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）。这些是如何转换以及转换什么的细节。16 位纹理图块 (256*256)。每个 bitu16 代表一个像素，其颜色的形式为 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 uint8dt = 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

在这种情况下，您对缺乏 bit numpy 位级别支持是正确的。可以按如下方式处理位的高级（但功能）方法：

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

您可以对所有整数运行此操作，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

以下是如何使您的方法奏效：

# 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