波仔
🎬 第五章 FFmpeg命令行实现音视频转码
📄 一句话概括

三个数字说的是「每几个像素共用一组色度样本」，420 是四个像素共用一组。 砍掉的只有色度，亮度一个样本都不动。

📝 本节和前面几节的关系

上一节按 420 存了一份，这一节把 444、422 也存一遍，看字节怎么变、画质怎么变。 这两个数字将来会反复出现在编码参数里。

一、三个数字怎么读

第一个数字是亮度，后两个是色度——记法统一成「横向／纵向」：

格式 色度样本怎么取 每像素字节

yuv444p 每个像素各配一组 U、V 3.0 yuv422p 横向两个像素共用一组 2.0 yuv420p 横竖都是两个像素共用一组 1.5

第三列不用背，按「亮度 1 份 + 色度几分之一」推： 444 是 1＋1＋1，422 是 1＋0.5＋0.5，420 是 1＋0.25＋0.25。

名字里那个 p 是 planar，意思是三个平面分开存，而不是像素交错存。 同一族里还有不带 p 的打包格式，字节总量一样，只是排列不同。

二、三种取样各存一份

同一批 50 帧，同一个画面，只改像素格式：

像素格式 总字节 每像素字节

yuv420p 1080000 1.5 yuv422p 1440000 2.0 yuv444p 2160000 3.0

第三列与上表的推算完全吻合，说明这个系数只由格式决定，与画面无关。 所以「420 转 444 能省画质吗」这个问题有答案了：不能，只是把样本补回去。

反方向才有意义：444 转 420 是真的丢信息，而且丢了就找不回来。

三、丢的到底是哪一路

把同一帧分别按 444 存、按 420 往返一次，逐通道比误差：

区域 平均误差 最大误差

整幅 11.97 59 左半（平滑） 0.13 1 右半（细条） 23.82 59

亮度平面的最大误差是 0：420 一个亮度样本都没动。 误差全在色度上，而且与画面内容强相关——左半是渐变，几乎无损； 右半是 2 像素宽的蓝条，色度被两两平均，误差直接跳到二十几。

所以「420 省一半空间」的准确说法是「省的是色度」。 人眼对亮度敏感、对色度迟钝，这个取舍才成立；换成给机器看（比如做检测）， 色度被平均掉可能就是致命的，那就该用 444。

四、动手 Demo：三种取样各存一份，再逐通道算误差

先按 420、422、444 各裸存一份，比较字节；再取同一帧做 444 与 420 的往返对比。 对比时分左右两半看：左半是渐变，右半是 2 像素宽的蓝条，正好说明「误差跟内容有关」。

import av, os, numpy as np

for pf in (u"yuv420p", u"yuv422p", u"yuv444p"):
    c1 = av.open(pf + u".yuv", u"w", format=u"rawvideo")
    s1 = c1.add_stream(u"rawvideo", rate=25)
    s1.width, s1.height, s1.pix_fmt = 160, 90, pf
    c0 = av.open(u"s5.mp4")
    for f in c0.decode(video=0):
        for o in s1.encode(f.reformat(width=160, height=90, format=pf)):
            c1.mux(o)
    for o in s1.encode(None):
        c1.mux(o)
    c1.close()
    c0.close()
    print(u"%s %d" % (pf, os.path.getsize(pf + u".yuv")))

c0 = av.open(u"s5.mp4")
f0 = next(c0.decode(video=0))
c0.close()
rgb = f0.reformat(format=u"rgb24")
a = rgb.reformat(format=u"yuv444p").to_ndarray()
b = rgb.reformat(format=u"yuv420p").reformat(format=u"yuv444p").to_ndarray()
d = np.abs(a.astype(np.int16) - b.astype(np.int16))
print(u"亮度最大误差 %d" % d[0].max())
print(u"左半色度平均误差 %.2f" % d[1:, :, :80].mean())
print(u"右半色度平均误差 %.2f" % d[1:, :, 80:].mean())

实跑输出：

--------------------------------------------------------------------
5.2.2 YUV444／422／420——差的是色度分辨率
--------------------------------------------------------------------

**① 三种取样各存一份，字节对比**

  像素格式     总字节      每像素字节
  ------------------------------------
  yuv420p      1080000     1.5
  yuv422p      1440000     2.0
  yuv444p      2160000     3.0

**第三列就是公式里的系数：420 是 1.5、422 是 2.0、444 是 3.0。**
**这个系数来自「每个像素配几个色度样本」，与画面内容无关。**

**② 色度减半到底丢了什么**

  区域             平均误差     最大误差
  ---------------------------------------
  整幅             11.97        59
  左半（平滑）     0.13         1
  右半（细条）     23.82        59

**亮度这一次一个样本都没被平均：亮度平面最大误差只有 0。420 砍的只有色度。**
**代价全在色度上，而且与画面内容直接相关：左半是渐变，误差 0.13；**
**右半是 2 像素宽的蓝条，色度被两两平均，误差跳到 23.82。**

**所以「420 省一半空间」的准确版本是「省的是色度，不是亮度」。**
**人眼对亮度敏感、对色度迟钝，这个取舍才成立——换成给机器看，就不该这么省。**

两路都从同一个 RGB 出发，才算公平比较。 如果先存 420 再和 444 比，比的其实是「解码器怎么补色度」，那是另一回事。

to_ndarray() 对 planar 格式返回的是「三个平面竖着接起来的一整块」， 所以索引 0 是亮度，1 与 2 是色度，形状是 3×90×160。

左半右半这个切法是为了说明问题，不是通用做法。 真实评估该看整幅的 PSNR，或者直接把两张图叠起来看差值图。

30 秒实验

  1. 盲测：把 444 与 420 两版放大到全屏，看能不能分出哪张是哪张。
  2. 改素材：换成纯色块画面再跑一遍，误差会接近 0，说明误差取决于内容。
  3. 命令行对照：-pix_fmt yuv420p 与 -pix_fmt yuv444p 各转一遍，比文件大小。

常见误区

  1. 以为 420 转 444 能提升画质。只是把样本补回去，补不出丢掉的信息。
  2. 以为 420 所有通道都减半。亮度是全分辨率的，减半的只有色度。
  3. 以为 444 一定更好。它确实更保真，但文件大一半，多数播放场景用不上。
自测三问（点开对答案） 1. yuv420 里的 4、2、0 分别是什么意思？ —— 按「横向／纵向」读：亮度每像素一个样本，色度横竖都是每两个像素共用一组。 2. 为什么 420 的每像素字节是 1.5 而不是 1？ —— 亮度占 1 份，两个色度平面各占 0.25 份，1 加 0.25 加 0.25 等于 1.5。 3. 420 的误差为什么跟画面内容有关？ —— 它把相邻像素的色度平均了。画面越平滑，平均前后的差别越小；细密的彩色纹理差别就大。

相关笔记