python 读取 Raw文件 生成 Numpy 数组

一般情况下,有python的三方库的软件,可以读RGB二进制的Raw数据,生成Numpy数据。比如说OpenCV之类的。但是,我们也可以使用python的裸代码,得到Numpy。


知识点:

  • numpy.frombuffer 将bytes格式转换为numpy ndarray
  • numpy.reshape 可以将一维的numpy数组转换成三维的数组
  • numpy.dstack 可以将三维的RBA数据扩充成RGBA 数据
  • numpy.concatenate 可以扩充到更高维度的numpy 数据

代码例子如下:

#!/usr/bin/env python
# encoding: utf-8
import os
import numpy as np


def read_raw_to_rgb(raw_path, width, height, channel):
    """ 读取raw数据转换成 RGB 的numpy 格式的数据 """
    assert os.path.exists(raw_path), r'输入的文件必须存在'
    raw_data = open(raw_path, 'rb').read()
    raw_data_shape = (width, height, channel)
    np_raw_data = np.frombuffer(raw_data, dtype=np.uint8)
    reshaped_data = np_raw_data.reshape(raw_data_shape)
    return reshaped_data


def convert_rgb_to_rgba(rgb_data, alpha):
    """ 将 RGB 数据扩充成 RGBA 的数据"""
    r = rgb_data[:, :, 0]
    g = rgb_data[:, :, 1]
    b = rgb_data[:, :, 2]
    a = np.zeros(r.shape, np.uint8)
    a[:, :] = alpha
    rgba_data = np.dstack((r, g, b, a))
    return rgba_data


def create_alpha_data_according_rgb_data(rgb_data, alpha):
    """ 根据rgb_data的维度创建alpha_data"""
    r = rgb_data[:, :, 0]
    a = np.zeros(r.shape, np.double)
    a[:, :] = alpha
    return a

    vr_path = r'D:\temp\result\vr_512_512.raw'
    sr_path = r'D:\temp\result\sr_512_512.raw'

    vr_rgb_data = read_raw_to_rgb(vr_path, 512, 512, 3)
    vr_alpha_data = create_alpha_data_according_rgb_data(vr_rgb_data, 0.1)

    sr_rgb_data = read_raw_to_rgb(sr_path, 512, 512, 3)
    sr_alpha_data = create_alpha_data_according_rgb_data(sr_rgb_data, 0.9)
    print(512*512*4)

    vr_rgb_data_image_idx = vr_rgb_data[np.newaxis, :, :, :]
    sr_rgb_data_image_idx = sr_rgb_data[np.newaxis, :, :, :]
    rgb_data_array = np.concatenate((vr_rgb_data_image_idx, sr_rgb_data_image_idx), axis=0)
    print(rgb_data_array.shape)

    vr_alpha_data_image_idx = vr_alpha_data[np.newaxis, :, :]
    sr_alpha_data_image_idx = sr_alpha_data[np.newaxis, :, :]
    alpha_data_array = np.concatenate((vr_alpha_data_image_idx, sr_alpha_data_image_idx), axis=0)
    print(alpha_data_array.shape)

测试环境中的图像,可以使用 OpenCV读取一张图, 将numpy保存到文件中。

### 使用 PythonNumPy 读取 CSV 文件 为了使用 PythonNumPy读取 CSV 文件,可以采用 `numpy.genfromtxt` 或者 `numpy.loadtxt` 函数。这些函数提供了多种选项来定制化数据加载过程。 #### 方法一:使用 `genfromtxt` 此方法适用于处理含有缺失值的数据集,并允许指定分隔符以及跳过的行数: ```python import numpy as np # 假设有一个名为 'data.csv' 的文件路径 fname = 'data.csv' # 加载整个CSV文件NumPy数组中,设置dtype为字符串类型以便于后续操作 csv_data = np.genfromtxt(fname, dtype=str, delimiter=",") print(csv_data) ``` 上述代码会将 CSV 文件的内容按照逗号分割成多个字段并存储在一个二维的 NumPy 数组里[^1]。 如果只想获取某些特定列,则可以在调用时通过 `usecols` 参数指明所需的列索引: ```python specific_columns = np.genfromtxt(fname, dtype=float, delimiter=",", usecols=(0, 2)) print(specific_columns) ``` 这里选择了第1列和第3列(注意:Python 中索引是从零开始),并将它们作为浮点数值返回[^3]。 #### 方法二:使用 `loadtxt` 对于更简单的场景,可以直接应用 `numpy.loadtxt()` 函数来进行快速导入: ```python simple_load = np.loadtxt(fname, delimiter=",", skiprows=1) # 跳过表头 print(simple_load) ``` 这段脚本同样能够完成基本的任务需求,不过它不支持像 `genfromtxt` 那样灵活地处理非结构化的输入格式[^4]。 当面对更加复杂的转换逻辑时,还可以结合列表推导式实现自定义解析规则: ```python raw_data = np.genfromtxt(fname, dtype=None, delimiter=",", encoding='utf8') processed_data = [[str(item[0])] + list(map(float, item[1:])) for item in raw_data] for row in processed_data[:5]: print(row) ``` 该片段展示了如何先读入原始数据再逐条加工每一项记录的方式[^5]。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值