YUV图像处理入门1：从基础概念到实践指南

一、YUV色彩空间的核心概念

YUV是一种广泛应用于视频编码和图像处理的色彩空间模型，其设计初衷是解决彩色电视信号与黑白电视兼容的问题。与RGB（红绿蓝）直接表示像素颜色不同，YUV通过分离亮度（Y）和色度（UV）信息，在保持视觉质量的同时显著降低数据带宽需求。

1.1 YUV的组成与优势

• Y分量：代表亮度（Luminance），反映图像的明暗信息，人眼对亮度变化最为敏感。
• UV分量：代表色度（Chrominance），包含颜色信息（U为蓝色差，V为红色差）。
• 核心优势：
  • 兼容性：黑白电视可直接解码Y分量，彩色电视通过UV分量还原色彩。
  • 压缩效率：人眼对色度细节的敏感度低于亮度，YUV格式允许对UV分量进行下采样（如40），减少数据量。
  • 工程适配性：视频编码（如H.264）、硬件加速（如GPU）常优先处理YUV数据。

1.2 YUV与RGB的转换关系

YUV与RGB可通过线性变换相互转换，公式如下（以BT.601标准为例）：

// RGB转YUV（8位无符号整数）
void RGBToYUV(uint8_t r, uint8_t g, uint8_t b, uint8_t *y, uint8_t *u, uint8_t *v) {
    *y = (uint8_t)(( 0.299 * r + 0.587 * g + 0.114 * b) + 16);
    *u = (uint8_t)((-0.169 * r - 0.331 * g + 0.5   * b) + 128);
    *v = (uint8_t)(( 0.5   * r - 0.419 * g - 0.081 * b) + 128);
}
// YUV转RGB
void YUVToRGB(uint8_t y, uint8_t u, uint8_t v, uint8_t *r, uint8_t *g, uint8_t *b) {
    int c = y - 16;
    int d = u - 128;
    int e = v - 128;
    *r = (uint8_t)clip(( 298 * c + 409 * e + 128) >> 8);
    *g = (uint8_t)clip(( 298 * c - 100 * d - 208 * e + 128) >> 8);
    *b = (uint8_t)clip(( 298 * c + 516 * d + 128) >> 8);
}
// 裁剪值到0-255范围
int clip(int value) {
    return (value < 0) ? 0 : ((value > 255) ? 255 : value);
}

实际应用中需注意：

• 浮点运算需考虑精度损失，建议使用定点数优化。
• 不同标准（如BT.709）的转换系数略有差异。

二、YUV格式分类与选择

YUV格式的核心差异在于色度分量的采样方式，常见格式如下：

2.1 采样格式对比

格式	采样率	数据量（相对44）	适用场景
44	YUV全采样	100%	专业视频编辑、医学影像
42	Y水平全采样，UV水平2:1	66.7%	广播级视频、后期制作
40	Y全采样，UV水平和垂直均2:1	50%	消费级视频、流媒体
41	Y全采样，UV水平4:1	50%	早期视频标准

2.2 存储方式与对齐

YUV数据通常以平面（Planar）或打包（Packed）格式存储：

• 平面格式（如I420）：Y、U、V分量分别连续存储，内存布局为YYYY…UU…VV…。

  // I420格式示例（1280x720图像）
  uint8_t* y_plane = malloc(1280 * 720);       // Y分量
  uint8_t* u_plane = malloc(1280 * 720 / 4);   // U分量（40）
  uint8_t* v_plane = malloc(1280 * 720 / 4);   // V分量

• 打包格式（如NV12）：YUV交替存储，内存布局为YYYY…UVUV…。

  // NV12格式示例
  uint8_t* y_plane = malloc(1280 * 720);
  uint8_t* uv_plane = malloc(1280 * 720 / 2); // UV交替存储

选择建议：

• 实时处理优先选择平面格式（便于并行计算）。
• 硬件解码可能要求特定格式（如Android的NV21）。

三、YUV图像处理基础操作

3.1 图像裁剪与缩放

YUV图像裁剪需注意色度分量的对齐：

// 裁剪4:2:0格式的YUV图像（从(x,y)裁剪w×h区域）
void CropYUV420(uint8_t* src_y, uint8_t* src_u, uint8_t* src_v,
                int src_width, int src_height,
                uint8_t* dst_y, uint8_t* dst_u, uint8_t* dst_v,
                int x, int y, int w, int h) {
    // Y分量裁剪
    for (int i = 0; i < h; i++) {
        memcpy(dst_y + i * w,
               src_y + (y + i) * src_width + x,
               w);
    }
    // UV分量裁剪（需考虑2:1下采样）
    int uv_w = w / 2;
    int uv_h = h / 2;
    int src_uv_width = src_width / 2;
    for (int i = 0; i < uv_h; i++) {
        memcpy(dst_u + i * uv_w,
               src_u + (y/2 + i) * src_uv_width + x/2,
               uv_w);
        memcpy(dst_v + i * uv_w,
               src_v + (y/2 + i) * src_uv_width + x/2,
               uv_w);
    }
}

3.2 格式转换实践

以YUV420转RGB24为例：

void YUV420ToRGB24(uint8_t* yuv420, uint8_t* rgb24, int width, int height) {
    uint8_t* y_plane = yuv420;
    uint8_t* u_plane = yuv420 + width * height;
    uint8_t* v_plane = yuv420 + width * height * 5 / 4;
    for (int y = 0; y < height; y++) {
        for (int x = 0; x < width; x++) {
            int yy = y_plane[y * width + x];
            int uu = u_plane[(y/2) * (width/2) + (x/2)] - 128;
            int vv = v_plane[(y/2) * (width/2) + (x/2)] - 128;
            int r = (int)(yy + 1.402 * vv);
            int g = (int)(yy - 0.344 * uu - 0.714 * vv);
            int b = (int)(yy + 1.772 * uu);
            rgb24[(y * width + x) * 3 + 0] = clip(r);
            rgb24[(y * width + x) * 3 + 1] = clip(g);
            rgb24[(y * width + x) * 3 + 2] = clip(b);
        }
    }
}

四、工程实践建议

1. 性能优化：

   • 使用SIMD指令（如SSE/NEON）加速像素级操作。
   • 对YUV420等格式，优先处理Y分量再处理UV分量。

2. 调试技巧：

   • 将YUV数据保存为Y4M格式（如ffmpeg -i input.yuv -pix_fmt yuv420p output.y4m）便于用工具查看。
   • 使用YUV播放器（如YYPlayer）验证处理结果。

3. 常见问题：

   • 色度错位：40格式中UV分量的坐标需除以2。
   • 越界访问：处理图像边缘时需检查坐标范围。

五、进阶学习路径

1. 深入理解色度子采样对图像质量的影响。
2. 学习YUV在H.264/H.265等编码标准中的应用。
3. 掌握GPU加速的YUV处理技术（如OpenGL/Vulkan纹理）。

通过系统学习与实践，开发者可高效处理YUV图像，为视频编码、图像增强等应用奠定基础。