c++ yuv422怎么转化为RGB图像然后把rgb图像拆分成3张r/g/b对的raw8_mono,怎么实现

时间: 2023-12-14 17:38:59 浏览: 20
YUV422转化为RGB可以使用以下公式: R = Y + 1.402*(Cr-128) G = Y - 0.34414*(Cb-128) - 0.71414*(Cr-128) B = Y + 1.772*(Cb-128) 其中,Y、Cb、Cr分别表示YUV图像中的亮度、色度蓝、色度红数据;R、G、B表示RGB图像中的红、绿、蓝分量。 接下来,将计算得到的RGB图像逐像素拆分为R/G/B三个通道的灰度图像。具体实现如下: ```c++ void yuv422_to_rgb(const unsigned char* yuv, int width, int height, unsigned char* rgb) { int yuv_size = width * height * 2; int rgb_size = width * height * 3; int y, cb, cr, r, g, b; int i, j, k; for (i = 0, j = 0; i < yuv_size && j < rgb_size; i += 4, j += 6) { y = yuv[i]; cb = yuv[i + 1] - 128; cr = yuv[i + 3] - 128; r = y + 1.402 * cr; g = y - 0.34414 * cb - 0.71414 * cr; b = y + 1.772 * cb; r = (r < 0) ? 0 : ((r > 255) ? 255 : r); g = (g < 0) ? 0 : ((g > 255) ? 255 : g); b = (b < 0) ? 0 : ((b > 255) ? 255 : b); rgb[j] = r; rgb[j + 1] = g; rgb[j + 2] = b; y = yuv[i + 2]; cb = yuv[i + 1] - 128; cr = yuv[i + 3] - 128; r = y + 1.402 * cr; g = y - 0.34414 * cb - 0.71414 * cr; b = y + 1.772 * cb; r = (r < 0) ? 0 : ((r > 255) ? 255 : r); g = (g < 0) ? 0 : ((g > 255) ? 255 : g); b = (b < 0) ? 0 : ((b > 255) ? 255 : b); rgb[j + 3] = r; rgb[j + 4] = g; rgb[j + 5] = b; } // 将RGB图像拆分为R/G/B三个通道的灰度图像 for (k = 0, i = 0; i < rgb_size && k < width * height; i += 3, k++) { r = rgb[i]; g = rgb[i + 1]; b = rgb[i + 2]; rgb[k] = r; rgb[k + width * height] = g; rgb[k + width * height * 2] = b; } } ``` 在上述代码中,首先根据YUV422公式将图像转化为RGB图像,然后将RGB图像逐像素拆分为R/G/B三个通道的灰度图像。其中,width、height分别表示图像的宽和高,yuv表示原始的YUV422数据,rgb表示转化后的RGB数据。函数中,rgb数组的大小应该为width * height * 3,即RGB图像的大小。拆分后的R/G/B三个通道的灰度图像的大小均为width * height。

相关推荐

最新推荐

recommend-type

利用python读取YUV文件 转RGB 8bit/10bit通用

今天小编就为大家分享一篇利用python读取YUV文件 转RGB 8bit/10bit通用,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
recommend-type

【图像融合】加权算法高分辨率和低分辨率图像融合(含清晰度)【含Matlab源码 4405期】.zip

Matlab领域上传的视频均有对应的完整代码,皆可运行,亲测可用,适合小白; 1、代码压缩包内容 主函数:main.m; 调用函数:其他m文件;无需运行 运行结果效果图; 2、代码运行版本 Matlab 2019b;若运行有误,根据提示修改;若不会,私信博主; 3、运行操作步骤 步骤一:将所有文件放到Matlab的当前文件夹中; 步骤二:双击打开main.m文件; 步骤三:点击运行,等程序运行完得到结果; 4、仿真咨询 如需其他服务,可私信博主或扫描视频QQ名片; 4.1 博客或资源的完整代码提供 4.2 期刊或参考文献复现 4.3 Matlab程序定制 4.4 科研合作
recommend-type

源代码-BASISBBS最易ASP论坛 v1.0.7.zip

源代码-BASISBBS最易ASP论坛 v1.0.7.zip
recommend-type

【图像去噪】高斯滤波+均值滤波+中值滤波+双边滤波图像去噪(含信噪比)【含Matlab源码 2747期】.zip

Matlab领域上传的视频均有对应的完整代码,皆可运行,亲测可用,适合小白; 1、代码压缩包内容 主函数:main.m; 调用函数:其他m文件;无需运行 运行结果效果图; 2、代码运行版本 Matlab 2019b;若运行有误,根据提示修改;若不会,私信博主; 3、运行操作步骤 步骤一:将所有文件放到Matlab的当前文件夹中; 步骤二:双击打开main.m文件; 步骤三:点击运行,等程序运行完得到结果; 4、仿真咨询 如需其他服务,可私信博主或扫描视频QQ名片; 4.1 博客或资源的完整代码提供 4.2 期刊或参考文献复现 4.3 Matlab程序定制 4.4 科研合作
recommend-type

华为2019创新大赛的工程文件+各种模型的backbone和tricks

华为大模型 华为2019创新大赛的工程文件+各种模型的backbone和tricks 华为2019创新大赛的工程文件+各种模型的backbone和tricks 华为2019创新大赛的工程文件+各种模型的backbone和tricks 华为2019创新大赛的工程文件+各种模型的backbone和tricks 华为2019创新大赛的工程文件+各种模型的backbone和tricks 华为2019创新大赛的工程文件+各种模型的backbone和tricks
recommend-type

zigbee-cluster-library-specification

最新的zigbee-cluster-library-specification说明文档。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

实现实时数据湖架构:Kafka与Hive集成

![实现实时数据湖架构:Kafka与Hive集成](https://img-blog.csdnimg.cn/img_convert/10eb2e6972b3b6086286fc64c0b3ee41.jpeg) # 1. 实时数据湖架构概述** 实时数据湖是一种现代数据管理架构,它允许企业以低延迟的方式收集、存储和处理大量数据。与传统数据仓库不同,实时数据湖不依赖于预先定义的模式,而是采用灵活的架构,可以处理各种数据类型和格式。这种架构为企业提供了以下优势: - **实时洞察:**实时数据湖允许企业访问最新的数据,从而做出更明智的决策。 - **数据民主化:**实时数据湖使各种利益相关者都可
recommend-type

云原生架构与soa架构区别?

云原生架构和SOA架构是两种不同的架构模式,主要有以下区别: 1. 设计理念不同: 云原生架构的设计理念是“设计为云”,注重应用程序的可移植性、可伸缩性、弹性和高可用性等特点。而SOA架构的设计理念是“面向服务”,注重实现业务逻辑的解耦和复用,提高系统的灵活性和可维护性。 2. 技术实现不同: 云原生架构的实现技术包括Docker、Kubernetes、Service Mesh等,注重容器化、自动化、微服务等技术。而SOA架构的实现技术包括Web Services、消息队列等,注重服务化、异步通信等技术。 3. 应用场景不同: 云原生架构适用于云计算环境下的应用场景,如容器化部署、微服务
recommend-type

JSBSim Reference Manual

JSBSim参考手册,其中包含JSBSim简介,JSBSim配置文件xml的编写语法,编程手册以及一些应用实例等。其中有部分内容还没有写完,估计有生之年很难看到完整版了,但是内容还是很有参考价值的。