YCbCr

La forma de Y′CbCr que se definió para su uso en televisión de definición estándar en la norma ITU-R BT.601 (anteriormente CCIR 601 ) para su uso con vídeo digital por componentes se deriva del espacio RGB correspondiente (primarios del sistema M de la norma ITU-R BT.470-6) de la siguiente manera:

${\displaystyle {\begin{aligned}K_{R}&=0.299\\K_{G}&=0.587\\K_{B}&=0.114\end{aligned}}}$

A partir de las constantes y fórmulas anteriores, se puede derivar lo siguiente para ITU-R BT.601.

La señal analógica YPbPr, derivada de la señal analógica R'G'B', se obtiene de la siguiente manera:

${\displaystyle {\begin{aligned}Y'&=&0.299\cdot R'&+&0.587\cdot G'&+&0.114\cdot B'\\P_{B}&=-&0.168736\cdot R'&-&0.331264\cdot G'&+&0.5\cdot B'\\P_{R}&=&0.5\cdot R'&-&0.418688\cdot G'&-&0.081312\cdot B'\end{aligned}}}$

La señal digital Y′CbCr (8 bits por muestra) se deriva de la señal analógica R'G'B' de la siguiente manera:

${\displaystyle {\begin{aligned}Y'&=&16&+&(65.481\cdot R'&+&128.553\cdot G'&+&24.966\cdot B')\\C_{B}&=&128&+&(-37.797\cdot R'&-&74.203\cdot G'&+&112.0\cdot B')\\C_{R}&=&128&+&(112.0\cdot R'&-&93.786\cdot G'&-&18.214\cdot B')\end{aligned}}}$

o simplemente por componentes

${\displaystyle {\begin{aligned}(Y',C_{B},C_{R})&=&(16,128,128)+(219\cdot Y,224\cdot P_{B},224\cdot P_{R})\\\end{aligned}}}$

Las señales resultantes tienen valores de Y′ (luminancia) que van de 16 a 235, y valores de Cb y Cr (crominancia) que van de 16 a 240. Los valores de 0 a 15 se denominan margen de paso , y los valores de 236 a 255 se denominan margen de cabeza . Los mismos rangos de cuantificación, diferentes para Y y Cb, Cr, también se aplican a BT.2020 y BT.709.

Alternativamente, el Y′CbCr digital se puede derivar del R'dG'dB'd digital (8 bits por muestra, cada uno utilizando el rango completo donde cero representa el negro y 255 representa el blanco) de acuerdo con las siguientes ecuaciones:

${\displaystyle {\begin{aligned}Y'&=&16&+&{\frac {65.481\cdot R'_{D}}{255}}&+&{\frac {128.553\cdot G'_{D}}{255}}&+&{\frac {24.966\cdot B'_{D}}{255}}\\C_{B}&=&128&-&{\frac {37.797\cdot R'_{D}}{255}}&-&{\frac {74.203\cdot G'_{D}}{255}}&+&{\frac {112.0\cdot B'_{D}}{255}}\\C_{R}&=&128&+&{\frac {112.0\cdot R'_{D}}{255}}&-&{\frac {93.786\cdot G'_{D}}{255}}&-&{\frac {18.214\cdot B'_{D}}{255}}\end{aligned}}}$

En la fórmula siguiente, los factores de escala se multiplican por${\displaystyle {\frac {256}{255}}}$. Esto permite el valor 256 en el denominador, que se puede calcular mediante un único desplazamiento de bits .

${\displaystyle {\begin{aligned}Y'&=&16&+&{\frac {65.738\cdot R'_{D}}{256}}&+&{\frac {129.057\cdot G'_{D}}{256}}&+&{\frac {25.064\cdot B'_{D}}{256}}\\C_{B}&=&128&-&{\frac {37.945\cdot R'_{D}}{256}}&-&{\frac {74.494\cdot G'_{D}}{256}}&+&{\frac {112.439\cdot B'_{D}}{256}}\\C_{R}&=&128&+&{\frac {112.439\cdot R'_{D}}{256}}&-&{\frac {94.154\cdot G'_{D}}{256}}&-&{\frac {18.285\cdot B'_{D}}{256}}\end{aligned}}}$

Si la fuente digital R'd G'd B'd incluye footroom y headroom, primero se debe restar el desplazamiento de footroom 16 de cada señal y un factor de escala de${\displaystyle {\frac {255}{219}}}$debe incluirse en las ecuaciones.

La transformada inversa es:

${\displaystyle {\begin{aligned}R'_{D}&=&{\frac {298.082\cdot Y'}{256}}&&&+&{\frac {408.583\cdot C_{R}}{256}}&-&222.921\\G'_{D}&=&{\frac {298.082\cdot Y'}{256}}&-&{\frac {100.291\cdot C_{B}}{256}}&-&{\frac {208.120\cdot C_{R}}{256}}&+&135.576\\B'_{D}&=&{\frac {298.082\cdot Y'}{256}}&+&{\frac {516.412\cdot C_{B}}{256}}&&&-&276.836\end{aligned}}}$

La transformación inversa sin redondeos (utilizando valores que provienen directamente de la recomendación ITU-R BT.601) es:

${\displaystyle {\begin{aligned}R'_{D}={\frac {255}{219}}\cdot (Y'-16)&&&&&&&+{\frac {255}{224}}\cdot 1.402\cdot (C_{R}-128)\\G'_{D}={\frac {255}{219}}\cdot (Y'-16)&-&{\frac {255}{224}}\cdot 1.772&&\cdot {\frac {0.114}{0.587}}&&\cdot (C_{B}-128)&-{\frac {255}{224}}\cdot 1.402\cdot {\frac {0.299}{0.587}}\cdot (C_{R}-128)\\B'_{D}={\frac {255}{219}}\cdot (Y'-16)&+&{\frac {255}{224}}\cdot 1.772&&&&\cdot (C_{B}-128)\end{aligned}}}$

Esta forma de Y′CbCr se utiliza principalmente para sistemas de televisión de definición estándar más antiguos , ya que utiliza un modelo RGB que se ajusta a las características de emisión de fósforo de los tubos de rayos catódicos (CRT) más antiguos.

En la norma ITU-R BT.709 se especifica una forma diferente de Y′CbCr , principalmente para su uso en HDTV . Esta forma más reciente también se utiliza en algunas aplicaciones orientadas a pantallas de ordenador, como sRGB (aunque la matriz utilizada para la forma sRGB de YCbCr, sYCC , sigue siendo BT.601). En este caso, los valores de Kb y Kr difieren, pero las fórmulas para utilizarlos son las mismas. Para ITU-R BT.709, las constantes son:

${\displaystyle {\begin{aligned}K_{B}&=0.0722\\K_{R}&=0.2126\\(K_{G}&=1-K_{B}-K_{R}=0.7152)\end{aligned}}}$

Esta forma de Y′CbCr se basa en un modelo RGB que se ajusta mejor a las características de emisión de fósforo de los nuevos tubos de rayos catódicos (CRT) y otros equipos de visualización modernos. Las matrices de conversión para BT.709 son las siguientes:

${\displaystyle {\begin{aligned}{\begin{bmatrix}Y'\\C_{B}\\C_{R}\end{bmatrix}}&={\begin{bmatrix}0.2126&0.7152&0.0722\\-0.1146&-0.3854&0.5\\0.5&-0.4542&-0.0458\end{bmatrix}}{\begin{bmatrix}R'\\G'\\B'\end{bmatrix}}\\{\begin{bmatrix}R'\\G'\\B'\end{bmatrix}}&={\begin{bmatrix}1&0&1.5748\\1&-0.1873&-0.4681\\1&1.8556&0\end{bmatrix}}{\begin{bmatrix}Y'\\C_{B}\\C_{R}\end{bmatrix}}\end{aligned}}}$

Las definiciones de las señales R', G' y B' también difieren entre BT.709 y BT.601, difieren dentro de BT.601 dependiendo del tipo de sistema de TV en uso (625 líneas como en PAL y SECAM o 525 líneas como en NTSC ), y difieren aún más en otras especificaciones. En diferentes diseños, hay diferencias en las definiciones de las coordenadas de cromaticidad R, G y B, el punto blanco de referencia, el rango de gama admitido, las funciones exactas de precompensación gamma para derivar R', G' y B' a partir de R, G y B, y en el escalado y los desplazamientos que se deben aplicar durante la conversión de R'G'B' a Y′CbCr. Por lo tanto, la conversión adecuada de Y′CbCr de una forma a otra no es solo una cuestión de invertir una matriz y aplicar la otra. De hecho, cuando Y′CbCr se diseña idealmente, los valores de K _B y K _R se derivan de la especificación precisa de las señales primarias de color RGB, de modo que la señal de luminancia (Y′) se corresponda lo más fielmente posible con una medición de luminancia ajustada gamma (típicamente basada en las mediciones CIE 1931 de la respuesta del sistema visual humano a los estímulos de color). ^{[ 5 ]}

El estándar ITU-R BT.2020 utiliza la misma función gamma que BT.709. Define: ^{[ 6 ]}

• Luminancia no constante Y′CbCr, similar a las entradas anteriores, excepto con diferentes K _B y K _R .
• Luminancia constante Y′cCbcCrc, una formulación donde Y′ es la versión del códec gamma de la luminancia real . ^{[ 6 ]}

Para ambos casos, los coeficientes derivados de los primarios son:

${\displaystyle {\begin{aligned}K_{B}&=0.0593\\K_{R}&=0.2627\\(K_{G}&=1-K_{B}-K_{R}=0.6780)\end{aligned}}}$

Para NCL, la definición es clásica:${\displaystyle Y'=0.2627R'+0.6780G'+0.0593B'}$;${\displaystyle Cb=(B'-Y')/1.8814}$;${\displaystyle Cr=(R'-Y')/1.4746}$La conversión de codificación se puede escribir, como de costumbre, como una matriz. ^{[ 6 ]} La matriz de decodificación para BT.2020-NCL es la siguiente con 14 decimales:

${\displaystyle {\begin{aligned}{\begin{bmatrix}R\\G\\B\end{bmatrix}}&={\begin{bmatrix}1&0&1.4746\\1&-0.16455312684366&-0.57135312684366\\1&1.8814&0\end{bmatrix}}{\begin{bmatrix}Y'\\C_{B}\\C_{R}\end{bmatrix}}\end{aligned}}}$

Los valores más pequeños de la matriz no están redondeados; son valores exactos. Para sistemas con precisión limitada (8 o 10 bits, por ejemplo), se podría utilizar una precisión menor de la matriz anterior, por ejemplo, conservando solo 6 dígitos después del punto decimal. ^{[ 7 ]}

La versión CL, YcCbcCrc, codifica: ^{[ 6 ]}

• ${\displaystyle Y'c=(0.2627R+0.6780G+0.0593B)'}$Esta es la función gamma aplicada a la luminancia real calculada a partir del RGB lineal.
• ${\displaystyle Cbc=(B'-Y'c)/(-2Nb)}$si${\displaystyle B'<Y'c}$de lo contrario${\displaystyle (B'-Y'c)/(2Pb)}$.${\displaystyle Nb}$y${\displaystyle Pb}$son el mínimo y el máximo teóricos de${\displaystyle (B'-Y'c)}$correspondientes a la gama. Los valores "prácticos" redondeados son${\displaystyle Pb=0.7910}$,${\displaystyle Nb=-0.9702}$La derivación completa se puede encontrar en la recomendación. ^{[ 6 ]}
• ${\displaystyle Crc=(R'-Y'c)/(-2Nr)}$si${\displaystyle R'<Y'c}$de lo contrario${\displaystyle (R'-Y'c)/(2Pr)}$. De nuevo,${\displaystyle Pr}$y${\displaystyle Nr}$son límites teóricos. Los valores redondeados son${\displaystyle Pr=0.4969}$,${\displaystyle Nr=-0.8591}$.

La función CL se puede utilizar cuando la preservación de la luminancia es de suma importancia (véase: Submuestreo de croma §  Error de luminancia gamma ), o cuando "se espera una mayor eficiencia de codificación para la entrega". La especificación hace referencia al Informe ITU-R BT.2246 sobre este tema. ^{[ 6 ]} BT.2246 afirma que CL ha mejorado la eficiencia de compresión y la preservación de la luminancia, pero NCL será más familiar para un personal que haya manejado previamente la mezcla de color y otras prácticas de producción en HDTV YCbCr. ^{[ 8 ]}

BT.2020 no define PQ y, por lo tanto, HDR; se define con mayor detalle en SMPTE ST 2084 y BT.2100 . BT.2100 introducirá el uso de IC _T C _P , un espacio de color semiperceptual derivado de RGB lineal con buena linealidad de tono. Es de "luminancia casi constante". ^{[ 9 ]}

El uso de JPEG por parte de JFIF admite una versión modificada de Rec. 601 Y′CbCr, donde Y′, C _B y C _R tienen el rango completo de 8 bits de [0...255]. ^{[ 10 ]} A continuación se muestran las ecuaciones de conversión expresadas con seis dígitos decimales de precisión. (Para ecuaciones ideales, consulte ITU-T T.871. ^{[ 11 ]} ) Tenga en cuenta que, para la siguiente fórmula, el rango de cada entrada (R, G, B) también es el rango completo de 8 bits de [0...255].

${\displaystyle {\begin{aligned}Y'&=&0&+(0.299&\cdot R'_{D})&+(0.587&\cdot G'_{D})&+(0.114&\cdot B'_{D})\\C_{B}&=&128&-(0.168736&\cdot R'_{D})&-(0.331264&\cdot G'_{D})&+(0.5&\cdot B'_{D})\\C_{R}&=&128&+(0.5&\cdot R'_{D})&-(0.418688&\cdot G'_{D})&-(0.081312&\cdot B'_{D})\end{aligned}}}$

Y de vuelta:

${\displaystyle {\begin{aligned}R'_{D}&=&Y'&&&+1.402&\cdot (C_{R}-128)\\G'_{D}&=&Y'&-0.344136&\cdot (C_{B}-128)&-0.714136&\cdot (C_{R}-128)\\B'_{D}&=&Y'&+1.772&\cdot (C_{B}-128)&\end{aligned}}}$

La conversión anterior es idéntica a sYCC cuando la entrada se proporciona como sRGB, excepto que IEC 61966-2-1:1999/Amd1:2003 solo proporciona cuatro dígitos decimales.

JPEG también define un formato "YCCK" de Adobe para la entrada CMYK . En este formato, el valor "K" se pasa tal cual, mientras que los valores CMY se utilizan para derivar YCbCr con la matriz anterior asumiendo${\displaystyle R=1-C}$,${\displaystyle G=1-M}$, y${\displaystyle B=1-Y}$. Como resultado, se puede utilizar un conjunto similar de técnicas de submuestreo. ^{[ 12 ]}

H.273 también describe sistemas de luminancia constante y no constante que se derivan estrictamente de los primarios y el punto blanco, de modo que situaciones como los primarios predeterminados sRGB/BT.709 de JPEG que usan la matriz BT.601 (que se deriva del Sistema M BT.470-6 que incluso usa un punto blanco diferente de D65) no ocurren (los primarios de la mayoría de las imágenes son BT.709 ). Otro ejemplo fueron los primarios P3-D65 usados ​​por Netflix en producción con la matriz BT.2020-NCL, lo que significa que la matriz no se derivó de los primarios, aunque hoy en día Netflix permite primarios BT.2020 (después de 2021). ^{[ 13 ]} Sin embargo, los usuarios generales de Netflix nunca obtuvieron ese formato intermedio.

Estas matrices redondean todos los factores a la unidad de 1/256 más cercana. Como resultado, se forma un único valor intermedio de 16 bits para cada componente, y un simple desplazamiento a la derecha con redondeo (x + 128) >> 8puede solucionar la división. ^{[ 14 ]}

Para el swing de estudio:

${\displaystyle {\begin{bmatrix}Y'\\C_{B}\\C_{R}\end{bmatrix}}={\frac {1}{256}}{\begin{bmatrix}66&129&25\\-38&-74&112\\112&-94&-18\end{bmatrix}}{\begin{bmatrix}R'\\G'\\B'\end{bmatrix}}+{\begin{bmatrix}16\\128\\128\end{bmatrix}}}$

Para un swing completo:

${\displaystyle {\begin{bmatrix}Y'\\C_{B}\\C_{R}\end{bmatrix}}={\frac {1}{256}}{\begin{bmatrix}77&150&29\\-43&-84&127\\127&-106&-21\end{bmatrix}}{\begin{bmatrix}R'\\G'\\B'\end{bmatrix}}+{\begin{bmatrix}0\\128\\128\end{bmatrix}}}$

Skia de Google solía usar la matriz de rango completo de 8 bits mencionada anteriormente, lo que provocaba un ligero efecto de verdor en las imágenes JPEG codificadas por dispositivos Android, más perceptible al guardarlas repetidamente. El problema se solucionó en 2016, cuando se empezó a usar la versión más precisa. Gracias a las optimizaciones SIMD en libjpeg-turbo , la versión precisa es en realidad más rápida. ^{[ 15 ]}

YUV444 es sencillo, 3 bytes por píxel (12 bytes por 4 píxeles), sin agrupamiento de píxeles. La diferencia radica únicamente en la cantidad de bits asignados a cada canal y su disposición. El YUV3esquema básico ordena los píxeles como y0, u0, v0, y1, u1, v1(usando "u" para Cb y "v" para Cr; lo mismo se aplica al contenido a continuación). ^{[ 18 ]} En computadoras, es más común ver un AYUVformato, que agrega un canal alfa y va a0, y0, u0, v0, a1, y1, u1, v1, porque los grupos de 32 bits son más fáciles de manejar. ^{[ 16 ]}

YUV422 agrupa 2 píxeles horizontalmente en cada "contenedor" conceptual, utilizando 4 bytes por cada 2 píxeles (8 bytes por cada 4 píxeles). Dos disposiciones principales son: ^{[ 17 ]}

• YUY2: también llamado YUYV, se ejecuta en el formato y0, u, y1, v.
• UYVY: la versión inversa de YUY2 con intercambio de bytes, se ejecuta en el formato u, y0, v, y1.

YUV411 se usa raramente y coloca los píxeles en grupos horizontales de 4 (6 bytes por cada 4 píxeles). ^{[ 17 ]}

YUV420 (o Y′UV420p ) es muy común. Sus formatos principales son IMC2, IMC4, YV12 y NV12. ^{[ 17 ]} Estos cuatro formatos son "planares", lo que significa que los valores Y, U y V se agrupan en lugar de intercalarse. Todos ocupan 12 bits por píxel (6 bytes por cada 4 píxeles), suponiendo un canal de 8 bits.

• IMC2 primero coloca las imágenes completas en Y. Luego organiza cada línea de croma en el orden V ₀ ... V _n , U ₀ ... U _n , donde n es el número de muestras de croma por línea, igual a la mitad del ancho de Y.
• IMC4 es similar a IMC2, excepto que se ejecuta en U ₀ ... U _n , V ₀ ... V _n .
• El diseño I420 es más sencillo y se utiliza con mayor frecuencia. Se escribe la imagen completa en Y, seguida de la imagen en U y, finalmente, la imagen completa en V.

  

• YV12 sigue el mismo diseño general que I420, solo que el orden entre las imágenes U y V está invertido. ^{[ 19 ]}
• NV12 es posiblemente el formato de 8 bits 4:2:0 más utilizado. Es el predeterminado para la vista previa de la cámara de Android . ^{[ 20 ]} La imagen completa en Y se escribe, seguida de líneas intercaladas que van U ₀ , V ₀ , U ₁ , V ₁ , etc.

También existen variantes "en mosaico" de formatos planares. ^{[ 21 ]}