在视频与图像格式 (YUV色彩空间) 中，这是最常遇到这两个词的场景，它们描述的是数据在内存中的存储方式。
| 特性 | Planar (平面格式) | Semi-Planar (半平面格式) |
|---|---|---|
| 存储结构 | 三个独立平面：所有Y分量连续存储在一个区域，所有U分量在另一个区域，所有V分量在第三个区域。 | 两个平面：一个平面存放所有Y分量，另一个平面将U和V分量交错存放（例如 U, V, U, V...的顺序）。 |
| 通俗理解 | 像三本各自独立的书，分别存放Y、U、V数据。 | 像两本书，一本放Y，另一本将U和V按页交错装订在一起。 |
| 内存布局 | YYYY... UUUU... VVVV... | YYYY... UVUVUV... |
| 常见格式举例 I420, YUV420P, YUV422P | NV12, NV21, YUV420SP |
简单来说，Planar格式分离得更彻底，而Semi-Planar格式则是为了在保持一定分离的同时，提高数据访问的局部性（因为U和V通常成对使用）。意义体现在以下三个维度：
对硬件（芯片/摄像头）的意义：简化设计，降低延迟
- Planar（全分离）：Y、U、V三个平面在物理内存中是三个独立的连续区域。硬件（如摄像头ISP图像信号处理器）可以用三个独立的DMA通道同时读取这三个区域，互不干扰。这非常适合并行流水线设计，但缺点是硬件引脚和总线控制逻辑更复杂。
- Semi-Planar（UV交错）：只有Y和UV两个平面。硬件通常只需要两个DMA通道（一个读Y，一个读UV）。这不仅节省了芯片内部的布线资源，更重要的是，U和V在同一个平面内物理相邻，硬件一次突发读取就能同时拿到一对UV数据，减少了寻址次数。因此，绝大多数手机和安防摄像头传感器原生输出的就是Semi-Planar（如NV12），以降低功耗。
对软件/算法（CPU/GPU）的意义：缓存命中率与访存效率
-
Planar：在进行只处理Y亮度的算法（如灰度转换、边缘检测）时，数据是完全连续的，CPU的预取机制命中率极高，速度飞快。但如果要处理色度（UV），由于U和V隔得很远，CPU需要频繁跳转内存地址，容易导致缓存未命中（Cache Miss）。
-
Semi-Planar：在处理色度相关的滤波、缩放或颜色矫正时，由于U和V被打包放在一起，CPU加载一个缓存行（Cache Line，通常64字节），里面既有U又有V。这对SIMD（单指令多数据流）指令集（如NEON或AVX）极其友好，可以用一条指令同时加载并计算U和V，计算效率比Planar格式高出将近一倍。
实际工程中的"坑"：零拷贝与格式转换开销
这是最现实的意义------谁更容易避免无效拷贝。
- Planar（如I420）：因为三块数据分离，很多图形API（如老旧的OpenGL）需要绑定三个独立的纹理才能渲染，处理起来很麻烦。因此，当从摄像头拿到Planar数据时，软件往往要先将其转换成Semi-Planar或打包格式（Packed）才能送去显示，这个过程会消耗额外的CPU周期和功耗。
- Semi-Planar（如NV12）：它是绝大多数视频编码器（H.264/H.265硬件编解码单元）和显示控制器原生接受的标准格式。如果你的数据是Semi-Planar，从摄像头采集 -> 编码 -> 显示，全程不需要做任何内存格式转换（即"零拷贝"），延迟最低、功耗最低。
一个极致的细节：内存占用的差异（微乎其微）
从数学上看，对于YUV420：
- Planar占3个分配头（malloc次数多，内存碎片风险高）。
- Semi-Planar占2个分配头（更紧凑）。
虽然总数据量完全一样（Y占WH，UV共占WH/2），但Semi-Planar仅需两块连续内存，在大分辨率（如4K/8K）场景下，分配大块连续内存的成功率更高，且减少内存碎片。
Planar的优势在于Y数据访问极快，适合做图像分析（如人脸检测，只读Y）；Semi-Planar的优势在于硬件兼容性好、UV计算效率高，适合做编解码和渲染。这就是为什么Semi-Planar（NV12）是现代视频领域的事实标准，而Planar（I420）则更多地用于学术研究和跨平台软件解码（如FFmpeg软解）。