YUV格式八股文

YUV格式八股文

一、基础概念

1. 什么是YUV？

YUV是一种颜色编码方法，主要用于视频系统。它将亮度信息（Y）和色度信息（U、V）分离，相比RGB格式更适合视频压缩和传输。

2. YUV的三个分量分别代表什么？

• Y（Luma）：亮度分量，表示图像的明暗程度
• U（Cb）：蓝色色度分量，表示蓝色与亮度的差值
• V（Cr）：红色色度分量，表示红色与亮度的差值

3. YUV与RGB的转换公式是什么？

RGB转YUV：

Y = 0.299R + 0.587G + 0.114B
U = 0.492(B - Y) = -0.147R - 0.289G + 0.436B
V = 0.877(R - Y) = 0.615R - 0.515G - 0.100B

YUV转RGB：

R = Y + 1.140V
G = Y - 0.395U - 0.581V
B = Y + 2.032U

4. 为什么YUV比RGB更适合视频压缩？

1. 人眼特性：人眼对亮度敏感，对色度不敏感，可以降低色度采样率
2. 节省带宽：通过降低色度采样率，可以大幅减少数据量
3. 兼容性：Y分量可以直接用于黑白显示，兼容黑白电视
4. 压缩效率：适合视频压缩算法（如H.264、H.265）

---

二、YUV采样格式

5. YUV444、YUV422、YUV420有什么区别？

格式	采样比例	存储大小	特点
YUV444	4:4:4	3字节/像素	每个像素都有完整的YUV分量，质量最高
YUV422	4:2:2	2字节/像素	水平方向色度采样减半，每2个像素共享UV
YUV420	4:2:0	1.5字节/像素	水平和垂直方向色度采样都减半，每4个像素共享UV

6. YUV420的采样方式是怎样的？

YUV420采用2x2的采样方式：

• 4个Y分量（每个像素一个Y）
• 1个U分量（4个像素共享）
• 1个V分量（4个像素共享）

采样示意图：

Y0 Y1 Y2 Y3
Y4 Y5 Y6 Y7
Y8 Y9 Y10 Y11
Y12 Y13 Y14 Y15

U0   U1
U2   U3

V0   V1
V2   V3

7. 为什么YUV420最常用？

1. 数据量小：比YUV422节省25%带宽，比YUV444节省50%带宽
2. 质量损失小：人眼对色度不敏感，质量损失不明显
3. 性价比高：在质量和带宽之间取得良好平衡
4. 广泛支持：几乎所有视频编码格式都支持YUV420

---

三、YUV存储格式

8. 什么是Planar格式和Semi-Planar格式？

• Planar格式：Y、U、V分量分别连续存储
  • 优点：内存访问连续，缓存友好
  • 缺点：需要三次内存访问才能获取一个像素的完整信息
• Semi-Planar格式：Y分量连续存储，UV分量交错存储
  • 优点：UV分量连续，适合硬件加速
  • 缺点：UV交错，需要解包

9. I420和YV12有什么区别？

两者都是YUV420P格式，区别在于UV分量的存储顺序：

• I420：Y → U → V（U在前，V在后）
• YV12：Y → V → U（V在前，U在后）

10. NV12和NV21有什么区别？

两者都是YUV420SP格式，区别在于UV分量的交错顺序：

• NV12：Y → UVUVUV...（U在前，V在后）
• NV21：Y → VUVUVU...（V在前，U在后）

11. NV12和I420有什么区别？

特性	NV12	I420
格式类型	Semi-Planar	Planar
UV存储	交错存储	分开存储
内存布局	Y + UV	Y + U + V
硬件加速	更适合	一般
软件处理	需要解包	直接访问

---

四、格式转换

12. RGB转YUV时为什么要加128？

U和V分量可能为负值（-128到+127），而存储时使用无符号8位整数（0-255），因此需要加128将其映射到无符号范围。

13. YUV转RGB时为什么要减128？

与RGB转YUV相反，YUV转RGB时需要将U和V分量从无符号范围（0-255）映射回有符号范围（-128到+127），因此需要减128。

14. 如何实现YUV420P到NV12的转换？

步骤：

1. 复制Y分量（直接拷贝）
2. 将U和V分量交错存储到UV平面

代码示例：

void YUV420PToNV12(const uint8_t* i420, uint8_t* nv12, int width, int height) {
    int y_size = width * height;
    int uv_size = y_size / 4;
    
    // 复制Y分量
    memcpy(nv12, i420, y_size);
    
    // 交错UV分量
    const uint8_t* u_plane = i420 + y_size;
    const uint8_t* v_plane = i420 + y_size + uv_size;
    uint8_t* uv_plane = nv12 + y_size;
    
    for (int i = 0; i < uv_size; i++) {
        uv_plane[i * 2] = u_plane[i];
        uv_plane[i * 2 + 1] = v_plane[i];
    }
}

15. 如何实现NV12到YUV420P的转换？

步骤：

1. 复制Y分量（直接拷贝）
2. 将UV平面分离为U和V分量

代码示例：

void NV12ToYUV420P(const uint8_t* nv12, uint8_t* i420, int width, int height) {
    int y_size = width * height;
    int uv_size = y_size / 4;
    
    // 复制Y分量
    memcpy(i420, nv12, y_size);
    
    // 分离UV分量
    const uint8_t* uv_plane = nv12 + y_size;
    uint8_t* u_plane = i420 + y_size;
    uint8_t* v_plane = i420 + y_size + uv_size;
    
    for (int i = 0; i < uv_size; i++) {
        u_plane[i] = uv_plane[i * 2];
        v_plane[i] = uv_plane[i * 2 + 1];
    }
}

---

五、性能优化

16. YUV转换有哪些优化方法？

1. 定点运算：使用整数运算代替浮点运算
2. 查表法：预计算转换系数，避免重复计算
3. SIMD指令：使用NEON/SSE指令进行并行计算
4. 多线程：并行处理不同行或块
5. 内存对齐：确保内存访问对齐，提高缓存命中率
6. 循环展开：减少循环开销

17. 如何使用NEON指令优化YUV转换？

NEON是ARM架构的SIMD指令集，可以同时处理多个数据：

#include <arm_neon.h>

void RGB888ToYUV420P_NEON(const uint8_t* rgb, uint8_t* yuv, int width, int height) {
    int y_size = width * height;
    uint8_t* y_plane = yuv;
    uint8_t* u_plane = yuv + y_size;
    uint8_t* v_plane = yuv + y_size + y_size / 4;
    
    // 加载转换系数
    float32x4_t coef_r = vdupq_n_f32(0.299f);
    float32x4_t coef_g = vdupq_n_f32(0.587f);
    float32x4_t coef_b = vdupq_n_f32(0.114f);
    
    for (int i = 0; i < height; i++) {
        for (int j = 0; j < width; j += 8) {
            // 加载8个像素的RGB数据
            uint8x8x3_t rgb_data = vld3_u8(rgb + (i * width + j) * 3);
            
            // 转换为浮点数
            float32x4_t r_low = vcvtq_f32_u32(vmovl_u16(vget_low_u8(rgb_data.val[0])));
            float32x4_t g_low = vcvtq_f32_u32(vmovl_u16(vget_low_u8(rgb_data.val[1])));
            float32x4_t b_low = vcvtq_f32_u32(vmovl_u16(vget_low_u8(rgb_data.val[2])));
            
            // 计算Y分量
            float32x4_t y_low = vmlaq_f32(vmulq_f32(coef_r, r_low), coef_g, g_low);
            y_low = vmlaq_f32(y_low, coef_b, b_low);
            
            // 存储Y分量
            uint16x4_t y_u16 = vqmovn_u32(vcvtq_u32_f32(y_low));
            vst1_u8(y_plane + i * width + j, vmovn_u16(y_u16));
            
            // UV分量采样（每2x2像素采样一次）
            if (i % 2 == 0 && j % 2 == 0) {
                // 计算UV分量
                // ... 类似Y分量的计算
            }
        }
    }
}

18. 如何使用多线程优化YUV转换？

将图像分成多个块，每个线程处理一个块：

#include <thread>
#include <vector>

void convertBlock(const uint8_t* src, uint8_t* dst, int start_row, int end_row, int width) {
    for (int i = start_row; i < end_row; i++) {
        for (int j = 0; j < width; j++) {
            // 转换逻辑
        }
    }
}

void parallelConvert(const uint8_t* src, uint8_t* dst, int width, int height, int num_threads) {
    vector<thread> threads;
    int rows_per_thread = height / num_threads;
    
    for (int i = 0; i < num_threads; i++) {
        int start_row = i * rows_per_thread;
        int end_row = (i == num_threads - 1) ? height : (i + 1) * rows_per_thread;
        threads.emplace_back(convertBlock, src, dst, start_row, end_row, width);
    }
    
    for (auto& t : threads) {
        t.join();
    }
}

---

六、常见问题

19. YUV转换时为什么会出现颜色偏差？

可能原因：

1. 转换系数不准确：不同标准（BT.601、BT.709）使用不同的转换系数
2. 精度损失：浮点运算转整数运算时的精度损失
3. 钳位处理不当：超出0-255范围的值处理不当
4. 采样方式错误：UV采样位置不正确

20. 如何选择合适的YUV格式？

根据应用场景选择：

• 高质量编辑：YUV444
• 专业视频：YUV422
• 视频压缩：YUV420
• 硬件加速：NV12/NV21
• 软件处理：I420/YV12

21. YUV420的存储大小如何计算？

YUV420的存储大小 = Y分量大小 + U分量大小 + V分量大小

• Y分量大小 = width × height
• U分量大小 = width × height / 4
• V分量大小 = width × height / 4
• 总大小 = width × height × 3 / 2

例如：1920×1080的YUV420图像大小 = 1920 × 1080 × 1.5 = 3,110,400字节 ≈ 3MB

22. RGB565和RGB888有什么区别？

特性	RGB565	RGB888
位深	16位	24位
存储大小	2字节/像素	3字节/像素
R分量	5位	8位
G分量	6位	8位
B分量	5位	8位
颜色精度	较低	较高
应用场景	嵌入式系统	通用显示

23. 如何判断YUV数据的格式？

1. 查看文件头：某些格式有特定的文件头标识
2. 查看FourCC：视频文件通常有FourCC标识
3. 查看数据大小：根据图像尺寸和数据大小推断格式
4. 查看文档：查看API文档或设备规格说明

24. YUV转换的性能瓶颈在哪里？

1. 内存访问：频繁的内存访问是主要瓶颈
2. 浮点运算：浮点运算比整数运算慢
3. 分支预测：条件判断影响流水线效率
4. 缓存未命中：随机访问导致缓存未命中

---

七、面试高频题

25. 解释YUV420的采样原理

YUV420采用2x2的采样方式，每4个像素共享一组UV分量：

• 4个Y分量：每个像素一个Y值
• 1个U分量：4个像素共享
• 1个V分量：4个像素共享

这种采样方式基于人眼对色度不敏感的特性，在保证视觉质量的同时大幅减少数据量。

26. NV12和I420哪个更适合硬件加速？

NV12更适合硬件加速，原因：

1. UV分量连续存储，适合DMA传输
2. 交错存储便于硬件并行处理
3. 减少内存访问次数
4. 大多数硬件编解码器都支持NV12

27. 如何优化YUV转换的性能？

优化方法：

1. 使用SIMD指令（NEON/SSE）进行并行计算
2. 使用多线程并行处理
3. 使用定点运算代替浮点运算
4. 使用查表法预计算转换系数
5. 优化内存访问模式，提高缓存命中率
6. 循环展开减少循环开销

28. YUV转换时如何处理边界情况？

边界情况处理：

1. 图像边界：使用边界扩展或镜像
2. UV采样边界：确保UV采样不越界
3. 奇数尺寸：处理奇数宽高的图像
4. 钳位处理：确保RGB值在0-255范围内

29. YUV和RGB在视频处理中的应用场景

场景	推荐格式	原因
视频采集	YUV422	质量高，适合专业设备
视频压缩	YUV420	数据量小，压缩效率高
视频显示	RGB	显示设备直接支持
图像处理	RGB	计算简单，直观
硬件加速	NV12	适合DMA传输

30. 如何验证YUV转换的正确性？

验证方法：

1. 单元测试：使用已知输入和输出进行测试
2. 视觉检查：转换后图像与原图对比
3. 数值对比：逐像素对比转换结果
4. 性能测试：测试转换速度和内存使用
5. 边界测试：测试各种边界情况

---

八、总结

YUV格式核心要点

1. YUV分离亮度和色度，适合视频压缩
2. YUV420最常用，性价比最高
3. Planar和Semi-Planar各有优缺点
4. NV12适合硬件加速，I420适合软件处理
5. 性能优化是关键，SIMD和多线程是主要手段

面试准备建议

1. 理解YUV的基本概念和原理
2. 掌握常见YUV格式的区别和应用场景
3. 熟悉YUV与RGB的转换公式
4. 了解性能优化的方法
5. 能够编写基本的YUV转换代码
6. 了解NEON/SSE等SIMD指令集的基本使用