Yuv读取

要在Python中处理YUV420_NV12格式的图像并对亮度层应用双边滤波降噪，我们需要遵循以下步骤：

1. 读取YUV420_NV12图像：这种格式的图像包含亮度信息（Y）和两个色度信息（U和V）。在YUV420格式中，每个U和V分量对应于四个Y分量，这就是为什么称为420的原因。

2. 对亮度层应用双边滤波：双边滤波是一种非线性滤波器，它能在保持边缘信息的同时降低图像噪声。它在像素邻域内进行加权平均，这些权重取决于像素值的差异（空间权重）和像素距离的差异（强度权重）。

3. 保存处理后的图像为YUV420_NV12格式：处理完亮度层之后，我们需要将修改后的Y分量和原始的U和V分量重新组合，然后保存为YUV420_NV12格式的图像。

下面是实现这些步骤的Python代码示例。在这个例子中，我会使用OpenCV和NumPy库。如果你还没有安装这些库，可以通过运行pip install opencv-python numpy来安装它们。

import cv2
import numpy as np

def read_yuv420(file_path, width, height):
    # 计算U和V的大小
    uv_width, uv_height = width // 2, height // 2
    # 读取YUV文件
    with open(file_path, 'rb') as f:
        yuv = np.fromfile(f, dtype=np.uint8)
    # 重新排列Y, U, V分量
    y = yuv[:width*height].reshape((height, width))
    uv = yuv[width*height:].reshape((uv_height, uv_width*2))
    return y, uv

def bilateral_filter_y(y, diameter, sigma_color, sigma_space):
    # 对亮度层Y应用双边滤波
    return cv2.bilateralFilter(y, diameter, sigma_color, sigma_space)

def save_yuv420(file_path, y, uv):
    # 将Y和UV分量合并
    yuv = np.concatenate((y.flatten(), uv.flatten()))
    # 将处理后的YUV数据保存到文件
    with open(file_path, 'wb') as f:
        yuv.tofile(f)

# 使用示例
file_path = 'input.yuv'  # 输入YUV文件路径
output_path = 'output.yuv' # 输出YUV文件路径
width, height = 1920, 1080  # YUV图像的宽度和高度

y, uv = read_yuv420(file_path, width, height)
y_filtered = bilateral_filter_y(y, 5, 75, 75)
save_yuv420(output_path, y_filtered, uv)

这段代码首先定义了三个函数：read_yuv420用于读取YUV420_NV12格式的图像，bilateral_filter_y用于对亮度层Y进行双边滤波，save_yuv420用于将处理后的Y分量和原始的UV分量保存为YUV420_NV12格式的文件。最后，通过这些函数处理指定路径的YUV图像。

请根据你的具体需求调整代码中的文件路径、图像尺寸和滤波器参数。

在YUV420_NV12格式的图像中，亮度层（Y）和色度层（UV）是分开存储的，而不是交错排列。这种格式的特点是先完整存储所有的亮度信息，然后存储色度信息。在这种格式中，色度信息（U和V）是交错存储的，但亮度信息（Y）是连续存储的。

具体来说，对于一个宽度为width、高度为height的YUV420_NV12图像：

1. 亮度层Y：前width * height个字节是亮度信息（Y），它们连续存储并覆盖整个图像区域。

2. 色度层UV：在亮度信息之后，接着是色度信息（UV）。在NV12格式中，U和V是交错存储的，形式为UVUVUV…。它们的大小是亮度信息大小的一半，因为在垂直和水平方向上，每4个亮度像素共享一组UV值。

所以在处理时，我们首先提取完整的Y分量，然后才处理UV分量。在你的代码中，y = yuv[:width*height]这行正是在执行这个操作，提取整个Y分量，这部分数据是连续的，不含有UV分量。