对压缩小图去块,指数从 1.260 降到 1.117,代价是 0.03 dB;在放大后按错误周期去块,指数降到 0.974,但把恢复出来的细节抹糊了,PSNR 停在 30.78,SSIM 只涨 0.0003。两条都不算赢。真正的解法是别造出这个网格:只编码一次,放在最后,给足比特。
4:2:0 色度丢了就是丢了,放大找不回来。对照 1500 kbps 的 4:4:4 编码,Cb/Cr 平均绝对误差在源分辨率下是 1.108 级,2 倍放大后是 1.122,放大后再做一次色度下采样仍是 1.122。插值造不出下采样已经摧毁的带宽。这也是"先转码"里唯一真正说对的部分,但理由是色度余量,不是清除伪影:中间文件停在 4:2:0,最终色彩细节就被封了顶,最后一道编码给再多码率也没用。
静态图二次保存几乎免费,预锐化才是亏钱的那一步。固定质量重存 JPEG 并与原图对比:q≈70 时,第一代 41.32 dB,第二代 41.30,第三代 41.30;q≈85 时是 43.41 → 43.40 → 43.40;q≈92 时是 44.66 → 44.66 → 44.66。第二代只花掉约 0.02 dB,因为量化是确定性的:第一次保存已经把每个系数舍入到网格上,再存一次还落在同一个网格。代际损失真实存在,但集中在前端。用更高质量重存也捞不回什么——42.217 → 42.183 dB,SSIM 四位小数不变,更细的量化器没法把已经舍入的系数还原。
预锐化才是真正让人吃亏的地方:先锐化再保存是 36.92 dB / 0.9791,不锐化是 42.22 dB / 0.9839,差了五个 dB。锐化增加了高频能量,编解码器要么花比特保住它,要么丢掉它,而丢掉时振铃正好落在锐化光晕所在的位置。锐化应该放在最后一道有损步骤之后——只有一个例外:在生成式放大器之前锐化,会改变模型对源分布的判断,那是另一个问题,没有通用答案。
最容易让人吃亏的一条,是把"我们有 10 Mbps 预算"当成像素数的陈述。它是交付目标的陈述。像素数变 4 倍,质量就被悄悄改了 4 倍。在相同总码率下比较两种顺序,然后得出"先放大再压缩很糟"的结论,量到的是自己的预算错误。
还有几种情况,上面这些都不该照搬:源本身已经经历多代编码时,伪影不再落在干净的 8×8 网格上,而是糊散在各个尺度,任何顺序论证都不成立,损伤发生在所有选择的上游;放大器是生成式、且对输入分布有特定预期时,有些模型是在轻度压缩的网图上学出来的,喂给它无损干净帧反而把它推出分布,输出更差——这确实反转了建议,但那是某一个模型的属性,要逐个模型验证,不能一概而论;中间步骤在做实事时,去隔行、降噪、去闪烁、色彩管理都是滤镜,它们该留在管线里,并按最终输出衡量,这里的结果只关于转码那一步,不关于预处理整体;以及你没法测量的时候,以上全部是 PSNR 和 SSIM 对合成真值的打分,它奖励保真度,与生成式输出的主观观感相关性很差,如果你不能在 100% 下看结果,就别让指标替你做决定。
两分钟版本:只编码一次,放在最后,码率按输出像素数来选,而不是从输入继承。无损中间文件只在需要色度余量或反复编辑时插入。永远不要为了清理有损源而插入一个有损中间文件。比较两种顺序之前,先把每像素比特数对齐——这场讨论里最常见的错误,就是拿一个预算充足的小图编码,去比一个被饿着的大图编码。
特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.