MPEG是Moving Picture Experts Group（动态图像专家组）的缩写。这个名字背后有两层含义：第一层，它最初是国际标准化组织ISO与国际电工委员会IEC于1988年联合成立的一个技术工作组，正式的组织代码是ISO/IEC JTC1/SC29/WG11，成员来自全球最具影响力的研发机构、高校和企业实验室；第二层，随着该工作组不断推出影响深远的编码规范，"MPEG"逐渐演变为一个标准族的代称，泛指由该专家组制定并维护的一系列音视频编码、描述与框架标准。
在软考多媒体应用设计师的考纲体系中，MPEG系列标准被归入"常见多媒体标准"知识模块，与JPEG（静态图像压缩）、H.26x系列（视频会议编码）并列为三大核心标准族。两者的分工极为清晰：JPEG管静态图像，MPEG管动态图像及其伴音。这个分工本身就是一道高频选择题的命题素材——题干问"目前多媒体计算机中对动态图像数据压缩常采用什么标准"，正确答案就是MPEG，而JPEG、GIF、BMP都是干扰项。
MPEG系列标准目前包含五个正式成员，按发布时序依次为MPEG-1、MPEG-2、MPEG-4、MPEG-7和MPEG-21。注意这里存在一个序列号的断裂：MPEG-3并没有成为独立标准，而是被合并到了MPEG-2之中。这个历史细节在考试中多次作为干扰项出现，后文会专门分析。
许多人将MPEG等同于"视频压缩格式"，这个理解只说对了一半。MPEG-1和MPEG-2确实是音视频压缩编码标准，MPEG-4在压缩功能之外引入了基于对象的交互能力，但从MPEG-7开始，标准的定位发生了根本性跃迁：MPEG-7的全称是"多媒体内容描述接口"（Multimedia Content Description Interface），它不再定义如何压缩数据，而是定义如何描述和检索多媒体内容；MPEG-21更进一步，定位为"多媒体应用框架"（Multimedia Framework），旨在为多媒体内容的创作、分发、消费全生命周期建立一个统一的基础设施标准。这种"从压缩到描述再到框架"的定位演进，是软考多选题和判断题中极易失分的概念辨析点。
要理解MPEG的压缩原理，必须先理解它对视频帧的三种分类。MPEG将视频序列中的每一帧划分为三种类型：I帧（Intra-coded Picture，帧内编码帧）、P帧（Predictive-coded Picture，前向预测编码帧）和B帧（Bidirectionally-predictive-coded Picture，双向预测编码帧）。
I帧是独立帧，它不参考任何其他帧，完全依靠自身数据进行JPEG式的帧内压缩。可以将I帧理解为视频序列中的"关键帧锚点"——它是后续P帧和B帧解码的基准参照物。因为I帧不依赖其他帧，所以它的压缩率最低、数据量最大，但它是随机访问和快进快退操作的技术基础。
P帧只存储与前一帧（可以是I帧或前一个P帧）的差异部分。编码器对当前帧和参考帧做运动估计，找出每个宏块的运动矢量，然后只传输运动矢量和残差数据。P帧的压缩率远高于I帧，但它的解码依赖参考帧的完整存在。
B帧更为激进，它同时参考前一帧和后一帧，取两者的加权预测。因为B帧利用了前后两个方向的信息，它能实现最高的压缩率，但代价是编码延迟增加（必须等待后续帧到达才能编码）和解码复杂度上升。B帧本身永远不会被其他帧用作参考，这一点在理解编码依赖关系时至关重要。
三者的典型排列模式是IBBPBBPBBPBB……，其中两个P帧之间插入两个B帧。这种"图像组"（Group of Pictures，GOP）结构是MPEG码流组织的核心单元。GOP以I帧起始，长度可配置。GOP越长，整体压缩率越高，但随机访问的粒度越粗、容错能力越差。举一个直观的例子：如果GOP长度为15帧（即每15帧才出现一个I帧），用户在视频播放器中拖动进度条到第10帧位置时，解码器必须先找到最近的I帧，然后逐个解码后续的P帧和B帧直到第10帧才能开始播放，这一延迟在低性能设备上可能非常明显。因此流媒体应用通常采用较短的GOP以兼顾压缩效率和交互响应，而DVD等存储类应用可以采用较长的GOP追求更高的画质。这些概念在软考中虽然不要求定量计算，但定性辨析"I帧压缩率最低""B帧不充当参考帧""GOP以I帧开头"等命题，是常考的判断题素材。
MPEG的压缩效率来源于两种冗余消除机制的协同作战：帧间预测消除时间冗余，帧内变换消除空间冗余。两种机制的协作流程如下：
第一步是运动估计与补偿。编码器将当前帧划分为16×16像素的宏块，对每个宏块在参考帧的搜索窗口内寻找最佳匹配块，计算两者之间的位移量即运动矢量。运动补偿的含义是：只传输运动矢量和匹配残差，而不是重新传输整个宏块的像素值。当场景中存在平移运动（如摄像机跟拍、物体匀速移动）时，运动补偿的增益极为显著。
第二步是对残差数据或I帧原始数据进行离散余弦变换。DCT将空间域的像素值变换为频率域的系数矩阵，实现能量集中——低频系数集中在矩阵左上角，高频系数散布在右下角，而高频系数多数趋近于零。这一特性使得后续的量化和熵编码能够大幅削减数据量。
第三步是量化。这是MPEG有损压缩的核心环节，也是压缩率与画质之间最直接的权衡杠杆。量化步长越大，被量化为零的高频系数越多，压缩率越高但画质损失越大。MPEG-2中定义的档次和级别体系，本质上就是在规范不同应用场景下的量化参数组合。
第四步是熵编码。量化后的系数经过Zig-Zag扫描重排为一维序列，然后进行游程编码和可变长编码（VLC，即霍夫曼编码的变体）。游程编码将连续零值的游程长度与后续非零值配对编码，VLC则为高频出现的符号分配短码字。MPEG-2在MPEG-1的VLC基础上增加了可选择算术编码的扩展能力。
值得深入理解的是，MPEG的编码框架本质上同时处理了视频数据中蕴藏的三种冗余：时间冗余通过运动补偿的帧间预测消除，空间冗余通过DCT变换消除，统计冗余通过熵编码消除。三者各自针对不同层面的信息重复，互补而非替代。
一个容易被忽视的细节是：运动补偿只消除平移运动带来的时间冗余，对旋转、缩放、形变等复杂运动的补偿能力有限。这也是为什么低码率下MPEG-1视频在含有旋转镜头的场景中容易出现块效应的技术原因。MPEG-4通过引入基于对象编码和全局运动补偿部分缓解了这一问题，但根本性的突破要等到H.264/AVC引入可变块大小运动补偿和亚像素精度插值之后。
音频编码方面，MPEG采用了心理声学模型驱动的子带编码方案。其核心思想是利用人耳的听觉掩蔽效应：当一个较强的声音信号（掩蔽音）存在时，频率相近或时间相邻的较弱信号（被掩蔽音）即使被丢弃，人耳也察觉不到。编码器将音频频谱划分为32个子带，根据心理声学模型计算每个子带的掩蔽阈值，动态分配量化比特——对听觉敏感的子带分配更多比特，对低于掩蔽阈值的子带则直接丢弃或粗量化。这就是MP3（MPEG-1 Audio Layer III）能以约12:1的压缩比实现"感知透明"音质的科学基础。
MPEG-1于1992年正式发布，标准编号ISO/IEC 11172，由系统、视频、音频、一致性测试和参考软件五个部分组成。它的设计目标是"码率约为1.5Mbps，用于数字存储媒体的活动图像及其伴音的编码"，典型分辨率为352×240（NTSC制式下的SIF格式）或352×288（PAL制式下的CIF格式）。
MPEG-1最广为人知的产业落地成果是VCD（Video Compact Disc）。VCD采用MPEG-1视频编码配合MPEG-1 Audio Layer II音频编码，将约74分钟的视频内容压缩到一张650MB的CD-ROM上。虽然今天看来VCD的画质已经无法接受，但在上世纪九十年代中期，它成功地将数字视频从专业广播领域推入了大众消费市场。与此同时，MPEG-1 Audio Layer III——也就是今天家喻户晓的MP3格式——成为了数字音乐革命的旗手。
MPEG-2于1994年发布，标准编号ISO/IEC 13818。它不是MPEG-1的简单参数升级，而是在系统层的复用机制、传输层的差错恢复、视频的可分级编码等方面做出了结构性的扩展。MPEG-2的码率范围从约3Mbps一直拉伸到100Mbps以上，覆盖从VHS级画质到高清广播的全谱系需求。
MPEG-2最具标志性的设计是其"档次"与"级别"的二维组合体系。档次定义了编码工具集的复杂度，从简单档次到高档共五个档次；级别定义了分辨率和码率等参数约束，从低级到高级共四个级别。实际应用中，主档次主级别用于标准清晰度电视广播和DVD，主档次高级则被美国ATSC数字电视标准采用为高清广播的编码方案。这个"档次+级别"组合是软考中一道经典选择题的考点，考生需要记住DVD对应MP@ML（主档次主级别），而非简单地认为"DVD用MPEG-2"就完事了。
DVD是MPEG-2最成功的消费级应用。一张单面单层DVD容量为4.7GB，使用MPEG-2编码后可以容纳约133分钟的高质量视频和多达8条音频轨道、32条字幕轨道。与VCD相比，DVD不仅分辨率从352×240跃升到720×480，还引入了可变码率编码、多角度视频、菜单交互等MPEG-2系统层的高级特性。
MPEG-4于1999年发布第一版，其定位与前两代标准存在本质差异。MPEG-1和MPEG-2都是"基于帧"的编码——将视频视为一系列矩形像素阵列的序列，编码器的基本操作单元是宏块。MPEG-4则引入了"基于对象"的编码范式：它将场景分解为多个独立的视听对象——一个人物是一个视频对象，背景是另一个视频对象，配音是一条音频对象——然后对每个对象分别进行编码、传输和组合。与之配套的是场景描述语言BIFS（Binary Format for Scenes），它定义了各对象在时空上的组合关系和交互行为，类似于VRML在三维场景中的角色但采用了更紧凑的二进制格式。
这种基于对象的架构带来了三个根本性的优势。第一，编码效率的跃升：不同对象可以根据其视觉重要性和运动特性分配不同的码率，静态背景只需传
本篇完！