YUV图像格式学习与灰度处理

左手的ㄟ右手 2023-02-27 13:50 11阅读 0赞

# YUV图像格式学习与灰度处理 #

## 前言 ##

*  刚入职不久，导师要我完成一个任务，就是将将彩色YUV图像数据处理成黑白色，由于对YUV并不了解，所以才有了下面的学习。

## YUV概述 ##

*  YUV与RGB一样，都是像素数据的编码格式，一组YUV渲染屏幕上的一个像素，控制屏幕用色彩的形式将事物表现出来，其中Y表示像素中的亮度，U表示色度，V表示浓度或饱和度。它将亮度信息（Y）与色彩信息（UV）分离，没有UV信息一样可以显示完整的图像，只不过是黑白色。这是一种压缩后的颜色表示方法，占用更少的物理空间，且对颜色的表现失真不明显，所以现在YUV格式非常常用。

## YUV存储方式 ##

*  YUV有两种存储方式：planar、packed。
    
     *  planar：从字面意思上来看，planar是平面的意思，对应到存储方式上就是把YUV三种分量分别存储，先连续存储所有像素点的Y，紧接着存储所有像素点的U，随后是所有像素点的V。这种在解析时很方便。
     *  packed：从字面意思来看，packed是打包的意思，对应到存储方式上就是把YUV三种分量连续交叉存储，这种方式在解析时比较麻烦。

## YUV的采样方式 ##

*  采样方式即如何表现一个像素，现在主流的有三种采样方式，4:4:4、4:2:2、4:2:0，这三种比例是YUV三种分量的比例，前面提到一个像素应该包含一个Y、一个U、一个V，如果要完全存储，那一个像素点就要存储YUV三个分量，这种形式就是4:4:4。但是因为人的眼睛对色度和饱和度不是特别敏感，所以一定程度上丢失一部分UV并不影响我们分辨颜色，所以为了节省存储空间，在存储时就故意丢掉部分UV分量，用两个Y分量共用一组UV分量，这种形式就是4:2:2，或用四个Y分量共用一组UV，这种形式就是4:2:0。
    
        YUV 4:4:4采样，每一个Y对应一组UV分量。
        YUV 4:2:2采样，每两个Y共用一组UV分量。 
        YUV 4:2:0采样，每四个Y共用一组UV分量。
    
    ![YUV采样方式][YUV]

*  在存储时YUV各占一个字节Byte，如果4:4:4方式，那一个256X256分辨率的图片要占用256×256×3=196608Byte，4:2:2方式要占用256×256×2=131072Byte，4:2:0方式要占用256×256×2/3=43690.7Byte，可以看到采用4:2:0方式存储空间整整减少了一半。
 *  以YUV420为例说明：

图像像素数据：[Y0 U0 V0]、[Y1 U1 V1]、 [Y2 U2 V2]、 [Y3 U3 V3]
    
                 [Y5 U5 V5]、[Y6 U6 V6]、 [Y7 U7 V7] 、[Y8 U8 V8]
    
    采样的码流：  Y0 U0 Y1 Y2 U2 Y3
    
                 Y5 V5 Y6 Y7 U7 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]、[Y7 U2 V7]、[Y8 U2 V7]

## YUV常用格式 ##

YU12/I420，YV12格式（属于YUV420）（planar方式存储，简称420p）

*  YU12：先把全部的Y分量存完，再存U分量，最后存V分量。![YU12][]

*  YV12：先把全部的Y分量存完，再存V分量，最后存U分量，对应到上图把第五行和第六行位置互换一下就是了。

NV12，NV21 (属于YUV420) (planar和packed混合存储，简称420sp)

*  NV12：该格式是先存储全部的Y分量，然后UV分量交叉存储。
 *  ![NV12][]

*  NV21：该格式与NV12唯一的区别只是UV分量交叉的顺序不同，NV12是U排前面，NV21是V排前面。
 *  ![NV21][]

```java
    I420: YYYYYYYY UU VV =>YUV420P
    YV12: YYYYYYYY VV UU =>YUV420P
    NV12: YYYYYYYY UVUV =>YUV420SP
    NV21: YYYYYYYY VUVU =>YUV420SP //安卓Camera默认格式
    ```

YUV422P（属于YUV422）（planar方式存储）

*  该格式存储方式与YU12是一样的，唯一的区别是UV分量的数量不同，YU12中四个Y共用一组UV，而该格式中两个Y共用一组UV。
 *  ![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI0MDAzOTE3_size_16_color_FFFFFF_t_70][]

YUYV/YUY2, YVYU，UYVY（属于YUV422）（packed方式存储）

*  YUYU/YUY2：每两个Y分量共用一组UV分量，存储顺序是YUYV。
 *  ![20200718104933810.png][]
 *  YVYU：该格式与YUYV相似，只是存储时UV分量顺序不同而已。
 *  UYVY：与上面两种方式并无大的不同。
 *  ![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI0MDAzOTE3_size_16_color_FFFFFF_t_70 1][]

## YUV图像处理 ##

*  这是使用YUV格式主要是NV12和NV21。

灰度处理

*  如果要把YUV格式像素变成灰度图像，只需要将U、V分别设置为128即可。因为U、V是图像经过偏置处理的色度分量，色度分量在偏置处理前的取值范围为-128至127，此时的无色对应的"0"值，经过偏置后色度分量取值变成了0至255，这时候无色对应的值就是128。

//读取YUV文件(格式是NV12或NV21)
    bool read_yuv_one(const string path_in,const string path_out) {
        //读取YUV文件
        FILE *in, *out;
        in = fopen(path_in.c_str(), "rb");
        out = fopen(path_out.c_str(), "rb");
    
        //获取YUV文件的大小
        fseek(in, 0L, SEEK_END);
        int len = ftell(in);
        fseek(in, 0L, SEEK_SET);
    
        //创建缓存YUV文件的Buffer
        char* buff = new char[len];
        //读取YUV文件到Buffer
        fread(buff, sizeof(char), len, in);
        memset(buff + len * 2 / 3, 128, len / 3);
        fwrite(buff, sizeof(char), len, out);
        fclose(in);
        fclose(out);
    
        return true;
    }

亮度减半

*  只需要将YUV数据中的亮度分量Y的数值减半的方法，降低图像的亮度。

## Linux查看YUV图像文件的方法 ##

*  ffplay -f rawvideo -video\_size 高x宽 图像名称.yuv

## 参考链接 ##

[https://www.cnblogs.com/daner1257/p/10767570.html][https_www.cnblogs.com_daner1257_p_10767570.html]

[https://blog.csdn.net/qingkongyeyue/article/details/52801396][https_blog.csdn.net_qingkongyeyue_article_details_52801396]

[https://blog.csdn.net/leixiaohua1020/article/details/50534150][https_blog.csdn.net_leixiaohua1020_article_details_50534150]

[YUV]: /images/20230209/f149022c88634152b36fe6c97d5d5b85.png
[YU12]: https://img-blog.csdnimg.cn/20200718104557468.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI0MDAzOTE3,size_16,color_FFFFFF,t_70
[NV12]: https://img-blog.csdnimg.cn/20200718104639418.png
[NV21]: https://img-blog.csdnimg.cn/20200718104822273.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI0MDAzOTE3_size_16_color_FFFFFF_t_70]: https://img-blog.csdnimg.cn/20200718104953324.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI0MDAzOTE3,size_16,color_FFFFFF,t_70
[20200718104933810.png]: https://img-blog.csdnimg.cn/20200718104933810.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI0MDAzOTE3_size_16_color_FFFFFF_t_70 1]: https://img-blog.csdnimg.cn/2020071810501028.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI0MDAzOTE3,size_16,color_FFFFFF,t_70
[https_www.cnblogs.com_daner1257_p_10767570.html]: https://www.cnblogs.com/daner1257/p/10767570.html
[https_blog.csdn.net_qingkongyeyue_article_details_52801396]: https://blog.csdn.net/qingkongyeyue/article/details/52801396
[https_blog.csdn.net_leixiaohua1020_article_details_50534150]: https://blog.csdn.net/leixiaohua1020/article/details/50534150