从字节文件中查找拜耳模式格式

Question

我有点纠结于一个问题，我想知道是否有更多经验的人会注意到我做错了什么：

我有一个6,266,880字节的二进制文件，其中包含一个用未知的拜耳模式保存的图像。

关于这个图像，我知道它的格式是2176x1920像素，它的bit_per_pixel = 12。

我想知道哪一种是用于保存图像的拜耳格式。

我认为使用cv2.cvtColor(src, cv2.COLOR_BayerGR2BGR)库为拜耳输入提供的所有转换选项来转换它，这些选项是：

  cv::COLOR_BayerBG2BGR
  cv::COLOR_BayerGB2BGR 
  cv::COLOR_BayerRG2BGR
  cv::COLOR_BayerGR2BGR 

直到我找到了提供一个“干净”图像的输出。

然而，我总是弄到这样肮脏的东西：

​

下面是我使用的代码：

import numpy as np
import matplotlib.pyplot as plt
import cv2

pixels = np.fromfile("0000.raw", dtype = 'uint8')

""" CONVERT THE BYTE STREAM, EVERY PIXEL HAS 12 BIT, SO BYTE HAS TO BE SPLITTED AND PUTTED IN A UINT16 VARIABLE"""
data = pixels
data1 = data.astype(np.uint16)
data1[::3] = data1[::3]*256 + data1[1::3] // 16
data1[1::3] = (data[1::3] & 0x0f)*16 + data[2::3]
result = np.ravel(data1.reshape(-1,3)[:,:2]) 


img = result.reshape(2176, 1920)
convertedImage = cv2.demosaicing(img_scaled, cv2.COLOR_BayerGR2BGR) 
cv2.imshow("tmp", convertedImage) 
cv2.waitKey(0) 

另外，这里有10个保存为原始文件的相同映像的示例，每个示例都有一个json及其属性。

你知道还有什么可以改变它的吗？还是有其他方法可以找到拜耳格式？

Answer 1

12位被打包:每3个字节应用压缩2 (12位)像素。

我设法通过反复尝试解压像素。

以下是代码：

import numpy as np
import cv2

cols, rows = 1920, 2176

pixels = np.fromfile("0000.raw", np.uint8)

""" CONVERT THE BYTE STREAM, EVERY PIXEL HAS 12 BIT, SO BYTE HAS TO BE SPLITTED AND PUTTED IN A UINT16 VARIABLE"""
data = pixels
data1 = data.astype(np.uint16)

result = np.zeros(data.size*2//3, np.uint16)

# 12 bits packing: ######## ######## ########
#                  | 8bits| | 4 | 4  |  8   |
#                  |  lsb | |msb|lsb |  msb |
#                  <-----------><----------->
#                     12 bits       12 bits

result[0::2] = ((data1[1::3] & 15) << 8) | data1[0::3]
result[1::2] = (data1[1::3] >> 4) | (data1[2::3] << 4)
bayer_im = np.reshape(result, (rows, cols))

bgr = cv2.cvtColor(bayer_im, cv2.COLOR_BayerBG2BGR)
cv2.imshow('bgr', bgr*16)

# "White balance":
bgr[:, :, 0] = np.minimum(bgr[:, :, 0].astype(np.float32)*1.8, 4095).astype(np.uint16)
bgr[:, :, 2] = np.minimum(bgr[:, :, 2].astype(np.float32)*1.67, 4095).astype(np.uint16)

cv2.imshow('bayer_im', bayer_im*16)
cv2.imshow('bgr WB', bgr*16)
cv2.waitKey()
cv2.destroyAllWindows()

• cv2.COLOR_BayerBG2BGR给出了最好的结果。
• 我放大了蓝色和红色通道(简单的“白平衡”)。
• 图像由两幅图像组成--高曝光的顶部和低曝光的底部。它的目的是通过合并这两幅图像来获得HDR帧。 生成HDR图像超出了我回答的范围。

结果：

​