YUV

        主要的采样格式有YCbCr 4:2:0、YCbCr 4:2:2、YCbCr 4:1:1和 YCbCr 4:4:4。其中YCbCr 4:1:1 比较常用,其含义为:每个点保存一个 8bit 的亮度值(也就是Y值),每 2x2 个点保存一个 Cr 和Cb 值,图像在肉眼中的感觉不会起太大的变化。所以, 原来用 RGB(R,G,B 都是 8bit unsigned) 模型, 1个点需要 8x3=24 bits(如下图第一个图),(全采样后,YUV仍各占8bit)。按4:1:1采样后,而现在平均仅需要 8+(8/4)+(8/4)=12bits(4个点,8*4(Y)+8(U)+8(V)=48bits), 平均每个点占12bits(如下图第二个图)。这样就把图像的数据压缩了一半。
        上边仅给出了理论上的示例,在实际数据存储中是有可能是不同的,下面给出几种具体的存储形式:
(1) YUV 4:4:4
YUV三个信道的抽样率相同,因此在生成的图像里,每个象素的三个分量信息完整(每个分量通常8比特),经过8比特量化之后,未经压缩的每个像素占用3个字节。
下面的四个像素为: [Y0 U0 V0] [Y1 U1 V1] [Y2 U2 V2] [Y3 U3 V3]
存放的码流为: Y0 U0 V0 Y1 U1 V1 Y2 U2 V2 Y3 U3 V3
(2) YUV 4:2:2
每个色差信道的抽样率是亮度信道的一半,所以水平方向的色度抽样率只是4:4:4的一半。对非压缩的8比特量化的图像来说,每个由两个水平方向相邻的像素组成的宏像素需要占用4字节内存。
下面的四个像素为:[Y0 U0 V0] [Y1 U1 V1] [Y2 U2 V2] [Y3 U3 V3]
存放的码流为:Y0 U0 Y1 V1 Y2 U2 Y3 V3
映射出像素点为:[Y0 U0 V1] [Y1 U0 V1] [Y2 U2 V3] [Y3 U2 V3]
(3) YUV 4:1:1
4:1:1的色度抽样,是在水平方向上对色度进行4:1抽样。对于低端用户和消费类产品这仍然是可以接受的。对非压缩的8比特量化的视频来说,每个由4个水平方向相邻的像素组成的宏像素需要占用6字节内存。
下面的四个像素为: [Y0 U0 V0] [Y1 U1 V1] [Y2 U2 V2] [Y3 U3 V3]
存放的码流为: Y0 U0 Y1 Y2 V2 Y3
映射出像素点为:[Y0 U0 V2] [Y1 U0 V2] [Y2 U0 V2] [Y3 U0 V2]
(4)YUV4:2:0
4:2:0并不意味着只有Y,Cb而没有Cr分量。它指得是对每行扫描线来说,只有一种色度分量以2:1的抽样率存储。相邻的扫描行存储不同的色度分量,也就是说,如果一行是4:2:0的话,下一行就是4:0:2,再下一行是4:2:0...以此类推。对每个色度分量来说,水平方向和竖直方向的抽样率都是2:1,所以可以说色度的抽样率是4:1。对非压缩的8比特量化的视频来说,每个由2x2个2行2列相邻的像素组成的宏像素需要占用6字节内存。
下面八个像素为:[Y0 U0 V0] [Y1 U1 V1] [Y2 U2 V2] [Y3 U3 V3]
[Y5 U5 V5] [Y6 U6 V6] [Y7U7 V7] [Y8 U8 V8]
存放的码流为:Y0 U0 Y1 Y2 U2 Y3
Y5 V5 Y6 Y7 V7 Y8
映射出的像素点为:[Y0 U0 V5] [Y1 U0 V5] [Y2 U2 V7] [Y3 U2 V7]
[Y5 U0 V5] [Y6 U0 V5] [Y7U2 V7] [Y8 U2 V7]
03-25
### YUV格式介绍 YUV是一种色彩空间表示法,主要用于视频编码、图像处理以及电视广播等领域。它通过将亮度(Luma, Y)和色度(Chroma, U/V)分离的方式,有效地减少了数据冗余并提升了压缩效率[^1]。 #### 数据结构与表现形式 YUV格式可以根据其内部的数据排列方式分为两种主要类别:**打包格式**和**平面格式**。 - **打包格式**是指Y、U、V分量按特定顺序交错存储在一个连续的内存块中,这种格式通常便于硬件访问和实时处理。 - **平面格式**则是将Y、U、V分别存放在独立的内存区域中,这种方式更适合软件操作和后期编辑[^2]。 #### 应用领域 1. **视频编码与压缩** YUV因其高效的压缩特性和良好的视觉质量,在现代视频编码标准中占据重要地位。无论是流媒体服务还是物理介质(如DVD、蓝光),都广泛采用基于YUV的颜色模型进行数据存储和传输。 2. **电视广播** 在传统模拟电视信号传输过程中,PAL和NTSC等制式均依赖于YUV体系来传递彩色画面信息。这不仅简化了信号调制流程,也增强了抗干扰能力。 3. **图像处理与计算机视觉** 利益于YUV独特的亮度/色度分解机制,该格式被频繁应用于诸如颜色匹配、对象识别及运动跟踪之类的高级算法开发当中。特别是针对人类皮肤色调检测的任务,利用YUV能取得更精确的结果。 4. **学习与研究工具支持** 针对希望深入理解或实际运用YUV格式的研究人员和技术爱好者们,存在一些公共资源可供下载使用。例如某开源项目就提供了标准化尺寸(1920×1080)下的样本文件集合及其配套可视化程序,极大地方便了相关人员的学习实践工作[^4]。 ```python import numpy as np from PIL import Image def yuv_to_rgb(yuv_image_path, width=1920, height=1080): """ 将YUV格式图片转换成RGB模式显示 参数: yuv_image_path (str): 输入YUV文件路径. width (int): 图像宽度,默认为1920像素. height (int): 图像高度,默认为1080像素. 返回: RGB图像实例. """ with open(yuv_image_path, 'rb') as f: raw_data = np.frombuffer(f.read(), dtype=np.uint8) # 假设输入的是NV12格式(YUV 4:2:0),调整数组形状 y_plane_size = width * height uv_plane_size = int(width / 2) * int(height / 2) y_channel = raw_data[:y_plane_size].reshape((height, width)) u_channel = raw_data[y_plane_size:y_plane_size + uv_plane_size].reshape((int(height / 2), int(width / 2))) v_channel = raw_data[y_plane_size + uv_plane_size:].reshape((int(height / 2), int(width / 2))) rgb_array = cv2.cvtColor(np.stack([y_channel,u_channel,v_channel], axis=-1),cv2.COLOR_YUV2BGR_NV12) return Image.fromarray(rgb_array,"RGB") if __name__ == "__main__": img = yuv_to_rgb('example.yuv') img.show() ```
评论
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