详解NV21裁剪 缩放

详解NV21裁剪与缩放

在图像处理中，裁剪（Crop）和缩放（Scale）是两项常见的操作。本文将详细介绍如何使用NV21格式进行图像裁剪和缩放操作。

NV21格式简介

NV21是一种YUV像素格式，常用于图像和视频的存储与传输。它的特点是将Y分量与UV分量交叉存储，节省了存储空间和数据传输带宽。 NV21格式的图像数据由两部分组成：

• Y分量：表示亮度信息，占据整个图像数据的大小为width*height个字节。
• UV分量：表示色度信息，占据整个图像数据的大小为width*height/2个字节，其中UV分量的数据按照4:2:0采样方式进行存储。

NV21裁剪

NV21格式的图像裁剪操作需要考虑到裁剪后的宽度、高度以及裁剪区域的起始位置。 裁剪操作的步骤如下：

1. 根据裁剪起始位置（startX，startY）和裁剪的宽度（cropWidth）、高度（cropHeight）计算出裁剪区域在原图中的起始位置和结束位置。
2. 根据原图像的宽度和裁剪区域的起始位置，计算出Y分量和UV分量在图像数据中的起始偏移量。
3. 根据裁剪后的宽度、高度和起始偏移量，从原图像的图像数据中提取出裁剪后的图像数据。 以下是使用Python实现的代码示例：

pythonCopy code
def crop_nv21(nv21_data, width, height, startX, startY, cropWidth, cropHeight):
    # 计算裁剪区域在原图中的起始位置和结束位置
    endX = startX + cropWidth
    endY = startY + cropHeight
  
    # 计算裁剪区域Y分量和UV分量在图像数据中的起始偏移量
    y_offset = startX + startY * width
    uv_offset = (width // 2) * (startY // 2) + startX
    # 提取裁剪后的图像数据
    cropped_nv21_data = nv21_data[y_offset: y_offset + cropHeight * width]
    cropped_nv21_data += nv21_data[width * height + uv_offset: width * height + uv_offset + (cropHeight // 2) * (width // 2)]
  
    return cropped_nv21_data

NV21缩放

NV21格式的图像缩放操作需要考虑到缩放后的宽度、高度。 缩放操作的步骤如下：

1. 根据缩放后的宽度和高度，创建一个空的目标图像数据缓冲区。
2. 遍历目标图像的每个像素位置，通过插值计算得到该位置处的像素值。
3. 根据插值计算公式，根据目标像素位置在原图中对应的位置，以及周围的四个像素值进行插值计算。 以下是使用Python实现的代码示例：

pythonCopy code
def scale_nv21(nv21_data, width, height, scaleWidth, scaleHeight):
    # 创建空的目标图像数据缓冲区
    scaled_nv21_data = bytearray(scaleWidth * scaleHeight * 3 // 2)
    # 计算宽度和高度的缩放比例
    scale_x = width / float(scaleWidth)
    scale_y = height / float(scaleHeight)
    for dst_y in range(scaleHeight):
        for dst_x in range(scaleWidth):
            # 计算目标图像位置对应的原图像位置
            src_x = int(dst_x * scale_x)
            src_y = int(dst_y * scale_y)
            # 插值计算目标图像位置的像素值
            y = nv21_data[src_x + src_y * width]
            u = nv21_data[width * height + (src_x // 2) + (src_y // 2) * (width // 2)]
            v = nv21_data[width * height + (src_x // 2) + (src_y // 2) * (width // 2) + 1]
            # 在目标图像数据缓冲区中写入插值计算得到的像素值
            scaled_nv21_data[dst_x + dst_y * scaleWidth] = y
            if dst_y % 2 == 0 and dst_x % 2 == 0:
                scaled_nv21_data[scaleWidth * scaleHeight + (dst_x // 2) + (dst_y // 2) * (scaleWidth // 2) + 1] = u 
                scaled_nv21_data[scaleWidth * scaleHeight + (dst_x // 2) + (dst_y // 2) * (scaleWidth // 2)] = v
    return scaled_nv21_data

使用上述代码，你可以轻松地对NV21格式的图像进行裁剪和缩放操作。这两个操作在图像处理和计算机视觉领域中非常常见，对于优化图像数据以满足特定需求非常有用。

下面是一个示例代码，展示如何使用OpenCV库对NV21格式图像进行裁剪和缩放。 首先，确保你已经安装了OpenCV库，可以使用以下命令进行安装：

shellCopy code
pip install opencv-python

接下来，我们将通过示例代码来演示如何使用OpenCV对NV21格式图像进行裁剪和缩放操作：

pythonCopy code
import cv2
import numpy as np
def crop_nv21(nv21_data, width, height, startX, startY, cropWidth, cropHeight):
    # 将NV21格式的图像数据转换为RGB格式
    yuv_img = np.frombuffer(nv21_data, dtype=np.uint8).reshape((height + height // 2, width))
    rgb_img = cv2.cvtColor(yuv_img, cv2.COLOR_YUV2RGB_NV21)
    # 对RGB图像进行裁剪
    cropped_rgb_img = rgb_img[startY:startY+cropHeight, startX:startX+cropWidth]
    # 将裁剪后的RGB图像转换回NV21格式的图像数据
    cropped_yuv_img = cv2.cvtColor(cropped_rgb_img, cv2.COLOR_RGB2YUV_NV21)
    cropped_nv21_data = cropped_yuv_img.tobytes()
    return cropped_nv21_data
def scale_nv21(nv21_data, width, height, scaleWidth, scaleHeight):
    # 将NV21格式的图像数据转换为RGB格式
    yuv_img = np.frombuffer(nv21_data, dtype=np.uint8).reshape((height + height // 2, width))
    rgb_img = cv2.cvtColor(yuv_img, cv2.COLOR_YUV2RGB_NV21)
    # 对RGB图像进行缩放
    scaled_rgb_img = cv2.resize(rgb_img, (scaleWidth, scaleHeight))
    # 将缩放后的RGB图像转换回NV21格式的图像数据
    scaled_yuv_img = cv2.cvtColor(scaled_rgb_img, cv2.COLOR_RGB2YUV_NV21)
    scaled_nv21_data = scaled_yuv_img.tobytes()
    return scaled_nv21_data
# 读取NV21格式的图像数据
with open('input.nv21', 'rb') as f:
    nv21_data = f.read()
# 图像参数
width = 640
height = 480
startX = 100
startY = 100
cropWidth = 300
cropHeight = 200
scaleWidth = 800
scaleHeight = 600
# 裁剪NV21图像
cropped_nv21_data = crop_nv21(nv21_data, width, height, startX, startY, cropWidth, cropHeight)
# 将裁剪后的图像数据保存为文件
with open('output_cropped.nv21', 'wb') as f:
    f.write(cropped_nv21_data)
# 缩放NV21图像
scaled_nv21_data = scale_nv21(nv21_data, width, height, scaleWidth, scaleHeight)
# 将缩放后的图像数据保存为文件
with open('output_scaled.nv21', 'wb') as f:
    f.write(scaled_nv21_data)

请注意，上述示例代码中的输入为NV21格式的图像数据文件input.nv21，输出为裁剪后的NV21格式图像数据文件output_cropped.nv21和缩放后的NV21格式图像数据文件output_scaled.nv21。

NV21是一种在图像处理中常用的格式，它是YUV格式之一。下面我将介绍NV21的一些缺点，并提到一些类似的图像格式。

1. 存储结构复杂：NV21格式使用一种平面格式来保存图像的亮度（Y）分量和色度（UV）分量。在存储时，Y分量是连续排列的，而UV分量是交替排列的。这种排列方式增加了对图像的处理和解析的复杂性。
2. 存储效率相对较低：由于NV21格式在存储时将色度分量UV交替排列，导致存储效率相对较低。如果要处理大尺寸的图像，NV21格式需要更大的存储空间。
3. 不支持透明度：NV21格式仅包含亮度和色度信息，不支持透明度通道。这意味着在使用NV21格式时，无法处理带有透明度的图像。 类似的图像格式包括：
4. NV12：NV12和NV21非常相似，仅在色度分量的存储方式上有所不同。NV12将色度分量UV存储为连续的行，而不是交替排列。它在存储效率上比NV21略优，但仍然具有上述提到的其它缺点。
5. YUV420：YUV420是一种广泛使用的YUV格式，也常用于图像和视频压缩。与NV21和NV12相比，YUV420使用多种子采样技术来减少色度分量的存储，从而提高存储效率。常见的YUV420格式包括I420和YV12。
6. RGB：与YUV格式相反，RGB格式表示图像的红色、绿色和蓝色分量。RGB格式通常用于显示器和计算机图形处理。与YUV格式相比，RGB格式在存储和处理上更简单，但文件大小较大。