将灰度图像从 RGB 转换为 YUV 给出非零 U 和 V
converting greyscale image from RGB to YUV gives non-zero U and V
我读到如果图像是 灰度 那么它不应该有 B 和 R[= RGB 中有 27=] 分量，YUV[= 中没有 U 和 V 27=] 色彩空间。
这是否意味着它们应该等于 0？
我正在使用此代码获取 YUV 值：
var px = (this.canvas.Image as Bitmap).GetPixel(i, j);
var y = 0.299 * px.R + 0.587 * px.G + 0.114 * px.B;
var u = -0.14713 * px.R - 0.28886 * px.G + 0.436 * px.B;
var v = 0.615 * px.R - 0.51499 * px.G - 0.10001 * px.B;
我得到非零的 u 和 v 值，尽管它们接近于 0。我应该转换无论如何，他们 int？图片真的是灰度吗？
您从 RBG 到 YUV 的转换使用浮点值乘法。 两个浮点乘法和您使用的公式都是近似的，因此结果值不完全为0并不奇怪即使 它是灰度图像。如果您愿意，将 u 和 v 设置为 0 可能是安全的。
假设您的输入图像的颜色为 space RGB（红-绿-蓝），那么所有三个分量在每个像素上都应具有相同的值。如果您的图像不是这种情况（尽管您可能想也可能不想忽略微小的差异），那么它就不是真正的灰度。 RGB 具有三个真正彩色的分量。
另一方面，YUV 颜色 space 有一个亮度（或亮度）通道，即 Y 分量和 2 个色度通道（U 和 V 分量）。
Y 是通过加权平均数从 RGB 分量构建的，请参阅计算 y 的代码。然而，绿色分量得到更多的权重以类似于人眼的灵敏度。三个系数之和为 1.0 且均为正数，因此它们正在计算类似于平均值的线性组合。
但是用于计算 U 分量（对蓝色最敏感）的 3 个系数总和为 0.0。 （对于 V 分量也是如此，它对偏红的颜色最敏感）。因此，假设您输入真正的灰度级 RGB 图像，则生成的 U 和 V 将为 0.0。
如果不是这种情况（假设非常小的值只是 0 的噪声变体），那么您的输入 RGB 图像也不是真正的灰度图像。
我读到如果图像是 灰度 那么它不应该有 B 和 R[= RGB 中有 27=] 分量，YUV[= 中没有 U 和 V 27=] 色彩空间。 这是否意味着它们应该等于 0？
我正在使用此代码获取 YUV 值：
var px = (this.canvas.Image as Bitmap).GetPixel(i, j);
var y = 0.299 * px.R + 0.587 * px.G + 0.114 * px.B;
var u = -0.14713 * px.R - 0.28886 * px.G + 0.436 * px.B;
var v = 0.615 * px.R - 0.51499 * px.G - 0.10001 * px.B;
我得到非零的 u 和 v 值，尽管它们接近于 0。我应该转换无论如何，他们 int？图片真的是灰度吗？
您从 RBG 到 YUV 的转换使用浮点值乘法。 两个浮点乘法和您使用的公式都是近似的，因此结果值不完全为0并不奇怪即使 它是灰度图像。如果您愿意，将 u 和 v 设置为 0 可能是安全的。
假设您的输入图像的颜色为 space RGB（红-绿-蓝），那么所有三个分量在每个像素上都应具有相同的值。如果您的图像不是这种情况（尽管您可能想也可能不想忽略微小的差异），那么它就不是真正的灰度。 RGB 具有三个真正彩色的分量。
另一方面，YUV 颜色 space 有一个亮度（或亮度）通道，即 Y 分量和 2 个色度通道（U 和 V 分量）。
Y 是通过加权平均数从 RGB 分量构建的，请参阅计算 y 的代码。然而，绿色分量得到更多的权重以类似于人眼的灵敏度。三个系数之和为 1.0 且均为正数，因此它们正在计算类似于平均值的线性组合。
但是用于计算 U 分量（对蓝色最敏感）的 3 个系数总和为 0.0。 （对于 V 分量也是如此，它对偏红的颜色最敏感）。因此，假设您输入真正的灰度级 RGB 图像，则生成的 U 和 V 将为 0.0。
如果不是这种情况（假设非常小的值只是 0 的噪声变体），那么您的输入 RGB 图像也不是真正的灰度图像。