评价编码效率有两个指标：码率和解码图像质量。最好结果是码率小而质量高，但这基本上是不可能的，码率和质量一般是反比的关系。因此编码器编码过程就是对这两个因素的平衡过程。率失真优化RDO（Rate Distortion Optimization）就是在这种情况下提出来的编码优化方案。
J(mode) ＝ SSD＋λ*R(mode, ref, mvd, residual)SSD（Sum of Squared Difference）是指重建块与源图像的差值平方和，它表征了编码质量，SSD低就相当于编码质量高；
R(mode, ref, mvd, residual)是宏块模式，参考帧ID，运动矢量差，以及残差数据经熵编码后的比特数，它表征了码流大小；
λ是拉格朗日乘子，是SSD与码流两个不同量纲的物理数据平衡权值。
使得J(mode)取得最小值的{mode, ref, mvd}组合就是RDO的最优选择结果。可以看出为了得到这个最优结果，需要对各种宏块模式和每一个参考帧、参考块都编码一遍（得到R(residual)），这将是极为耗时的事情。JM编码器就是用这种RDO，因此编码速度非常的慢。同时由于残差数据的编码比特数和量化系数QP相关，因此R(mode,ref,mvd)也需要和QP相关，以平衡R(mode,ref,mvd)和R(residual)。
为了减少RDO的计算量，在X264里面使用了
J(mode) ＝ SATD＋λ*R(mode, ref, mvd)
其中省略了表征残差数据比特的R(residual)，也就是不需要对每一个候选模式都编码一遍，这样大大的降低了计算量。同时为了弥补省略R(residual)而对公式造成的不准，将SSD改为SATD。
SATD（Sum of Absolute Transformed Difference）是Hadamard变换后的结果绝对值求和，Hadamard变换是一个非常简单的时频变换，其值与残差编码输出比特数成正比，在一定程度上可以反映生成码流的大小。
另外在运动估计的匹配准则，
Jmotion＝SAD/SATD＋λ*R(ref,mv)
在做运动估计时，一般而言，离最优匹配点越远，表征匹配误差的绝对误差和SAD（Sum of Absolute Difference）就越大，这就是有名的单一平面假设，现有的快速运动估计算法大都利用该特性。但是SATD值并不满足该条件，如果在整象素运动估计中运用SATD搜索，容易陷入局部最优点。而在亚象素中，待搜索点不多，各点处的SAD差异相对不大，可以用SATD出选择码流较少的匹配位置。因此在整数点运动估计的时候一般使用SAD；在分数点运动估计的时候使用SATD。
原文来源：
RDO，SAD，SATD，λ？
