Bei der MPEG-Kompression werden auf Grund der Ähnlichkeit von aufeinander folgenden Videobildern Makroblöcke mit unterschiedlichen Informationsinhalten gebildet, die Group of Pictures (GOP). Innerhalb dieser Bildgruppen werden die Bilder nacheinander komprimiert, ausgehend von dem datenintensiven Anfangsbild der Gruppe, dem Intra- Frame ( I-Frame). Dieses Bild bildet die Informationsbasis für die nachfolgenden Bilder und definiert den Bezug innerhalb der Videosequenz. Das I-Frame wird ähnlich JPEG komprimiert.
Die nachfolgenden Bilder sind die Bidirectional- Frames (B-frames), weil sie gleichermaßen von den vorhergehenden Bildern als auch den nachfolgenden abhängen und diese als Referenz nutzen. Es handelt sich um besonders hoch komprimierte Bilder, da lediglich die Unterschiede zu den benachbarten Bildern als Informationen herhalten. Nach einer B-Frame-Gruppe folgt ein Predicted Frame ( P-frame), das auf der Prädiktion vom Intra-Frame basiert. Das P-Frame orientiert sich an dem Referenz-Frame, dem I-frame, bildet die Referenzpunkte für die I-Frames und ist für die Dekompression besonders wichtig.
Die Reihenfolge der verschiedenen Frames wird bei der MPEG- Codierung festgelegt. Es ist allerdings darauf zu achten, dass nur das Intra-Bild zur Bearbeitung benutzt werden kann. Eine typische GOP-Struktur beginnt mit dem I-Frame, endet vor dem nächsten I-frame und sieht folgendermaßen aus: IBBPBBPBBPBB.
Die Länge des GOP-Frames ist abhängig von der Einstellung des Videocodecs und liegt zwischen 0,5 Sekunden bei MPEG-2 und über 10 Sekunden bei MPEG-4. Neben der Video-Codierung umfasst die MPEG-Kompression auch die mehrkanalige Audio-Codierung, die in MPEG-1-Audio und MPEG-2 umgesetzt wird.