案例1 绿边
故障分析：
这个能明显看到视频上方出现绿色半透明边带。这说明Y数据正常。UV数据不正常。
它显然与视频帧的垂直分辨率设置有关。
UV数据和Y数据是连续放置的，如果上方出现彩色数据失调，说明这部分数据实际仍然是Y数据。也就是说如果这是1920*1080p的数据，那么说明它的线数比1080更大。
根据绿边行数/2，加至1080的数据上，故障消失：
案例2 栅格
故障分析
上面的配置下，出现水平数据的错位，在上面可以正常的显示被拆分成了3个带状的数据。YUV模式下不好看故障的特征，先把UV数据消掉，用标准的灰度图像去观察：
相关的灰度UV数据生成：
uv_plane = np.full((height // 2, width), 128, dtype=np.uint8)最终根据灰度图上的关键点位的相对位置，得到了真正的width,修正后：
附录 A 16*16宏块分散的视频数据重组为标准YUV-420
这段代码没有用到，备用。本来是为了处理案例2.
def merge_to_yuv420(self, macrobloc_data, width, height):
# Calculate sizes
Y_size = width * height
U_size = Y_size // 4 # U and V are quarter size of Y
# Initialize arrays for Y, U, V
Y = np.empty((height, width), dtype=np.uint8)
U = np.empty((height // 2, width // 2), dtype=np.uint8)
V = np.empty((height // 2, width // 2), dtype=np.uint8)
# Merge macroblocks into Y, U, V components
for r in range(height // 16):
for c in range(width // 16):
macroblock_index = r * (width // 16) + c
Y_block_start = macroblock_index * 256
U_block_start = Y_size + (macroblock_index * 64)
V_block_start = Y_size + U_size + (macroblock_index * 64)
# Merge Y block
Y[r*16:(r+1)*16, c*16:(c+1)*16] = np.frombuffer(macrobloc_data[Y_block_start:Y_block_start+256], dtype=np.uint8).reshape(16, 16)
# Merge U and V blocks
U[r*8:(r+1)*8, c*8:(c+1)*8] = np.frombuffer(macrobloc_data[U_block_start:U_block_start+64], dtype=np.uint8).reshape(8, 8)
V[r*8:(r+1)*8, c*8:(c+1)*8] = np.frombuffer(macrobloc_data[V_block_start:V_block_start+64], dtype=np.uint8).reshape(8, 8)
return Y, U, V
def nv12_to_rgb(self, nv12, width, height):
width = 1920
height = 1080
Y,U,V = self.merge_to_yuv420(nv12, width, height)
U_upsampled = cv2.resize(U, (width, height), interpolation=cv2.INTER_LINEAR)
V_upsampled = cv2.resize(V, (width, height), interpolation=cv2.INTER_LINEAR)
yuv_image = np.concatenate((Y, U_upsampled, V_upsampled))
# Use OpenCV to convert YUV420sp (NV12) to RGB
rgb_image = cv2.cvtColor(yuv_image, cv2.COLOR_YUV2RGB_IYUV)
return rgb_image
