YUV色彩空间

YUV为一种图像编码格式

• Y分量表示图像的亮度信息，即灰度分量。它描述了像素的明亮程度，取值范围通常在0到1之间，其中0表示黑色，1表示白色。
• U分量表示蓝色色差信息，描述了像素与亮度信息的差异，即图像中蓝色和黄色的分量。取值范围通常在-0.5到0.5之间。
• V分量表示红色色差信息，同样描述了像素与亮度信息的差异，即图像中红色和绿色的分量。取值范围同样在-0.5到0.5之间。
• 总的来说，Y 表示明亮度（Luminance、Luma），而 U 和 V 表示色度（Chrominance、Chroma）。
• 研究发现，人眼对亮度的敏感度要对色度的敏感度要高，因此减少UV的存储可能对图像质量并不会有太大影响，因此YUV经常用于视频压缩等
• 按理说，每个像素都应有自己的YUV分量，但是采样和存储YUV图像的过程中可能并不会处理所有的UV

YUV与RGB转换公式：

YUV图像采样方式

YUV4:4:4采样

• YUV 4:4:4 采样，意味着 Y、U、V 三个分量的采样比例相同，因此在生成的图像里，每个像素的三个分量信息完整，都是 8 bit，也就是一个字节。
• 举个例子 ：
  假如图像像素为：[Y0 U0 V0]、[Y1 U1 V1]、[Y2 U2 V2]、[Y3 U3 V3]
  那么采样的码流为：Y0 U0 V0 Y1 U1 V1 Y2 U2 V2 Y3 U3 V3
  最后映射出的像素点依旧为 [Y0 U0 V0]、[Y1 U1 V1]、[Y2 U2 V2]、[Y3 U3 V3]
• 这种采样方式的图像和 RGB 颜色模型的图像大小是一样，并没有达到节省带宽的目的，当将 RGB 图像转换为 YUV 图像时，也是先转换为 YUV 4:4:4 采样的图像。

YUV4:2:2采样

• YUV 4:2:2 采样，意味着 UV 分量是 Y 分量采样的一半，Y 分量和 UV 分量按照 2 : 1 的比例采样。如果水平方向有 10 个像素点，那么采样了 10 个 Y 分量，而只采样了 5 个 UV 分量。
• 举个例子 ：
  假如图像像素为：[Y0 U0 V0]、[Y1 U1 V1]、[Y2 U2 V2]、[Y3 U3 V3]
  那么采样的码流为：Y0 U0 Y1 V1 Y2 U2 Y3 V3
  其中，每采样过一个像素点，都会采样其 Y 分量，而 U、V 分量就会间隔一个采集一个。
  最后映射出的像素点为 [Y0 U0 V1]、[Y1 U0 V1]、[Y2 U2 V3]、[Y3 U2 V3]

YUV4:2:0采样

• YUV 4:2:0 采样，并不是指只采样 U 分量而不采样 V 分量。而是指，在每一行扫描时，只扫描一种色度分量（U 或者 V），和 Y 分量按照 2 : 1 的方式采样。比如，第一行扫描时，YU 按照 2 : 1 的方式采样，那么第二行扫描时，YV 分量按照 2:1 的方式采样。对于每个色度分量来说，它的水平方向和竖直方向的采样和 Y 分量相比都是 2:1 。
• 举个例子 ：
  假设图像像素为：
  [Y0 U0 V0]、[Y1 U1 V1]、 [Y2 U2 V2]、 [Y3 U3 V3]
  [Y5 U5 V5]、[Y6 U6 V6]、 [Y7 U7 V7] 、[Y8 U8 V8]
  那么采样的码流为：Y0 U0 Y1 Y2 U2 Y3 Y5 V5 Y6 Y7 V7 Y8
  其中，每采样过一个像素点，都会采样其 Y 分量，而 U、V 分量就会间隔一行按照 2 : 1 进行采样。
  最后映射出的像素点为：
  [Y0 U0 V5]、[Y1 U0 V5]、[Y2 U2 V7]、[Y3 U2 V7]
  [Y5 U0 V5]、[Y6 U0 V5]、[Y7 U2 V7]、[Y8 U2 V7]

YUV存储格式

分两种：
planar 平面格式
指先连续存储所有像素点的 Y 分量，然后存储 U 分量，最后是 V 分量。
packed 打包模式
指每个像素点的 Y、U、V 分量是连续交替存储的。

planar平面格式

• I420为例（与I422类似，只是UV数量不同）Y/U/V排列如下：
• 
• Semi-Planar排列如下：
• 

packed平面格式

• YUYV 格式：
• 
• UYVY格式：
• 

cv2转变RGB图像为YUV图像

• img_yuv = cv2.cvtColor(img, cv2.COLOR_BGR2YUV)
• 如上文所说，当将 RGB 图像转换为 YUV 图像时，也是先转换为 YUV 4:4:4 采样的图像。因此img_yuv[:,:,0]，img_yuv[:,:,1]，img_yuv[:,:,2]分别为YUV通道的信息

利用YUV对RGB彩色图像均衡化处理

def equalizeHist(img):
    img_yuv = cv2.cvtColor(img, cv2.COLOR_BGR2YUV)
    # 0为Y通道，1为U通道，2为V通道，即对亮度通道进行均衡化处理
    img_yuv[:, :, 0] = cv2.equalizeHist(img_yuv[:, :, 0])
    img_output = cv2.cvtColor(img_yuv, cv2.COLOR_YUV2BGR)
    return img_output

参考：https://blog.csdn.net/xkuzhang/article/details/115423061
https://zhuanlan.zhihu.com/p/113122344