当前位置: 首页 > news >正文

揭秘YUV:为何人眼被“欺骗”却浑然不觉

目录

一、先把 Y / U / V 当成「人看世界的三种感觉」

二、真实场景 1:你在看一张新闻网页

三、为什么人眼对「亮度」更敏感?

四、真实场景 2:把一张彩色照片“拆开”

1️⃣ 只有亮度(Y)

2️⃣ 只有色度(U / V)

五、关键思想:既然色度不重要,那就少存点

如果每个像素都存:

但实际上可以这样做:

六、这就是你常听到的:色度降采样

用一句人话解释这些数字:

七、真实场景 3:为什么视频一定用 YUV?

八、一句话总结(非常重要)


一、先把 Y / U / V 当成「人看世界的三种感觉」

  • Y(亮度 / 明暗)
    👉 决定“能不能看清轮廓、细节、文字”

  • U / V(色度 / 颜色偏移)
    👉 决定“这是红的、蓝的、偏黄还是偏绿”

可以理解为:

Y = 黑白照片
U / V = 给黑白照片上色


二、真实场景 1:你在看一张新闻网页

想象你在手机上看新闻:

  • 文字是否清晰?

  • 人脸轮廓是否锐利?

  • 表情细节是否明显?

👉这些 90% 都由亮度 Y 决定

现在问你一个问题:

如果把颜色稍微糊一点,你还能看清内容吗?

答案是:可以

但如果:

  • 字体边缘糊了

  • 明暗对比没了

👉 哪怕颜色很准,你也会觉得“看不清”

📌这正是 YUV 的出发点


三、为什么人眼对「亮度」更敏感?

这是生理事实:

  • 人眼中:

    • 视杆细胞→ 对明暗极其敏感(负责 Y)

    • 视锥细胞→ 对颜色敏感度低很多(负责 U/V)

结果就是:

你能立刻发现“模糊”

但很难发现“颜色少了一点点”


四、真实场景 2:把一张彩色照片“拆开”

一张 RGB 彩色照片,其实可以变成:

1️⃣ 只有亮度(Y)

  • 看起来是清晰的黑白照片

  • 轮廓、文字、脸部全在

2️⃣ 只有色度(U / V)

  • 看起来像一团“彩色云雾”

  • 没什么清晰结构

这说明什么?

结构 = 亮度

颜色 = 附加信息


五、关键思想:既然色度不重要,那就少存点

这一步非常重要 👇

如果每个像素都存:

  • Y(亮度)

  • U(颜色)

  • V(颜色)

👉 数据量很大

但实际上可以这样做:

  • 每个像素都存 Y

  • 每 2×2 个像素,共用一组 U/V

人眼几乎察觉不到区别,但:

数据量直接降一半甚至更多


六、这就是你常听到的:色度降采样

用一句人话解释这些数字:

格式含义
4:4:4亮度和颜色一样精细(不省)
4:2:2水平方向颜色减半
4:2:0水平 + 垂直方向颜色都减半(最常见)

📌视频、直播、H.264、H.265 基本都是 4:2:0


七、真实场景 3:为什么视频一定用 YUV?

假设你在做视频:

  • 1080p

  • 60fps

  • RGB 存储

👉 带宽和存储直接爆炸 💥

换成 YUV 4:2:0:

  • 清晰度几乎没变

  • 数据量减少50%~70%

  • 编码器压缩效果更好

所以:

📹摄像头 → YUV

🎬视频编码 → YUV

📡直播推流 → YUV


八、一句话总结(非常重要)

YUV 的本质不是“颜色空间”

而是“利用人眼弱点的工程设计”

  • Y保证“看得清”

  • U/V保证“看起来对”

  • U/V 偷工减料,人眼还发现不了

http://www.cnnetsun.cn/news/172536.html

相关文章:

  • Excalidraw自由画笔工具的手绘感调节参数
  • 信安毕业设计创新的项目选题推荐
  • Excalidraw企业定制化开发接口(API)文档概览
  • Python中append和extend区别在哪?如何选择才不出错
  • Thinkphp和Laravel框架+vue的桂林广西旅游服务网站系统功能多_1e9t9f02-vue
  • 【高阶技术内参】:Open-AutoGLM在社交舆情监控中的4大隐秘应用场景
  • Open-AutoGLM测试自动化落地全记录(20年专家亲测方案)
  • 好写作AI:当AI成为“作者”,谁来为学术诚信把关?
  • 计算机毕业设计springboot基于BS的迎新管理和服务系统 高校新生报到一体化服务平台的设计与实现 SpringBoot+Vue 架构下的智慧迎新信息系统
  • 揭秘Open-AutoGLM基准测试工具:如何在3步内完成高精度性能评估并优化大模型响应速度
  • 【Open-AutoGLM性能基准测试全解析】:掌握AI模型评测核心技术,提升推理效率的5大关键指标
  • Cortex - A系列SoC工程代码那些事儿
  • 揭秘Open-AutoGLM集成难题:如何在7天内完成自动化适配?
  • 【Open-AutoGLM社交动态深度解析】:揭秘AI驱动社交行为分析的5大核心技术
  • 错过Open-AutoGLM你就落后了:下一代新闻引擎已到来
  • 如何用Open-AutoGLM打造每日千万级新闻推荐系统?
  • 基于Excalidraw的开源项目推荐与使用场景分析
  • Excalidraw离线使用方案:PWA应用部署指南
  • Excalidraw移动端使用体验评测与改进建议
  • 基于Django的智慧旅游系统行程分享的vue 爬虫 可视化大屏
  • 搭建单相光伏MPPT并网模型:基于2018b版本的探索与实践
  • 4 me 理论与受苦、创造、体验三层意义
  • 计算机新书销量 TOP1
  • 实操,在单片机上移植CMSIS-NN神经网络库
  • 2025年12月20日全球AI前沿动态
  • Open-AutoGLM性能优化指南:提升资讯处理速度5倍的秘密
  • Open-AutoGLM电子书下载倒计时:掌握智能代码生成的7个关键技术点
  • 你不知道的Open-AutoGLM隐藏功能(资深专家独家披露)
  • Open-AutoGLM天气预警实战(从部署到自动化提醒全流程曝光)
  • Excalidraw AI构建AB测试架构示意图