Numpy 将 uint16 解包为 1-5-5-5 位块

Question

我正在尝试使用 numpy 将二进制字符串转换为 Python 中的图像，但我很难找到一种使用非常规位分布处理它的好方法（据我所知去）。

这些是转换方式和内容的具体细节。 16 位纹理图块 (256*256)。每个 bitu16 代表一个像素，其颜色的格式为 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。我尝试使用不同的 argb 通道设置 np.dtype 但没有任何运气。 unpackbits 似乎不适用于 uint16，所以在那种情况下我可能不得不将它分成 2 个 uint8


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

关于在这种情况下缺少 bit numpy 位级别支持，您是正确的。处理位的高级（但功能）方法可以按如下方式完成：

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

您可以运行对所有整数进行此操作，然后收集各个通道值。最后，您可以将其转换为一个 numpy 数组，以将您的图像作为一个 numpy 数组。

Answer 2

以下是使您的方法奏效的方法：

# 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

Numpy 将 uint16 解包为 1-5-5-5 位块

Numpy unpack uint16 to 1-5-5-5 bit chunks

python

numpy

python-imaging-library

bin