色彩空间 YUV 与 RGB 转换实战

一、色彩空间基础概念

1. RGB 模型
   基于红($R$)、绿($G$)、蓝($B$)三原色，符合人眼锥细胞感知特性，满足加色混合原理： $$ \begin{bmatrix} R \ G \ B \end{bmatrix} \in [0,255]^3 $$

2. YUV 模型
   分离亮度($Y$)与色度($U,V$)，其中：

   • $Y$：亮度分量，$Y \in [0,255]$
   • $U,V$：色度分量，$U,V \in [-128,127]$ 优势：兼容黑白设备，压缩效率高（人眼对亮度更敏感）

二、转换公式推导（基于 BT.601 标准）

1. RGB → YUV 转换
   亮度分量： $$ Y = 0.299R + 0.587G + 0.114B $$ 色度分量： $$ U = 0.564(B - Y) + 128 $$ $$ V = 0.713(R - Y) + 128 $$

2. YUV → RGB 转换
   色度校正： $$ R = Y + 1.403(V - 128) $$ $$ G = Y - 0.344(U - 128) - 0.714(V - 128) $$ $$ B = Y + 1.773(U - 128) $$

注：系数差异源于标准版本（BT.709/BT.2020），实际应用需对齐标准

三、Python 转换实现

import numpy as np

def rgb_to_yuv(rgb):
    """ RGB转YUV (BT.601标准) """
    r, g, b = rgb / 255.0
    y = 0.299 * r + 0.587 * g + 0.114 * b
    u = 0.564 * (b - y) + 0.5  # 归一化到[0,1]
    v = 0.713 * (r - y) + 0.5
    return np.clip([y, u, v], 0, 1)  # 限制数值范围

def yuv_to_rgb(yuv):
    """ YUV转RGB (BT.601标准) """
    y, u, v = yuv
    u -= 0.5; v -= 0.5  # 解除归一化
    r = y + 1.403 * v
    g = y - 0.344 * u - 0.714 * v
    b = y + 1.773 * u
    return np.clip([r, g, b], 0, 1) * 255  # 转回[0,255]

四、FFmpeg 滤镜实战应用

1. 转换命令原理

   ffmpeg -i input.mp4 -vf "colorspace=all=bt601:iall=bt709" output.mp4
   

   • colorspace：核心转换滤镜
   • all=bt601：输出YUV标准
   • iall=bt709：输入RGB标准

2. 典型场景案例
   需求：将H.264视频（YUV420p）转为ProRes RGB

   ffmpeg -i input.h264 -vf "format=yuv444p,colorspace=bt709:iall=bt601:trc=linear" -c:v prores output.mov
   

   • format=yuv444p：色度采样转换
   • trc=linear：伽马曲线校正

3. 高级调优参数

   ffmpeg -i input.mp4 -vf "colorspace=range=pc:format=rgb24" output.mp4
   

   • range=pc：使用全范围(0-255)替代TV范围(16-235)
   • format=rgb24：指定输出像素格式

提示：使用ffmpeg -pix_fmts可查询支持的色彩空间格式

五、工程注意事项

1. 标准对齐

   • 广播级视频常用BT.601（SD）或BT.709（HD）
   • 网络流媒体优先BT.2020（HDR）

2. 性能优化

   • 硬件加速：添加-hwaccel cuda启用GPU
   • 并行处理：-threads 4指定多线程

3. 色域损失
   转换过程存在截断误差，建议：

   • 保持浮点精度处理
   • 优先使用10bit以上色深