raw图G通道

import numpy as np
import matplotlib.pyplot as plt


def extract_g_channel_info(raw_path, width, height, bit_depth=12, bayer_pattern='RGGB'):
    """
    从拜耳阵列RAW图中提取G通道信息
    :return: 原始数组、G通道掩码、最大亮度值
    """
    # 读取RAW数据并解析为数组
    dtype = np.uint16
    with open(raw_path, 'rb') as f:
        raw_data = f.read()
    raw_array = np.frombuffer(raw_data, dtype=dtype).reshape(height, width)

    # 修正位深（去除无效高位）
    max_value = (1 << bit_depth) - 1
    raw_array = np.clip(raw_array, 0, max_value)

    # 创建G通道掩码（True表示该位置是G通道）
    g_mask = np.zeros((height, width), dtype=bool)

    # 根据拜耳阵列模式标记G通道位置
    if bayer_pattern == 'RGGB':
        # G通道位置：(偶数行, 奇数列) 和 (奇数行, 偶数列)
        g_mask[::2, 1::2] = True  # 偶数行，奇数列
        g_mask[1::2, ::2] = True  # 奇数行，偶数列
    elif bayer_pattern == 'BGGR':
        # G通道位置：(偶数行, 偶数列) 和 (奇数行, 奇数列)
        g_mask[::2, ::2] = True
        g_mask[1::2, 1::2] = True
    elif bayer_pattern == 'GRBG':
        # G通道位置：(偶数行, 偶数列) 和 (奇数行, 奇数列)
        g_mask[::2, ::2] = True
        g_mask[1::2, 1::2] = True
    elif bayer_pattern == 'GBRG':
        # G通道位置：(偶数行, 奇数列) 和 (奇数行, 偶数列)
        g_mask[::2, 1::2] = True
        g_mask[1::2, ::2] = True
    else:
        raise ValueError(f"不支持的拜耳模式：{bayer_pattern}")

    # 计算整体G通道平均亮度
    all_g_values = raw_array[g_mask]
    print(all_g_values)
    avg_g_brightness = np.mean(all_g_values)*255 / max_value

    return raw_array, g_mask, max_value, avg_g_brightness


def calculate_300x300_g_mean(raw_array, g_mask, center_x, center_y, max_val):
    """
    以指定像素为中心，计算300x300区域内G通道的平均值
    直接在原始拜耳阵列上操作，避免填充0值的影响
    """
    height, width = raw_array.shape

    # 计算300x300区域的边界（确保不超出图像范围）
    half_size = 150  # 300/2 = 150
    start_x = max(0, center_x - half_size)
    end_x = min(width, center_x + half_size)
    start_y = max(0, center_y - half_size)
    end_y = min(height, center_y + half_size)

    # 提取区域内的G通道像素
    region_mask = g_mask[start_y:end_y, start_x:end_x]
    region_g_values = raw_array[start_y:end_y, start_x:end_x][region_mask]

    if len(region_g_values) == 0:
        return 0, 0, (start_x, end_x, start_y, end_y), 0

    # 计算平均值
    raw_mean = np.mean(region_g_values)
    normalized_mean = raw_mean / max_val
    normalized_mean = normalized_mean*255
    # 打印详细信息（帮助调试）
    print(f"\n300x300区域范围: X[{start_x}:{end_x}], Y[{start_y}:{end_y}]")
    print(f"区域大小: {end_y - start_y}x{end_x - start_x}")
    print(f"区域内G通道像素总数: {len(region_g_values)} (约占区域的50%)")
    print(f"区域内G通道亮度范围: {np.min(region_g_values)} ~ {np.max(region_g_values)}")
    print(f"区域内G通道平均亮度（原始值）: {raw_mean:.2f}")
    print(f"区域内G通道平均亮度（归一化0~1）: {normalized_mean:.4f}")

    return raw_mean, normalized_mean, (start_x, end_x, start_y, end_y), len(region_g_values)


# 示例使用
if __name__ == "__main__":
    raw_path = "D:\\2.raw"
    width = 5248  # 图像宽度
    height = 5248  # 图像高度
    bit_depth = 16  # 位深（16bit）
    bayer_pattern = 'RGGB'  # 拜耳模式

    # 提取G通道信息
    raw_array, g_mask, max_val, avg_brightness = extract_g_channel_info(
        raw_path, width, height, bit_depth, bayer_pattern
    )

    # 输出整体结果
    print(f"整体G通道平均亮度（原始值）：{avg_brightness * max_val:.2f}")
    print(f"整体G通道平均亮度（0~1）：{avg_brightness:.4f}")
    print(f"G通道亮度值范围：0 ~ {max_val}")

    # 指定中心像素位置（示例：图像中心）
    center_x, center_y = width // 2, height // 2
    # 也可以指定其他位置，例如：center_x, center_y = 1000, 1000

    print(f"\n计算以({center_x}, {center_y})为中心的300x300区域平均值...")
    region_raw_mean, region_norm_mean, region_coords, g_count = calculate_300x300_g_mean(
        raw_array, g_mask, center_x, center_y, max_val
    )

    # 可视化（可选，大图像可能需要较长时间）
    if g_count > 0:
        start_x, end_x, start_y, end_y = region_coords

        # 提取区域数据用于可视化
        region_data = raw_array[start_y:end_y, start_x:end_x]
        # 为了显示清晰，将G通道像素值放大，非G通道像素设为0
        region_visual = np.where(g_mask[start_y:end_y, start_x:end_x], region_data, 0)

        plt.figure(figsize=(12, 10))

        # 显示整体G通道分布（采样显示，避免内存问题）
        plt.subplot(121)
        # 对大图像进行下采样显示
        step = max(1, width // 1000)  # 根据宽度动态调整采样步长
        plt.imshow(raw_array[::step, ::step] * g_mask[::step, ::step],
                   cmap='gray', vmin=0, vmax=max_val)
        plt.colorbar(label=f'G通道亮度值（0~{max_val}）')
        plt.title(f'整体G通道分布（平均：{avg_brightness:.4f}）')
        plt.axis('off')

        # 显示局部300x300区域的G通道分布
        plt.subplot(122)
        plt.imshow(region_visual, cmap='gray', vmin=0, vmax=max_val)
        plt.colorbar(label=f'G通道亮度值（0~{max_val}）')
        plt.title(f'300x300区域G通道分布（平均：{region_norm_mean:.4f}）')
        plt.axis('off')

        plt.tight_layout()
        plt.show()