OpenCV 图形API(42)颜色空间转换-----将 BGR图像转换为 I420(YUV 4:2:0)格式函数BGR2I420()

  • 操作系统:ubuntu22.04
  • OpenCV版本:OpenCV4.9
  • IDE:Visual Studio Code
  • 编程语言:C++11

算法描述

将图像从BGR色彩空间转换为I420色彩空间。

该函数将输入图像从BGR色彩空间转换为I420。R、G和B通道值的传统范围是0到255。

输出图像必须是8位无符号1通道图像。CV_8UC1。I420输出图像的宽度必须与输入图像的宽度相同。I420输出图像的高度必须等于输入图像高度的3/2。

cv::gapi::BGR2I420 是 OpenCV 的 G-API 模块中的一个函数,用于将 BGR(蓝绿红)颜色空间的图像转换为 I420(也称为 YUV 4:2:0)颜色格式。I420 格式是一种平面格式,其中亮度信息(Y)存储在一个平面上,而色度信息(U和V)分别以较低分辨率存储在另外两个平面上。

注意

函数的文字ID是 "org.opencv.imgproc.colorconvert.bgr2i420"

函数原型

cpp 复制代码
GMat cv::gapi::BGR2I420 	
(
 	const GMat &  	src
 ) 	

参数

  • 参数 src 输入图像:8位无符号3通道图像 CV_8UC3。

代码示例

cpp 复制代码
#include <opencv2/gapi.hpp>
#include <opencv2/gapi/core.hpp>
#include <opencv2/gapi/imgproc.hpp>
#include <opencv2/opencv.hpp>

int main()
{
    // 加载输入图像
    cv::Mat bgr_img = cv::imread( "/media/dingxin/data/study/OpenCV/sources/images/Lenna.png" );
    if ( bgr_img.empty() )
    {
        std::cerr << "无法读取图像,请检查路径是否正确。\n";
        return -1;
    }

    // 定义G-API网络
    cv::GMat in;
    cv::GMat yuv = cv::gapi::BGR2I420( in );

    // 创建并运行G-API图
    cv::GComputation comp( cv::GIn( in ), cv::GOut( yuv ) );

    // 准备接收输出的变量
    cv::Mat yuv_output;

    // 应用计算图
    comp.apply( bgr_img, yuv_output );

    // 现在我们需要手动将YUV420平面分离
    int height = bgr_img.rows;
    int width  = bgr_img.cols;

    // Y平面是完整分辨率
    cv::Mat y_plane( height, width, CV_8UC1, yuv_output.data );

    // U和V平面是1/4分辨率
    cv::Mat uv_plane( height / 2, width / 2, CV_8UC2, yuv_output.data + height * width );

    // 分离UV平面
    std::vector< cv::Mat > uv_channels;
    cv::split( uv_plane, uv_channels );
    cv::Mat u_plane = uv_channels[ 0 ];
    cv::Mat v_plane = uv_channels[ 1 ];

    // 显示或处理结果
    cv::imwrite( "y_plane.png", y_plane );
    cv::imwrite( "u_plane.png", u_plane );
    cv::imwrite( "v_plane.png", v_plane );

    return 0;
}
相关推荐
kk哥88995 小时前
从数据分析到深度学习!Anaconda3 2025 全流程开发平台,安装步骤
人工智能
陈天伟教授6 小时前
基于学习的人工智能(3)机器学习基本框架
人工智能·学习·机器学习·知识图谱
搞科研的小刘选手7 小时前
【厦门大学主办】第六届计算机科学与管理科技国际学术会议(ICCSMT 2025)
人工智能·科技·计算机网络·计算机·云计算·学术会议
fanstuck7 小时前
深入解析 PyPTO Operator:以 DeepSeek‑V3.2‑Exp 模型为例的实战指南
人工智能·语言模型·aigc·gpu算力
萤丰信息7 小时前
智慧园区能源革命:从“耗电黑洞”到零碳样本的蜕变
java·大数据·人工智能·科技·安全·能源·智慧园区
世洋Blog7 小时前
更好的利用ChatGPT进行项目的开发
人工智能·unity·chatgpt
serve the people11 小时前
机器学习(ML)和人工智能(AI)技术在WAF安防中的应用
人工智能·机器学习
0***K89211 小时前
前端机器学习
人工智能·机器学习
陈天伟教授11 小时前
基于学习的人工智能(5)机器学习基本框架
人工智能·学习·机器学习