亮度与色度的“数字身份证“：揭秘视觉信息的精妙表示法

一、一个让我"开窍"的快递地址故事

前几年我搬家，新地址特别复杂——某省某市某区某街道某小区某栋某单元某层某号。每次给朋友报地址都要说一大串，朋友们听完往往一头雾水。后来我发现快递员用的方式聪明多了——他们用一串编码就能精准定位：省份代码 + 城市代码 + 区代码 + 街道代码 + 详细门牌。整个地址变成了一串结构化的数字，每一位数字都有明确的含义和取值范围，扫描枪一扫就能知道包裹该去哪里。

我当时跟一个做物流的朋友聊起这事，他说了一句让我印象深刻的话：“任何信息要在系统里高效流转，第一件事就是给它一个标准化的’数字身份证’。数字本身没意义，但当大家约定好每一位代表什么、取值范围是多少、怎么解读，这串数字就有了精准的含义和强大的力量。” 这句话后来在我学习图像处理时不断回响——亮度和色度的"表示方法"不正是这样的"数字身份证"吗？我们把抽象的"明暗"和"颜色"用具体的数字表达出来，约定好每个数字代表什么、范围是多少、怎么转换，这套表示方法就成了整个数字影像世界的通用语言。

今天这篇文章，我想带你深入了解亮度和色度是如何被表示成数字的。这听起来很技术，但其实非常有趣——你会发现工程师们为了让这套表示法既精确又高效，做了很多精妙的设计。从位深的选择到取值范围的约定，从浮点和整数的权衡到不同标准的差异，每一个细节背后都是工程智慧。读完这篇文章，你不仅会理解 Y、Cb、Cr 这些字母后面的具体数字含义，更会理解**"如何把视觉世界数字化"这个根本问题的优雅答案**。

二、从模拟到数字：表示方法的根本转变

要理解亮度和色度的数字表示，先要理解一个根本性的转变——从模拟到数字。

在模拟时代，亮度和色度都是"连续变化的电压"。黑白电视的亮度信号是一段连续变化的电压（比如从 0V 到 1V），电压高代表亮、电压低代表暗。彩色电视的色度信号是一段叠加在亮度上的调制波形，通过相位和幅度的变化来表达颜色。这些信号是物理的、连续的、模拟的——理论上可以表达无限精细的变化，但实际上受到噪声、衰减、传输误差的限制，难以精确控制和复制。

进入数字时代后，亮度和色度变成了"离散的数字"。每个像素的亮度和色度都用一个或几个整数（或浮点数）来表示。这种表示方式失去了模拟信号的"无限精细"，但获得了完美的可复制性、精确的可控性、便捷的可处理性。一段数字视频复制 100 次和复制 1 次完全一样，但模拟磁带复制几次就会画质明显下降。数字化是现代影像技术的根基，而"如何用数字表示亮度和色度"就是这个根基的核心问题。

数字化涉及两个关键概念——采样和量化。采样决定了"空间分辨率"——每秒采多少个点、每帧多少像素。量化决定了"数值精度"——每个像素的亮度和色度用多少位来表示。这两个维度共同决定了数字影像的质量和数据量。本文重点讨论"量化"——也就是亮度和色度的数值表示方法。

三、位深：决定精度的关键

位深（Bit Depth）是亮度和色度表示中最基础的概念——它决定了每个分量用多少二进制位（bit）来表示，从而决定了能表达多少种不同的值。

8 位（8-bit）：最常见的位深，每个分量用 8 位表示，能表达28=2562^8 = 25628=256种值（0 到 255）。这是 JPEG、普通 PNG、绝大多数消费级图像和视频的标准。8 位亮度能表达 256 级明暗变化，对人眼来说基本够用——因为人眼能分辨大约 200 级亮度差异。8 位 YCbCr 的每个像素需要 3 字节（8+8+8），一张 1920×1080 的图像约需 6 MB（未压缩）。

10 位（10-bit）：高端格式使用，每个分量用 10 位表示，能表达210=10242^{10} = 1024210=1024种值（0 到 1023）。这是 HDR 视频、专业摄影、高端电影制作的标准——比如 HEVC Main 10 Profile、HDR10、Dolby Vision、ProRes 等都用 10 位。10 位的优势在于更平滑的明暗过渡——在天空、皮肤、渐变等区域，8 位有时会出现可见的"色带"（banding），10 位则平滑得多。10 位的数据量是 8 位的 1.25 倍（10/8），但视觉质量的提升相当明显。

12 位（12-bit）：顶级专业应用使用，每个分量用 12 位表示，能表达212=40962^{12} = 4096212=4096种值。主要用于高端电影摄影（如 RED、ARRI 相机）、医学影像、专业后期制作。12 位提供了极大的后期调色空间——可以大幅调整曝光、对比度而不出现可见瑕疵。普通消费者很少接触 12 位内容，因为消费级显示设备通常只能显示 8 位或 10 位。

16 位（16-bit）：用于专业后期制作的中间格式，比如 Photoshop 的 16 位模式、电影后期的 OpenEXR 格式。16 位能表达 65,536 种值，提供几乎"无损"的处理空间。16 位通常以"线性光"形式存储——更适合 HDR、合成、特效等需要大动态范围运算的场景。

位深的选择是质量和数据量的权衡。8 位足够日常使用，10 位是 HDR 和高端内容的标配，12 位和 16 位用于专业制作。作为开发者或创作者，理解位深对于正确处理图像至关重要——把 10 位 HDR 内容按 8 位处理会丢失大量细节，把 8 位 SDR 内容按 10 位处理则是浪费空间。

四、亮度的数字表示：从 0 到 255 的旅程

让我们具体看看8 位亮度（Y）的数字表示——这是最常见的情况，理解它就理解了基础。

理论范围：亮度值从0到255，0 代表纯黑、255 代表纯白、128 代表中灰。整个范围线性映射到从暗到亮的连续变化。听起来很简单，但魔鬼藏在细节里。

Full Range vs Limited Range——一个容易踩坑的关键概念：

Full Range（全范围，也叫 PC Range）：亮度使用 0-255 的完整范围。0 是绝对黑、255 是绝对白。这是计算机图形学的标准——JPEG、PNG、屏幕显示通常用全范围。

Limited Range（有限范围，也叫 TV Range、Video Range、Studio Range）：亮度只使用 16-235 的范围。16 是黑、235 是白，16 以下和 235 以上预留给"超黑"和"超白"信号。这是视频广播领域的传统标准——保留余量是为了避免传输过程中信号过冲被裁切，造成画面瑕疵。MPEG、H.264、H.265 等视频编码默认使用有限范围。

两种范围的混淆是图像处理中最常见的 bug 之一。如果把"有限范围"的视频按"全范围"显示，画面会偏灰（黑色不够黑、白色不够白）；反过来按"有限范围"显示"全范围"内容，画面会有过曝和过暗的"剪切"（clipping）。专业的视频处理软件（如 FFmpeg、DaVinci Resolve）会自动识别和转换这两种范围，但如果你自己写代码，必须明确处理。

两种范围的转换公式：

Limited → Full: Y_full = (Y_limited - 16) × 255 / (235 - 16) Full → Limited: Y_limited = Y_full × (235 - 16) / 255 + 16

为什么视频界要发明这种"有限范围"的奇葩约定？历史原因——早期模拟视频信号需要传输余量来处理信号过冲、滤波振铃等模拟世界的"脏数据"。数字化时代继承了这个传统，于是 16-235 就成了视频的"事实标准"。作为开发者，看到 16-235 的亮度范围时不要觉得奇怪——这是历史留给我们的"传统"。

五、色度的数字表示：以 128 为中心的偏移

色度的数字表示比亮度复杂一些，因为色度本质上是"有正有负"的偏移量，而我们要用无符号整数（0-255）来存储它。

核心约定——色度值以 128 为中心。Cb = 128 代表色度的中性值（既不偏蓝也不偏黄），Cb > 128 代表偏蓝，Cb < 128 代表偏黄。Cr 同理——Cr = 128 代表中性，Cr > 128 代表偏红，Cr < 128 代表偏青。

为什么要 +128？因为数学上色度的"原始值"是有正有负的——可以是 -128 到 +127 的有符号数。但计算机存储和传输无符号字节更方便——0-255 的范围正好是一个字节。所以工程师们做了一个简单的偏移——把 -128 到 +127 整体加上 128，变成 0 到 255。这样既保留了完整的色度信息，又能用无符号字节存储。当解码时再减去 128，就能恢复原始的"有正有负"色度。

让我们用 BT.601 公式具体看看：

Cb = -0.169 × R - 0.331 × G + 0.500 × B + 128 Cr = 0.500 × R - 0.419 × G - 0.081 × B + 128

注意公式末尾的 +128——这就是为了把"理论上的有符号色度"偏移到"实际存储的无符号色度"。纯灰色像素（R=G=B）时，Cb 和 Cr 都精确等于 128。纯蓝色像素（R=0, G=0, B=255）时，Cb ≈ 128 + 127.5 ≈ 255（最大偏蓝），Cr ≈ 128 - 20 ≈ 108（略偏青）。纯红色像素（R=255, G=0, B=0）时，Cb ≈ 128 - 43 ≈ 85（略偏黄），Cr ≈ 128 + 127.5 ≈ 255（最大偏红）。

色度的 Full Range 和 Limited Range：

色度也有两种范围约定。Full Range：0-255。Limited Range：16-240（注意是 240 不是 235——色度的上限和亮度不一样）。中性值都是 128。和亮度类似，混淆两种范围会导致颜色偏差，所以要明确指定。

理解色度以 128 为中心是处理 YCbCr 的关键。当你看到 Cb=130 时不要以为它代表"很蓝"，它其实只比中性值高了 2，颜色偏蓝几乎察觉不到。只有大幅偏离 128 的色度值才会带来明显的颜色感。这个心智模型能帮你正确理解和处理色度数据。

六、采样格式：4:4:4、4:2:2、4:2:0 的精确含义

亮度和色度的表示不仅涉及"每个分量用多少位"，还涉及"色度分量的采样密度"——这就是色度下采样（Chroma Subsampling）。

色度下采样的标准记法是 J🅰️b，含义来自一个 4×2 的概念采样网格：

• J：参考宽度（通常是 4）
• a：第一行中色度采样的数量
• b：第二行中相对于第一行变化的色度采样数量

听起来抽象，看具体例子就明白了。

4:4:4（无下采样）：每个像素都有完整的 Y、Cb、Cr 值。每个像素需要 3 个字节（8 位位深下）。质量最高，数据量最大。用于专业摄影、电影后期、计算机图形等对色彩要求极致的场景。

4:2:2（横向减半）：亮度每个像素都有，色度水平方向每 2 个像素共享 1 个值。每 2 个像素需要 4 个字节（2 个 Y + 1 个 Cb + 1 个 Cr）= 平均每像素 2 字节。数据量是 4:4:4 的 2/3。广播级视频、ProRes 422、DNxHD 等专业编解码格式常用。4:2:2 在文字和锐利边缘的呈现上比 4:2:0 好，所以广播和后期制作偏好它。

4:2:0（横纵都减半）：亮度每个像素都有，色度每 2×2 像素共享 1 个值。每 4 个像素需要 6 个字节（4 个 Y + 1 个 Cb + 1 个 Cr）= 平均每像素 1.5 字节。数据量是 4:4:4 的一半。这是 JPEG、H.264、H.265、AV1 等消费级图像和视频的标准——你手机里的照片、Netflix 的视频、网页图片，几乎全是 4:2:0。

4:1:1（横向减到 1/4）：色度水平方向每 4 个像素共享 1 个值。数据量也是 4:4:4 的一半。主要用于一些老的视频格式（如 DV、DVCPRO），现在很少见。

让我们具体计算一下不同格式的数据量。假设一张 1920×1080 的 8 位图像：

仅仅是改变采样格式，数据量就从 6 MB 降到 3 MB，而视觉质量几乎不变（人眼对色度不敏感）。再叠加 JPEG 的 DCT、量化、熵编码等步骤，最终可以压缩到几百 KB——比原始数据小 10-30 倍。

4:2:0 是消费级影像的"事实标准"，但它有一个微妙的问题——“chroma siting”（色度位置）。4 个亮度像素共享 1 个色度值时，这个色度值"放在"4 个像素的哪个位置？有不同的约定——比如 MPEG-1 把色度放在 4 个像素的中心，MPEG-2/H.264 把色度放在左侧两个像素之间。这些细微差异会影响精确的色彩还原，专业视频处理需要正确处理。

七、浮点表示：高端场景的精度选择

除了整数表示，亮度和色度还可以用浮点数表示——这在专业和高端场景中越来越常见。

浮点表示的优势：

精度极高：32 位浮点数能表达海量级别的精度差异，远超 8 位、10 位甚至 16 位整数。

支持超范围：可以表达 0 以下的负值和 1 以上的超亮值，这对 HDR 和合成至关重要——比如在合成多层图像时，中间结果可能临时超出标准范围，浮点表示能完整保留这些信息，最后再统一映射回显示范围。

线性光便利：浮点数特别适合"线性光"工作流（光强成正比，没有 gamma 校正），这是物理正确的色彩运算方式——光线追踪、阴影计算、合成混合等运算在线性光空间下结果更准确。

浮点表示的常见格式：

32 位浮点（FP32）：每个分量 4 字节，精度极高。Photoshop 的 32 位模式、电影后期的 OpenEXR 格式、3D 渲染的中间结果等使用。

16 位浮点（FP16，也叫 half float）：每个分量 2 字节，精度低于 FP32 但远高于 16 位整数。OpenEXR 的标准格式、GPU 计算、游戏引擎的 HDR 缓冲区常用。

浮点 YCbCr在专业视频中也有应用——特别是高端电影制作流程中。ACES（Academy Color Encoding System）是电影工业的标准色彩管理系统，内部用浮点表示，能完美保留拍摄到的全部色彩信息直到最终输出。

浮点表示的代价是数据量——FP32 是 8 位整数的 4 倍大小，FP16 是 2 倍。所以浮点主要用于专业制作中间环节，最终交付给消费者时还是会转换成 8 位或 10 位整数。理解浮点和整数表示的差异，能帮你在不同场景做出正确的技术选择。

八、Gamma 和感知编码：非线性的智慧

亮度的数字表示还有一个微妙但关键的概念——gamma 编码。这涉及到亮度数字值和实际感知亮度之间的非线性关系。

核心事实——人眼对亮度的感知是非线性的。我们对暗部的亮度变化非常敏感（从 1 到 2 能明显察觉），对亮部的变化相对迟钝（从 100 到 101 几乎察觉不到）。如果用线性的方式分配 256 级亮度，会浪费太多级别在亮部（人眼分辨不出），暗部却不够细致。

解决方案——非线性的 gamma 编码。存储时把亮度值通过一个 gamma 函数变换（通常是Ystored=Ylinear1/2.2Y_{stored} = Y_{linear}^{1/2.2}Ystored​=Ylinear1/2.2​），让暗部分配更多的编码级别，亮部分配较少。显示时再反向变换回线性亮度。这样 256 级亮度能更好地匹配人眼的感知特性。

sRGB 标准用的是接近 gamma 2.2 的曲线（实际是分段函数）。这就是为什么计算机屏幕的 RGB 值不是"线性光强"，而是"感知编码后的值"。当你看到一个像素的 R=128 时，它的实际光强不是最大值的一半，而是约 22%。

HDR 视频使用更复杂的非线性曲线——PQ（Perceptual Quantizer，HDR10 使用）和HLG（Hybrid Log-Gamma，BBC/NHK 使用）。这些曲线针对 HDR 的大动态范围特别设计，能在有限的位深下表达从 0.001 nit 到 10000 nit 的巨大亮度范围。

理解 gamma 和感知编码很重要，因为它解释了为什么"数字亮度值"不能直接当成"物理光强"。很多图像处理 bug 来自这种混淆——比如直接对 gamma 编码的像素值做加权平均，会得到"看起来不对"的结果；正确做法是先转换到线性空间运算，再转换回 gamma 空间存储。

九、不同标准下的具体差异

不同的视频和图像标准对亮度和色度的表示有细微差异，理解这些差异对正确处理多媒体内容至关重要。

JPEG（图像）：

• 位深：8 位
• 范围：Full Range（0-255）
• 色彩空间：YCbCr（BT.601）
• 采样：4:2:0（常见）、4:4:4 或 4:2:2（高质量）

H.264/AVC（视频）：

• 位深：通常 8 位，High 10 Profile 支持 10 位
• 范围：通常 Limited Range（16-235）
• 色彩空间：YCbCr（标清用 BT.601，高清用 BT.709）
• 采样：4:2:0（最常见）

H.265/HEVC（视频）：

• 位深：8 位（Main）、10 位（Main 10）、12 位（Main 12）
• 范围：Limited Range（默认）
• 色彩空间：BT.709（HD）、BT.2020（UHD/HDR）
• 采样：4:2:0（消费级）、4:2:2 或 4:4:4（专业级）

Apple ProRes（专业视频）：

• 位深：10 位（标准）、12 位（XQ、4444 XQ）
• 范围：Full Range（在某些工作流中）
• 采样：4:2:2（大多数级别）、4:4:4（4444 系列）

RAW 格式（相机原始数据）：

• 位深：12 位、14 位、甚至 16 位
• 不是 YCbCr，而是直接的传感器数据
• 后期处理时再转换到其他色彩空间

这些差异说明——"亮度和色度的表示"不是一个固定的方案，而是根据应用场景做出的权衡。消费级追求小数据量（8 位 + 有限范围 + 4:2:0），专业级追求高质量（10/12 位 + 全范围 + 4:2:2/4:4:4）。作为开发者，必须根据具体格式正确处理这些参数，否则就会出现颜色偏差、过曝、欠曝等问题。

十、写在最后

回到开头那个快递地址的故事——亮度和色度的数字表示真的就像一张精心设计的"数字身份证"。每一位数字、每一个范围、每一种格式都不是随便定的，而是无数工程师经过几十年的探索和权衡精心设计的。位深决定精度，范围决定约定，采样决定密度，编码决定感知映射——这四个维度共同构成了亮度和色度数字化的完整图景。

这套表示方法的精妙之处在于它的"分层适应性"——同样是 YCbCr，可以用 8 位表示日常照片，10 位表示 HDR 视频，12 位表示专业电影；可以用 Full Range 表示计算机图形，Limited Range 表示电视广播；可以用 4:4:4 表示极致质量，4:2:0 表示消费级压缩；可以用整数表示交付内容，浮点表示中间制作。这种灵活性让一套核心理念能够覆盖从手机自拍到好莱坞电影的所有应用场景，是工程设计的杰出典范。

理解亮度和色度的数字表示，能让你在实际工作中避免无数"看起来颜色不对"的 bug——为什么这段视频在某些播放器上偏灰？因为 Full/Limited Range 没匹配。为什么 HDR 视频在 SDR 屏幕上颜色不对？因为色彩空间不匹配。为什么压缩后图像出现色带？因为位深不够。这些问题的根源都在"表示方法"层面，理解了表示方法，问题就变得清晰可解。

更深层来看，"如何用数字表示亮度和色度"是"如何把视觉世界数字化"这个根本问题的核心答案。从模拟时代到数字时代，从 8 位到 12 位，从 SDR 到 HDR，从 BT.601 到 BT.2020——每一次表示方法的演进都对应着视觉技术的一次飞跃。理解这些表示方法的演变，就是理解数字影像技术发展的脉络。

下次当你处理一张图片、编辑一段视频、调整一个色彩参数，请记得——屏幕上每个像素背后都有一串精心编码的数字，这些数字不是简单的"颜色值"，而是经过位深选择、范围约定、采样格式、感知编码等多个维度精心设计的"视觉身份证"。它们承载着人类对"如何高效表达视觉信息"的几十年探索成果，是工程智慧的结晶。希望这篇文章让你对亮度和色度的表示有了全新的认识——它们不再是抽象的技术术语，而是一套充满智慧、有故事、有温度的精妙系统，默默支撑着我们丰富多彩的数字视觉生活。理解它们，就是理解数字影像世界最底层的语言。