最近因爲任務需要,遇到視頻像素格式的問題,學習了NV12和YV12,以及UYVY的具體存儲區別。
總結如下:
像素格式描述了像素數據存儲所用的格式,定義了像素在內存中的編碼方式,RGB和YUV是兩種經常使用的像素格式。
RGB:較爲熟悉,具有3個通道R G B,分別對應紅 綠 藍三個分量,由三個分量的值決定顏色;通常,會給RGB圖像加一個通道alpha,即透明度,於是共有四個分量共同控制顏色。(常用的opencv庫默認將圖片以BGR的方式進行存儲,只是通道順序不一樣而已)
YUV:(YCrCb)是指將亮度參量Y和色度參量U/V分開表示的像素格式,主要用於優化彩色視頻信號的傳輸。
YUV像素格式來源於RGB像素格式,通過公式運算,YUV三分量可以還原出RGB,YUV轉RGB的公式如下:
R = Y + 1.403V
G = Y - 0.344U - 0.714V
B = Y + 1.770U
一般,將RGB和YUV的範圍均限制在[0,255]間,則有如下轉換公式:
R = Y + 1.403(V - 128)
G = Y - 0.344(U - 128) - 0.714(V - 128)
B = Y + 1.770(U - 128)
YUV採樣:YUV相比於RGB格式最大的好處是可以做到在保持圖像質量降低不明顯的前提下,減小文件大小。YUV格式之所以能夠做到,是因爲進行了採樣操作。
YUV碼流的存儲格式與其採樣方式密切相關,主流的採樣方式有3種:
YUV 4:4:4**(YUV444), YUV 4:2:2(YUV422), YUV 4:2:0(YUV420)**
若以以黑點表示採樣該像素點的Y分量,以空心圓圈表示採用該像素點的UV分量,則這三種採樣方式如下:
即:
- YUV 4:4:4採樣,每一個Y對應一組UV分量。
- YUV 4:2:2採樣,每兩個Y共用一組UV分量。
- YUV 4:2:0採樣,每四個Y共用一組UV分量。
YUV存儲格式
YUV存儲可以分爲兩種:packed(打包)和planar(平面);
- packed:Y、U、V分量穿插着排列,三個分量存在一個Byte型數組裏;
- planar:Y、U、V分量分別存在三個Byte型數組中;
常見的像素格式
1.YUV422:YUYV、YVYU、UYVY、VYUY
這四種格式每一種又可以分爲2類(packed和planar),以YUYV爲例,一個6*4的圖像的存儲方式如下:
Y Y Y Y Y Y
Y Y Y Y Y Y
Y Y Y Y Y Y
Y Y Y Y Y Y
U U U U U U Y U Y V Y U Y V Y U Y V
U U U U U U Y U Y V Y U Y V Y U Y V
V V V V V V Y U Y V Y U Y V Y U Y V
V V V V V V Y U Y V Y U Y V Y U Y V
- Planar - - Packed:YUYV -
Y Y Y Y Y Y
Y Y Y Y Y Y
Y Y Y Y Y Y
Y Y Y Y Y Y
U U U U U U U Y V Y U Y V Y U Y V Y
U U U U U U U Y V Y U Y V Y U Y V Y
V V V V V V U Y V Y U Y V Y U Y V Y
V V V V V V U Y V Y U Y V Y U Y V Y
- Planar - - Packed:UYVY -
如果實際應用中,從camera那邊取到的數據流是UYVY的格式,但是gl顯示或者圖像處理的相關接口又需要用到BGR或I420(YV12或NV12)的格式,那麼就需要寫代碼進行轉換(下面給出一些示例代碼片段):
如果要用opencv的接口將UYVY格式轉成YV12格式(則需要先從UYVY轉成BGR或RGB,再將BGR或RGB轉成YV12):
//pSrcBuf的存儲格式是UYVY
cv::Mat yuv_img = cv::Mat(height, width, CV_8UC2, pSrcBuf);
cv::Mat bgr_img;
cv::cvtColor(yuv_img, bgr_img, CV_YUV2BGR_UYVY);
//pDstBuf的存儲格式是YV12
cv::Mat yv12_img = cv::Mat(height* 3/2, width, CV_8UC1, pDstBuf);
cv::cvtColor(bgr_img, yv12_img, CV_BGR2YUV_YV12);
所以下面直接手動轉換,而不調用opencv的cv::cvtColor接口來轉換,也可以進一步熟悉存儲格式規範。
//從UYVY中獲取Y,並存到一個數組
void UYVYToYRow(const char* src_uyvy, char* dst_y, int width) {
// Output a row of Y values.
for (int x = 0; x < width - 1; x += 2) {
dst_y[x] = src_uyvy[1];
dst_y[x + 1] = src_uyvy[3];
src_uyvy += 4;
}
}
//從UYVY中獲取UV,並分別存到2個數組
void UYVYToUVRow(const char* src_uyvy, int src_stride_uyvy,
char* dst_u, char* dst_v, int width) {
// Output a row of UV values.
for (int x = 0; x < width-1 ; x += 2) {
dst_u[0] = src_uyvy[0];
dst_v[0] = src_uyvy[2];
src_uyvy += 4;
dst_u += 1;
dst_v += 1;
}
}
int UYVYToI420(const char* src_uyvy, int src_stride_uyvy,
char* dst_y, int dst_stride_y,
char* dst_u, int dst_stride_u,
char* dst_v, int dst_stride_v,
int width, int height) {
for (int y = 0; y < height - 1; y += 2) {
UYVYToUVRow(src_uyvy, src_stride_uyvy, dst_u, dst_v, width);
UYVYToYRow(src_uyvy, dst_y, width);
UYVYToYRow(src_uyvy + src_stride_uyvy, dst_y + dst_stride_y, width);
src_uyvy += src_stride_uyvy * 2;
dst_y += dst_stride_y * 2;
dst_u += dst_stride_u;
dst_v += dst_stride_v;
}
return 0;
}
UYVYToI420( pSrcBuf, w*2,
pDstBuf, w,
pDstBuf + (w*h+w*h/4), w/2, // Put V channel first for YV12
pDstBuf + (w*h), w/2,
w, h
);
那麼我如何驗證轉換前後的格式是否正確呢?可以分別用cv::cvtColor以及cv::imwrite將圖像dump到本地查看和對比:
//pSrcBuf的存儲格式是UYVY
cv::Mat yuv_img = cv::Mat(height, width, CV_8UC2, pSrcBuf);
cv::Mat bgr_img_src;
cv::cvtColor(yuv_img, bgr_img_src, CV_YUV2BGR_UYVY);
cv::imwrite("UYVY.png", bgr_img_src);
//pDstBuf的存儲格式是YV12
cv::Mat yv12_img = cv::Mat(height* 3/2, width, CV_8UC1, pDstBuf);
cv::Mat bgr_img_dst;
cv::cvtColor(picYV12, bgr_img_dst, CV_YUV2BGR_YV12);
cv::imwrite("YV12.png", bgr_img_dst);
2. YUV420
- YUV420p: I420、YV12
- YUV420sp: NV12、NV21
同樣,對於一個6*4的圖像,這四種像素格式的存儲方式如下:
Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y
Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y
Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y
Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y
U U U U U U V V V V V V U V U V U V V U V U V U
V V V V V V U U U U U U U V U V U V V U V U V U
- I420 - - YV12 - - NV12 - - NV21 -
注:
- I420、YV12三個分量均爲平面格式,即分別存在三個Byte型數組中;
- NV12、NV21的存儲格式爲Y平面,UV打包,即Y信息存儲在一個數組中,UV信息存儲在一個矩陣中。
參考鏈接:https://blog.csdn.net/cgwang_1580/article/details/79595958