Numpy将uint16解压缩为1-5-5-5位块

Question

我正试图使用numpy将二进制字符串转换为Python中的图像，但我很难找到一种用非常规位分布来处理它的好方法(据我所知)。

这些都是如何以及如何转换的具体细节。16位纹理瓷砖(256*256)。每个bitu16表示一个像素，其颜色为ARGB，MSB-to-LSB: 1位透明度。

5位红色通道5位绿色通道5位蓝色通道

Numpy并不真正支持任何1位或5位的东西。我尝试用不同的argb频道设置一个np.dtype，但没有任何成功。解包位似乎不能在uint16上工作，所以在这种情况下，我可能不得不将其分割成2 uint8 8。

dt = np.dtype([('a', np.bool_), ('r', np.half), ('g', np.half), ('b', np.half)])

data = data.read(131072)

dataFromBuffer = np.frombuffer(data, dtype=dt)
img  = dataFromBuffer.reshape(256, 256)

Answer 1

以下是如何使您的方法有效：

# make small example
x = np.random.randint(0,1<<16,size=(5,5),dtype=np.uint16)

# set up dtype
dt = np.dtype([*zip('argb',(bool,*3*(np.uint8,)))])

# bit of bit twiddling

def unpack_argb(x):
    out = np.empty(x.shape,dt)
    for i,ch in enumerate(reversed('argb')):
        out[ch] = (x>>(5*i))&31
    return out

def pack_argb(x):
    out = x['a'].astype(np.uint16)
    for ch in 'rgb':
        out <<= 5
        out += x[ch]&31
    return out

# check round trip
np.all(x == pack_argb(unpack_argb(x)))
# True

更新：

def argb16_to_rgba32(x):
    out = np.empty(x.shape+(4,),np.uint8)
    out[...,3] = (x>>8)&0x80
    out[...,0] = (x>>7)&0xf8
    out[...,1] = (x>>2)&0xf8
    out[...,2] = (x<<3)&0xf8
    return out

def rgba32_to_argb16(x):
    x16 = x.astype(np.uint16)&0xf8
    out = (x16[...,3]&0x80)<<8
    out += x16[...,0]<<7
    out += x16[...,1]<<2
    out += x16[...,2]>>3
    return out

Answer 2

在这种情况下，对于缺少位numpy位级支持，您是正确的。一种处理双边投资条约的高级(但有功能的)方法可以如下所示：

image_16_bit = 123 # A 16bit integer.

bits = '{:016b}'.format(image_16_bit) 

transparency = int(bits[0], 2)
red_channel = int(bits[1:6], 2)
green_channel = int(bits[6:11], 2)
blue_channel = int(bits[11:], 2)

print(transparency, red_channel, green_channel, blue_channel) # 0 0 3 27

您可以在所有ints上运行此操作，然后收集单个信道值。最后，您可以将其转换为numpy数组，以便将图像转换为numpy数组。