Verilog和Matlab实现RGB888互转YUV444

文章目录

  • 一、色彩空间
    • 1.1 RGB色彩空间
    • 1.2 CMYK色彩空间
    • 1.3 YUV色彩空间
  • 二、色彩空间转换公式
    • 2.1 RGB转CMYK
    • 2.2 CMYK转RGB
    • 2.3 RGB888转YUV444
    • 2.4 YUV444转RGB888
  • 三、MATLAB实现RGB888转YUV444
    • 3.1 matlab代码
    • 3.2 matlab结果
  • 四、Verilog实现RGB888转YUV444


一、色彩空间

  色彩空间就是显示一幅图像所使用的特定颜色组合,不同的应用场景会使用不同的色彩空间。常见的色彩空间有RGB、CMYK、HSV、LAB以及YUV等等。

1.1 RGB色彩空间

  RGB色彩空间最常用的用途就是显示器领域,利用物理中光的三原色可以叠加成不同颜色的原理;因此一个像素由R、G、B三种颜色分量组成,在RGB色彩空间中,R、G、B三个分量的属性是独立的,每个分量数字越大,对应的颜色占比就越大。常见的RGB格式有RGB888、RGB565、RGB555等等,其中RGB888表示每种颜色分量都有256级,所以RGB888能表示256 * 256 * 256=1677w种颜色。RGB色彩空间应用十分广泛,但不适合做图像处理,因为人眼视网膜上存在两种视敏细胞:锥状细胞和杆状细胞这两种细胞对颜色和亮度的感知程度不一样(具体可以去了解以下人眼系统构成),总之就是人眼对亮度的感知大于对颜色的感知。而RGB三种分量都与亮度有关系,因此做图像处理时,改变任意分量对亮度都会产生影响,因此RGB色彩空间通常只是用来显示。

在这里插入图片描述

1.2 CMYK色彩空间

  CMYK色彩空间的使用场景是印刷、打印等领域,当光线照射到一个物体上时,物体将吸收一部分光,并将剩下的光进行反射,反射的光线就是我们所看见的物体颜色,这也是与RGB色彩空间的根本不同之处。CMYK颜色模型使用青、品红、黄、黑四个通道来表示颜色,青、品红、黄三个通道分别对应RGB的补色,K通道表示黑色墨水的量

在这里插入图片描述
  因此RGB色域更广,CMYK相较于RGB色域有限,所以存在一些RGB里的颜色在印刷时无法显示的情况,这些CMYK色域不包含的颜色在印刷时会丢失。

1.3 YUV色彩空间

  YUV是指亮度分量和色度分量都分开表示的像素格式,其中Y表示明亮度(Luminance或Luma),也就是灰度值;而U和V表示的则是色度(Chrominance或Chroma),作用是描述影像色彩及饱和度,用于指定像素的颜色。

  YCbCr其中Y是指亮度分量,Cb指蓝色色度分量,而Cr指红色色度分量。YCbCr 则是在世界数字组织视频标准研制过程中作为ITU - R BT.601 建议的一部分,其实是YUV经过缩放和偏移的翻版。其中Y与YUV 中的Y含义一致,Cb,Cr 同样都指色彩,只是在表示方法上不同而已。在YUV 家族中,YCbCr 是在计算机系统中应用最多的成员,其应用领域很广泛,JPEG、MPEG均采用此格式。

  1. YUV是一种模拟信号,其色彩模型源于RGB,常用于模拟广播电视中
  2. YCbCr是一种数字信号,是YUV压缩和偏移的结果,在数字视频中广泛使用。

  一般人们所讲的YUV大多是指YCbCr。YCbCr 有许多采样格式,是在获取原始图像数据时采用的策略。如YUV444,YUV422,YUV420 。

  • YUV 4:4:4表示每一个 Y 分量对应一对 UV 分量,每像素占用 (Y + U + V = 8 + 8 + 8 = 24bits)

在这里插入图片描述

  • YUV 4:2:2表示每两个 Y 分量对应一对 UV 分量,每像素占用 (Y + 0.5U + 0.5V = 8 + 4 + 4 = 16bits)

在这里插入图片描述

  • YUV 4:2:0表示每四个 Y 分量对应一对 UV 分量,每像素占用 (Y + 0.25U + 0.25V = 8 + 2 + 2 = 12bits)

在这里插入图片描述

二、色彩空间转换公式

2.1 RGB转CMYK

  第一步:将RGB色彩空间中的颜色映射到CMY色彩空间中R,G,B值除以255,将范围从0…255更改为0~1

R ′ = R / 255 R^{'}=R/255 R=R/255
G ′ = G / 255 G^{'}=G/255 G=G/255
B ′ = B / 255 B^{'}=B/255 B=B/255
  第二步:计算出黑色K的量值:
K = 1 − m a x ( R ′ , G ′ , B ′ ) K=1 - max(R^{'},G^{'},B^{'}) K=1max(R,G,B)
  第三步:计算出C(青色),M(品红),Y(红色)的值:
C = ( 1 − R ′ − K ) / ( 1 − K ) C =(1 - R^{'} - K)/ (1 - K) C=1RK/(1K)
M = ( 1 − G ′ − K ) / ( 1 − K ) M =(1 - G^{'} - K)/ (1 - K) M=1GK/(1K)
Y = ( 1 − B ′ − K ) / ( 1 − K ) Y =(1 - B^{'} - K)/ (1 - K) Y=1BK/(1K)

  例如R、G、 B = 88、137、142转换成CMYK就等于C、M、Y、K=38、4、0、44(单位%)

在这里插入图片描述

2.2 CMYK转RGB

R = 255 ∗ ( 1 − C ) ∗ ( 1 − K ) R=255 * (1-C)*(1-K) R=2551C1K
G = 255 ∗ ( 1 − M ) ∗ ( 1 − K ) G=255 * (1-M)*(1-K) G=2551M1K
B = 255 ∗ ( 1 − Y ) ∗ ( 1 − K ) B=255 * (1-Y)*(1-K) B=2551Y1K

  例如C、M、Y、K=38、4、0、44(单位%)等于R、G、 B = 89、137、143

在这里插入图片描述

2.3 RGB888转YUV444

Y = 0.299 ∗ R + 0.587 ∗ G + 0.114 ∗ B Y=0.299 *R + 0.587*G + 0.114 * B Y=0.299R+0.587G+0.114B
U = − 0.169 ∗ R − 0.331 ∗ G + 0.5 ∗ B + 128 U=-0.169 *R -0.331*G + 0.5 * B + 128 U=0.169R0.331G+0.5B+128
V = 0.5 ∗ R − 0.419 ∗ G − 0.081 ∗ B + 128 V=0.5 *R - 0.419*G -0.081 * B + 128 V=0.5R0.419G0.081B+128

2.4 YUV444转RGB888

R = Y + 1.402 ∗ V − 1.402 ∗ 128 R=Y + 1.402*V - 1.402 * 128 R=Y+1.402V1.402128
G = Y − 0.344 ∗ U − 0.714 ∗ V + 1.058 ∗ 128 G=Y -0.344*U - 0.714 * V + 1.058*128 G=Y0.344U0.714V+1.058128
B = Y + 1.772 ∗ U − 1.772 ∗ 128 B=Y + 1.772*U -1.772*128 B=Y+1.772U1.772128

三、MATLAB实现RGB888转YUV444

3.1 matlab代码

clear all; close all; clc;

% -------------------------------------------------------------------------
% 读图像到matlab
IMG1 = imread('..................../.jpg');    % 读取jpg图像
h = size(IMG1,1);         % 读取图像高度
w = size(IMG1,2);         % 读取图像宽度
subplot(221);imshow(IMG1);title('RGB图像');

% -------------------------------------------------------------------------
% 计算YUV
% Y=0.299  *R  + 0.587*G + 0.114 * B
% U=-0.169 *R  - 0.331*G + 0.5   * B + 128
% V=0.5    *R  - 0.419*G - 0.081 * B + 128
IMG1 = double(IMG1);    %转为双精度浮点数   
IMG_YUV = zeros(h,w,3); %先将变量清零 
for i = 1 : h
    for j = 1 : w
        IMG_YUV(i,j, 1) = ( IMG1(i,j,1)*0.299 + IMG1(i,j,2)*0.587 + IMG1(i,j,3)*0.114);
        IMG_YUV(i,j,2)  = (-IMG1(i,j,1)*0.169 - IMG1(i,j,2)*0.331 + IMG1(i,j,3)*0.5 + 128);
        IMG_YUV(i,j,3)  = ( IMG1(i,j,1)*0.5   - IMG1(i,j,2)*0.419 - IMG1(i,j,3)*0.081 + 128);
    end
end

% -------------------------------------------------------------------------
% Display Y Cb Cr Channel
IMG_YUV = uint8(IMG_YUV); 
subplot(222); imshow(IMG_YUV(:,:,1));  title('Y  通道');
subplot(223); imshow(IMG_YUV(:,:,2));  title('Cb 通道');
subplot(224); imshow(IMG_YUV(:,:,3));  title('Cr 通道');

3.2 matlab结果

在这里插入图片描述

四、Verilog实现RGB888转YUV444

  

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/872768.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

【区块链 + 物联网】区块链边缘计算网关设备 | FISCO BCOS应用案例

目前边缘端设备主要以人工智能应用为主,或以数据采集网络设备为主,还未有区块链边缘计算网关设备,难以 在依托终端设备的传统行业中进行区块链 应用。本项目研制区块链边缘计算网关,将区块链、计算与网络集成 在一起,…

单片机学习笔记

一、单片机帝国的诞生与发展 1.1 单片机的基本概念 单片机是一种集成电路芯片,采用超大规模的集成电路把具有数据处理功能的中央处理器存储器、输入输出端口、外围电路和相关外设集成在一块硅片上构成一个小而完整的微型计算机系统。 一般而言,单片机也…

Java语言程序设计基础篇_编程练习题**17.21 (十六进制编辑器)

目录 题目:**17.21 (十六进制编辑器) 代码示例 结果展示 题目:**17.21 (十六进制编辑器) 编写一个 GUI 应用程序,让用户在文本域输入一个文件名,然后按回车键,在文本域显示它的十六进制表达形式。用户也可以修改十六…

分类预测|基于蜣螂优化极限梯度提升决策树的数据分类预测Matlab程序DBO-Xgboost 多特征输入单输出 含基础模型

分类预测|基于蜣螂优化极限梯度提升决策树的数据分类预测Matlab程序DBO-Xgboost 多特征输入单输出 含基础模型 文章目录 一、基本原理1. 数据准备2. XGBoost模型建立3. DBO优化XGBoost参数4. 模型训练5. 模型评估6. 结果分析与应用原理总结 二、实验结果三、核心代码四、代码获…

1-9 图像膨胀 opencv树莓派4B 入门系列笔记

目录 一、提前准备 二、代码详解 kernel np.ones((3, 3), np.uint8) _, binary_image cv2.threshold(image, 127, 255, cv2.THRESH_BINARY) dilated_image cv2.dilate(binary_image, kernel, iterations1) 三、运行现象 四、完整代码 五、完整工程贴出 一、提前准备 …

scrapy 爬取微博(一)【最新超详细解析】:创建微博爬取工程

本项目属于个人学习记录,爬取的数据会于12小时内销毁,且不可用于商用。 1 初始化环境 首先我们需要有python环境,先安装一下python,然后配置环境变量,这边给出windows的配置: 我这边的安装目录是D:\pyt…

PHP轻量级高性能HTTP服务框架 - webman

摘要 webman 是一款基于 workerman 开发的高性能 HTTP 服务框架。webman 用于替代传统的 php-fpm 架构,提供超高性能可扩展的 HTTP 服务。你可以用 webman 开发网站,也可以开发 HTTP 接口或者微服务。 除此之外,webman 还支持自定义进程&am…

Django发送邮件

【图书介绍】《Django 5企业级Web应用开发实战(视频教学版)》_django 5企业级web应用开发实战(视频教学版)-CSDN博客 Django 5框架Web应用开发_夏天又到了的博客-CSDN博客 本文学习怎么使用Django发送邮件。 尽管使用Python的smtplib模块发送电子邮件…

vant 动态查询下拉菜单(可用)

动态查询item项 <van-form submit"onSubmit" ref"formRef"><Title title"企业信息" title-line title-size"19" class"ml-[18px] mb-[18px]"></Title><van-cell-group inset class"py-[18px]&quo…

【JavaSE基础】Java 基础知识

Java 转义字符 Java 常用的转义字符 在控制台&#xff0c;输入 tab 键&#xff0c;可以实现命令补全 转义字符含义作用\t制表符一个制表位&#xff0c;实现对齐的功能\n &#xff1a;换行符\n换行符一个换行符\r回车符一个回车键 System.out.println(“韩顺平教育\r 北京”);&…

pod基础和镜像拉取策略

目录 pod概念 pod的分类 1.基础容器 pause 2.初始化容器 init 实验&#xff1a;定义初始化容器 init容器的作用 实验&#xff1a;如何在容器内部进行挂载 镜像拉取策略 pod概念 pod是k8s里面的最小单位&#xff0c;pod也是最小化运行容器的资源对象。容器是基于pod在k…

黑马点评10——用户签到-BitMap数据结构

文章目录 BitMap用法签到功能签到统计 BitMap用法 其实数据库完全可以实现签到功能 但签到数据比较大&#xff0c;借鉴签到卡的思想 布隆过滤器也是使用BitMap实现的. 签到功能 因为是当前用户的当天&#xff0c;所以保存需要的年月日不需要参数&#xff0c;可以直接获取。…

matter中的Fabric(网络结构)

什么是Fabric&#xff1f; Fabric可以被理解为一组相互信任的设备和控制器&#xff0c;它们共享一个共同的信任域。这意味着在同一个Fabric中的设备和控制器之间可以进行安全的通信&#xff0c;而无需额外的身份验证或安全检查。每个Fabric有一个唯一的标识&#xff0c;确保Fab…

Android调整第三方库PickerView宽高--回忆录

一、效果 // 时间选择implementation com.contrarywind:Android-PickerView:4.1.9 多年前&#xff0c;使用到事件选择器&#xff0c;但是PickerView默认宽度使满屏的&#xff0c;不太符合业务需求&#xff0c;当时为此花了许多时间&#xff0c;最终找到了解决方案&#xff0c;…

使用 Milvus 和 Streamlit 搭建多模态产品推荐系统

我们可以使用 Milvus 搭建多模态 RAG 应用&#xff0c;用于产品推荐系统。用户只需简单上传一张图片并输入文字描述&#xff0c;Google 的 MagicLens 多模态 Embedding 模型就会将图像和文本编码成一个多模态向量。然后&#xff0c;使用这个向量从 Milvus 向量数据库中找到最相…

JVM——Java虚拟机内存初识(面经篇之JVM内存)

网上说的太详细了,真不利于我的初识和记忆&#xff0c; 例如&#xff1a;堆区的young&#xff0c; old&#xff0c;讲了一大堆&#xff0c;结果&#xff0c;我连这些区域是干什么的都不知道&#xff0c;存储什么的都不知道&#xff0c; 害得是我自己总结&#xff1a; 堆&#x…

JavaWeb【day08】--(MySQL-Mybatis入门)

数据库开发-MySQL 1. 多表查询 1.1 概述 1.1.1 数据准备 SQL脚本&#xff1a; #建议&#xff1a;创建新的数据库 create database db04; use db04; ​ -- 部门表 create table tb_dept (id int unsigned primary key auto_increment comment 主键ID,name v…

各类AI工具编程能力测试对比

各类AI工具编程能力对比 现在各类AI工具火爆&#xff0c;擅长各类问题解决&#xff0c;闲来无事&#xff0c;验证下各类AI工具的编程能力如何。问题&#xff1a;c 实现杨辉三角&#xff0c;并main函数测试 kimi 对话窗口输入问题&#xff0c;得到了c的完整程序&#xff1a; …

通过redis-operator 来部署 Redis Cluster 集群

安装 Redis Operator 首先&#xff0c;需要安装 redis-operator。可以通过 Helm 或直接应用 YAML 文件来安装。 使用 Helm 安装&#xff1a; helm repo add ot-helm https://ot-container-kit.github.io/helm-charts/ helm install redis-operator ot-helm/redis-operator --…

B树和B+树

B树和B树是两种用于数据库和文件系统中的自平衡树数据结构&#xff0c;它们可以保持数据有序&#xff0c;同时支持快速的查找、插入和删除操作。下面是它们的基本介绍&#xff1a; B树&#xff08;B-Tree&#xff09; 定义&#xff1a;B树是一种平衡的多路搜索树&#xff0c;…