[机翻文档2]色彩空间和位深度
对于视频编码，源分析至关重要。作为源分析的第一步，您可以使用 MediaInfo 或 ShanaEncoder 的“ 文件信息 ”来查找视频信息。
在视频方面，你会发现很多这样的信息：
红色高亮部分是视频流原始数据的信息。那么，YUV 究竟是什么？色度子采样又是什么？你可能听说过“8 位视频”和“10 位视频”，但 8 位和 10 位之间的区别究竟是什么呢？
■ 颜色模型和颜色空间
要理解 YUV，您需要了解颜色模型和色彩空间。 颜色模型是用于表达我们眼睛所见颜色（光）的原色组合。将其表示为红、绿、蓝三色的组合（加色混合）的方法称为 RGB 模型。设计专业的学生应该熟悉使用 CMYK 颜色模型合成相同颜色的方法，即在青色 (C)、品红色 (M) 和黄色 (Y) 的减色混合中添加黑色 (K)。
色彩空间是可以使用单一色彩模型来表达的色彩的集合 。即使采用相同的色彩模型，适合特定用途的色彩空间也可能有所不同。
如果你对视频和图像比较了解，应该会知道 RGB 是显示器的颜色表示方式，而 YUV 是一般未压缩数据（原始数据）的颜色表示方式 。那么，YUV 到底是什么呢？
如前所述，RGB 是光的三原色（红、绿、蓝）的缩写。它代表构成像素（图像元素） 的三个元素，像素是图像/视频的最基本单位。每个元素也称为一个通道 。
YUV 是该像素的三分量通道，它从 RGB 转换为亮度 (Y) 和色度 (UV) 。色度又由两个通道 U（Cb，蓝色色度）和 V（Cr，红色色度）组成。从数学上讲，这对应于坐标变换，RGB 的每个值都可以与 YUV 的每个值进行 1:1 转换。Y、U、V 并非具有独立含义的术语，而是惯常使用的坐标轴的名称，例如 X 轴和 Y 轴。
■ 为什么是 YUV？
那么，为什么对于未压缩的视频数据，我们使用 YUV 模型而不是 RGB 模型呢？主要有两个原因。
1）技术发展历程的反思
最初，以阴极射线管 (CRT) 为代表的 CRT 显示器在黑白电视上所能表达的色彩范围仅限于亮度。后来，能够表达色差的子通道被引入，从而推动了彩色电视的发展和普及。从黑白到彩色的转变带来了一项技术上的响应：通道从 Y 扩展到 YUV，最终形成了我们熟悉的 YUV 色彩模型。
2）利用亮度和色彩敏感度的差异来节省容量
更根本的原因是人类视觉的局限性。人类视觉对亮度（luminance）的差异比对颜色（chromance）的差异更敏感。因此， 通过粗略地忽略不太重要的色度数据，YUV 模型实现了 RGB 模型中无法实现的“容量节省” 。当然，忽略色度数据会导致图像质量下降，但根据心理视觉理论，普通人几乎不可能感知到图像质量的差异。这种“ 跳过像素间颜色差异 ”的做法，就是我们经常遇到的色度子采样 。
■ 色度子采样方案
所有色度子采样方法都有一个共同点：它们不会忽略亮度分量 Y，因为我们的眼睛对它很敏感。相反，这些方案根据多个像素如何分组并分配公共色度数据而有所不同，或者换句话说，根据是否忽略剩余像素的色度数据而有所不同。色度子采样方法有很多，但我将用图表说明最常见的几种——4:2:2、4:1:1 和 4:2:0。（当然，4:4:4 不会忽略任何内容。）
1) 4:2:2
4:2:2 方法将公共色度数据分配给一行中的两个像素 。换句话说，两个水平像素中的一个会省略色度数据，并用紧接在前一个像素的色度数据替换它。
这样，实际的数据数组就变成了 Y0-U0-V0-Y1，原本应该分配给两个像素的采样数（= 每个通道进入每个像素的数据块 ，图中一个空格）减少为 4 个，因此整体容量就变成了原来的 4/6=2/3 。
如果样本大小（位深度） （= BPC ，每组件位数）为 8 位，则该图像称为 8 位图像；如果样本大小为 10 位，则该图像称为 10 位图像 。（BPC 为 10 位或更高的图像有时缩写为 HBD （高位深度）图像。HBD 是 HDR（高动态范围）图像的基础。）
因此，对于 8 位图像，每个像素应该分配 3（样本数）x 8（位深度）= 24 位，但最终变成了 24 x 2/3 = 16 位，导致数据容量为每像素 16 位（BPP，bits per pixel） 。
这样表达的未压缩数据在实际显示器上显示时会还原为 RGB 模型，此时两个像素的数据流由 Y0-U0-V0-Y1 转换为 Y0-U0-V0-Y1-U0-V0，并复制第二个像素的色差部分。
2) 4:1:1
4:1:1 方法将公共色度数据分配给一行中的四个像素 。换句话说，在一行中的四个像素中，省略三个像素的色度数据，并用第一个像素的色度数据替换。
这样，实际的数据数组就变成了 Y0-U0-V0-Y1-Y2-Y3，而原本应该分配给 4 个像素的采样数 12 个就减少为 6 个，因此整体容量就变成了原来的 6/12=1/2 。
同样，对于 8 位图像，每个像素必须分配 24 位，因此数据容量变为 24 x 1/2 = 12 位，从而导致数据容量为 12 bpp 。
3) 4:2:0
该方法与 4:1:1 方法非常相似，只是目标像素是正方形，宽 2 像素，高 2 像素 。
因此，此方法中的数据排列以正方形表示为 Y0-U0-V0-Y1-Y4-Y5。容量是原始容量的一半，与 4:1:1 方法相同。因此，对于 8 位图像， bpp 也变为 12 位 。
MediaInfo 的“ bits/(pixels*frames) ”信息表示每个像素的位数（未压缩数据原本为 12 位），经过编码（压缩）后被压缩了多少位 。上方 MediaInfo 截图中显示的“0.092”表示原本的 12 位被压缩为 0.092 位（压缩率约为 130 倍）。
采用这种类似于 4:1:1 的方法的原因是，当今大多数编解码器都以方形宏块或编码单元 (cu) 为单位计算数据压缩 (编码) 和解压缩 (解码)，从而使编码/解码更容易 。
目前最广泛使用的未压缩数据像素格式是 yuv420p ，这意味着 YUV 颜色模型采用 4:2:0 色度子采样 。'p' 代表 'planar'，表示一帧的 YUV 数据阵列是按各个轴排列的。yuv420p 也写作 I420 ，如果 V 轴信息在 U 轴之前，则写作 YV12 。YV12 是目前使用最广泛的像素格式 。I420 （即 yuv420p）和 YV12 本质上被视为相同的格式。
与 I420 或 YV12 不同，NV12 具有单独的亮度和色度数据，但色度数据与 U 和 V 交错。这种格式称为半平面或双平面格式。
像素格式名称末尾的数字 12 表示 bpp。因此，我们可以看出这些格式都是 8 位图像的表示法。
□ 补充说明
需要注意的是 ，MediaInfo 显示的信息并非绝对的 。MediaInfo 仅显示视频头中记录的内容。因此，如果视频包含与实际数据流不同的内容（例如通过复用），它可能会显示不正确的信息。因此 ，请仅将 MediaInfo 用作主要参考，并记住，如果需要更详细的分析，您应该使用其他工具，例如 ffprobe 。
对于视频编码，源分析至关重要。作为源分析的第一步，您可以使用 MediaInfo 或 ShanaEncoder 的“ 文件信息 ”来查找视频信息。
在视频方面，你会发现很多这样的信息：
红色高亮部分是视频流原始数据的信息。那么，YUV 究竟是什么？色度子采样又是什么？你可能听说过“8 位视频”和“10 位视频”，但 8 位和 10 位之间的区别究竟是什么呢？
■ 颜色模型和颜色空间
要理解 YUV，您需要了解颜色模型和色彩空间。 颜色模型是用于表达我们眼睛所见颜色（光）的原色组合。将其表示为红、绿、蓝三色的组合（加色混合）的方法称为 RGB 模型。设计专业的学生应该熟悉使用 CMYK 颜色模型合成相同颜色的方法，即在青色 (C)、品红色 (M) 和黄色 (Y) 的减色混合中添加黑色 (K)。
色彩空间是可以使用单一色彩模型来表达的色彩的集合 。即使采用相同的色彩模型，适合特定用途的色彩空间也可能有所不同。
如果你对视频和图像比较了解，应该会知道 RGB 是显示器的颜色表示方式，而 YUV 是一般未压缩数据（原始数据）的颜色表示方式 。那么，YUV 到底是什么呢？
如前所述，RGB 是光的三原色（红、绿、蓝）的缩写。它代表构成像素（图像元素） 的三个元素，像素是图像/视频的最基本单位。每个元素也称为一个通道 。
YUV 是该像素的三分量通道，它从 RGB 转换为亮度 (Y) 和色度 (UV) 。色度又由两个通道 U（Cb，蓝色色度）和 V（Cr，红色色度）组成。从数学上讲，这对应于坐标变换，RGB 的每个值都可以与 YUV 的每个值进行 1:1 转换。Y、U、V 并非具有独立含义的术语，而是惯常使用的坐标轴的名称，例如 X 轴和 Y 轴。
■ 为什么是 YUV？
那么，为什么对于未压缩的视频数据，我们使用 YUV 模型而不是 RGB 模型呢？主要有两个原因。
1）技术发展历程的反思
最初，以阴极射线管 (CRT) 为代表的 CRT 显示器在黑白电视上所能表达的色彩范围仅限于亮度。后来，能够表达色差的子通道被引入，从而推动了彩色电视的发展和普及。从黑白到彩色的转变带来了一项技术上的响应：通道从 Y 扩展到 YUV，最终形成了我们熟悉的 YUV 色彩模型。
2）利用亮度和色彩敏感度的差异来节省容量
更根本的原因是人类视觉的局限性。人类视觉对亮度（luminance）的差异比对颜色（chromance）的差异更敏感。因此， 通过粗略地忽略不太重要的色度数据，YUV 模型实现了 RGB 模型中无法实现的“容量节省” 。当然，忽略色度数据会导致图像质量下降，但根据心理视觉理论，普通人几乎不可能感知到图像质量的差异。这种“ 跳过像素间颜色差异 ”的做法，就是我们经常遇到的色度子采样 。
■ 色度子采样方案
所有色度子采样方法都有一个共同点：它们不会忽略亮度分量 Y，因为我们的眼睛对它很敏感。相反，这些方案根据多个像素如何分组并分配公共色度数据而有所不同，或者换句话说，根据是否忽略剩余像素的色度数据而有所不同。色度子采样方法有很多，但我将用图表说明最常见的几种——4:2:2、4:1:1 和 4:2:0。（当然，4:4:4 不会忽略任何内容。）
1) 4:2:2
4:2:2 方法将公共色度数据分配给一行中的两个像素 。换句话说，两个水平像素中的一个会省略色度数据，并用紧接在前一个像素的色度数据替换它。
这样，实际的数据数组就变成了 Y0-U0-V0-Y1，原本应该分配给两个像素的采样数（= 每个通道进入每个像素的数据块 ，图中一个空格）减少为 4 个，因此整体容量就变成了原来的 4/6=2/3 。
如果样本大小（位深度） （= BPC ，每组件位数）为 8 位，则该图像称为 8 位图像；如果样本大小为 10 位，则该图像称为 10 位图像 。（BPC 为 10 位或更高的图像有时缩写为 HBD （高位深度）图像。HBD 是 HDR（高动态范围）图像的基础。）
因此，对于 8 位图像，每个像素应该分配 3（样本数）x 8（位深度）= 24 位，但最终变成了 24 x 2/3 = 16 位，导致数据容量为每像素 16 位（BPP，bits per pixel） 。
这样表达的未压缩数据在实际显示器上显示时会还原为 RGB 模型，此时两个像素的数据流由 Y0-U0-V0-Y1 转换为 Y0-U0-V0-Y1-U0-V0，并复制第二个像素的色差部分。
2) 4:1:1
4:1:1 方法将公共色度数据分配给一行中的四个像素 。换句话说，在一行中的四个像素中，省略三个像素的色度数据，并用第一个像素的色度数据替换。
这样，实际的数据数组就变成了 Y0-U0-V0-Y1-Y2-Y3，而原本应该分配给 4 个像素的采样数 12 个就减少为 6 个，因此整体容量就变成了原来的 6/12=1/2 。
同样，对于 8 位图像，每个像素必须分配 24 位，因此数据容量变为 24 x 1/2 = 12 位，从而导致数据容量为 12 bpp 。
3) 4:2:0
该方法与 4:1:1 方法非常相似，只是目标像素是正方形，宽 2 像素，高 2 像素 。
因此，此方法中的数据排列以正方形表示为 Y0-U0-V0-Y1-Y4-Y5。容量是原始容量的一半，与 4:1:1 方法相同。因此，对于 8 位图像， bpp 也变为 12 位 。
MediaInfo 的“ bits/(pixels*frames) ”信息表示每个像素的位数（未压缩数据原本为 12 位），经过编码（压缩）后被压缩了多少位 。上方 MediaInfo 截图中显示的“0.092”表示原本的 12 位被压缩为 0.092 位（压缩率约为 130 倍）。
采用这种类似于 4:1:1 的方法的原因是，当今大多数编解码器都以方形宏块或编码单元 (cu) 为单位计算数据压缩 (编码) 和解压缩 (解码)，从而使编码/解码更容易 。
目前最广泛使用的未压缩数据像素格式是 yuv420p ，这意味着 YUV 颜色模型采用 4:2:0 色度子采样 。'p' 代表 'planar'，表示一帧的 YUV 数据阵列是按各个轴排列的。yuv420p 也写作 I420 ，如果 V 轴信息在 U 轴之前，则写作 YV12 。YV12 是目前使用最广泛的像素格式 。I420 （即 yuv420p）和 YV12 本质上被视为相同的格式。
与 I420 或 YV12 不同，NV12 具有单独的亮度和色度数据，但色度数据与 U 和 V 交错。这种格式称为半平面或双平面格式。
像素格式名称末尾的数字 12 表示 bpp。因此，我们可以看出这些格式都是 8 位图像的表示法。
□ 补充说明
需要注意的是 ，MediaInfo 显示的信息并非绝对的 。MediaInfo 仅显示视频头中记录的内容。因此，如果视频包含与实际数据流不同的内容（例如通过复用），它可能会显示不正确的信息。因此 ，请仅将 MediaInfo 用作主要参考，并记住，如果需要更详细的分析，您应该使用其他工具，例如 ffprobe 。
