在前两篇推文中，咱们理解了色调空间、像素、图像和视频之间的组成关系，并且比拟具体的学习了色调空间 RGB、YUV 的采样 & 存储格局。明天，咱们基于这些内容，再补充一些重要的关联常识。
咱们曾经晓得，像素是图像的根本组成单元，所以对视频图像的存储，实际上是对像素的存储。计算机在解决图像时，须要按肯定规定将像素数据从内存中读取进去。这里的“规定”，首先基于色调的采样 & 存储格局，其规定了色调重量的“存储程序”以及“分立体存储逻辑”。但仅晓得这些信息，对“单纯”的计算机来说还是不够的，咱们必须明确地通知它：要读取多少字节长度的数据，这里就会引申出“定量”的规定。
=======
图像位深
=================
由点及面，先从像素开始，理解每个像素在计算机里是如何“定量”存储的，再扩大到视频图像上 。要学习这部分内容，先给大家介绍一个新面孔： 图像位深。
其实，在之前 音频因素 的推文中，咱们已接触到“音频采样位深”的概念。音频采样位深，指的是用多大的字节空间来存储声音的量化值。一般来说，音频采样位深越大，则声音采样量化的精度越高、失真越少。当初，咱们要把位深的概念延长到视频图像畛域。
在视频图像畛域，对于位深的概念比拟多，诸如：通道位深、像素位深、色调位深和图像位深 等。为了防止混同，在本文中咱们要将相干定义对立一下，并以 RGB 图像举例说明如下。
对于 RGB 图像，如果咱们别离应用 8bit（1 个字节）来存储色调空间的各个通道重量，则一个残缺的 RGB 像素将占用 3*8 = 24bit 空间（3 个字节）。此时，咱们称：
- 通道位深：8bit，示意存储色调空间的一个重量（通道）须要 8bit 空间；
- 像素位深：24bit，示意存储一个 RGB 像素须要 24bit 空间。
注：本文中，除非特地阐明外，咱们提及的图像位深均指像素位深。
须要补充的是，图像位深 24bit、通道位深 8bit 是比拟规范的位深配置，大家可能还会接触到诸如 32bit、16bit、8bit 等图像位深，它们并不是 3 的倍数，无奈平摊到 RGB 或者 YUV 的三个通道上。咱们应该如何了解这些“不规则”的图像位深呢？
其实，咱们只有确认到具体的通道位深，就能够比拟清晰的了解了，如下：
- 32bit 图像位深：在 24bit RGB 图像的根底上，减少了一个 8bit 的通明通道 A。比方咱们上篇推文提到的 RGBA、BGRA 等等，能够称为 RGBA32、BGRA32；
- 16bit 图像位深：R、G、B 通道重量，别离应用 5bit、6bit、5bit 通道位深，能够称为 RGB565；
- 8bit 图像位深：R、G、B 通道重量，别离应用 2bit、3bit、3bit 通道位深，能够称为 RGB233。
除上述举例外，还会有诸如 RGBA4444、RGB555 等等状况。当脱离本文领域，大家在理论利用中接触到图像位深时，仍须要明确其具体含意，到底是像素位深、还是通道位深、每个通道又是怎么调配的，防止混同。
当初，让咱们再回到图像位深为 24bit、通道位深为 8bit 的配置上。在该配置下，RGB 的每一个通道重量可示意 2^8 = 256 个值。这意味着，如果仅思考 R 重量，就会有 256 种深浅不同的红色。以此类推，三个通道综合，即能够失去 (2^8)^3 = 16,777,216 种不同的组合，每种组合示意不同的色彩。这也就是之前的推文中咱们说“RGB 色调空间能够示意约 1677 万种色调”的起因。
显然，图像位深越大，其像素可示意的色彩数量就越多，视频图像的色调天然也就越丰盛、细腻，在色调突变处也会更加平滑。有一个比拟极其的比喻能够用于帮忙了解：试想咱们要绘制一幅蕴含了七色彩虹的画，那么领有七支不同色彩的画笔（高位深）和 只领有单色彩的画笔（低位深），在绘制成果上天然会呈现出微小的差别。
参考下图，别离为同一张图像，在 24bit 位深、8bit 位深（2^8 = 256 种颜色）、4bit 位深（2^4 = 16 种颜色）下的体现。
图 1：24 bit
图 2：8 bit
图 3：4 bit
能够看到，在 24bit 图像位深下，蓝天、云彩、企鹅绒毛的色彩天然细腻、过渡平滑，画面主次显明。而位深越低，因为可示意的色彩数量缩小，局部色彩数据失落并被代替，开始呈现色彩趋同或断层，画面也越发的不天然。除了升高位深外，位深 24bit 若往上升，也有更高的 30bit（通道位深 10bit）、36bit（通道位深 12bit）等等。
那么问题来了，参考下面的比照成果，咱们是否应该无条件地应用高位深呢？
答案是否定的。
须要留神的是，尽管图像的位深越大，可能示意的色彩越多，但 相应须要的存储空间也越大，传输所需的带宽也越多，带来老本的晋升，对于软硬件的要求也更刻薄。更何况，24 bit 图像位深已蕴含 1677 万种色彩，这远远超过了人眼的视觉感知能力，足以满足绝大部分业务场景。综合考量，现阶段仍次要应用 24 bit 的图像位深。
以上就是本期课程对于图像位深的相干常识。
图像宽高（Width、Height）与跨距（Stride）
==========================================
再回到全文的开始：“图像的根本组成单元为像素，对视频图像的存储，实际上是对像素的存储”。基于图像位深，咱们能够确定存储一个像素所需的字节数，上面，能够开始“领导”计算机如何定量读取图像数据了。
像素在图像中是一行一行排列、并逐行存储在内存中的，计算机在读取图像时，就须要逐行地、正确地读取出每一行的像素。这里就引出两个问题：每一行到底有多少个像素？计算机每获取一行数据须要读取多少个字节呢？要解答这两个问题，咱们须要再学习两个概念：图像的宽高（Width、Height） 和 跨距（Stride）。
1
图像宽、高
说到图像的宽高，大家直觉上可能会联想到“厘米”、“英寸”等长度单位，其实，从图像处理的角度并非如此。在视频图像处理上，形容图像宽高时，通常应用的是“计数单位”，而其具体的数值，则由图像的分辨率决定。
对于视频图像的分辨率，在系列推文中还没有和大家正式介绍，但大家对“分辨率”必定是不生疏的。在各大视频 / 图片网站上、在各种视频 / 图像文件规格中，咱们常看到诸如 540×960（540P）、720×1280（720P）、1080×1920（1080P）等参数，它们就是所谓的 分辨率 ，其示意的含意为： 图像在程度方向、垂直方向上，每行、每列的像素“个数”。
- 宽（Width）：程度方向每行的像素个数，等于图像分辨率的宽
- 高（Height）：垂直方向每列的像素个数，等于图像分辨率的高
如下图所示，对于分辨率为 540×960（宽 x 高）的 RGB 图像，其程度方向每行有 540 个 RGB 像素，垂直方向每列有 960 个 RGB 像素。
图 4：像素排布，分辨率 540×960，宽 x 高
不难发现，分辨率宽高相乘失去的数值 = 图像中像素的总个数，540 x 960 的 RGB 图像中蕴含 518400 个像素，分辨率越高，像素的个数也就越多。
对于分辨率的常识，咱们今后还会有专题作进一步探讨，明天大家理解到分辨率与图像宽高、像素个数的关系即可。
当初，咱们曾经通过分辨率信息，确定了图像每行的像素个数，能够尝试计算每行数据的长度（字节）。因为视频图像的解决通常是逐行进行的，计算机更关注每行有多少数据，而对于具体有多少行（Height）没有太多的要求。
以 24bit 的 RGB 图像为例，假如分辨率为 538 x 960，因为每个像素的 R、G、B 重量都间断存储在同一立体上（详见前文 色调和色调空间 - 中篇），咱们能够通过如下步骤，计算每行像素的字节长度：
- 每行像素的个数 = 图像分辨率宽 = 538
- 每行像素的字节长度 = 像素位深 x 每行像素的个数 = 24 bit x 538 = 1614 byte（注：1 byte = 8 bit）
如上，咱们失去论断：对于分辨率为 538 x 960 的 RGB 图像，每行有 1614 byte 数据。计算过程看起来清晰明了，有理有据，于是咱们信念满满地将 1614 byte 这个字节长度告知计算机，计算机也精打细算地按要求去读取一张 538×960 的图片。却可能会失去如下的后果：
图 5：原图，分辨率 538×960
图 6：按每行 1614 byte 数据，进行读取和渲染
咱们发现，理论渲染进去的图像，呈现出规定的斜条纹，与原图相比已面目全非。
为什么会呈现这样的问题呢？难道是计算机呈现了 Bug？或者说，计算机是无辜的，图像每行的像素个数实际上并不等于图像的分辨率宽度？要解答这些问题，咱们就须要理解另外一个概念：跨距（Stride）。
2
图像跨距
咱们晓得，计算机的处理器次要是 32 位或 64 位的，当处理器执行运算时，一次读取的残缺数据量最好为 4 字节 或 8 字节的倍数。如果咱们要求计算机读取非 4 字节或 非 8 字节对齐的数据，它就须要进行额定的解决工作。额定工作的引入，势必会影响效率和性能。为了躲避这样的问题，就须要 在原始数据的根底上，再减少一些“有效数据”，使待处理的数据量对齐到 4 字节 或 8 字节。这样计算机能力以最高效的形式工作。当然，对齐规定也不肯定是 4 字节 / 8 字节 的倍数，理论仍取决于具体的软硬件零碎。
回过头来，看看后面计算失去的“1614 byte”，大家是否发现问题了呢？
是的，这并非一个 4 字节或 8 字节倍数的数值。所以，基于前述的考量，如果在一个要求 4 字节 或 8 字节 对齐的零碎内存中存储该图像，往往须要减少一些额定数据，将 1614 byte 对齐到比方 1616 byte。而这里的 1616 byte，即称为图像的跨距（Stride）。
跨距（Stride），是图像存储在内存中，每一行数据所占空间的实在大小，它大于或等于通过图像分辨率宽度计算的字节长度。每读取一个 Stride 长度的数据，意味着残缺读取了图像的一行，下次读取就该“换行”了。其中，用于补齐至 Stride 而减少的额定数据，咱们称之为填充（Padding）。Padding 仅影响图像在内存中的存储形式，无需（也不能够）用于理论渲染。
咱们能够通过下图，直观的了解 Width、Padding 和 Stride 的关系。
图 7：Width、Padding 和 Stride
参考上图，从 Start 地位开始，计算机只有按 Stride 读取每一行图像数据，再按 Width 进行理论的渲染，防止将有效的 Padding 渲染进去，能力显示出失常的图像。如果仅应用 Width 计算 Stride（比方下面，咱们通知计算机将 Stride 设置为 1614 byte），那么就可能会 误将局部 Padding，视为无效的图像数据进行渲染，行与行之间的像素绝对地位也将产生累计偏移，呈现诸如斜条纹等异样。
咱们也能够通过一些简化的形式，来 了解斜条纹产生的原理。
参考下图，咱们先疏忽“字节长度”，简略地把图像数据、填充数据的单位都对立至“像素”。假如原图的 Width x Height = 6 x 8，存储时将 Stride 对齐为 8。图中黑白局部为实在图像（原图左侧），彩色局部为填充的 Padding（原图右测），两头存在的空白间隙仅为不便辨别。
图 8：原图，Stride = 8，Width = 6
若应用正确的配置，Stride = 8 进行读取，Width = 6 进行渲染，则仅会显示出黑白局部，彩色局部的 Padding 在渲染时会被疏忽。
如果应用谬误的 Stride = 7，正确的 Width = 6，会呈现如下问题：从第一行开始，少读取了一块 Padding，并将这部分少读取的 Padding，误当作第二行的“无效图像”进行读取、排列。最终，计算机再以 Width = 6 进行渲染时，将失去如下图像，呈现了右侧下沉的斜条纹成果。
图 9：谬误，Stride = 7，Width = 6，右侧下沉的斜条纹
同理，Stride 偏大、Width 偏大、Width 偏小，都会影响图片的读取和渲染，大家在解决时须要留神。咱们在上面也展现出相干的简化参考图：
图 10：Stride = 9，Width = 6，左测下沉的斜条纹
图 11：Stride = 8，Width = 7，多渲染出一列 Padding 数据
留神，理论利用中如果 Padding 数据被谬误渲染进去，不肯定都是彩色的，具体由填充的数据而定。如果都应用 0 值填充，那么 RGB 图像的 Padding 为彩色，YUV 图像的 Padding 则为绿色。其余可能的谬误状况，大家能够本人尝试推演一下，在此就不过多开展。
3
分立体 YUV 的 Width、Stride
下面对于 Width、Stride 的探讨，都是基于 RGB 图像来举例。对于 RGB 图像，其色调空间重量是同一立体、间断存储的，个别只需思考一个立体的 Width 和 Stride。
而 YUV 图像比拟非凡，它可能应用分立体（Planar、Semi-Planar）的存储形式（详见色调和色调空间 - 中篇）。
从整个图像的角度看，YUV 图像的每一行仍旧有 Width = 720 个像素。然而从存储的角度看，Y、U、V 重量可能寄存在不同的立体，计算机想要了解 YUV 色调，就须要晓得：在每个立体上、每次要读取多少数据，能力正确地组合成原始图像的一行像素。
“在每个立体上、每次要读取多少数据”，意味着须要晓得每个立体的 Width 和 Stride。而思考到 U、V 重量绝对于 Y 重量可能有降采样，各个重量立体的 Width、Stride 可能不同，必须要按存储规定别离求取。
上面，咱们针对常见的 YUV 格局：I422、I420 和 NV21，具体讨论一下，何谓分立体的 Width 和 Stride。
咱们将基于通道位深 = 8 bit，图像分辨率 Width = 720，Height = 1280，开展后续内容的解说。为不便了解、简化过程，咱们 假如处理器以 4 字节对齐，通过各立体 Width 计算失去的数据长度若满足 4 的倍数，即可作为各立体的 Stride，无需思考 Padding 填充。
对于这三种 YUV 格局的采样 & 存储原理，大家可具体参考上一篇推文 色调和色调空间 - 中篇，上面用到时仅做简述。
因为 I422、I420 和 NV21 的 Y 立体采样逻辑雷同，Y 重量均为全采样，咱们先对立进行计算。
对于 Y 立体，因为 Y 重量为全采样，故:
- Width\_Y\_Plane = 每行 Y 重量个数 = 图像每行像素个数 = Width = 720
- Stride\_Y\_Plane = Width\_Y\_Plane x 通道位深 = Width\_Y\_Plane x 8 bit = 720 byte
注：因为 Width\_Y\_Plane x 8 bit = 720 byte 满足预设的对齐要求，故间接作为 Stride\_Y\_Plane，理论利用中，须要另外进行确认。前面若有相似解决，不再反复阐明。
对于 U、V 立体，因为 U、V 重量在不同 YUV 格局下有不同的采样、存储逻辑，须要按规定具体计算。
3.1 I422
I422 的采样和存储逻辑简述为：
- 采样：Y 重量全采集，宽度方向每两个 Y 重量共用一组 UV 重量，高度方向每行独立采集 UV 重量
- 存储：Y、U、V 别离存储于三个立体，对于一个宽度为 4 个像素、高度为 2 个像素的采样区域，三个立体别离为 4×2、2×2、2×2 的数组
对于 U 立体，U 重量程度方向的采样为 Y 重量的 1/2，故：
- Width\_U\_Plane = 每行 U 重量个数 = 每行像素个数 /2 = Width/2 = 360
- Stride\_U\_Plane = Width\_U\_Plane x 通道位深 = 360 byte
对于 V 立体，其采样存储逻辑与 U 立体统一，故：
- Stride\_V\_Plane = Width\_V\_Plane x 通道位深 = 360 byte。
如果应用数组 Stride\_I422[3] 记录三个立体的跨距（字节长度），即有 Stride\_I422[3] = {Width, Width/2, Width/2}（应用 Width 的数值大小来示意）
3.2 I420
I420 的采样和存储逻辑简述为：
- 采样：Y 重量全采集，宽度方向和高度方向每四个 Y 重量共用一组 UV 重量，也即第二行复用第一行的 UV 采样；
- 存储：Y、U、V 别离存储于三个立体，对于一个宽度为 4 个像素、高度为 2 个像素的采样区域，三个立体别离为 4×2、2×1、2×1 的数组。
对于 U 立体，U 重量程度方向的采样为 Y 重量的 1/2（每行），故：
- Width\_U\_Plane = 每行 U 重量个数 = 每行像素个数 /2 = Width/2 = 360
- Stride\_U\_Plane = Width\_U\_Plane x 通道位深 = 360byte
对于 V 立体，其采样存储逻辑与 U 立体统一，故：
- Stride\_V\_Plane = Width\_V\_Plane x 通道位深 = 360byte
如果应用数组 Stride\_I420[3] 记录三个立体的跨距（字节长度），即为 Stride\_I420[3] = {Width, Width/2, Width/2}
3.3 NV21
NV21 的采样和存储逻辑简述为：
- 采样：Y 重量全采集，宽度方向和高度方向每四个 Y 重量共用一组 UV 重量，也即第二行复用第一行的 UV 采样
- 存储：Y、UV 别离存储于两个立体，对于一个宽度为 4 个像素、高度为 2 个像素的采样区域，两个立体别离为 4×2、4×1 的数组，UV 独特存储于第二个立体，并按 V、U 的程序交织寄存
对于 UV 立体，因为 U、V 程度方向采样均为 Y 重量的 1 /2（每行），并且间断交织存储，故：
- Width\_UV\_Plane = 每行 U 重量个数 + V 重量个数 = 每行像素个数 /2 + 每行像素个数 /2 = Width = 720
- Stride\_UV\_Plane = Width\_UV\_Plane x 通道位深 = 720 byte
如果应用数组 Stride\_NV21[2] 记录两个立体的跨距（字节长度），即为 Stride\_NV21[2] = {Width, Width}
须要特地留神的是，尽管综合所有立体来说，I422、I420、NV21 每次读取的 Stride 总和，均为 Width x 2：
- Stride\_I422[0] + Stride\_I422[1] + Stride\_I422[2] = Width x 2
- Stride\_I420[0] + Stride\_I420[1] + Stride\_I420[2] = Width x 2
- Stride\_NV21[0] + Stride\_NV21[1] = Width x 2
但对于 I420 和 NV21，因其“宽度方向和高度方向每四个 Y 重量，共用一组 UV 重量”的个性，每次读取 U、V 立体、或 UV 立体的一行数据，理论是供 Y 立体的两行数据共用的。因而，均匀下来，读取整张图像的数据总量会存在差别：
- Data\_I422 = Data\_Y + Data\_U + Data\_V
\= Height x Width + Height x Width/2 + Height x Width/2
\= Height x Width x 2
- Data\_I420 = Data\_Y + Data\_U + Data\_V
\= Height x Width + Height/2 x Width/2 + Height/2 x Width/2
\= Height x Width x 1.5
- Data\_NV21 = Data\_Y + Data\_UV
\= Height x Width + Height/2 x Width
\= Height x Width x 1.5
能够看到，Data\_I422 大于其余两个。这也证实了，YUV420 绝对于 YUV422，前者采样数据量更小、压缩率更大。
总结
===============
以上，即为常见 YUV 格局 Width、Stride 的计算方法。如果大家在了解上有些难度，能够再回顾一下 色调和色调空间 - 中篇 的内容，联合进行梳理。须要再次强调的是，为不便了解，下面的讲述中默认：应用 Width 间接计算失去的 Stride 合乎对齐要求，无需思考 Padding 填充，而实际中思考到不同零碎、硬件芯片的对齐解决差别，实在的 Stride 是否要做补齐，仍需再具体确认。
至此，对于计算机如何正确地、“定量”读取视频图像数据，咱们也有了肯定的理解。思考到硬件芯片、操作系统的多样性，色调空间采样 & 存储格局的多样性，要齐全厘清所有的“定量”规定，还是比拟麻烦的。
对于集成 ZEGO SDK 开发音视频利用的同学，ZEGO 音视频引擎已适配了支流的平台和零碎，大家可释怀地将视频图像的采集、解决、转换、渲染工作交给 SDK，从这些繁琐的细节中解放出来、专一于业务玩法的设计与实现。当然，思考到灵活性，ZEGO SDK 也提供了“自定义视频采集”的性能，容许开发者自行采集、解决原始视图数据，以满足特定的采集源（比方屏幕采集）或者做进阶的视频前解决（比方美颜特效）需要。开发者只须要将采集、解决后的数据，通过指定接口塞给 SDK 即可。
不过，在应用“自定义视频采集”性能时，后面提及的色调空间、采样 & 存储格局、Width 和 Stride 等概念，就须要你了然于胸，否则就可能呈现诸如“斜条纹”的问题。
最初，咱们通过一个思维导图，再梳理一下本文的核心内容。
参考推文中的举例，假如原图的 Width x Height = 6 x 8，存储时将 Stride 对齐为 8。当应用 Stride = 8，Width = 4，进行读取和渲染，会呈现什么问题？
问
本期思考题
参考推文中的举例，假如原图的 Width x Height = 6 x 8，存储时将 Stride 对齐为 8。当应用 Stride = 8，Width = 4，进行读取和渲染，会呈现什么问题？
（🤫下期揭秘）
上期思考题 揭秘 ⬇️
问
作为请参照 YUV 采样格局的“规定”，阐明 YUV 4:1:1 的采样逻辑。
答
对于一个宽度为 4 个像素、高度为 2 个像素的采样区域（两行四列），第一行须要采样 4 个亮度重量 Y，1 个色度重量组 UV，第二行须要采样 4 个亮度重量 Y，1 个色度重量组 UV。
也即程度方向上，Y 重量为全采样，UV 重量组绝对于 Y 重量做 1 /4 降采样。