Ο πολυπλέκτης δομεί τα συμπιεσμένα δεδομένα σε μία ιεραρχική ακολουθία bits η οποία μπορεί να μεταφραστεί από οποιοδήποτε μηχάνημα. Η ιεραρχία αυτή έχει 4 επίπεδα: 

• Επίπεδο εικόνας (picture layer): αντιστοιχεί σε μία εικόνα από βίντεο (frame, πλαίσιο).
• Ομάδα μπλοκ (group of blocks): αντιστοιχεί στο 1/12 των CIF εικόνων ή στο 1/3 των QCIF. Οι εικόνες CIF είναι ανάλυσης 288x352 pixels ενώ οι εικόνες QCIF είναι ανάλυσης 144x176 pixels.
• Macroblocks: αντιστοιχεί σε 16x16 pixels φωτεινότητας και όσον αφορά το χώρο σε τμήματα 8x8.
• Blocks: αντιστοιχούν σε 8x8 pixels.

 Το Η.261 χρησιμοποιεί μαζί το intraframe και το interframe. Στην intraframe μορφή κωδικοποίησης ο DCT χρησιμοποιείται στην συμπίεση, ενώ στην Interframe μορφή, η κινητική αντιστάθμιση εκτελείται για να υπολογίσει τις διαφορές μεταξύ των frames. Οι διαφορές, κυρίως μικρού μεγέθους, είναι τότε DCT κωδικοποιήσιμες.

 Ας υποθέσουμε ότι έχουμε δύο εικόνες με format CIF (Common Intermediate Format) και QCIF (Quarter CIF). Η λειτουργία της QCIF είναι αναγκαία, ενώ η λειτουργία της CIF είναι προαιρετική. Η QCIF χρησιμοποιείται συνήθως για bit με χαμηλό εύρος όπως p<3. Οι εικόνες αποτελούνται από τρία έγχρωμα στοιχεία, Y’ και δύο έγχρωμες διαφορές, Cb, Cr (Y’CbCr που αντιστοιχούν σε ένα μετασχηματισμό των τμημάτων YUV). Τα έγχρωμα διαφορετικά στοιχεία αποτελούν την μισή ποσότητα των πληροφοριών του luminance στοιχείου (για κάθε 4 μπλοκ της luminance κωδικοποιούμενων διαφορών μόνο δύο μπλοκ των chrominance πληροφοριών έχουν κωδικοποιηθεί. Ο ακόλουθος πίνακας δείχνει τις γραμμές ανά frame και τα pixels ανά γραμμή για CIF και QCIF. 

 H Intraframe κωδικοποίηση δουλεύει κυρίως όπως το JPEG. Τα 8x8 μπλοκ έχουν μετασχηματιστεί με DCT, έχουν κβαντιστεί και έχουν κωδικοποιηθεί με run-length/entropy. Στην Interframe μορφή κωδικοποίησης η υπόθεση των μπλοκ στο τρέχον frame έχει φτιαχτεί βασιζόμενη στο προηγούμενο frame. Αν οι διαφορές μεταξύ του τρέχοντος μπλοκ και του προβλεφθέντος μπλοκ είναι κάτω από ένα συγκεκριμένο όριο τότε κανένα δεδομένο δεν στέλνεται, ενώ σε κάθε άλλη περίπτωση η διαφορά λαμβάνεται υπόψη, μετασχηματίζεται μέσω DCT, ποσοτίζεται και κωδικοποιείται με run-length/entropy.

 Το βήμα ποσοτισμού προσδιορίζει την ποσότητα των πληροφοριών που στέλνονται και περισσότερες πληροφορίες σημαίνει καλύτερη ποιότητα εικόνας. Οι Η.261 κωδικοποιητές προσαρμόζουν την ποσοτική αξία για να πετύχουν ένα σταθερό ρυθμό bits. Αν το εκπεμπόμενο buffer σχεδόν γεμίσει, το μέγεθος του ποσοτικού βήματος θα αυξηθεί με αποτέλεσμα λιγότερες πληροφορίες να κωδικοποιηθούν και να έχουμε φτωχότερη ποιότητα εικόνας. Όμοια, όταν το buffer δεν είναι γεμάτο το μέγεθος ποσοτικού βήματος είναι μειωμένο με αποτέλεσμα περισσότερες πληροφορίες να κωδικοποιηθούν και να έχουμε καλύτερη ποιότητα εικόνας. Εξαιτίας αυτής της ποσότητας η γρήγορη αλλαγή σκηνής θα έχει φτωχότερη ποιότητα σε σχέση με την στατική εικόνα.