很多人剛接觸數(shù)字圖像處理的時(shí)候都會(huì)被一堆顏色空間搞到懷疑人生RGB、HSV、YUV、YCbCr、YPbPr……光是這幾個(gè)名字就夠繞一陣子了。尤其是YPbPr看起來(lái)和YUV、YCbCr長(zhǎng)得幾乎一模一樣實(shí)際用起來(lái)卻經(jīng)常對(duì)不上號(hào)。我見過(guò)不少人在代碼里把YCbCr數(shù)據(jù)當(dāng)成YPbPr去處理結(jié)果畫面偏色、灰蒙蒙的查半天才發(fā)現(xiàn)是顏色空間理解出了問(wèn)題。這篇文章我就專門盯著YPbPr講。它的物理含義是什么數(shù)學(xué)定義怎么來(lái)的和YUV、YCbCr到底差在哪里以及在實(shí)際的圖像處理和視頻鏈路中怎么正確使用它。如果你正在學(xué)數(shù)字圖像處理、做視頻采集編碼相關(guān)開發(fā)或者自己寫圖像算法這篇文章應(yīng)該能幫你省下一堆翻規(guī)格書和排查bug的時(shí)間。1. 為什么YPbPr不是YUV也不是YCbCr很多教材和網(wǎng)絡(luò)資料喜歡把這幾兄弟混著說(shuō)給人一種“反正差不多”的感覺。但做技術(shù)的人一旦較真起來(lái)這三個(gè)東西其實(shí)各有各的位置混用的代價(jià)就是處理結(jié)果莫名其妙地不對(duì)。這里我先把最根本的物理和語(yǔ)義差異講清楚。1.1 從RGB到亮色分離這里藏著一個(gè)“人眼視覺”的秘密RGB顏色空間長(zhǎng)得直觀紅綠藍(lán)三個(gè)分量疊加出各種顏色顯示器和攝像頭都按這個(gè)思路工作。但RGB有一個(gè)問(wèn)題它給三個(gè)通道的“待遇”是一樣的。而在實(shí)際應(yīng)用中不管是壓縮存儲(chǔ)還是視頻傳輸我們往往希望把“亮度”和“顏色”拆開處理YPbPr就是在這樣一個(gè)需求下誕生的。拆開的好處有兩個(gè)層面。第一人類視覺系統(tǒng)對(duì)亮度細(xì)節(jié)的敏感度遠(yuǎn)高于對(duì)顏色細(xì)節(jié)的敏感度把亮度單獨(dú)拿出來(lái)后面做壓縮、做增強(qiáng)都可以針對(duì)性下手。第二黑白設(shè)備兼容性。早年彩色電視要兼容黑白電視如果直接傳RGB黑白電視機(jī)拿到的是三個(gè)灰蒙蒙的通道根本沒法還原出正常黑白畫面。但傳一個(gè)Y亮度加上兩個(gè)色差信號(hào)黑白電視只需要取Y通道就能看到正?；叶葓D像后面兩個(gè)色差信號(hào)直接忽略就行。這就是YPbPr的出身背景。它本質(zhì)上是一種亮色分離的顏色表示方式Y(jié)代表亮度分量Pb和Pr代表兩個(gè)色差分量。Pb是藍(lán)色分量與亮度的差值比例Pr是紅色分量與亮度的差值比例。至于綠色不需要單獨(dú)傳因?yàn)榱炼萗里面已經(jīng)包含了綠色的主要貢獻(xiàn)RGB三通道的信息可以在數(shù)學(xué)上完整恢復(fù)。1.2 Pb和Pr為什么是負(fù)的負(fù)號(hào)也是有意義的接觸YPbPr的人第一次看波形圖通常會(huì)被負(fù)值嚇到。RGB里每個(gè)通道要么是0要么是255歸一化后是0到1都是非負(fù)值。但YPbPr不一樣Y永遠(yuǎn)是正的Pb和Pr卻是可正可負(fù)的。這是正常的因?yàn)樯钚盘?hào)本身表示的就是“當(dāng)前顏色偏離灰色多少”。拿純紅色來(lái)說(shuō)歸一化RGB是1, 0, 0亮度Y大概是0.299我們后面會(huì)講這個(gè)系數(shù)從哪來(lái)然后算Pb和Pr就能得到一組包含負(fù)數(shù)的值。這不代表物理上有什么“負(fù)的顏色”而是說(shuō)藍(lán)色差或紅色差的方向相反。因?yàn)樵跀?shù)學(xué)上這些值都是圍繞灰度軸中性色上下波動(dòng)的中間灰色的Pb和Pr正好是0偏藍(lán)的像素Pb為正偏黃的像素Pb為負(fù)紅橙色調(diào)的像素Pr為正方向青綠色調(diào)的像素Pr為負(fù)方向。理解這一點(diǎn)后面看分量直方圖、排查偏色問(wèn)題都會(huì)輕松很多。1.3 模擬域和數(shù)字域的分岔路YPbPr、YUV、YCbCr三者對(duì)比很多人把YUV當(dāng)成YPbPr或者YCbCr的統(tǒng)稱這個(gè)說(shuō)法并不嚴(yán)謹(jǐn)。YUV嚴(yán)格來(lái)說(shuō)源自模擬復(fù)合視頻編碼時(shí)代指代的是通過(guò)色度調(diào)制方式編碼到復(fù)合信號(hào)里的分量它的數(shù)學(xué)定義和現(xiàn)在的分量信號(hào)不太一致。而YPbPr是模擬分量視頻信號(hào)的標(biāo)準(zhǔn)表示YCbCr則是數(shù)字分量視頻信號(hào)的標(biāo)準(zhǔn)表示。也就是說(shuō)一個(gè)走模擬線纜一個(gè)走數(shù)字總線兩者之間只差一個(gè)縮放和偏置的映射關(guān)系。為了更直觀我做了一個(gè)對(duì)比表看完應(yīng)該就清楚了名稱所屬域典型應(yīng)用場(chǎng)景與YPbPr的關(guān)系YUV模擬復(fù)合域老式復(fù)合視頻編碼與傳輸早期術(shù)語(yǔ)常被誤用作泛稱YPbPr模擬分量域DVD色差分量接口、老式監(jiān)視器原始模擬分量信號(hào)Pb/Pr范圍對(duì)稱于0YCbCr數(shù)字分量域HDMI、SDI、視頻編碼、圖像存儲(chǔ)由YPbPr抽樣量化而來(lái)Cb/Cr有固定偏置從這個(gè)表能看出YPbPr和YCbCr在數(shù)學(xué)上其實(shí)是“同一個(gè)色彩空間”的兩種不同表示階段。如果用一句話概括YPbPr是連續(xù)模擬量YCbCr是把這些連續(xù)的色差信號(hào)做A/D轉(zhuǎn)換后得到的離散量化值。最直接的差別就是——YPbPr的色差分量是以0為中心的正負(fù)浮動(dòng)而YCbCr在8bit量化下給Cb和Cr加上了128的偏置中心點(diǎn)變成了128也就是說(shuō)數(shù)字代碼128表示“無(wú)顏色”的灰色。這個(gè)差別極其容易踩坑因?yàn)楹芏嚅_源庫(kù)和代碼里直接把PNG、JPEG解碼出來(lái)的YCbCr數(shù)據(jù)當(dāng)成YPbPr來(lái)調(diào)色、做濾波結(jié)果就是亮度沒變顏色全亂了。我在后面的實(shí)操部分會(huì)專門演示這個(gè)問(wèn)題。2. YPbPr的數(shù)學(xué)核心兩套矩陣和一套量化規(guī)則搞清概念之后接下來(lái)就是硬核的數(shù)學(xué)部分。YPbPr不是拍腦袋定出來(lái)的它的Y亮度、Pb藍(lán)差、Pr紅差都是由RGB線性組合得到的。這里面最核心的是兩套系數(shù)矩陣對(duì)應(yīng)標(biāo)清和高清兩個(gè)標(biāo)準(zhǔn)。2.1 BT.601與BT.709標(biāo)清與高清用不同“配方”先看最常用的BT.601標(biāo)清標(biāo)準(zhǔn)下的亮度公式Y(jié) 0.299R 0.587G 0.114B這三個(gè)系數(shù)看起來(lái)很神奇但它不是隨便湊的。0.299、0.587、0.114大致對(duì)應(yīng)人眼對(duì)紅、綠、藍(lán)三色光的相對(duì)敏感度綠色貢獻(xiàn)最高藍(lán)色最低這和我們?cè)诎倒猸h(huán)境下對(duì)綠色最敏感、對(duì)藍(lán)色最不敏感的主觀體驗(yàn)一致。另一個(gè)方面這三個(gè)系數(shù)也跟早期CRT熒光粉的發(fā)光效率和色度坐標(biāo)有關(guān)所以一直沿用下來(lái)。到了高清時(shí)代BT.709標(biāo)準(zhǔn)把系數(shù)更新為Y 0.2126R 0.7152G 0.0722B綠色權(quán)重更高了紅色變低藍(lán)色更低。這是因?yàn)楦咔鍢?biāo)準(zhǔn)對(duì)應(yīng)的顯示設(shè)備色域、白點(diǎn)都不一樣了而我們已經(jīng)習(xí)慣了這種稍微偏冷的畫面渲染方式。好多人做視頻處理不管輸入源是標(biāo)清還是高清直接套一個(gè)固定矩陣這樣出來(lái)的顏色偏色是必然的。緊接著是色差分量Pb (B - Y) / 1.8556Pr (R - Y) / 1.402這里的除法是歸一化過(guò)程目的是讓Pb和Pr的最大絕對(duì)值不超過(guò)0.5方便后續(xù)量化。1.8556和1.402這兩個(gè)常數(shù)并不是誰(shuí)拍腦袋定的而是由RGB的取值范圍反推出來(lái)的保證純色信號(hào)在色差通道上也不會(huì)過(guò)沖。2.2 量化范圍為什么不是0到255模擬YPbPr信號(hào)本身是連續(xù)電壓但在數(shù)字圖像處理里我們最終拿到的是離散量化結(jié)果也就是YCbCr。8bit量化時(shí)Y和Cb、Cr的映射規(guī)則如下Y數(shù)字值 219 × Y模擬值 16Cb數(shù)字值 224 × Pb模擬值 128Cr數(shù)字值 224 × Pr模擬值 128看到規(guī)律了嗎亮度Y被量化到16到235這個(gè)區(qū)間色度Cb、Cr被量化到16到240兩頭各留了一截余量。這跟前幾年智能手機(jī)相機(jī)拍照動(dòng)態(tài)范圍不夠、高光容易“爆掉”是一個(gè)道理預(yù)留保護(hù)帶可以防止過(guò)沖信號(hào)被硬切并且在濾波、壓縮過(guò)程中不容易產(chǎn)生超出范圍的振鈴。所以一個(gè)16、128、128的YCbCr像素對(duì)應(yīng)的就是純黑Y16CbCr128是消色差。如果你強(qiáng)行把YCbCr按0到255的全范圍去做歸一化不等比拉伸那畫面整體就會(huì)變灰顏色飽和度也會(huì)全部失真。這是圖像處理里最經(jīng)典的“黑電平錯(cuò)位”問(wèn)題。2.3 逆變換從YPbPr還原RGB時(shí)的精度問(wèn)題逆變換同樣重要。從YCbCr還原RGB時(shí)我們需要先減去偏置再反歸一化最后用矩陣的逆矩陣運(yùn)算出來(lái)。很多人覺得逆變換不就是套公式嗎沒什么好說(shuō)的真正做起來(lái)才會(huì)發(fā)現(xiàn)精度問(wèn)題特別煩。在做整數(shù)定點(diǎn)運(yùn)算時(shí)中間結(jié)果應(yīng)該保留足夠的位寬。我可以舉個(gè)例子如果你把YCbCr還原成RGB中間變量直接用uint8來(lái)存那么減偏置后得到的可能是負(fù)數(shù)uint8會(huì)直接截?cái)喑?整個(gè)畫面的暗部細(xì)節(jié)全部丟失偏色非常明顯。正確做法是中間計(jì)算至少用int16甚至float32等所有運(yùn)算結(jié)束、反變換完成之后再統(tǒng)一round和clamp到0到255的uint8范圍。還有一個(gè)小細(xì)節(jié)很多人做逆變換時(shí)用的是float矩陣但把逆矩陣系數(shù)打印出來(lái)會(huì)發(fā)現(xiàn)有的系數(shù)是負(fù)的。這說(shuō)明RGB到Y(jié)PbPr的變換并不是正交歸一變換逆變換時(shí)必須嚴(yán)格按完整的矩陣乘法恢復(fù)三個(gè)通道的耦合關(guān)系不能簡(jiǎn)單地說(shuō)“Y通道對(duì)應(yīng)亮度我就只處理Y”否則會(huì)引入嚴(yán)重的顏色串?dāng)_。3. 手寫RGB轉(zhuǎn)YPbPr轉(zhuǎn)換器Python可直接運(yùn)行理論上說(shuō)OpenCV里確實(shí)有cvtColor函數(shù)可以做RGB和YCrCb的互轉(zhuǎn)但很多人用的時(shí)候并沒有意識(shí)到OpenCV里的YCrCb默認(rèn)采用的量化范圍、矩陣系數(shù)和真正的YPbPr并不是一回事。我在實(shí)際項(xiàng)目里遇到過(guò)幾次“調(diào)庫(kù)調(diào)得歡結(jié)果輸出不對(duì)”的情況所以這里建議你手動(dòng)實(shí)現(xiàn)一遍轉(zhuǎn)換邏輯既能加深理解又能靈活控制細(xì)節(jié)。3.1 一段能直接跑的轉(zhuǎn)換代碼下面這段代碼我基于BT.601矩陣分別實(shí)現(xiàn)了RGB轉(zhuǎn)模擬YPbPr和RGB轉(zhuǎn)數(shù)字YCbCr。為了讓你能直接體會(huì)兩者差別我特意把兩個(gè)輸出放在一起對(duì)比。import numpy as np def rgb_to_ypbpr(rgb): 輸入: rgb, 形狀為 (..., 3), 取值范圍 0~255 的 uint8 或 float 返回: ypbpr, 形狀為 (..., 3), Y 范圍 [0, 1] 左右, Pb/Pr 范圍約為 [-0.5, 0.5] rgb rgb.astype(np.float32) / 255.0 r, g, b rgb[..., 0], rgb[..., 1], rgb[..., 2] y 0.299 * r 0.587 * g 0.114 * b pb (b - y) / 1.8556 pr (r - y) / 1.402 return np.stack([y, pb, pr], axis-1) def ypbpr_to_ycbcr(ypbpr, bit_depth8): 模擬YPbPr - 數(shù)字YCbCr, 默認(rèn)8bit量化 y, pb, pr ypbpr[..., 0], ypbpr[..., 1], ypbpr[..., 2] y_digital 219.0 * y 16.0 cb_digital 224.0 * pb 128.0 cr_digital 224.0 * pr 128.0 ycbcr np.stack([y_digital, cb_digital, cr_digital], axis-1) return np.clip(np.round(ycbcr), 0, 255).astype(np.uint8) # 隨便構(gòu)造一個(gè)純紅像素和一個(gè)中性灰像素 test_rgb np.array([ [[255, 0, 0], # 純紅 [128, 128, 128]], # 中性灰 ], dtypenp.uint8) ypbpr rgb_to_ypbpr(test_rgb) ycbcr ypbpr_to_ycbcr(ypbpr) print(RGB:) print(test_rgb) print(YPbPr (模擬風(fēng)格):) print(ypbpr) print(YCbCr (8bit量化):) print(ycbcr)這段代碼跑完之后你會(huì)清楚地看到純紅的YPbPr里Y不是0.299就是0.299左右的浮點(diǎn)值Pr大約0.5Pb則是個(gè)負(fù)數(shù)而到了YCbCrCb會(huì)落在128以下Cr會(huì)落在128以上這就是“偏置”兩個(gè)字在數(shù)值上的全部意義。3.2 在目標(biāo)顏色空間里處理圖像而不是在RGB上亂動(dòng)既然YPbPr把亮度和色度分開了那么很多圖像處理操作就不該在RGB上直接做而是應(yīng)該轉(zhuǎn)到Y(jié)PbPr或者YCbCr域去做。說(shuō)個(gè)最常見的場(chǎng)景灰度圖增強(qiáng)。如果直接在RGB三個(gè)通道分別做直方圖均衡化畫面很容易出現(xiàn)色彩偏移和過(guò)度飽和因?yàn)槿齻€(gè)通道的均衡映射函數(shù)是獨(dú)立計(jì)算的拉伸幅度不一致。我實(shí)際寫過(guò)一個(gè)簡(jiǎn)單的Y分量直方圖均衡代碼思路是先轉(zhuǎn)YPbPr然后只對(duì)Y分量做均衡最后再轉(zhuǎn)回來(lái)。核心處理中間只需加一行y_channel equalize_hist(y_channel)效果比在RGB上直接操作穩(wěn)定很多。這也是很多圖像增強(qiáng)、去霧、超分辨率算法能保持色彩自然的原因它們不是不肯處理色彩而是把色彩分量保護(hù)起來(lái)了。3.3 貼一個(gè)容易犯錯(cuò)的例子把YCbCr數(shù)據(jù)當(dāng)成YPbPr處理我之前調(diào)試一個(gè)視頻采集程序時(shí)遇到過(guò)這么個(gè)情況硬件SDI信號(hào)采集出來(lái)文檔寫的是YCbCr 4:2:2但我在預(yù)處理階段用了一套模擬域的YPbPr調(diào)色參數(shù)結(jié)果整個(gè)畫面飽和度夸張到?jīng)]法看。后來(lái)查日志才發(fā)現(xiàn)軟件層已經(jīng)把數(shù)字YCbCr的數(shù)據(jù)直接交給調(diào)色模塊了而調(diào)色模塊還傻乎乎地以為Pb/Pr是圍繞0浮動(dòng)的強(qiáng)行給負(fù)值區(qū)間做了映射把正常的128偏置當(dāng)成了“嚴(yán)重的偏藍(lán)信號(hào)”。如果你在代碼里遇到類似情況最簡(jiǎn)單的判斷方式就是打印一組中性灰像素的Cb、Cr值。如果它們都在128附近說(shuō)明數(shù)據(jù)是數(shù)字YCbCr如果都在0附近且可能為負(fù)說(shuō)明是模擬風(fēng)格的YPbPr。這個(gè)檢查只需要三五行代碼但能省下半天的排查時(shí)間。4. 視頻接口、色度抽樣與應(yīng)用前瞻YPbPr不只是課本里做矩陣變換用的理論玩具它在真實(shí)的視頻傳輸鏈路和圖像處理系統(tǒng)里一直存在。想要理解整個(gè)數(shù)字圖像處理的知識(shí)體系就不能回避這些工程細(xì)節(jié)。4.1 分量接口與色差端子早年DVD播放器和高清電視上常見的“色差分量接口”英文就是Component Video傳輸?shù)男盘?hào)正是YPbPr。這種接口把Y、Pb、Pr三個(gè)分量分成三根線獨(dú)立傳輸分別用綠、藍(lán)、紅三種顏色標(biāo)記實(shí)際線的顏色不一定對(duì)應(yīng)通道含義但綠線通常是Y。與復(fù)合視頻相比YPbPr分量信號(hào)不再經(jīng)過(guò)色度副載波調(diào)制亮度和色度之間的串?dāng)_小得多畫面的銳利度和色彩純度都有大幅提升。如果你用過(guò)這種接口應(yīng)該還會(huì)注意到接口旁邊標(biāo)注的是逐行掃描Progressive的PbPr而與隔行掃描對(duì)應(yīng)的有時(shí)候會(huì)寫成PbPr或CbCr其實(shí)核心差別不是掃描方式而是這個(gè)信號(hào)在新標(biāo)準(zhǔn)里到底經(jīng)過(guò)了多少數(shù)字處理。很多老工程師一看到“YPbPr”就知道這是模擬分量看到“YCbCr”就知道數(shù)字化之后但這種直覺在新人那里往往沒有建立起來(lái)。多接觸硬件接口文檔能幫助你更快建立這種條件反射。4.2 4:2:2和4:2:0抽樣是怎么回事既然亮度和色度分開了那么色度抽樣就成了數(shù)字視頻壓縮中繞不開的概念。常見的有4:4:4、4:2:2、4:2:0這個(gè)數(shù)字的寫法看起來(lái)像比例實(shí)際含義是在一行像素中亮度Y全部保留而色度Cb、Cr在水平方向按每?jī)蓚€(gè)亮度像素采一個(gè)、或者每四個(gè)亮度像素采一個(gè)來(lái)降低分辨率。4:2:2就是說(shuō)在每行4個(gè)亮度像素里只保留2個(gè)Cb和2個(gè)Cr樣本相當(dāng)于水平方向色度減半。4:2:0則在水平和垂直方向都減半所以色度信息量只有亮度的四分之一。人眼對(duì)亮度細(xì)節(jié)敏感、對(duì)色度細(xì)節(jié)遲鈍這個(gè)特點(diǎn)正好被抽樣策略利用了。但注意抽樣后如果直接對(duì)色度通道做放大、銳化、邊緣檢測(cè)很容易產(chǎn)生彩色鋸齒或偽彩這也是很多圖像算法在YCbCr上處理時(shí)需要注意的坑。4.3 數(shù)字圖像處理新場(chǎng)景中還要不要關(guān)注YPbPr可能有人覺得現(xiàn)在的圖像處理都上深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)了YPbPr這種老掉牙的顏色空間還有人關(guān)注嗎我的回答是不但有關(guān)注而且相關(guān)需求一直在增長(zhǎng)。舉個(gè)實(shí)際的例子遙感圖像處理。很多遙感影像的原始數(shù)據(jù)和預(yù)處理產(chǎn)品都帶有多光譜通道但在做真彩色合成、圖像融合、目標(biāo)檢測(cè)可視化時(shí)亮色分離的表示方式依然是標(biāo)準(zhǔn)中間層因?yàn)楹芏嘣鰪?qiáng)算法只希望作用在亮度上避免改變地物的光譜特征。還有數(shù)字圖像處理實(shí)驗(yàn)里經(jīng)常出現(xiàn)的直方圖匹配、頻域?yàn)V波、圖像融合題目如果在RGB域直接操作結(jié)果往往色彩詭異而有經(jīng)驗(yàn)的人會(huì)先把圖像轉(zhuǎn)到亮色分離空間處理Y分量最后再還原。說(shuō)白了YPbPr這類顏色空間是很多經(jīng)典圖像處理算法“為什么效果更自然”的技術(shù)底座。另外在AI視覺處理里一些超分辨率模型的訓(xùn)練數(shù)據(jù)也喜歡在YCbCr上做監(jiān)督因?yàn)镻SNR和SSIM評(píng)估指標(biāo)對(duì)標(biāo)的就是亮度通道的恢復(fù)質(zhì)量。你不必非得用YPbPr做模型輸入但如果你連這些中間表示都分不清后面調(diào)試模型輸出顏色不對(duì)的時(shí)候會(huì)相當(dāng)被動(dòng)。5. 常見問(wèn)題速查與調(diào)試經(jīng)驗(yàn)最后這部分我把自己實(shí)際調(diào)試圖像處理程序時(shí)踩過(guò)的坑整理成一張表再附帶兩個(gè)印象深刻的案例。做視頻處理和圖像算法調(diào)試很多時(shí)候不是原理多難而是問(wèn)題出在一個(gè)被忽略的小細(xì)節(jié)上查起來(lái)極其浪費(fèi)時(shí)間。5.1 一張表理清典型故障現(xiàn)象可能原因快速排查方法畫面整體發(fā)灰、對(duì)比度低黑電平錯(cuò)位YCbCr的Y值沒有從16拉伸到0~255打印Y通道最小值如果集中在16附近做范圍映射顏色嚴(yán)重偏紅或偏青用了BT.601矩陣去處理BT.709數(shù)據(jù)或反之確認(rèn)輸入源分辨率/標(biāo)準(zhǔn)查看規(guī)格書邊緣出現(xiàn)彩色鋸齒色度抽樣后的4:2:0數(shù)據(jù)直接做邊緣增強(qiáng)先上采樣色度通道或只在Y通道做銳化紅色變成紫色、綠色發(fā)暗逆變換時(shí)整數(shù)截?cái)嘀虚g量用uint8存儲(chǔ)用int16/float32做中間計(jì)算最后再裁剪飽和度忽高忽低把YPbPr模擬信號(hào)直接按YCbCr偏置處理檢查數(shù)據(jù)是否帶128偏置用中性灰像素驗(yàn)證這張表不是教科書里的理論而是我在實(shí)際寫代碼和調(diào)試設(shè)備時(shí)篩選出來(lái)的高發(fā)問(wèn)題。每次遇到顏色不對(duì)我都會(huì)先按照這個(gè)順序排查基本能解決八成問(wèn)題。5.2 兩個(gè)踩過(guò)的坑第一個(gè)坑是矩陣選擇錯(cuò)誤。有一年我在做一個(gè)高清視頻轉(zhuǎn)換項(xiàng)目當(dāng)時(shí)的輸入源是1080p的SDI信號(hào)代碼里卻默認(rèn)用了BT.601的系數(shù)屏幕上的紅色全部偏到了橙色方向綠色變得很“悶”。后來(lái)排查半天發(fā)現(xiàn)是封裝庫(kù)的默認(rèn)參數(shù)沒改。從那以后我再寫任何顏色空間轉(zhuǎn)換函數(shù)都會(huì)把矩陣系數(shù)作為顯式參數(shù)傳進(jìn)去并寫上標(biāo)準(zhǔn)和適用范圍。第二個(gè)坑是量化范圍。有一次我從一個(gè)視頻文件里提取幀用FFmpeg解出來(lái)的是YUV420P格式我以為是正常的“YUV”就直接用0~255的全范圍去做歸一化結(jié)果暗部糊成一片。后來(lái)我才意識(shí)到這個(gè)文件解出來(lái)的YCbCr數(shù)據(jù)是有限范圍limited range的Y的有效范圍是16到235Cb/Cr是16到240。如果不做偏置移除和范圍映射直接拉伸畫面暗部細(xì)節(jié)直接廢掉。所以現(xiàn)在我在處理任何YUV/YCbCr素材之前都會(huì)先確認(rèn)一件事這個(gè)素材的量化范圍是full range還是limited range。5.3 一個(gè)好習(xí)慣測(cè)試圖配合中間量分析最后分享一個(gè)經(jīng)驗(yàn)。很多新人在調(diào)顏色空間處理的時(shí)候喜歡直接拿一張照片跑完看結(jié)果然后“憑感覺”調(diào)參數(shù)。這不是不行但效率太低。我自己的習(xí)慣是先構(gòu)造幾條標(biāo)準(zhǔn)色條——比如純紅、純綠、純藍(lán)、中性灰、黑色、白色——作為測(cè)試數(shù)據(jù)跑一遍轉(zhuǎn)換和反向轉(zhuǎn)換把中間量的數(shù)值打印出來(lái)和理論值逐一對(duì)比。這樣做的最大好處是一旦某個(gè)分量出了問(wèn)題你能立刻判斷是矩陣系數(shù)寫錯(cuò)、偏置沒加、還是范圍裁切出錯(cuò)。純色測(cè)試圖能幫你繞過(guò)圖像內(nèi)容本身的干擾把問(wèn)題精確到具體的數(shù)學(xué)環(huán)節(jié)。等測(cè)試圖全部通過(guò)之后再拿真實(shí)圖像做主觀驗(yàn)證通常就不會(huì)出現(xiàn)離譜的偏色了。最后說(shuō)兩句我自己學(xué)顏色空間那段時(shí)間最大的感受就是“名詞太多容易想當(dāng)然”。YUV、YPbPr、YCbCr這幾個(gè)名字?jǐn)[在一起看著像一家人實(shí)際用起來(lái)差之毫厘、謬以千里。要真正掌握YPbPr關(guān)鍵不是死記公式而是在腦子里建立起一套分層認(rèn)知先分清它屬于模擬域還是數(shù)字域再看有沒有偏置最后才是選定矩陣系數(shù)。順序?qū)α怂悸肪晚樍恕ＯＭ@篇內(nèi)容能幫你少踩幾個(gè)我踩過(guò)的坑。