OpenCV基础：色彩空间之YUV

标签：cv2 RGB 亮度 YUV OpenCV 色度色彩分量

YUV 色彩模型

YUV 是另一种常见的色彩空间，主要用于视频处理和图像压缩。与 RGB 色彩模型不同，YUV 是基于亮度（Luminance）和色度（Chrominance）来描述颜色的模型。在 YUV 中：

Y 代表亮度分量（Luminance），也就是图像的灰度信息。
U 和 V 代表色度分量（Chrominance），用于表示图像的颜色信息。

1. YUV 组成

Y (Luminance, 亮度分量)：

亮度分量 Y 表示图像的灰度级别。Y 的值决定了图像的明暗程度，与颜色无关。

Y 的范围通常为 0 到 255（8 位色深），0 表示黑色，255 表示白色。

U 和 V (Chrominance, 色度分量)：

U 和 V 是色度分量，分别表示色彩的蓝色色差和红色色差。它们包含了图像的颜色信息。
U 分量表示颜色中的蓝色与亮度的差异（通常为蓝色色差）。
V 分量表示颜色中的红色与亮度的差异（通常为红色色差）。
U 和 V 的范围通常为 -128 到 +128（8 位有符号整数），其中 0 表示没有色偏。

2. YUV 色彩空间的特点

分离亮度与色度信息：YUV 模型将亮度和色度分离，使得图像的亮度信息和颜色信息分开处理。这使得 YUV 在视频压缩和传输中具有优势，因为亮度（Y）对人眼的敏感度高，而色度（U、V）对视觉效果的影响较小，压缩时可以对色度部分进行更多的压缩。
适合视频压缩与传输：由于人眼对亮度变化比对色度变化更敏感，YUV 色彩模型可以在视频编码（如 MPEG、JPEG、H.264 等）中将亮度部分与色度部分分开处理，从而更有效地压缩视频数据，减少带宽和存储需求。

3. YUV 和 RGB 的转换

RGB 到 YUV 转换公式：

$Y = 0.299 \times R + 0.587 \times G + 0.114 \times B$

$U = -0.147 \times R - 0.289 \times G + 0.436 \times B$

$V = 0.615 \times R - 0.515 \times G - 0.100 \times B$

其中，R,G,BR, G, BR,G,B 是 RGB 颜色模型中的红、绿、蓝分量。

YUV 到 RGB 转换公式：

$R = Y + 1.402 \times (V - 128)$

$G = Y - 0.344136 \times (U - 128) - 0.714136 \times (V - 128)$

$B = Y + 1.772 \times (U - 128)$

这里的 U 和 V 分量经过了偏移（加减 128）来适应 RGB 的值域。

4. 常见的 YUV 采样格式

YUV 颜色模型有多种不同的表示形式，最常见的采样格式包括以下几种：

YUV 4:4:4

每个像素都有独立的 Y、U 和 V 分量，表示每个像素的亮度和色度信息。即 Y、U、V 分量的采样率是相同的。
这种格式没有丢失任何色度信息，图像质量最好，但存储和传输数据量大。

YUV 4:2:2

每两个像素共享一个 U 分量和一个 V 分量。即在水平方向上，每个色度分量的采样率是亮度分量的一半。
这种格式在保证图像质量的同时，减少了数据量，广泛用于视频编码和传输。

YUV 4:2:0

每四个像素共享一个 U 分量和一个 V 分量。即在水平方向和垂直方向上，色度分量的采样率都是亮度分量的一半。
这种格式在视频压缩（如 MPEG 和 H.264）中非常常见，能大幅减少数据量，适合传输和存储。

YUV 4:1:1

每四个像素共享一个 U 分量和一个 V 分量。在水平分量上进行采样压缩，但与 YUV 4:2:2 类似，垂直方向上不进行压缩。
这种格式相对较少见，但在某些特定应用中仍然使用。

5. YUV 的优势

高效压缩：由于 YUV 色彩空间的亮度和色度分离，压缩算法可以重点压缩色度信息，因为人眼对亮度变化比对色度变化更敏感。这使得 YUV 在视频编码和传输中更加高效。
适用于视频传输：YUV 模型通常用于视频数据的存储、传输和处理，因为它能够更好地适应带宽限制，并且可以有效地压缩数据。
与显示设备兼容：许多电视和视频显示系统（如 PAL、NTSC 等）使用 YUV 色彩模型进行视频信号的传输。

6. YUV 与 RGB 的应用场景对比

RGB：广泛应用于显示设备（如计算机显示器、电视、数字图像处理）中，因为它直接与显示设备的原理匹配。
YUV：主要用于视频压缩、传输和存储中，因为它适合分离亮度和色度信息，可以更高效地进行数据压缩。很多视频编码标准（如 MPEG、H.264、VP8）使用 YUV 格式进行视频压缩。

7. 在 OpenCV 中转换 YUV 和 RGB

在 OpenCV 中，通常使用 cv2.cvtColor 函数进行 YUV 与 RGB 之间的转换。以下是一个简单的例子，展示如何将图像从 RGB 转换为 YUV：

import cv2

# 读取 RGB 图像
image_rgb = cv2.imread('image.jpg')

# 转换为 YUV 格式
image_yuv = cv2.cvtColor(image_rgb, cv2.COLOR_BGR2YUV)

# 显示图像
cv2.imshow('YUV Image', image_yuv)
cv2.waitKey(0)
cv2.destroyAllWindows()

8. 总结

YUV 是基于亮度（Y）和色度（U、V）分量的色彩模型，广泛应用于视频处理、压缩和传输中。
YUV 能够将亮度和色度信息分开，有助于高效的视频压缩和带宽节省。
常见的 YUV 采样格式包括 4:4:4、4:2:2、4:2:0 和 4:1:1，不同的格式具有不同的数据量和图像质量之间的平衡。
YUV 色彩模型在视频领域中的应用非常广泛，尤其在压缩和传输中，能够大大减少数据量，提升效率。

标签：cv2,RGB,亮度,YUV,OpenCV,色度,色彩,分量
From： https://blog.csdn.net/u011186532/article/details/145030591