在Python中优化Bayer16-> RGB

Question

我正在阅读一台给我Bayer16格式（GRGB）的照相机，我在python中编写了以下代码，将其从bayer16修改为bayer8，然后使用OpenCV将其转换为RGB：

def _convert_GRGB_to_RGB(self, bayer16_image):
  bayer8_image = bytearray()
  # Convert bayer16 to bayer 8
  for i in range(0, len(bayer16_image), 2):
    data_byte = (bayer16_image[i] & 0xF0) >> 4
    data_byte |= (bayer16_image[i+1] & 0x0F) << 4
    bayer8_image.append(data_byte)
  bayer8_image = numpy.frombuffer(bayer8_image, dtype=numpy.uint8).reshape((720, 1280))
  # Use OpenCV to convert Bayer GRGB to RGB
  return cv2.cvtColor(bayer8_image, cv2.COLOR_BayerGR2RGB)

经过一定的计时之后，for循环会占用大部分运行时间，并且效率极低（尽管我认为它不会分配任何空间，除非numpy进行非常编辑的副本）。 我想知道如何整体上改善此功能，特别是for循环（因为它是此功能中最慢的部分，数量级高）。

如果我要使用Python，是否有人有关于如何改善Bayer16-> RGB转换的提示和建议？

编辑：

我找到了一个使用numpy数组的解决方案，该解决方案使我的代码变得非常快：

def _convert_GRGB_to_RGB(self, data_bytes):
  even = numpy.frombuffer(data_bytes[0::2], dtype=numpy.uint8)
  odd = numpy.frombuffer(data_bytes[1::2], dtype=numpy.uint8)
  # Convert bayer16 to bayer8
  even = numpy.right_shift(even, 4)
  odd = numpy.left_shift(odd, 4)
  bayer8_image = numpy.bitwise_or(even, odd).reshape((720, 1280))
  # Use OpenCV to convert Bayer GRGB to RGB
  return cv2.cvtColor(bayer8_image, cv2.COLOR_BayerGR2RGB)

这个解决方案可以满足我的需求，但是如果有人有任何建议，我很想听到他们的建议！

Answer 1

您可以在numpy化的代码中使用标准的python运算符，而且不对data_bytes进行切片也可以提高速度（假设它是bytes而不是numpy数组）

def _convert_GRGB_to_RGB(self, data_bytes):
    data_bytes = numpy.frombuffer(data_bytes, dtype=numpy.uint8)
    even = data_bytes[0::2]
    odd = data_bytes[1::2]
    # Convert bayer16 to bayer8
    bayer8_image = (even >> 4) | (odd << 4)
    bayer8_image = bayer8_image.reshape((720, 1280))
    # Use OpenCV to convert Bayer GRGB to RGB
    return cv2.cvtColor(bayer8_image, cv2.COLOR_BayerGR2RGB)

Answer 2

推测一下，您的颜色问题如下-您的GRBG数据是这样输入的：

G0 B1 G2 ...
R0 G1 R2

数字代表uint16索引。 OpenCV需要对它们进行编号

G0 B0 G1 R1 ...
R6 G6 R7 G7

您可以通过一些仔细的调整和转置来解决此问题：

data_bytes = np.frombuffer(data_bytes, dtype=np.uint8)
data = data.reshape(height / 2, width, 2) # a pair for each uint16
data = data.transpose((0, 2, 1))  #move the G/RB axis to be adjacent to the height axis
data = data.reshape(height, width)  # collapse it

例

# manually constructed by hand
sample = ''.join([
    'grbGgRbGgRbg'
    'grBGGRBGGRbg'
    'grBgGrBgGrbg'
])
width = height = 6
data = np.array(list(sample))

data = (data
    .reshape(height / 2, width, 2)
    .transpose((0, 2, 1))
    .reshape(height, width)
)

# easy way to view the output
>>> data.view((np.str_,6))
array([['gbgbgb'],
       ['rGRGRg'],
       ['gBGBGb'],
       ['rGRGRg'],
       ['gBGBGb'],
       ['rgrgrg']], 
      dtype='<U6')