YUV中Y颜色模型的采样

2024-05-10 1204阅读

YUV的特点

相对于表示颜色的GUI, YUI将亮度(用Y表示)与色调(用U和V表示)分开来表示。又因为人类视网膜上的视网膜杆细胞要多于视网膜锥细 胞,说得通俗一些,视网膜杆细胞的作用就是识别亮度,而视网膜锥细胞的作用就是识别色度。所以,人类的眼睛对于亮和暗的分辨要比对颜色的分辨精细一些。对于YUV模型,人类眼部会对Y分量更敏感,所以对于图像的表示来说, U和V代表的信号没必要和Y一样多。

在数字图像处理领域中,色度抽样是指在表示图像时使用比亮度信息低的分辨率来表示色彩(色度)信息,它常用Y:U:V来表示。

下面是4种常见的采样:

YUV中Y颜色模型的采样

YUV4:4:4 4:4:4 Formats, 24 Bits per Pixel

没有任何压缩,每一行Y,U,V分量是一样多的。排列方式为:

[ y u v ] [ y u v ] [ y u v ] [ y u v ]

[ y u v ] [ y u v ] [ y u v ] [ y u v ]

[ y u v ] [ y u v ] [ y u v ] [ y u v ]

[ y u v ] [ y u v ] [ y u v ] [ y u v ]

它被用在高端的底片扫描仪和影片后期处理上

YUV4:2:2 4:2:2 Formats, 16 Bits per Pixel

每一行U,V的分量是Y的1/2, U和V间隔出现, 排列方式为:

[ y u ] [ y v ] [ y u ] [ y v ]

[ y v ] [ y u ] [ y v ] [ y u ]

[ y u ] [ y v ] [ y u ] [ y v ]

[ y v ] [ y u ] [ y v ] [ y u ]

YUV4:1:1

每一行U,V分量是Y分量的1、4, 排列方式为:

[ y u v ] [ y ] [ y ] [ y ]

[ y u v ] [ y ] [ y ] [ y ]

[ y u v ] [ y ] [ y ] [ y ]

[ y u v ] [ y ] [ y ] [ y ]

YUV 4:2:0 · 4:2:0 Formats, 12 Bits per Pixel

每一行,U和V都是Y的1/2, 并且U和V间隔出现在多行里:

[ y u ] [ y ] [ y u ] [ y ]

[ y v ] [ y ] [ y v ] [ y ]

[ y u ] [ y ] [ y u ] [ y ]

常见的 JPEG格式和 MJPEG 格式

如上面YUV根据压缩方式可以分为四类: YUV4:4:4 , yuv4:2:2 , YUV:4:1:1, YUV:4:2:0

当这些数据存储到文件时,又可以分为三类:

  • packet打包格式: 将YUV按照排列的方式依次存储 l类似: YUV, YUV,.....
  • PLANAR平面格式: 先存储Y,在存储U,在存储V 类似: yyyyy uuuuu vvvv
  • semi-plana半平面格式: 先存储Y, 在存储UV。 类似: yyyyy uvuv

    根据不同的抽样方式和存储方式YUV通常呗分为以下类型,每种类型极对应一种存储格式:

    YUV中Y颜色模型的采样

    • YUV4:4:4 无抽样打包方式存储

      YUV中Y颜色模型的采样

      YUY2 以4:2:2抽样,打包方式存储,且每个单元Y在前.

      YUV中Y颜色模型的采样

      • YUY2 也写作YUYV
      • UYVY 以4:2:2抽样,打包方式存储,且每个单元Y在后

        YUV中Y颜色模型的采样

        *IMC2 以4:2:0抽样,平面方式存储 先种U后V

        YUV中Y颜色模型的采样

        *IMC4 4:2:0抽样,平面方式存储 先Y种V后U

        YUV中Y颜色模型的采样

        *YV12&I420 4:2:0抽样,平面方式存储 YV12是V在前,I420是U在前

        YUV中Y颜色模型的采样

        • Notes: I420也被称为YUV420P
        • NV12 4:2:0抽样,平面方式存储

          YUV中Y颜色模型的采样

          NV12格式首先存储Y分量平面,作为具有偶数行的无符号字符值数组。 Y平面后面紧跟着一个无符号字符值数组,其中包含打包的U(Cb)和V(Cr)样本

          • YUV420sp 4:2:0抽样, 半平面存储

            YUV中Y颜色模型的采样

VPS购买请点击我

免责声明:我们致力于保护作者版权,注重分享,被刊用文章因无法核实真实出处,未能及时与作者取得联系,或有版权异议的,请联系管理员,我们会立即处理! 部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理! 图片声明:本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库和百度,360,搜狗等多加搜索引擎自动关键词搜索配图,如有侵权的图片,请第一时间联系我们,邮箱:ciyunidc@ciyunshuju.com。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!

目录[+]