YUV一些对应的记录

本文详细介绍如何使用Python和OpenCV将RGB图像转换为多种YUV格式(包括YV12、I420、YUV444、NV12和NV21),并以二进制形式保存这些格式的图像数据。
类型打包类型内存中实际排布python opencv格式python numpy 里面顺序python转换二进制代码1080P numpy.shape:RawViewer2.0里面颜色空间类型

YUV420P

YV12

planeYYYYYYYY  VV  UUcv2.COLOR_RGB2YUV_YV12YYYYYYYYUUVV

img_src_yuv = cv2.cvtColor(img_src, cv2.COLOR_RGB2YUV_YV12)

with open('img.yv12', 'wb') as f:

        for nY in range(0,1080,1):

            for nX in range(0,1920,1):

                buffer = struct.pack("B", img_src_yuv[nY][nX])

                f.write(buffer)

        for nY in range(1080 + 270,1080 + 270 + 270,1):

            for nX in range(0,1920,1):

                buffer = struct.pack("B", img_src_yuv[nY][nX])

                f.write(buffer)

        for nY in range(1080,1080 + 270,1):

            for nX in range(0,1920,1):

                buffer = struct.pack("B", img_src_yuv[nY][nX])

                f.write(buffer)

(1620, 1920)YV12

YUV420P

I420

planeYYYYYYYY  UU  VVcv2.COLOR_RGB2YUV_I420YYYYYYYYVVUU

img_src_yuv = cv2.cvtColor(img_src, cv2.COLOR_RGB2YUV_I420)

with open('img.i420', 'wb') as f:

        for nY in range(0,1080,1):

            for nX in range(0,1920,1):

                buffer = struct.pack("B", img_src_yuv[nY][nX])

                f.write(buffer)

        for nY in range(1080 + 270,1080 + 270 + 270,1):

            for nX in range(0,1920,1):

                buffer = struct.pack("B", img_src_yuv[nY][nX])

                f.write(buffer)

        for nY in range(1080,1080 + 270,1):

            for nX in range(0,1920,1):

                buffer = struct.pack("B", img_src_yuv[nY][nX])

                f.write(buffer)

(1620, 1920)YUV420
YUVplaneYYYY  UUUU  VVVV

 

cv2.COLOR_RGB2YUV

YUVYUVYUVYUV

img_src_yuv444 = cv2.cvtColor(img_src, cv2.COLOR_RGB2YUV)

with open('img.yuv444', 'wb') as f:

    for nY in range(0,img_src.shape[0],1):

        for nX in range(0,img_src.shape[1],1):

            buffer = struct.pack("B", img_src_yuv444[nY][nX][0])

            f.write(buffer)

    for nY in range(0,img_src.shape[0],1):

        for nX in range(0,img_src.shape[1],1):

            buffer = struct.pack("B", img_src_yuv444[nY][nX][2])

            f.write(buffer)

    for nY in range(0,img_src.shape[0],1):

        for nX in range(0,img_src.shape[1],1):

            buffer = struct.pack("B", img_src_yuv444[nY][nX][1])

            f.write(buffer)

(1080, 1920, 3)YUV444

YUV420SP

NV12

 YYYYYYYY  UVUV  

img_src_yuv = cv2.cvtColor(img_src, cv2.COLOR_RGB2YUV_I420)

with open('img.nv12', 'wb') as f:

        for nY in range(0,1080,1):

            for nX in range(0,1920,1):

                buffer = struct.pack("B", img_src_yuv[nY][nX])

                f.write(buffer)

        for nY in range(0,270,1):

            for nX in range(0,1920,1):

                buffer = struct.pack("B", img_src_yuv[nY + 1080 + 270][nX])

                f.write(buffer)

                buffer = struct.pack("B", img_src_yuv[nY + 1080][nX])

                f.write(buffer)

(1620, 1920)NV12

YUV420SP

NV21

 YYYYYYYY  VUVU  

img_src_yuv = cv2.cvtColor(img_src, cv2.COLOR_RGB2YUV_YV12)

with open('img.nv21', 'wb') as f:

        for nY in range(0,1080,1):

            for nX in range(0,1920,1):

                buffer = struct.pack("B", img_src_yuv[nY][nX])

                f.write(buffer)

        for nY in range(0,270,1):

            for nX in range(0,1920,1):

                buffer = struct.pack("B", img_src_yuv[nY + 1080 + 270][nX])

                f.write(buffer)

                buffer = struct.pack("B", img_src_yuv[nY + 1080][nX])

                f.write(buffer)

(1620, 1920)NV21
        
        
        
        

 

潮汐研究作为海洋科学的关键分支,融合了物理海洋学、地理信息系统及水利工程等多领域知识。TMD2.05.zip是一套基于MATLAB环境开发的潮汐专用分析工具集,为科研人员与工程实践者提供系统化的潮汐建模与计算支持。该工具箱通过模块化设计实现了两大核心功能: 在交互界面设计方面,工具箱构建了图形化操作环境,有效降低了非专业用户的操作门槛。通过预设参数输入模块(涵盖地理坐标、时间序列、测站数据等),用户可自主配置模型运行条件。界面集成数据加载、参数调整、可视化呈现及流程控制等标准化组件,将复杂的数值运算过程转化为可交互的操作流程。 在潮汐预测模块中,工具箱整合了谐波分解法与潮流要素解析法等数学模型。这些算法能够解构潮汐观测数据,识别关键影响要素(包括K1、O1、M2等核心分潮),并生成不同时间尺度的潮汐预报。基于这些模型,研究者可精准推算特定海域的潮位变化周期与振幅特征,为海洋工程建设、港湾规划设计及海洋生态研究提供定量依据。 该工具集在实践中的应用方向包括: - **潮汐动力解析**:通过多站点观测数据比对,揭示区域主导潮汐成分的时空分布规律 - **数值模型构建**:基于历史观测序列建立潮汐动力学模型,实现潮汐现象的数字化重构与预测 - **工程影响量化**:在海岸开发项目中评估人工构筑物对自然潮汐节律的扰动效应 - **极端事件模拟**:建立风暴潮与天文潮耦合模型,提升海洋灾害预警的时空精度 工具箱以"TMD"为主程序包,内含完整的函数库与示例脚本。用户部署后可通过MATLAB平台调用相关模块,参照技术文档完成全流程操作。这套工具集将专业计算能力与人性化操作界面有机结合,形成了从数据输入到成果输出的完整研究链条,显著提升了潮汐研究的工程适用性与科研效率。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值