一、視頻幀
在H264協議里，圖像以組(GOP，也就是一個序列)為單位進行組織，一個組是一段圖像編碼后的數據流，以I幀開始，到下一個I幀結束。一個組就是一段內容差異不太大的圖像編碼后生成的一串數據流。當運動變化比較少時，一個組可以很長，因為運動變化少就代表圖像畫面的內容變動很小，所以就可以編一個I幀，然后一直P幀、B幀了。當運動變化多時，可能一個序列就比較短了，比如就包含一個I幀和3、4個P幀。
1.I幀
I幀是幀組的第一幀，在一組中只有一個I幀。I幀是幀內編碼幀，是一種自帶全部信息的獨立幀，無需參考其他圖像便可獨立進行解碼，可以簡單理解為一張靜態畫面。如果傳輸過程中I真丟失，畫面最直接的影響就是會卡頓，因為后面的幀都無法正確解碼，只能等待下一個GOP。
2.P幀
P幀是幀間預測編碼幀，需要參考其前面的I幀或P幀才能進行編碼。P幀沒有完整的畫面數據，只有與其前一參考幀的畫面差別的數據。與I幀相比，P幀通常占用更少的數據位，但不足是，由於P幀對前面的P和I參考幀有着復雜的依耐性，因此對傳輸錯誤非常敏感，所以如果P幀丟失，畫面會出現馬賽克現象，因為前向參考幀錯誤，補齊的並不是真正運動變化后的數據。
3.B幀
B幀是雙向預測編碼幀，也就是B幀記錄的是本幀與前后幀的差別。也就是說要解碼B幀，不僅要取得之前的緩存畫面，還要解碼之后的畫面，通過前后畫面的與本幀數據的疊加取得最終的畫面。B幀壓縮率高，但解碼時很耗CPU資源。(B幀以前面的I或P幀和后面的P幀為參考幀，B幀不是參考幀,不會造成解碼錯誤的擴散。)
一般來說，I幀的壓縮率是7（跟JPG差不多），P幀是20，B幀可以達到50。雖然B幀壓縮率高，但是在直播系統中很少使用B幀，一是因為解碼很耗CPU，再就是B幀解碼需要等待下一個P幀數據，這就會造成解碼延時，而直播系統對延時要求很高，所以一般不用B幀。但對於點播系統就不會有這個問題。
二、PTS和DTS
PTS（Presentation TimeStamp）是渲染用的時間戳，也就是說，我們的視頻幀是按照 PTS 的時間戳來展示的。DTS（Decoding TimeStamp）解碼時間戳，是用於視頻解碼的。
為什么會有2個不同的時間戳呢？這和I幀、P幀和B幀有關，我們分2中情況來看：
1.視頻中只有I幀和P幀
如下所示，第1幀是I幀，2-8幀是P幀，展示的順序是12345678。解碼時先解碼第1幀，第2幀參考第1幀解碼，第3幀參考第2幀解碼……也就是解碼順序也是12345678。這種情況下PTS和DTS是一樣的，所以此時是沒有必要區分2個不同的時間戳的。
1 2 3 4 5 6 7 8
I P P P P P P P
2.視頻中有I幀、P幀和B幀時
如下所示，第1幀是I幀，第4、8幀是P幀，其余是B幀，展示順序是12345678。解碼時先解第1幀，第2幀是B幀，由於它后面的幀還沒解碼，所以它也沒法解碼，第3幀也是一樣，所以第二解碼是第4號的P幀，然后2號B幀參考其前面的第1幀和其后面的第4幀進行解碼，然后再是3號B幀解碼，然后567號B幀要等到8號的P幀解碼后才能解碼。所以解碼的順序是14238567，這種情況下展示順序和解碼順序就不一樣，所以就有了PTS和DTS的區分。
1 2 3 4 5 6 7 8
I B B P B B B P