初识YUV，实战NV21格式数据转换为Bitmap

2024-05-26 17:08
文章标签 实战 数据 初识 转换 格式 yuv bitmap nv21

本文主要是介绍初识YUV，实战NV21格式数据转换为Bitmap，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

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 。

在这里插入图片描述

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：

在这里插入图片描述

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：

在这里插入图片描述
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）。

在这里插入图片描述
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

这篇关于初识YUV，实战NV21格式数据转换为Bitmap的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！


http://www.chinasem.cn/article/1005076。

相关文章

大数据小内存排序问题如何巧妙解决

大数据小内存排序问题如何巧妙解决

《大数据小内存排序问题如何巧妙解决》文章介绍了大数据小内存排序的三种方法：数据库排序、分治法和位图法,数据库排序简单但速度慢,对设备要求高；分治法高效但实现复杂；位图法可读性差,但存储空间受限... 目录三种方法：方法概要数据库排序（http://www.chinasem.cn对数据库设备要求较高）分治法（常
阅读更多...
Python将大量遥感数据的值缩放指定倍数的方法(推荐)

Python将大量遥感数据的值缩放指定倍数的方法(推荐)

《Python将大量遥感数据的值缩放指定倍数的方法(推荐)》本文介绍基于Python中的gdal模块,批量读取大量多波段遥感影像文件,分别对各波段数据加以数值处理,并将所得处理后数据保存为新的遥感影像... 本文介绍基于python中的gdal模块，批量读取大量多波段遥感影像文件，分别对各波段数据加以数值处
阅读更多...
使用MongoDB进行数据存储的操作流程

使用MongoDB进行数据存储的操作流程

《使用MongoDB进行数据存储的操作流程》在现代应用开发中,数据存储是一个至关重要的部分,随着数据量的增大和复杂性的增加,传统的关系型数据库有时难以应对高并发和大数据量的处理需求,MongoDB作为... 目录什么是MongoDB？MongoDB的优势使用MongoDB进行数据存储1. 安装MongoDB
阅读更多...
Golang操作DuckDB实战案例分享

Golang操作DuckDB实战案例分享

《Golang操作DuckDB实战案例分享》DuckDB是一个嵌入式SQL数据库引擎,它与众所周知的SQLite非常相似,但它是为olap风格的工作负载设计的,DuckDB支持各种数据类型和SQL特性... 目录DuckDB的主要优点环境准备初始化表和数据查询单行或多行错误处理和事务完整代码最后总结Duck
阅读更多...
Python MySQL如何通过Binlog获取变更记录恢复数据

Python MySQL如何通过Binlog获取变更记录恢复数据

《PythonMySQL如何通过Binlog获取变更记录恢复数据》本文介绍了如何使用Python和pymysqlreplication库通过MySQL的二进制日志（Binlog）获取数据库的变更记录... 目录python mysql通过Binlog获取变更记录恢复数据1.安装pymysqlreplicat
阅读更多...
Linux使用dd命令来复制和转换数据的操作方法

Linux使用dd命令来复制和转换数据的操作方法

《Linux使用dd命令来复制和转换数据的操作方法》Linux中的dd命令是一个功能强大的数据复制和转换实用程序,它以较低级别运行,通常用于创建可启动的USB驱动器、克隆磁盘和生成随机数据等任务,本文... 目录简介功能和能力语法常用选项示例用法基础用法创建可启动www.chinasem.cn的 USB 驱动
阅读更多...
IDEA如何将String类型转json格式

IDEA如何将String类型转json格式

《IDEA如何将String类型转json格式》在Java中,字符串字面量中的转义字符会被自动转换,但通过网络获取的字符串可能不会自动转换,为了解决IDEA无法识别JSON字符串的问题,可以在本地对字... 目录问题描述问题原因解决方案总结问题描述最近做项目需要使用Ai生成json，可生成String类型
阅读更多...
Oracle数据库使用 listagg去重删除重复数据的方法汇总

Oracle数据库使用 listagg去重删除重复数据的方法汇总

《Oracle数据库使用listagg去重删除重复数据的方法汇总》文章介绍了在Oracle数据库中使用LISTAGG和XMLAGG函数进行字符串聚合并去重的方法,包括去重聚合、使用XML解析和CLO... 目录案例表第一种：使用wm_concat() + distinct去重聚合第二种：使用listagg，
阅读更多...
Python实现将实体类列表数据导出到Excel文件

Python实现将实体类列表数据导出到Excel文件

《Python实现将实体类列表数据导出到Excel文件》在数据处理和报告生成中,将实体类的列表数据导出到Excel文件是一项常见任务,Python提供了多种库来实现这一目标,下面就来跟随小编一起学习一... 目录一、环境准备二、定义实体类三、创建实体类列表四、将实体类列表转换为DataFrame五、导出Da
阅读更多...
Python实现数据清洗的18种方法

Python实现数据清洗的18种方法

《Python实现数据清洗的18种方法》本文主要介绍了Python实现数据清洗的18种方法,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学... 目录1. 去除字符串两边空格2. 转换数据类型3. 大小写转换4. 移除列表中的重复元素5. 快速统
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2