Image类在Android的API 19中引入，但真正开始发挥作用还是在API 21引入CameraDevice和MediaCodec的增强后。API 21引入了Camera2，deprecated掉了Camera，确立Image作为相机得到的原始帧数据的载体；硬件编解码的MediaCodec类加入了对Image和Image的封装ImageReader的全面支持。可以预见，Image将会用来统一Android内部混乱的中间图片数据（这里中间图片数据指如各式YUV格式数据，在处理过程中产生和销毁）管理。

YUV即通过Y、U和V三个分量表示颜色空间，其中Y表示亮度，U和V表示色度。不同于RGB中每个像素点都有独立的R、G和B三个颜色分量值，YUV根据U和V采样数目的不同，分为如YUV444、YUV422和YUV420等，而YUV420表示的就是每个像素点有一个独立的亮度表示，即Y分量；而色度，即U和V分量则由每4个像素点共享一个。举例来说，对于4x4的图片，在YUV420下，有16个Y值，4个U值和4个V值。

YUV420是一类格式的集合，YUV420并不能完全确定颜色数据的存储顺序。YUV420根据颜色数据的存储顺序不同，又分为了多种不同的格式，如YUV420Planar、YUV420PackedPlanar、YUV420SemiPlanar和YUV420PackedSemiPlanar，这些格式实际存储的信息还是完全一致的。举例来说，对于4x4的图片，在YUV420下，任何格式都有16个Y值，4个U值和4个V值，不同格式只是Y、U和V的排列顺序变化。I420（YUV420Planar的一种）则为YYYYYYYYYYYYYYYY UUUU VVVV，NV21（YUV420SemiPlanar）则为YYYYYYYYYYYYYYYY vu vu vu vu。

Camera2使用Image YUV_420_888，旧的API Camera默认使用NV21，NV21也是YUV 420的一种。事实上android也支持422编码。可以通过getFormat()获取camera2的Image 类型为YUV_420_888。YUV_420_888是一种三通道Planar存储方式，可以通过getPlanes()获取每个通道的数据，通道1为Y，通道2为U，通道3为V，和其他YUV420一样，四个Y对应一个U和一个V，也就是四个像素共用四个Y，一个U，一个V，但和其他存储格式的YUV420主要差别在于，单个U使用两个byte存储，单个V也使用两个byte，多出来的一个byte使用空数据127填充，总的大小是widthXheightX2，其他为乘以1.5，和其他YUV转换需要先去掉空数据。或者把U的空数据替换为V，也或者把V的空数据替换为U。

Planar

image format: 35
get data from 3 planes
pixelStride 1
rowStride 1920
width 1920
height 1080
buffer size 2088960
Finished reading data from plane 0
pixelStride 1
rowStride 960
width 1920
height 1080
buffer size 522240
Finished reading data from plane 1
pixelStride 1
rowStride 960
width 1920
height 1080
buffer size 522240
Finished reading data from plane 2

4X4图像，数据大小16+4+4

YYYY
YYYY
YYYY
YYYY

UUUU

VVVV

 SemiPlanar，这是android Image默认输出的YUV_420_888

image format: 35
get data from 3 planes
pixelStride 1
rowStride 1920
width 1920
height 1080
buffer size 2088960
Finished reading data from plane 0
pixelStride 2
rowStride 1920
width 1920
height 1080
buffer size 1044479
Finished reading data from plane 1
pixelStride 2
rowStride 1920
width 1920
height 1080
buffer size 1044479
Finished reading data from plane 2

4X4图像，数据大小16+7+7，UV最后一个空数据被省略了

YYYY
YYYY
YYYY
YYYY

U0xffU0xff 
U0xffU

V0xffV0xff
V0xffV

常见YUV420存储格式

P是UV不交叉，SP是UV交叉存储，

对于不交叉，YV12是V在前，YU12是U在前，YU12双叫I420，opencv对应于IYUV，周属于420p

对于交叉，NV21是V在前，NV12是U在前， android老camera使用NV21，IOS使用NV12，同属于420sp

综上所知

Image YUV_420_888要转转换为大致分为三步

1 通过getPlanes获取Y，U，V三个通道数据
2.把U，V数据处理去掉空数据，得到紧凑的U和V
3.根据需要的数据对Y，U，V进行重新组合

对于需要输出420sp数据的情况，第二步也可以不去掉空格，根据需要把U和空白数据依次替换为V或者把V的今次替换为U然后和Y合并即可。

把YUV_420_888转为NV21

 private ByteBuffer imageToByteBuffer(final Image image) {final Rect crop = image.getCropRect();final int width = crop.width();final int height = crop.height();final Image.Plane[] planes = image.getPlanes();final int bufferSize = width * height * ImageFormat.getBitsPerPixel(ImageFormat.YUV_420_888) / 8;final ByteBuffer output = ByteBuffer.allocateDirect(bufferSize);int channelOffset = 0;int outputStride = 0;for (int planeIndex = 0; planeIndex < planes.length; planeIndex++) {if (planeIndex == 0) {channelOffset = 0;outputStride = 1;} else if (planeIndex == 1) {channelOffset = width * height + 1;outputStride = 2;} else if (planeIndex == 2) {channelOffset = width * height;outputStride = 2;}final ByteBuffer buffer = planes[planeIndex].getBuffer();final int rowStride = planes[planeIndex].getRowStride();final int pixelStride = planes[planeIndex].getPixelStride();byte[] rowData = new byte[rowStride];final int shift = (planeIndex == 0) ? 0 : 1;final int widthShifted = width >> shift;final int heightShifted = height >> shift;buffer.position(rowStride * (crop.top >> shift) + pixelStride * (crop.left >> shift));for (int row = 0; row < heightShifted; row++) {final int length;if (pixelStride == 1 && outputStride == 1) {length = widthShifted;buffer.get(output.array(), channelOffset, length);channelOffset += length;} else {length = (widthShifted - 1) * pixelStride + 1;buffer.get(rowData, 0, length);for (int col = 0; col < widthShifted; col++) {output.array()[channelOffset] = rowData[col * pixelStride];channelOffset += outputStride;}}if (row < heightShifted - 1) {buffer.position(buffer.position() + rowStride - length);}}}return output;}

https://blog.csdn.net/bd_zengxinxin/article/details/37388325