在 Python 中将单个整数像素数组转换为 RGB 三元组答案

【问题标题】：Convert array of single integer pixels to RGB triplets in Python在 Python 中将单个整数像素数组转换为 RGB 三元组
【发布时间】：2013-10-26 06:42:45
【问题描述】：

我正在使用 Micro-Manager 1.4 为显微镜使用相机。使用 Python 界面，我已经设法访问相机、更改曝光时间等，并且可以捕获单个图像。

但是，每个图像都作为 NumPy 数组返回，其中每个像素都表示为单个整数，例如“7765869”。据我在网上找到，这在 Java 中被称为“BufferedImage”，这意味着 RGB 值被编码为：

BufferedImage = R * 2^16 + G * 2^8 + B

我的问题是：我怎样才能使用例如Numpy 或 OpenCV，将这种数组转换为更方便的数组，其中每个像素都是 uint8 值的 RGB 三元组？不用说，转换应该尽可能高效。

【问题讨论】：

为了扩展这背后的理论，你所拥有的是一个a * x + b * y + c * z == n形式的线性丢番图方程，在我们的例子中是a = 2**16, b = 2**8, c = 1。通常，这些方程的解涉及找到gcd(a, b, c) 并希望它除以n；如果没有，那么就没有解决方案。假设存在一个解决方案，则存在无限多个解决方案。但是，在这种情况下，我们受限于找到解决方案0 <= x, y, z < 256，因此鉴于gcd(a, b, c) | n，将只有一个解决方案。

标签： python opencv numpy camera

【解决方案1】：

最简单的方法是让 numpy 为您进行转换。您的 numpy 数组可能是 np.uint32 类型。如果您将其视为np.uint8 的数组，您将拥有一个RGB0 格式的图像，即每个像素的R、G 和B 值，再加上一个空的np.uint8。很容易重塑和丢弃那个零值：

>>> img = np.array([7765869, 16777215], dtype=np.uint32)
>>> img.view(np.uint8)
array([109, 127, 118,   0, 255, 255, 255,   0], dtype=uint8)
>>> img.view(np.uint8).reshape(img.shape+(4,))[..., :3]
array([[109, 127, 118],
       [255, 255, 255]], dtype=uint8)

最好的事情是无需计算或复制数据，只需重新解释原始图像的内容：我认为没有比这更有效的方法了！

我记得对于某些操作，OpenCV 需要一个连续的数组，因此您可能必须在该表达式的末尾添加一个 .copy() 才能真正摆脱零列，而不是简单地忽略它，尽管这会当然会触发上面代码避免的数据副本。

【讨论】：

完美运行！将“img2”定义为“img.view(np.uint8).reshape(img.shape+(4,))[..., :3]”，然后使用“cv2.imwrite”完美保存图像。谢谢！
@Bjarke 您可能需要确保保存的是 RGB 图像，而不是 BGR 图像...这取决于系统的字节序。如果有误，只需在 img2 定义的末尾加上 [::-1]，它就会颠倒读取它们的顺序。
非常聪明的解决方案！
@tom10 是的，它很聪明，尽管平心而论，这是别人的聪明：我以设计打印机管道为生，这种字节摆弄或多或少是我们 (HP) 产品中的标准程序.

【解决方案2】：

最快的方法可能是将其保存在 numpy 中：

from numpy import *
x = array([211*2**16 + 11*2**8 + 7])  # test data

b, g, r = bitwise_and(x, 255), bitwise_and(right_shift(x, 8), 255), bitwise_and(right_shift, 16), 255)

print r, g, b
(array([211]), array([11]), array([7]))

【讨论】：

【解决方案3】：

rgbs = [((x&0xff0000)>>16,(x&0xff00)>>8,x&0xff) for x in values]

至少我认为...

afaik 上面的公式也可以写成

BufferedRGB = RED<<16 + GREEN << 8 + BLUE 

red,green,blue = 0xFF,0x99,0xAA
red<<16 + green << 8 + blue  #= 0xFF99AA (buffered into one value)

#apply a bitmask to get colors back
red = (0xFF99AA & 0xFF0000) >> 16 # = 0xFF
green = (0xFF99AA & 0xFF00) >> 8  # = 0x99
blue = 0xFF99AA & 0xFF          # = 0xAA

这对我来说更具可读性并且清楚发生了什么

【讨论】：

【解决方案4】：

一种方法是

Red = BufferedImage / 2**16
Green = (BufferedImage % 2**16) / 2**8
Blue = (BufferedImage % 2**8)

但是，我怀疑这是最优雅（Pythonic？）或最快的方式。

【讨论】：