常见视频原始数据格式分析 — YUV

亦凉 2022-04-03 12:22 1644阅读 0赞

### 1. YUV 简介 ###

YUV 是比较常用的原始视频数据数据格式，视频采集芯片输出的码流大部分都是 YUV 数据流形式，而视频处理（如 H264、H265编码等），也是在原始 YUV 码流进行编码和解析。所以，了解熟悉 YUV 数据流对于做视频领域的人而言，至关重要。

YUV，分为三个分量，Y：表示明亮度（Luminance 或 Luma），也就是灰度值；而 U 和 V ：表示的则是色度（Chrominance 或 Chroma），作用是描述影像色彩及饱和度，用于指定像素的颜色。这样设计分开的主要原因是，人眼对色度的敏感程度要低于对亮度的敏感程度。

与我们熟知的 RGB 类似，YUV 也是一种颜色编码方法，主要用于电视系统以及模拟视频领域，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，只不过是黑白的，这样的设计很好地解决了彩色电视机与黑白电视的兼容问题。并且，YUV 不像 RGB 那样要求三个独立的视频信号同时传输，所以用 YUV 方式传送占用极少的频宽。

### 2. YUV 采样方式 ###

YUV 码流有多种不同的格式，要分析 YUV 码流，就必须搞清楚你面对的到底是哪一种格式，并且必须搞清楚这种格式的 YUV 采样和分布情况。

#### 大分类：packed & planar ####

YUV 按像素分布规律被分为两大类，packed 打包格式和 plannar 平面格式，

1.  – 将 YUV 分量存放在同一数组中，通常是**几个相邻的像素**组成一个宏像素（macro-pixel）
2.  – 将 YUV 分量分别存储在三个数组中，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

#### 小分类：YUV444 & YUV422 & YUV420 ####

目前比较主流的采样方式有：YUV444、YUV422、YUV420，下面会对这三种格式存储方式加以介绍，并说明如何根据其采样格式来从码流中还原每个点的 YUV 值。

> 常讲的的 YUV A:B:C 的意思一般是指基于 4 个象素来讲,其中 Y 采样了 A 次，U 采样了 B 次,V 采样了 C 次

下面的三个图可以直观的表示采集的方式，以黑点表示像素点的 Y 分量，以空心圆圈表示该像素点的 UV 分量。

![image][]

先记住下面这句话，以后提取每个像素的 YUV 分量会用到。

YUV 4:4:4 采样，每一个 Y 对应一组 UV 分量，每像素 24 位
    
    YUV 4:2:2 采样，每两个 Y 共用一组 UV 分量，每像素 16 位
    
    YUV 4:2:0 采样，每四个 Y 共用一组 UV 分量，每像素 12 位

### 3. 存储方式 ###

YUV 的优点之一是基于人眼对色度的敏感程度要低于对亮度的敏感程度，可以适当降低色度的采样率，同时不会明显降低视觉质量。因此，常见的 YUV422、YUV420 都适当降低了色度分量。

下面用图的形式给出常见的 YUV 码流的存储方式，其中，Cb、Cr 的含义等同于 U、V。

#### 1) YUVY 格式（属于 YUV422） ####

![image][image 1]

YUYV 为 YUV422 采样方式的存储格式之一，相邻的两个 Y 分量共用其相邻的两个Cb、Cr，因此，对于像素点 Y’00、Y’01 而言，其 Cb、Cr 的值均为 Cb00、Cr00，其他的像素点的 YUV 取值依次类推。

#### 2) UYVY 格式 （属于YUV422） ####

![image][image 2]

UYVY 格式也是 YUV422 采样方式的存储格式之一，只不过与 YUYV 不同的是 UV 的排列顺序不一样而已，还原其每个像素点的YUV值的方法与上面一样。

#### 3) YUV422P（属于YUV422） ####

![image][image 3]

YUV422P 是一种 plannar 模式，即平面模式。与前面其他 YUV422 采访方式不同，它并不是将 YUV 数据交错存储，而是先存放所有的 Y 分量，然后存储所有的 U分量， 最后存储所有的 V 分量。

如上图所示。其每一个像素点的 YUV 值提取方法也是遵循 YUV422 格式的最基本提取方法，即两个 Y 共用一个 UV。比如， 对于像素点 Y’00、Y’01 而言，其 Cb、Cr 的值均为 Cb00、Cr00。

#### 4) YV12，YU12格式（属于YUV420） ####

![image][image 4]

YU12 和 YV12 属于 YUV420 采样格 式之一，也是一种 plannar  
模式，将 Y、U、V 分量分别打包，依次存储。

其每一个像素点的 YUV 数据提取遵循 YUV420 格式的提取方式，即 4 个 Y 分量共用一 组 UV，即上图中，Y’00、Y’01、Y’10、Y’11 共用 Cr00、Cb00，其他依次类推。

#### 5) NV12、NV21（属于YUV420） ####

![image][image 5]

NV12 和 NV21 属于 YUV420 采样格式之一，也是一种 plannar 模式，但是与 YV12 不同的是，将 Y 和 UV 分为两个 plane，Y 连续存储，但是 UV 交错存储。

其提取方式与上一种类似，即 Y’00、Y’01、Y’10、Y’11 共用 Cr00、Cb00。

> 这种采样存储方式也被称为 YUV420SP，即 UV 交错存储，作为区分，上文 4) 介绍的存储方式被称为 YUV420P。

下面用一种表说明几种常见存储方式所占用的内存，以 w\*h 大小的图像为例：

### 4. 几种常见 YUV 视频像素处理 ###

#### 4.1 分离 YUV420P 像素数据中的 Y、U、V 分量 ####

由于 YUV420P 各分量的连续存储性质，可以很方便快捷的直接提取出三个分量。

下面的程序将 YUV420P 中的 Y、U、V 三个分量分离出来。代码如下：

/** 
     * Split Y, U, V planes in YUV420P file. 
     * @param url  Location of Input YUV file. 
     * @param w    Width of Input YUV file. 
     * @param h    Height of Input YUV file. 
     * @param num  Number of frames to process. 
     * 
     */  
    void simplest_yuv420_split(char *url, int w, int h)
    {  
        FILE *fp = fopen(url, "rb+");  
        FILE *fp1 = fopen("output_420_y.y", "wb+");  
        FILE *fp2 = fopen("output_420_u.y", "wb+");  
        FILE *fp3=fopen("output_420_v.y", "wb+");  
    
        unsigned char *pic = (unsigned char*) malloc(w * h * 3 / 2);  
    
        fread(pic, 1, w * h * 3 / 2, fp);  
        //Y  
        fwrite(pic, 1, w * h, fp1);  
        //U  
        fwrite(pic + w * h, 1, w * h / 4, fp2);  
        //V  
        fwrite(pic + w * h * 5 / 4, 1, w * h / 4, fp3);  
    
        free(pic);  
        
        fclose(fp);  
        fclose(fp1);  
        fclose(fp2);  
        fclose(fp3);  
    }

从代码可以看出， 如果视频帧的宽和高分别为 w 和 h，那么一帧 YUV420P 像素数据一共占用 (w \* h \* 3 / 2) Byte 的数据。其中前 (w \* h) Byte存储 Y，接着的 (w \* h \* 1 / 4) Byte 存储 U，最后 (w \* h \* 1 / 4) Byte 存储V。

上述调用函数的代码运行后，将会把一张分辨率为 256x256 分辨率 的 YUV420P 格式的像素数据文件分离成为三个文件：

output_420_y.y：纯 Y 数据，分辨率为 256x256 
    output_420_u.y：纯 U 数据，分辨率为 128x128 
    output_420_v.y：纯 V 数据，分辨率为 128x128

下面是一个运行实例：

输出原图：

![image][image 6]

程序输出三个分量：

1). output\_420\_y.y

![image][image 7]

2). output\_420\_u.y

![image][image 8]

3). output\_420\_v.y

![image][image 9]

#### 4.2 将 YUV420P 像素数据的亮度减半 ####

本程序中的函数可以通过将 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。函数代码如下所示

/** 
     * Halve Y value of YUV420P file 
     * @param url     Location of Input YUV file. 
     * @param w       Width of Input YUV file. 
     * @param h       Height of Input YUV file. 
     * @param num     Number of frames to process. 
     */  
    int simplest_yuv420_halfy(char *url, int w, int h)
    {  
        FILE *fp = fopen(url,"rb+");  
        FILE *fp1 = fopen("output_half.yuv", "wb+");  
    
        unsigned char *pic = (unsigned char*)malloc(w * h * 3 / 2);  
    
        fread(pic, 1, w * h * 3 / 2, fp);  
        //Half  
        for (int j = 0; j < w * h; j++) {  
            unsigned char temp = pic[j] / 2;  
            pic[j] = temp;  
        }  
        fwrite(pic, 1, w * h * 3 / 2, fp1);  
    
        free(pic);  
        fclose(fp);  
        fclose(fp1);  
    
        return 0;  
    }

从代码可以看出，如果打算将图像的亮度减半，只要将图像的每个像素的 Y 值取出来分别进行除以 2 的工作就可以了。

输入原图：

![image][image 6]

处理后图片:

![image][image 10]

#### 4.3 将 YUV420SP 图片旋转 90 度 ####

void YUV420spRotate90(uchar *des, uchar *src, int width, int height)
    {
        int wh = width * height;
        //旋转Y
        int k = 0;
        for (int i = 0; i < width; i++) {
            for (int j = 0; j < height; j++) {
                des[k] = src[width * j + i];
                k++;
            }
        }
    
        for (int i = 0; i < width; i += 2) {
            for (int j = 0; j < height / 2; j++) {
                des[k] = src[wh+ width * j + i];
                des[k+1] = src[wh + width * j + i + 1];
                k += 2;
            }
        }
    }

其他待添加…

[image]: /images/20220403/3b05063a41c14a31832190182a8c89e4.png
[image 1]: /images/20220403/5dec9d56a1b342b1a31b64a0ab446bb8.png
[image 2]: /images/20220403/5432fc48e60541849c544f44c35a27c3.png
[image 3]: /images/20220403/fc3fc1e01db5487986bc0af4fbf467a3.png
[image 4]: /images/20220403/1374d43c6d664933a446a9d3aa223f47.png
[image 5]: /images/20220403/070a6f1115e4410d91ca097258f366cc.png
[image 6]: /images/20220403/1433aab71137434fa702e043ebeb0d67.png
[image 7]: /images/20220403/4999e505766b4e019d701b0ee430eddf.png
[image 8]: /images/20220403/a3cbde28b9ed4b76aa8ba7327f131106.png
[image 9]: /images/20220403/0009048875674bb596b133cd4109640c.png
[image 10]: /images/20220403/7fda0d2fe51142a58134b44462b8fa9b.png