Zrozumienie przestrzeni kolorów YUV: dlaczego luma jest lepsza niż chroma w kompresji wideo

5

Nie musisz być ekspertem od kolorów, aby zdać sobie sprawę, że pliki wideo zajmują dużo miejsca. Zapełniają pamięć urządzenia i przeciążają kanały komunikacyjne. Powodem, dla którego nie osiągają niewyobrażalnych rozmiarów, jest sprytna sztuczka zapożyczona z biologii człowieka. Nazywa się to modelem kolorów YUV.

Mówiąc najprościej, YUV to cyfrowa reprezentacja wideo, która oddziela luminancję i kolor. Litera „Y” oznacza jasność (luma), czyli czarno-biały sygnał odzwierciedlający ilość światła docierającego do naszych oczu. Kanały „U” i „V” zawierają informacje o kolorze. To są dane dotyczące koloru.

To rozróżnienie nie jest jedynie kwestią akademicką. Stanowi podstawę kompresji wideo do przesyłania strumieniowego, nadawania i przechowywania. Przetwarzając oddzielnie światło i kolor, inżynierowie mogą zmniejszyć rozmiar plików, nie zmieniając ekranu telewizora w pikselowany bałagan.

Jak ludzki wzrok determinuje standardy wideo

Model YUV działa, bo odzwierciedla funkcjonalność naszej wizji. Czopków odpowiedzialnych za postrzeganie jasności jest znacznie więcej niż tych, które rozróżniają subtelne odcienie koloru. Mówiąc najprościej, ruch cienia w kąciku oka zauważysz na długo przed określeniem, czy jest on fioletowy czy niebieski.

Składniki U i V mierzą różnicę między kolorami podstawowymi i jasnością. Możemy myśleć o U jako o różnicy w chromatyczności niebieskiej, a V jako o różnicy w chromatyczności czerwonej. Ludzkie oko jest mniej wrażliwe na zmiany koloru o wysokiej częstotliwości niż na zmiany jasności o wysokiej częstotliwości, więc niektóre informacje o kolorze mogą zostać odrzucone niezauważone.

To tutaj dzieje się magia. Przemysł wykorzystuje tę biologiczną „nieatrakcyjność” do wydajnej kompresji wideo. Standardy takie jak MPEG i JPEG opierają się na YUV w celu zmniejszenia ilości danych, które procesor musi przetworzyć. Tu nie chodzi o obniżenie jakości. Chodzi o wyeliminowanie redundancji.

Matematyka kryjąca się za tą magią

Konwersja między światami RGB (czerwony, zielony, niebieski) i YUV to nie tylko zalecenie. Jest to matematyczna konieczność w prawie każdym cyfrowym przetwarzaniu wideo. RGB jest zoptymalizowany do wyświetlania na ekranach. YUV doskonale nadaje się do transmisji i kompresji.

Formuła konwersji daje pierwszeństwo jasności. Nasze oczy są najbardziej wrażliwe na światło zielone, dlatego przy obliczaniu jasności kolor zielony ma największe znaczenie. Niebieski jest najmniejszy.

Konwersja w kodzie wygląda następująco:

  • Y = 0,299R + 0,587 G + 0,114*B
  • U = 0,492 * (B – Y)
  • V = 0,877 * (R – Y)

Należy pamiętać, że Y jest wynikiem ważonej sumy trzech kolorów podstawowych. U i V nie. Taka struktura pozwala na zastosowanie tzw. podpróbkowania chromatycznego. Chociaż kanały U i V są zmniejszone (zwykle do połowy rozdzielczości kanału Y), powstały obraz pozostaje wyraźny dla oka. Dlatego pojawiają się formaty takie jak 4:2:2 i 4:2:0. Na przykład w formacie 4:2:0 tylko jedna czwarta danych dotyczących luminancji jest wykorzystywana do danych o nasyceniu kolorów.

Dlaczego ma to znaczenie w przypadku transmisji strumieniowej i telewizji

Jeśli kiedykolwiek zastanawiałeś się, dlaczego istnieją standardy telewizyjne PAL i NTSC, odpowiedź brzmi: YUV. Te analogowe systemy transmisji wykorzystują YUV do przesyłania informacji o kolorze do nowszych telewizorów, zachowując jednocześnie kompatybilność ze starszymi modelami czarno-białymi. Sygnał jasności (luminancja) dla obu typów telewizorów jest taki sam. Na to dodano sygnał koloru.

Teraz ta tradycja jest kontynuowana w cyfrowej transmisji strumieniowej. Gdy oglądasz strumień Netflix lub film w YouTube, Twoje urządzenie może dekodować dane YUV. Algorytmy kompresji usuwają niepotrzebne szczegóły kolorów i umożliwiają transmisję wideo w wysokiej rozdzielczości przez sieć, która w przeciwnym razie zostałaby zdławiona przez ciężar nieskompresowanych plików RGB.

Efektywność ta wykracza poza zwykłą oszczędność przepustowości. Obsługuje takie funkcje, jak wysoki zakres dynamiki (HDR). HDR wymaga precyzyjnej kontroli poziomów jasności, aby uzyskać głębszą czerń i jaśniejsze światła. YUV oddziela światło i kolor, co czyni go idealną podstawą dla tych zaawansowanych technik przetwarzania.

Główny wniosek dla zwykłych użytkowników

Są szanse, że nie będziesz pracować bezpośrednio z YUV. Klikasz „Odtwórz” i oglądasz wideo. Ale za tą prostą operacją kryje się ogromna infrastruktura zbudowana wokół tego modelu kolorów.

Dla przeciętnego użytkownika YUV oznacza płynniejsze przesyłanie strumieniowe. Oznacza to, że filmy 4K nie są buforowane co 5 minut. Oznacza to, że możesz przechowywać wiele godzin nagrań na swoim telefonie, gdy przestrzeń jest ograniczona. Dla profesjonalistów jest to nieniszczący sposób niezależnej korekty kolorów i jasności, gwarantujący, że korekcja nasycenia nie spowoduje przypadkowego wypalenia świateł.

Model YUV niczym się nie wyróżnia. Nie ma szumu wokół lampy błyskowej nowego czujnika aparatu ani szumu wokół zwiększania rozdzielczości wspomaganej przez sztuczną inteligencję. Jednak bez tego nowoczesne ekosystemy wideo, takie jak telewizja nadawcza, usługi przesyłania strumieniowego i cyfrowe wideo, zawaliłyby się pod ciężarem własnych danych. To cicha maszynownia mediów wizualnych.

Odeszliśmy od CRT. Zmierzamy w stronę wirtualnej rzeczywistości i rozdzielczości 8K. Ale podstawowa prawda pozostaje ta sama. Najpierw widzimy światło, a potem kolor. Dopóki tak będzie, YUV zapewni płynne działanie Internetu.