关于一些视频颜色空间的笔记记录

YCbCr等颜色空间解析与转换
博客主要介绍了YCbCr颜色空间,它用于影片影像处理和数字摄影,是YUV压缩偏移版本,有4:4:4、4:2:2、4:2:0采样方式。还提及RGB、sRGB、YUV等颜色空间,阐述了Y'UV与RGB的转换公式,以及不同规定下矩阵值的变化。

先来说一下,YCbCr。       shader的话就去看看VideoDecode.shader就行了

------------------------------------选自wiki----------------------------------

YCbCr或Y'CbCr有的時候會被寫作:YCBCR或是Y'CBCR,是色彩空間的一種,通常會用于影片中的影像連續處理,或是數字攝影系統中。Y'和Y是不同的,Y就是所謂的流明luminance),表示光的濃度且為非線性,使用伽馬修正(gamma correction)編碼處理。Y'為顏色的亮度luma)成分、而CB和CR則為藍色和紅色的濃度偏移量成份。

Y'CbCr不是一種絕對的色彩空間,是一種針對RGB資訊所做的編碼。真正的顏色顯示是根據實際RGB色盤(colorant)來決定的。因此Y'CbCr所表示的值只有在標準RGB色盤或是ICC數據(ICC profile)有提供的時候才能計算。

YCbCr不是一種絕對色彩空間,是YUV壓縮和偏移的版本。YCbCr的Y與YUV中的Y含义一致,Cb和Cr與UV同样都指色彩,Cb指蓝色色度,Cr指红色色度,在应用上很广泛,JPEG、MPEG、DVD、攝影機數字電視等皆採此一格式。因此一般俗稱的YUV大多是指YCbCr。

------------------------------------选自wiki----------------------------------

YCbCr中,Y就是luminance,明度。C就是Chrominance,色度。Cb就是blue和green的色度。Cr就是red和green的色度。

对于光来说,人眼对光的亮度特别敏感,相比,对光的色彩分量和位置与移动相对来说比较弱。从这里看,也能明白为啥

Y、Cb、Cr这三个中Y单独,而RGB合在了Cb和Cr中,从Cb、Cr中,也可能反推出,人眼对绿色的敏感度要高于红色和蓝色。

4:4:4、4:2:2、4:2:0是YCbCr的采样方式。

YCbCr4:4:4就是无通道压缩的方式。(理论上,与RGB是相同的,也就是说这两个颜色空间的值可以无损相互转化)

YCbCr4:2:2相当于把Cb和Cr的信息摒弃了一半,所以他需要的带宽是4:4:4模式下的2/3的带宽((4+2+2)/(4+4+4))

YCbCr4:2:0就更狠了,同样丢失的信息也更多。

YCbCr与RGB的转换

再来看一下大家熟知的RGB

由于rgb过于熟悉,这里就不在介绍了。

sRGB

上图的是人眼能看到的所有颜色。(题外话:写过去色shader的都知道有一个magic vector3---fixed3(0.22, 0.707, 0.071),从图里可以看出,人眼对绿色部分的敏感度要大于红色区域,最弱的就是蓝色区域,所有去色的时候,对绿色通道保留的最多,蓝色通道保留的最少。这三个分量是怎么算出来的我没有去查,如果让我算的话,我肯定傻傻的用蒙特卡洛去算一下他们的面积比值。)

红色的坐标值定为了(0.64,0.33)

绿色的坐标值定为了(0.3,0.6)

蓝色的坐标值定位了(0.15,0.06)

白色的坐标值对位了(0.3127,0.3290)

---------------wiki------------------

ChromaticityRedGreenBlueWhite point
x0.64000.30000.15000.3127
y0.33000.60000.06000.3290
Y0.21260.71520.07221.0000

 

 

 

 

---------------wiki------------------

第三个值是伽马γ,就是说sRGB定义了原色强度与实际保存数值直接的非线性变换。

关于伽马校准简单一带,早年的NTSC使用的值是2.2,PAL和SECAM使用的是2.8

现在的伽马校准采用的是分段校准,伽马值用的是1/0.45(2.2222222........)

再简单的说一下CIE颜色系统的色度图

这个色度图给出了人类正常的视觉色域范围。

 

继续看一下颜色空间YUV

------------------------关于YUV和YCBCr,摘自百度百科------------------------

YUV,是一种颜色编码方法。常使用在各个视频处理组件中。YUV在对照片或视频编码时,考虑到人类的感知能力,允许降低色度的带宽。

YUV是编译true-color颜色空间(colorspace)的种类,Y'UV,YUV,YCbCrYPbPr等专有名词都可以称为YUV,彼此有重叠。“Y”表示明亮度(Luminance、Luma),“U”和“V”则是色度浓度(Chrominance、Chroma)。

Y′UV,YUV,YCbCr,YPbPr所指涉的范围,常有混淆或重叠的情况。从历史的演变来说,其中YUV和Y'UV通常用来编码电视的模拟信号,而YCbCr则是用来描述数字的视频信号,适合视频与图片压缩以及传输,例如MPEG、JPEG。但在现今,YUV通常已经在电脑系统上广泛使用。

Y'代表明亮度(luma;brightness)而U与V存储色度(色讯;chrominance;color)部分;亮度(luminance)记作Y,而Y'的prime符号记作伽玛校正。

--------------------------------------------------------------------------------------------------------------------------------

说的Y‘UV,首先想到的就是跟RGB空间的转换。

据wiki的记录,SDTV With BT.601定义了一下常量

Wr = 0.299,

Wg = 1 - Wr - Wb = 0.587,

Wb = 0.114

Umax = 0.436,

Vmax = 0.615

Y‘UV根据如下公式计算

Y' =  Wr * R + Wg * g + Wb * b = 0.299 * R + 0.587 * G + 0.114 * B

U = Umax * (B  - Y') / (1 - Wb) = 0.436/0.886*(B  - Y') ≈ -0.14713 * R - 0.28886 * G + 0.436 * B

V = Vmax * ( R - Y')/ (1 - Wr) = 0.615/0.701*(R - Y') ≈ 0.615 * R - 0.51499 * G - 0.10001 * B

到此,Y'UV 与RGB这两个空间的转换矩阵就出现了,解决了两个颜色空间的值的相互转换问题,又看到了HDTV with BT.709

在这个规定下。

Wr= 0.2126

Wb= 0.0722

但是计算还是上面的计算,只是矩阵的值变化了一下。原理不变

Example of U-V color plane, Y′ value = 0.5, represented within RGB color gamut

还有HSI HSV等一堆一堆的颜色空间的表示方法。。。感觉好乏力。。。

 

 

查阅的部分参考(有一部分忘了留下链接,实在对不起作者,抱歉)

https://www.jianshu.com/p/e67f79f10c65

https://blog.youkuaiyun.com/Evankaka/article/details/38176025

https://my.oschina.net/xiaolei123/blog/1786845

https://en.wikipedia.org/wiki/YCbCr

http://welkinchen.pixnet.net/blog/post/5446075-yuv%2C-ypbpr-%26-ycbcr-%E5%B7%AE%E7%95%B0

https://zhuanlan.zhihu.com/p/28745337

<think>好的,用户现在问的是“如何高效用语雀记录课堂笔记”。首先,我需要回顾之前的对话历史。用户之前请求了一篇关于运维知识的文章,要求降低AI痕迹,我提供了结构化的内容,包括监控、日志分析、自动化运维、容灾演练和团队协作等方面的实战经验。现在用户转向了另一个话题,关于如何高效使用语雀做课堂笔记。 首先,我需要确定用户的具体需求。用户可能是一名学生或者需要记录课程内容的职场人士,希望通过语雀提高笔记效率。语雀是一个文档协作工具,支持Markdown、知识库管理等功能,因此用户可能希望了解如何利用这些功能来优化笔记过程。 接下来,我要考虑用户可能没有明确表达的深层需求。高效记录课堂笔记不仅仅是快速打字,可能还涉及信息组织、复习效率、多设备同步、与同学协作等方面。此外,用户可能希望笔记结构清晰,便于后续查找和回顾,或者在课堂中实时记录的同时保持条理性。 我需要将语雀的功能与这些需求对应起来。例如,结构化记录可以使用知识库和目录管理;课堂上的速记技巧可能包括语音转文字、模板化笔记;复习优化可能涉及链接笔记、思维导图等。同时,用户可能对如何利用语雀的协作功能进行小组学习感兴趣。 还需要考虑用户可能的技术水平。如果用户是初次接触语雀,可能需要一些基础的操作指导,比如如何创建知识库、使用模板等。但用户也可能已经有一定经验,希望更高效的方法,因此需要覆盖从基础到进阶的技巧。 另外,用户之前接受的运维文章结构比较清晰,分为几个小节,每个小节有案例或工具推荐。因此,保持类似的结构可能更符合用户的偏好。可以分点列出方法,每个部分包含操作步骤、技巧和示例,使内容易于理解和应用。 还要注意避免使用过于专业的术语,保持语言简洁明了,适合学生群体阅读。同时,可能需要提醒用户一些实际使用中的注意事项,比如网络环境、备份的重要性等。 最后,总结部分需要强调语雀的优势,如多端同步、结构化管理等,并鼓励用户结合自身习惯调整方法。这样不仅提供实用技巧,也给予用户灵活运用的空间。</think>以下是利用语雀高效记录课堂笔记的实用方法,结合工具特性和学习场景设计,可显著提升记录和复习效率: --- ### 一、课前准备:搭建结构化知识库 1. **学科目录树** 为每门课程创建独立知识库,按「周次+主题」建立层级目录(示例: ``` ▾ 机器学习导论 ├─ 第1周:监督学习基础 ├─ 第2周:特征工程实践 └─ 附:公式速查表 ``` *优势:避免学期末笔记混乱,期末复习时可直接生成PDF导出* 2. **预置模板库** 创建「理论课」「实验课」双模板: - 理论课模板:预留【课前疑问】【核心公式】【关联知识】区块 - 实验课模板:添加「报错记录」表格(现象/解决方案/原理) --- ### 二、课堂速记:4个提效技巧 1. **移动端语音辅助** 手机端开启「语音速记」功能,课堂重点时段长按录音(自动转文字),课后用电脑端整理时直接拖拽音频片段到对应知识点位置 2. **符号快捷键组合** `##+空格` 自动生成二级标题 `!!+空格` 插入高亮警示框 `@+日期` 生成课程序号(例:@0925 → Lec05-0925) 3. **实时跨文档链接** 遇到关联知识点时,输入`[[`唤起文档搜索,快速插入往期笔记链接(如将本周的梯度下降公式链接到上周的损失函数推导) 4. **分屏对照记录法** 电脑端开启双栏模式: - 左栏:教师板书/PPT截图(语雀支持直接粘贴图片OCR识别文字) - 右栏:个人理解批注(用不同颜标注疑问点✅/重点⚠️) --- ### 三、课后优化:让笔记产生复利 1. **错题卡片集** 用「表格」制作错题本: | 错题类型 | 错误原因 | 学科交叉点 | 复习标记 | |----------|----------|------------|----------| | 矩阵求导 | 未考虑转置 | 线性代数P23 | ★★★ | 2. **思维导图串联** 每周用「画板」功能绘制知识点关系图,关键节点链接到详细文档(期末复习时点击导图即可跳转详解) 3. **协作式补全** 将实验课笔记设为「小组可编辑」模式,组员分别补充操作截图、参数配置、环境依赖等内容 --- ### 四、高阶技巧:自动化增效 1. **API自动归档** 配置自动化:将课堂群里的课件压缩包→自动转存到语雀「课程附件」知识库 2. **浏览器插件妙用** 安装「语雀剪藏」插件,一键保存参考网页内容到指定目录(适合文献拓展阅读) 3. **定时复习提醒** 在重点文档中`@提醒我每周五下午4点复习`,系统会自动生成待办事项 --- ### 注意事项 1. 课堂以听讲优先,复杂排版课后整理 2. 善用「历史版本」功能防误删 3. 关键公式用LaTeX语法记录(语雀原生支持:`$$x = \frac{-b}{2a}$$`) 通过这种「结构化输入+智能输出」的模式,语雀不仅能成为课堂记录工具,更能逐步构建个人知识体系。建议初期花1小时熟悉文档块操作(拖动排序/快速折叠),后期效率可提升3倍以上。
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