直播抠图技术100谈之34--我们认为最好的分辨率设置

结论：采集走 4K（3840x2160），编码输出 1080P（1920x1080）。采集格式优先 YUY2 / UYVY 或 RGB24，
拿不到就退 NV12，但不要用 MJPEG。

平台侧入流基本都是 1080P，这个改不了，所以能动的只有编码器的输入。下面是选 4K 采集而不是 1080P 直采的
几条理由:

一、绕开摄像头自己的缩放

这是最主要的原因，而且和"分辨率越高越好"没关系。
同一台设备切到 1080P 档位时，很少是做规规矩矩的 2x2 binning。常见做法是 ISP 里跑一个 scaler，
更差的是直接跳行读出（line skipping）。跳行等于欠采样，斜边和高频纹理会直接出摩尔纹和锯齿，
而且这类失真是不可逆的。
取 4K 原图自己缩，等于把重采样这一步从摄像头 ISP 手里拿回来，用什么核、在什么色彩空间做、
中间精度多少位，全部可控。这个收益跟传感器好坏无关，便宜设备上反而更明显。

二、色度分辨率翻倍

4K 下即使只拿到 NV12（4:2:0），色度平面也是 1920x1080。缩到 1080P 输出后，色度是逐像素的，
等效 4:4:4。而 1080P 直采的 4:2:0，色度只有 960x540。
实际表现是红色和饱和色块的边缘：纯红衣服、口红、品牌色 logo，在 1080P 4:2:0 下边缘会发虚、
糊出去一两个像素，字幕的彩色描边也会发脏。4K 采集能明显改善。
退到 NV12 采集也是可以接受的方案。

三、噪声：有收益，但没有想象中大

2x2 box 平均对不相关噪声是方差降到 1/4、标准差减半，账面上 6dB。但实际拿不到这么多：
同尺寸传感器上，4K 的单像素面积只有 1080P 模式的 1/4，本身噪声就更高。两边一抵，平均下来往往只是
和原生 1080P 读出打个平手，略好一点。所以别把降噪当作选 4K 的主要理由，前两条才是。

四、编码器

噪声无法帧间预测，每帧都要重新花码率描述，在 6~8Mbps 这个档位上会直接换成块效应和蚊状噪声。
下采样本身就是一次低通，编码前就把这部分无效高频削掉了，码率能更多花在真正的结构信息上。

注意的几件事

缩放核别用 Lanczos。 4K 到 1080P 正好是整数 2:1，box / area 平均就是数学上正确的答案，
而且没有振铃。Lanczos 在这个倍率下会在高对比边缘（白底黑字、字幕描边）留下 halo。
OBS 里选 Area，自己写就是 2x2 求平均。
缩放放在管线最后，只做一次。 抠像、贴图、合成全部在 4K 画面上完成，末尾统一降到 1080P。
中间来回缩放会累积软化。文字和 UI 例外——直接在 1080P 输出画布上渲染，别从 4K 缩下来。
中间精度留够。 8bit 进 8bit 出的话，2x2 平均得到的额外精度会被舍入，渐变背景容易带banding。缩放在 16bit 或 float 下做，最后一步再回 8bit。

色彩矩阵和范围别转两次。 全程 BT.709 + limited range，采集、缩放、编码三处配置对齐。
不一致的话表现是黑位发灰或者高光被切，比分辨率问题更显眼。

一句话

选 4K 采集的核心目的不是"像素更多"，而是把重采样和色度处理从摄像头 ISP 手里接过来自己做。
输出还是 1080P，但这 1080P 是自己控出来的。