YUV图像处理入门指南：从基础概念到实践操作

一、YUV图像基础概念解析

YUV是一种广泛应用于视频和图像处理领域的色彩编码系统，与传统的RGB色彩模型不同，YUV将亮度（Y）与色度（U、V）分离存储。这种分离设计源于早期电视广播系统的需求——黑白电视仅需接收亮度信号（Y），而彩色电视通过叠加色度信号（U、V）实现兼容。现代应用中，YUV格式在视频压缩、传输和显示领域占据核心地位，其优势在于：

1. 压缩效率：人眼对亮度细节更敏感，YUV允许对色度分量进行子采样（如YUV420），在保持视觉质量的同时减少数据量。
2. 硬件兼容性：多数视频编解码器（如H.264、H.265）和显示设备（如GPU）直接支持YUV格式处理。
3. 色彩空间转换灵活性：YUV与RGB之间的转换可通过线性代数运算实现，便于在不同应用场景间切换。

关键术语解析

• Y分量：代表亮度（Luminance），取值范围通常为0-255（8位）或0-1（浮点）。
• U/V分量：代表色度（Chrominance），分别表示蓝色差（B-Y）和红色差（R-Y），经归一化后通常取值范围为-0.5到+0.5。
• 子采样格式：
  • YUV444：每个Y分量对应独立的U、V分量，无色度压缩。
  • YUV422：水平方向每2个Y分量共享1组U、V分量，垂直方向无压缩。
  • YUV420：水平和垂直方向均压缩，每4个Y分量共享1组U、V分量（如NV12、I420）。

二、YUV数据结构与存储格式

YUV数据的存储方式直接影响内存占用和处理效率。常见存储格式分为两类：

1. 打包格式（Packed）

将Y、U、V分量连续存储，每个像素点包含完整的YUV信息（如YUV444）。示例代码（C语言）：

typedef struct {
    uint8_t y;
    uint8_t u;
    uint8_t v;
} YUV444Pixel;
YUV444Pixel image[HEIGHT][WIDTH]; // 完整存储每个像素的YUV值

特点：访问单个像素方便，但色度子采样时需额外处理。

2. 平面格式（Planar）

将Y、U、V分量分别存储在独立的内存平面中。以YUV420为例：

uint8_t y_plane[HEIGHT][WIDTH];       // Y分量平面
uint8_t u_plane[HEIGHT/2][WIDTH/2];   // U分量平面（子采样）
uint8_t v_plane[HEIGHT/2][WIDTH/2];   // V分量平面（子采样）

特点：

• 内存布局紧凑，适合子采样格式。
• 访问时需根据坐标计算色度分量位置（如YUV420中，色度坐标为(y_coord/2, x_coord/2)）。

3. 半平面格式（Semi-Planar）

将Y分量单独存储，U、V分量交替存储在同一平面中（如NV12）。示例：

uint8_t y_plane[HEIGHT][WIDTH];       // Y分量平面
uint8_t uv_plane[HEIGHT/2][WIDTH];    // UV交替存储（NV12格式）

应用场景：Android媒体框架、摄像头输出常用NV12格式。

三、YUV与RGB的转换原理

YUV与RGB之间的转换是图像处理中的基础操作，其数学本质为线性变换。

1. RGB转YUV公式（以BT.601标准为例）

Y = 0.299 * R + 0.587 * G + 0.114 * B
U = -0.147 * R - 0.289 * G + 0.436 * B
V = 0.615 * R - 0.515 * G - 0.100 * B

优化技巧：

• 使用整数运算替代浮点运算（如Q格式定点数）。
• 预计算系数表，提升实时处理性能。

2. YUV转RGB公式

R = Y + 1.402 * (V - 0.5)
G = Y - 0.344 * (U - 0.5) - 0.714 * (V - 0.5)
B = Y + 1.772 * (U - 0.5)

边界处理：

• 转换后需钳位RGB值至0-255范围，避免溢出。
• 对YUV分量进行归一化（如将U、V从[-0.5, 0.5]映射到[0, 1]）可简化计算。

四、YUV图像处理实践操作

1. 亮度调整

通过线性缩放Y分量实现：

void adjust_brightness(uint8_t* y_plane, int width, int height, float factor) {
    for (int i = 0; i < width * height; i++) {
        int new_y = (int)(y_plane[i] * factor);
        y_plane[i] = (new_y > 255) ? 255 : ((new_y < 0) ? 0 : new_y);
    }
}

参数选择：

• factor > 1：增亮。
• 0 < factor < 1：减暗。

2. 色度偏移

通过修改U、V分量实现色彩风格化（如复古效果）：

void apply_sepia_effect(uint8_t* u_plane, uint8_t* v_plane, int uv_width, int uv_height) {
    for (int i = 0; i < uv_width * uv_height; i++) {
        // 减少蓝色差（U），增加红色差（V）
        u_plane[i] = (uint8_t)(u_plane[i] * 0.8);
        v_plane[i] = (uint8_t)(v_plane[i] * 1.2);
    }
}

3. 格式转换示例（YUV420 to RGB24）

void yuv420_to_rgb24(uint8_t* y_plane, uint8_t* u_plane, uint8_t* v_plane, 
                    uint8_t* rgb_buffer, int width, int height) {
    for (int y = 0; y < height; y++) {
        for (int x = 0; x < width; x++) {
            int y_idx = y * width + x;
            int uv_idx = (y / 2) * (width / 2) + (x / 2);
            float Y = y_plane[y_idx] / 255.0f;
            float U = u_plane[uv_idx] / 255.0f - 0.5f;
            float V = v_plane[uv_idx] / 255.0f - 0.5f;
            float R = Y + 1.402f * V;
            float G = Y - 0.344f * U - 0.714f * V;
            float B = Y + 1.772f * U;
            int r = (int)(R * 255);
            int g = (int)(G * 255);
            int b = (int)(B * 255);
            int rgb_idx = y_idx * 3;
            rgb_buffer[rgb_idx] = (r > 255) ? 255 : ((r < 0) ? 0 : r);
            rgb_buffer[rgb_idx + 1] = (g > 255) ? 255 : ((g < 0) ? 0 : g);
            rgb_buffer[rgb_idx + 2] = (b > 255) ? 255 : ((b < 0) ? 0 : b);
        }
    }
}

五、常见问题与优化建议

1. 性能瓶颈：

   • 避免逐像素操作，使用SIMD指令（如SSE、NEON）并行处理。
   • 对YUV420等子采样格式，优先处理Y分量，再处理色度分量。

2. 内存对齐：

   • 确保YUV平面起始地址按16字节对齐，提升缓存命中率。

3. 多线程处理：

   • 将图像分块，使用线程池并行处理不同区域。

4. 调试技巧：

   • 使用YUV查看工具（如YUV Player）验证处理结果。
   • 对比RGB转换前后的直方图，检查色彩分布是否合理。

通过系统学习YUV图像处理的基础概念、数据结构、转换原理及实践操作，开发者能够高效处理视频流、实现实时滤镜效果，并为后续学习高级图像处理技术（如H.264编码、深度学习视觉应用）奠定坚实基础。