YUV色彩空间:
       Y是亮度值,也就是说8位的灰度值即可组成一幅黑白图像,黑白电视机就是这样的.
       UV是色彩值,是给Y上色用的.U是Cb也就是RGB中的蓝色分量,V是Cr也就是RGB中的红色分量.
       YUV444 指的是每四个像素采样中每个亮度Y分量都有一个色彩UV分量上色.
       YUV422 指的是每四个像素采样中两个亮度Y分量都有一个色彩UV分量上色.
       YUV420 指的是每四个像素采样中四个亮度Y分量都有一个色彩UV分量上色.

ITU-R BT.601 建议书里面记载了五种色彩变换式,分别是:

1. 模拟 RGB 讯号转为模拟 Y, (B-Y), (R-Y)

2. 模拟 (B-Y), (R-Y) 转为模拟 Cb, Cr

3. 模拟 YCbCr 数字化(取样、量化)成为数字 YCbCr

4. 模拟 RGB 数字化(取样、量化)成为数字 RGB

5. 数字 RGB 转为数字 YCbCr



1. 的变换式是



Y = 0.299 * R + 0.587 * G + 0.114 * B 



(R - Y) = 0.701 * R - 0.587 * G - 0.114 * B 



(B - Y) = - 0.299 * R - 0.587 * G + 886 * B 



2. 的变换式是



Cr = 0.713 * (R - Y) 

  = 0.500 * R - 0.419 * G - 0.081 * B 



Cb = 0.564 * (B - Y) 

  = - 0.169 * R - 0.331 * G + 0.500 * B 



就是你写的那个变换式。

上式 Y, R, G, B 的范围是 0.0~1.0,Cb, Cr 的范围是 0.5~-0.5。



模拟的 CbCr 通常表记为 PbPr。



由于这些表记的方法很乱,常有人会混合着用,所以写的时候最好注明是模拟还是数字,例如

3. 的模拟 YCbCr 数字化转换式

Y(d) = 219 * Y(a) + 16 

Cb(d) = 224 * Cb(a) + 128 

Cr(d) = 224 * Cr(a) + 128 



Y(a) 代表 analog,Y(d) 代表 digital。



4. 的模拟 RGB 数字化转换式

R(d) = 219 * R(a) + 16 

G(d) = 219 * G(a) + 16 

B(d) = 219 * B(a) + 16 



R(a), G(a), B(a) 的范围是 0.0~1.0,R(d), G(d), B(d) 的范围是 16~235。



加上 (a), (d),这样表记就清楚多了。



5. 的数字 RGB 转为数字 YCbCr

Y = (77 * R(d) / 256) + (150 * G(d) / 256) + (29 * B(d) / 256) 

Cb = - (44 * R(d) / 256) - (87 * G(d) / 256) + (131 * B(d) / 256) + 128 

Cr = (131 * R(d) / 256) - (110 * G(d) / 256) - (21 * B(d) / 256) + 128 



YCbCr: 16~235, RGB: 16~235



这个转换式是 straight 变换,没有 YC 伸张(Full-range,扩展 RGB: 0~255),有 YC 伸张的算式就是你提出的我以前写的那个算式。



这个表记法有点复杂,有的教科书在介绍亮度和色差的时候前面就先花了很多篇幅在定义表记的用法,例如我上面写的还是不及格,因为 BT.601 的 RGB 都要先经过 gamma correction,是 gamma 校正后的 RGB,要表记为 R'G'B' ^^;

还有那个 Y,是 BT.601 的 Y,所以 Y 的右下角要加上一个底字写 601,或者左上角要写 601,这样人家才知道你是 BT.601 定义的 Y,不是 BT.709 定义的 Y ^^;;



由于名词太多有点乱,许多人会混合着用,同样一个 YUV,有时候我们搞不清楚作者指的到底是数字的 YCbCr,还是模拟的 YPbPr,是 NTSC 的 YIQ,还是 PAL 的 YUV,是 601 的 YUV,还是 709 的 YUV,或者是 SMPTE 240M 的 YUV .... XD



有的时候作者在表记上没有明写,不过根据上下文意,我们可以猜出他说的是哪一个。

您看的那本书 ;) 有注明列的是 ITU-R recommendation BT.601 [1] 的 YCbCr 转换式,所以是模拟转换式,不是 BT.601-5。

当然用比较通用的 PbPr 来表示模拟色差是比较清楚的写法。



ITU 的建议书(recommendation)只要登记成为会员,每年都可以免费下载三本,601, 709, H.263 ..等等都可以免费下载 :D

http://www.itu.int/publications/bookshop/index.html

由 source code 可以得知,XviD 和大部分的软件一样是遵照这本书的标准转换式作的

http://www.video-demystified.com/book1/index.htm

算式为



Y = (0.257 * R) + (0.504 * G) + (0.098 * B) + 16



Cr = V = (0.439 * R) - (0.368 * G) - (0.071 * B) + 128



Cb = U = -(0.148 * R) - (0.291 * G) + (0.439 * B) + 128

这个算式是模拟 YCbCr 和模拟 RGB 的转换式,这是很多人会被弄迷糊的地方。


转自http://hi.baidu.com/xiaojian009/blog/item/6d03930c203a9fc67bcbe19e.html


不同格式的YUV 和 RGB互转的更多相关文章

  1. YUV与RGB互转各种公式 (YUV与RGB的转换公式有很多种,请注意区别!!!)

    一. 公式:基于BT.601-6 BT601 UV 的坐标图(量化后): (横坐标为u,纵坐标为v,左下角为原点) 通过坐标图我们可以看到UV并不会包含整个坐标系,而是呈一个旋转了一定角度的八边形, ...

  2. 经典算法,yuv与rgb互转,查表法,让你的软件飞起来

    代码的运算速度取决于以下几个方面 1. 算法本身的复杂度,比如MPEG比JPEG复杂,JPEG比BMP图片的编码复杂. 2. CPU自身的速度和设计架构 3. CPU的总线带宽 4. 您自己代码的写法 ...

  3. 【视频处理】YUV与RGB格式转换

    YUV格式具有亮度信息和色彩信息分离的特点,但大多数图像处理操作都是基于RGB格式. 因此当要对图像进行后期处理显示时,需要把YUV格式转换成RGB格式. RGB与YUV的变换公式如下: YUV(25 ...

  4. YUV和RGB格式分析

    做嵌入式项目的时候,涉及到YUV视频格式到RGB图像的转换,虽然之前有接触到RGB到都是基于opencv的处理,很多东西并不需要我们过多深入的去探讨,现在需要完全抛弃现有的算法程序,需要从内存中一个字 ...

  5. yuv rgb 互转 公式 及算法

    1 前言 自然界的颜色千变万化,为了给颜色一个量化的衡量标准,就需要建立色彩空间模型来描述各种各样的颜色,由于人对色彩的感知是一个复杂的生理和心理联合作用的过程,所以在不同的应用领域中为了更好更准确的 ...

  6. 嵌入式开发之davinci--- 8148/8168/8127 中的图像采集格式Sensor信号输出YUV、RGB、RAW DATA、JPEG 4种方式区别

    简单来说,YUV: luma (Y) + chroma (UV) 格式, 一般情况下sensor支持YUV422格式,即数据格式是按Y-U-Y-V次序输出的RGB: 传统的红绿蓝格式,比如RGB565 ...

  7. YUV和RGB格式分析【转】

    转自:http://www.cnblogs.com/silence-hust/p/4465354.html 做嵌入式项目的时候,涉及到YUV视频格式到RGB图像的转换,虽然之前有接触到RGB到都是基于 ...

  8. YUV与RGB格式转换

    YUV格式具有亮度信息和色彩信息分离的特点,但大多数图像处理操作都是基于RGB格式. 因此当要对图像进行后期处理显示时,需要把YUV格式转换成RGB格式. RGB与YUV的变换公式如下: YUV(25 ...

  9. 【图像处理与医学图像处理】YUV与RGB格式转换速度几种方法对比

    [视频处理]YUV与RGB格式转换 YUV格式具有亮度信息和色彩信息分离的特点,但大多数图像处理操作都是基于RGB格式. 因此当要对图像进行后期处理显示时,需要把YUV格式转换成RGB格式. RGB与 ...

随机推荐

  1. kotlin之类构造器

    Kotlin中类允许定义个主构造器和多个第二构造器. 主构造器就是类头的一部分,紧跟在类名的后面,构造器参数是可选的 package loaderman import loaderman.bar.Pe ...

  2. Handle的特点

    handler可以分发Message对象和Runnable对象到主线程中, 每个Handler实例,都会绑定到创建他的线程中(一般是位于主线程), 也就是说Handler对象初始化后,就默认与对它初始 ...

  3. 机器学习之Xgboost算法

    知识点 """ xgboost:是一种提升算法,串行的决策树 过程: 第一棵树:目标值:1000 ,预测值:950 第二颗树:目标值:1000-950=50(残差作为输入 ...

  4. MATLAB学习(八)神经网络拟合工具箱 Neural Net Fitting使用示例

    >> x=-3:0.2:5;y=x.^2-1;xn=-2:0.1:7; >>     >> %多元函数(z=sin(x2+y2)/(x2+y2))拟合 >&g ...

  5. Delphi 10.2.3 精简版自动激活Embarcadero Delphi 10.2.3 v25.0.29899.2631 Lite v14.4

    下载:https://maxwoods.ctfile.com/u/758954/28516301 Embarcadero.Delphi.10.2.RTM.v25.0.26309.314.Lite.v1 ...

  6. SpringBoot: 7.整合jsp(转)

    springboot内部对jsp的支持并不是特别理想,而springboot推荐的视图是Thymeleaf,对于java开发人员来说还是大多数人员喜欢使用jsp 1.创建maven项目,添加pom依赖 ...

  7. 上传NUnit的单元测试结果和OpenCover的单元测试覆盖率到SonarQube服务中

    SonarQube.Scanner.MSBuild.exe begin /k:"OMDCCQuotes" /d:sonar.host.url="http://myip:9 ...

  8. 这可能是你少有的能get到测试用例编写精髓的机会!

    自动化测试用例的编写是实现项目自动化的核心,合理的用例设计是保证自动化效益和实用性的关键,也直接决定了自动化脚本是否具备可扩展和可维护性.由此,本篇文章主要为大家介绍了测试用例编写的规范和注意事项. ...

  9. LeetCode.1200-最小绝对值差(Minimum Absolute Difference)

    这是小川的第次更新,第篇原创 看题和准备 今天介绍的是LeetCode算法题中Easy级别的第268题(顺位题号是1200).给定一个由不同的整数组成的数组arr,找到所有对元素,其中任意两个元素的绝 ...

  10. RAID冗余磁盘阵列的创建

    RAID 0 :条带化,数据被拆分到多个驱动中,写速度最快,但并没有数据镜像或校验信息. RAID 1 :镜像化,完全磁盘镜像,在独立磁盘上创建数据的两份拷贝,这个级别提供最好的数据安全,但写速度慢. ...