RAW/RGB/YUV/NV12/MJPEG全格式拆解｜赋能ISP采集AI推理视频编码，助力嵌入式视觉低带宽低延迟工程落地

目录

摘要

1 前言

2 视觉系统全链路格式流转架构

3 主流图像格式底层原理与深度拆解

3.1 RAW Bayer格式：传感器原生未处理数据

3.2 RGB/BGR格式：AI推理与可视化标准格式

3.3 YUV系列格式：视频行业核心通用格式

3.3.1 三大采样模式核心差异

3.3.2 主流YUV细分格式实战解析

3.4 MJPEG格式：低成本帧内压缩图像流

3.5 H.264/H.265：专业视频编码格式

4 主流图像格式带宽数据量化对比

5 四大量产工程落地应用选型案例

5.1 仓储AGV机器人视觉采集方案（低延迟AI检测）

5.2 车载DMS驾驶员监控方案（全场景画质适配）

5.3 3C工业AI缺陷质检方案（高精度细节保留）

5.4 户外IPC智能监控方案（低码率长效存储）

6 嵌入式工程通用格式选型准则

7 全格式互转量产级完整工程代码

7.1 环境依赖配置

7.2 完整可部署工程代码

8 代码核心工程能力详解

9 工程高频避坑总结

10 总结与拓展方向

拓展学习方向

摘要

嵌入式视觉、机器人感知、车载自动驾驶、工业AI质检、流媒体监控工程中，图像格式选型是决定系统带宽占用、推理延迟、成像画质、传输稳定性的核心关键。多数开发者混淆RAW、RGB、YUV、NV12、MJPEG等主流格式的底层特性，在ISP采集、AI模型推理、视频编码传输环节盲目套用格式，频繁出现带宽溢出、色彩失真、画面撕裂、推理卡顿、缺陷细节丢失、低光画质劣化等量产问题。本文基于视觉系统完整数据流，从零深度拆解各类图像格式的存储结构、位深特性、采样原理、优劣差异与适配场景，精准区分YUV444/422/420、NV12/NV21/I420核心区别，结合车载感知、AGV机器人、工业质检、USB高清监控四大真实量产案例，配套Python+OpenCV全格式完整互转工程代码，实现传感器RAW仿真、YUV与RGB双向转换、MJPEG编解码、带宽量化分析全流程复现，为嵌入式视觉项目格式选型、驱动开发、算法预处理、流媒体部署提供标准化工程方案。

1 前言

一套完整的机器视觉数据流，严格遵循Sensor采集→ISP图像处理→内存缓存→AI推理/画面显示→编码传输存储的固定链路，链路中每个阶段都对应专属的图像格式，不存在通用万能格式。不同格式的设计初衷、数据结构、压缩方式、带宽开销截然不同，是产业链各硬件芯片（Sensor、ISP、GPU、NPU、编码器）适配差异化的核心原因。</