初识YUV，实战NV21格式数据转换为Bitmap

一、初识YUV
二、采样方式
- 2.1、YUV 4:4:4
- 2.2、YUV 4:2:2
- 2.2、YUV 4:2:0【重点】
三、存储方式
- 3.1、planar（平面方式）
- 3.2、packed（打包方式）
四、NV21数据转Bitmap
五、总结
参考

一、初识YUV

说到YUV我们就必须先从RGB说起了，如下图所示，请各位把每个色块当成一个像素点，也就是说请各位把下图当成一个宽度4像素，高度2像素的图片。通常一个像素点由RGB（Alpha我们先不考虑）三个分量混合而成。

如下图中第一个像素点，其RGB值分别为（236,102,93），而这三个值混合就组成了我们看到的红色。

然而上图中除了RGB值外，我还标出了每个像素点的YUV的值，YUV的值是怎么来的呢？直接给公式：
（请不要使用其他博客中的浮点数类型的公式，会严重影响精度）

y = (( 66 * r + 129 * g + 25  * b + 128) >> 8) + 16  ;
u = ((-38 * r - 74  * g + 112 * b + 128) >> 8) + 128 ;
v = ((112 * r - 94  * g - 18  * b + 128) >> 8) + 128 ;

这时大家可能就有疑问了，我们明明已经有了RGB可以表示这个像素点了，为什么还需要再使用YUV来进行表示。

说白一点就是RGB三个分量一个都不可少才能表示出一个像素点。而YUV可以通过不同的采样方式来减少一些U、V分量，从而减小所需的存储空间。而恢复为RGB的时候可以几个Y分量共用U、V分量来恢复为RGB（具体也是跟人眼对颜色的识别有关联的，请参考YUV相关理论知识）。

上图中我们YUV分量下都加了下划线，表示需要都需要采样。这样全采样的YUV其实跟RGB所需存储空间一样了，而这种采样方式就是 YUV 4:4:4 。

二、采样方式

由于采样都是 4 : x : x，所以我们以每行四个像素为例，请记住每个色块代表一个像素！！！

采样的意思就是我们需要采集到的这些YUV分量的值，然后接下来我们需要存储下来这个值。所以根据采样、存储方式的不同，YUV才有那么多的格式。

2.1、YUV 4:4:4

这种方式也就是上文所说的，YUV分量全部进行采样，请看第一张图片即可；

2.2、YUV 4:2:2

在所有像素上，Y分量全部采样。
在同行的像素上， U 和 V 分量分别交替进行采样；
其他行同理；

采样方式如下图U、V的下划线所示：

2.2、YUV 4:2:0【重点】

在所有像素上，Y分量全部采样。
在第0行（偶数行）， U 分量间隔进行采样，而不采样V分量。
在第1行（奇数行）， V 分量间隔进行采样，而不采样U分量。
以此类推。

采样方式如下图U、V的下划线所示：

以上采样的概念我们已经理清了，在采样时，我们可以临时使用 三个byte[]数组 来 分别存储 采集到的Y、U、V的值。

以上面的8个像素为例，那么我们采集到的数组长度则分别为：

YUV 4:4:4
8 + 8 + 8 长度为24
YUV 4:2:2
8 + 4 + 4 长度为16，是第一种的三分之二
YUV 4:2:0
8 + 2 + 2 长度为12，是第一种的二分之一

所以使用420的采样方式，所需的存储空间会大大减小。

三、存储方式

上面的YUV分量分别使用了一个数组来进行存储，但是这里的存储我们要说的是将上述三个数组合并为一个数组。

三个数组合并为一个数组，这就有的说了，排列组合嘛，但是呢，也没那么随意，一起来学习下，我们把上面使用 YUV420 方式采样好的y、u、v分量数组分别命名为 arrayY，arrayU，arrayV 。因为我们示例的图片是宽度4像素，高度2像素，一个像素一个Y值，所以Y的最大采样数就是8个值，arrayY数组的长度就是8，其他数组长度就是它的 1/4。

byte[] arrayY = new byte[8];
byte[] arrayU = new byte[8/4];
byte[] arrayV = new byte[8/4];

那么采样完毕后，数组中的数据分别为：

Y数组: [-119, -126, -113, -69, -69, -113, -126, -119]
U数组: [104, -76]
V数组: [-93, 69]

嗯???

不对劲，为什么上面图中展示的都是正值，而这里的数组中却是负值呢？首先请注意下，我们开始的时候使用int类型来存储所有的rgb，yuv的值的，因为我们从Color中获取到RGB的值是int类型的，或者下文示例的时候我们从bitmap中获取到的像素点数据中的RGB值也是int类型的，所以上文就是用int值来示例了，也符合我们的认知习惯。

而前辈们在存储的时候采用的是byte数组，为什么呢，因为RGB的取值范围也就是0 - 255，而一个byte就可以存储从 [-128，127] 的值，也就是可以存储256个值，所以这其中的利害关系大家能体会的到吧。

看第一个像素Y的int值是137，存储中的byte值是 -119 ，你尝试用 256-119 计算下，结果是多少呢？（所以在做恢复为RGB值的时候也是要先处理为正值的，只不过恢复为RGB的过程目前我们先不用处理）

OK，上面是一个小插曲，接下来进入正题了，我们先将数组的值都抹去，这样示例更清晰些，如下示例：

Y数组: [Y, Y, Y, Y, Y, Y, Y, Y]
U数组: [U, U]
V数组: [V, V]

一般YUV的打包模式也就分为如下两种：

3.1、planar（平面方式）

这种方式就是将数组arrayY、arrayU、arrayV中的数据 按顺序 组合起来。那么这种顺序可以是 先存Y，再存U，最后存V。也可以是先存Y，再存V，再存U。我们这里把前者称为 YU的存储方式，把后者称为 YV的存储方式，所以：

420采样方式 + YU存储方式 = YU12（又叫 I420 ）

Y数组: [Y, Y, Y, Y, Y, Y, Y, Y]
U数组: [U, U]
V数组: [V, V]//为了更清晰的展示数据格式，做了改动
新数组:[YYYYYYYY   UU   VV]

420采样方式 + YV存储方式 = YV12

Y数组: [Y, Y, Y, Y, Y, Y, Y, Y]
U数组: [U, U]
V数组: [V, V]//为了更清晰的展示数据格式，做了改动
新数组:[YYYYYYYY   VV   UU]

这两种存储格式呢，又统称为 YUV420P 格式。

上面两种是清晰易懂的平面方式，接下来的这种有点特殊，Y分量同样是先全部存储进去，然后需要将U、V分量先按照 UV 或者 VU 这样的方式先组合起来，然后再拼接到Y分量之后，如下数组示例：

Y数组: [Y, Y, Y, Y, Y, Y, Y, Y]
U数组: [U, U]
V数组: [V, V]//先将UV混合，为了让大家理解这还是 平面模式，之前是Y、U、V做平面，现在是Y、UV来做平面
Y数组: [Y, Y, Y, Y, Y, Y, Y, Y]
UV数组: [U, V, U, V]//为了更清晰的展示数据格式，做了改动
新数组:[YYYYYYYY   UVUV]

这下大家应该明了了，所以呢，除了这种 UV交替存储的，还有VU交替存储的，那么我们就把前者称为UV存储，把后者称为VU存储，那么总结来了：

420采样方式 + UV存储方式 = NV12
420采样方式 + VU存储方式 = NV21

上面这两种特殊的平面方式呢，又叫 Semi-Splanar ，所以以上两种格式又称为 YUV420SP 格式。

好了，到这里其实我们已经搞定了 420采样方式的 4种 YUV的格式了，有YU12，YV12，NV12，NV21。我们还可以发现一个小小的规律，Y开头的表示正常平面存储方式，N开头的表示特殊平面存储方式。12或者21则表示前面两个分量的排列顺序。

比如YU12：平面存储方式，Y第一个存，U第二个存，那么当然的V就是第三个存了。
那么NV12怎么理解呢？特殊平面存储方式，其中UV是交错存储的，所以NV12理解为UV12，这就通了。同理NV21理解为UV21。至于怎么方便理解和记忆大家自行斟酌。

3.2、packed（打包方式）

一般我们使用422采样方式的时候会采用这种存储方式，这种方式就不像上面那种那么直白了，先用数组表示吧，注意是422采样模式，所以U、V数组长度也变化了，如下：

Y数组: [Y, Y, Y, Y, Y, Y, Y, Y]
U数组: [U, U, U, U]
V数组: [V, V, V, V]//为了更清晰的展示数据格式，做了改动
新数组:[YUYV    YUYV    YUYV    YUYV]

如上所示，因为YUV的比例是2:1:1 ，所以取两个Y元素就需要分别取一个U和V元素，后面同理。所以根据上面这种格式：

422采样方式 + YUYV打包存储方式 = YUYV
422采样方式 + UYVY打包存储方式 = UYVY

422采样的主流存储方式就是以上几种了，当然，还有各种衍生版本，这里也不多做介绍了。

然而422采样也可以使用平面存储的方式，如下：

Y数组: [Y, Y, Y, Y, Y, Y, Y, Y]
U数组: [U, U, U, U]
V数组: [V, V, V, V]//为了更清晰的展示数据格式，做了改动
新数组:[YYYYYYYY   UUUU    VVVV]

422采样方式 + 平面存储方式 = YUV422P(属于YUV422)

至此主流的存储方式我们已经了解完毕了，各种衍生的类似存储方式大家则需学习好了，接下来进行实战吧！

四、NV21数据转Bitmap

为什么使用NV21数据来做示例呢，因为我们Android有现成的类可以直接处理nv21的数据。

先说下整体流程吧，准备一张800*400像素的图片，如下，然后我将其放到了drawable-xxhdpi目录下，因为这个目录下我的设备读取出来后是1:1的，不用做过多的转换，大家在这里一定要处理好了（宽、高需要为偶数哦）。

然后按照如下步骤：

1、BitmapFactory读取到这张图片；
2、bitmap.getPixels()获取图片所有像素点数据，可以得到rgb数据的数组；
3、根据rgb数组采样分别获取y，u，v数组；
4、将分别得到的y、u、v数组存储为nv21格式的数组；
5、nv21数据转换为Bitmap；
这里可以分两种方式：使用 YuvImage 或者 ScriptIntrinsicYuvToRGB。

按照如上步骤，我们先读取drawable目录下的图片并获取像素点，代码如下：

//1、获取bitmap图片
Bitmap bitmap = BitmapFactory.decodeResource(getResources(), R.mipmap.demo800_400);int width = bitmap.getWidth();
int height = bitmap.getHeight();//2、获取像素点数据
int length = width * height;
int[] pixels = new int[length];
bitmap.getPixels(pixels, 0, width, 0, 0, width, height);

然后我们需要根据420的采样方式，分别获取到y，u，v的数组：

//3、采样分别获取y、u、v
byte[] arrayY = new byte[length];
byte[] arrayU = new byte[length / 4];
byte[] arrayV = new byte[length / 4];int indexU = 0;
int indexV = 0;
for (int i = 0; i < length; i++) {int pixel = pixels[i];int r = (pixel >> 16) & 0xff;int g = (pixel >> 8) & 0xff;int b = pixel & 0xff;arrayY[i] = (byte) (((66 * r + 129 * g + 25 * b + 128) >> 8) + 16);int row = i / width;         //第n行，从0开始int column = i % width;      //第n列，从0开始//偶数行取U，基数行取Vif (row % 2 == 0) {//偶数行取Uif (column % 2 == 0) {arrayU[indexU] = (byte) (((-38 * r - 74 * g + 112 * b + 128) >> 8) + 128);indexU++;}} else {if (column % 2 == 0) {arrayV[indexV] = (byte) (((112 * r - 94 * g - 18 * b + 128) >> 8) + 128);indexV++;}}
}

接下来是重头戏了，重新存储为NV21格式的数组，千万别存储错了哦：

//4、交叉存储VU数据
int lengthY = arrayY.length;
int lengthU = arrayU.length;
int lengthV = arrayV.length;int newLength = lengthY + lengthU + lengthV;
byte[] arrayNV21 = new byte[newLength];//先将所有的Y数据存储进去
System.arraycopy(arrayY, 0, arrayNV21, 0, lengthY);//然后交替存储VU数据(注意U，V数据的长度应该是相等的，记住顺序是VU VU)
for (int i = 0; i < lengthV; i++) {int index = lengthY + i * 2;arrayNV21[index] = arrayV[i];
}for (int i = 0; i < lengthU; i++) {int index = lengthY + i * 2 + 1;arrayNV21[index] = arrayU[i];
}

NV21格式的数据封装好后我们可以先使用YuvImage+BitmapFactory来得到Bitmap图片，然后直接显示在ImageView中查看效果，如下：

YuvImage image = new YuvImage(arrayNV21, ImageFormat.NV21, width, height, null);
ByteArrayOutputStream stream = new ByteArrayOutputStream();
image.compressToJpeg(new Rect(0, 0, width, height), 80, stream);
Bitmap newBitmap = BitmapFactory.decodeByteArray(stream.toByteArray(), 0, stream.size());
stream.close();ImageView imageView = findViewById(R.id.img);
imageView.setImageBitmap(newBitmap);

OK，不出意外的话，你应该可以看到上面的示例图片了。然而使用上述代码的话，你肉眼能观察的到：图片亮度会降低，而且画质也不清楚。

还有一种转换方法，如下：

RenderScript rs = RenderScript.create(this);
ScriptIntrinsicYuvToRGB yuvToRgbIntrinsic = ScriptIntrinsicYuvToRGB.create(rs, Element.U8_4(rs));
Type.Builder yuvType = (new Type.Builder(rs, Element.U8(rs))).setX(newLength);
Allocation in = Allocation.createTyped(rs, yuvType.create(), 1);
Type.Builder rgbaType = (new Type.Builder(rs, Element.RGBA_8888(rs))).setX(width).setY(height);
Allocation out = Allocation.createTyped(rs, rgbaType.create(), 1);
in.copyFrom(arrayNV21);
yuvToRgbIntrinsic.setInput(in);
yuvToRgbIntrinsic.forEach(out);
Bitmap newBitmap = Bitmap.createBitmap(width, height, Bitmap.Config.ARGB_8888);
out.copyTo(newBitmap);ImageView imageView = findViewById(R.id.img);
imageView.setImageBitmap(newBitmap);

使用该方法的话显示出来的图像和源图像就没有肉眼上的区别了，而且效率也更高，推荐使用！！！

如果你显示出来异常图像的话，建议查看YVU的数据是否存储错误了：

VU数据存储相反的话，使用该示例图片，你会看到蓝色调调的图片。
没有存储U数据的话，使用该示例图片，你会看到黄色调调的图片。
没有存储V数据的话，使用该示例图片，你会看到绿色调调的图片。
U、V数据都没有存储的话，使用该示例图片，你会看到更绿色的图片。

好了，真的没有那么多如果，赶快检查代码去吧。

五、总结

至此我们学习到了YUV在420采样格式下的存储及使用，使用NV21讲解主要是因为Android上采集的数据一般是NV21格式的，而且Android也有现成的工具来处理相应的数据，方便演示。

至于其他采样、存储方式，以及存储格式之间的转换，我们都可以触类旁通了，实在记不住可以临时面向网络编程嘛。

以上代码只是作为最基础、最直观的示例展示，性能实在不敢恭维，所以继续学习的话我们可以参考Google libyuv 的仓库，C++代码，从native层加速。

其实从去年就开始打算学习这一块儿了，然而由于种种原因偷懒，也因为网上看到的很多讲解YUV的文章都千篇一律，都从理论上讲了怎么采样，怎么交替存储，可是实在没有找到一篇能清楚的表示在代码中，存储在数组中是什么样子的。也是我理解能力太差了，所以还没入门就放弃了。这次继续拾起来是因为集成声网最新工程版SDK时遇到了问题，以前SDK每帧给出来的数据都是NV21格式的，所以我们使用项目中封装的工具就可以直接处理了。然而这次给出来的是y、u、v分量的三个数组数据，所以这就要求我们自己组装成NV21格式的数据了。然后硬着头皮认真钻研了下YUV相关的基础知识，总算是迈出了一只脚了吧。

参考

感谢这些作者，我从中借鉴并学习到了很多。

https://blog.csdn.net/leixiaohua1020/article/details/50534150
https://www.cnblogs.com/azraelly/archive/2013/01/01/2841269.html
https://blog.csdn.net/iva_brother/article/details/84036877
https://www.cnblogs.com/sddai/p/10302979.html
该作者的示例图让我真正明白了采样是如何进行的
https://www.cnblogs.com/zebra-bin/p/12882117.html
https://blog.csdn.net/qq1137830424/article/details/81980673
https://blog.csdn.net/bluegodisplay/article/details/53431798
nv21数据转bitmap更高效的方式
https://blog.csdn.net/zhying719/article/details/96421405
该作者的文章纠正了我对存储模式的错误理解

初识YUV，实战NV21格式数据转换为Bitmap相关推荐

Python将JSON格式数据转换为SQL语句以便导入MySQL数据库
前文中我们把网络爬虫爬取的数据保存为JSON格式,但为了能够更方便地处理数据.我们希望把这些数据导入到MySQL数据库中.phpMyadmin能够把MySQL数据库中的数据导出为JSON格式文件,但却 ...
Numpy中使用astype函数将字符串格式数据转换为数值数据类型
Numpy中使用astype函数将字符串格式数据转换为数值数据类型目录 Numpy中使用astype函数将字符串格式数据转换为数值数据类型 numpy是什么?numpy和list有哪些区别? Num ...
BSQ格式数据转换为RSD缺省的BIP格式数据
李国春 RSD内部统一以BIP格式排列数据,并且文件格式(非TFS)数据倒放(North Down).早期是为了和设备无关位图(DIB)一致节省一点处理时间.现在设备处理能力增强了这点时间已经无关紧要 ...
Gdiplus byte *数据转换为Bitmap类型图片
最近在mfc上显示缩略图那样显示采集到的图片,这个用CimageList和CListctrl就可以了,网上有很多这里不细说,但是别忘了初始化Gdiplus: 但是我的相机采集到的就是byte类型的数据 ...
python将base64格式数据转换为图片
文章首发于:http://80sdianying.xyz/?id=10 直接附上代码,其中的value是base64格式的数据,pic.jpg则是我们保存的图片名. img = base64.b64d ...
向量数据库入坑指南：初识 Faiss，如何将数据转换为向量（一）
我们日常使用的各种 APP 中的许多功能,都离不开相似度检索技术.比如一个接一个的新闻和视频推荐.各种常见的对话机器人.保护我们日常账号安全的风控系统.能够用哼唱来找到歌曲的听歌识曲,甚至就连外卖配送 ...
将JSON格式数据转换为javascript对象 JSON.parse()
<html> <body> <h2>通过 JSON 字符串来创建对象</h3> <p> First Name: <span id=&q ...
【Android RTMP】x264 图像数据编码 ( NV21 格式中的 YUV 数据排列 | Y 灰度数据拷贝 | U 色彩值数据拷贝 | V 饱和度数据拷贝 | 图像编码操作 )
文章目录安卓直播推流专栏博客总结一. NV21 图像数据中的 YUV 数据简介二.向 x264 编码图片三. 提取 NV21 数据中的灰度数据 Y 四. 提取 NV21 数据中的饱和度数据 U ...
简介Bitmap、YUV，NV21与Bitmap互转
1. Bitmap 1.1Bitmap简介关于Bitmap,它和Drawable差不多就是一种图片,Bitmap相关的使用主要有两种: 给ImageView设置背景当做画布来使用分别对应下面两个 ...

初识YUV，实战NV21格式数据转换为Bitmap

初识YUV，实战NV21格式数据转换为Bitmap

一、初识YUV

二、采样方式

2.1、YUV 4:4:4

2.2、YUV 4:2:2

2.2、YUV 4:2:0【重点】

三、存储方式

3.1、planar（平面方式）

3.2、packed（打包方式）

四、NV21数据转Bitmap

五、总结

参考

初识YUV，实战NV21格式数据转换为Bitmap相关推荐

最新文章

热门文章