在Ubuntu中从RCCC拜耳相机传感器读取图像流

Question

我正在使用LI-AR0820 GMSL2相机，该相机使用On-Semi AR0820传感器以12位RCCC Bayer格式捕获图像。 我想从相机读取实时图像流，并将其转换为灰度图像（使用此去马赛克算法），然后将其输入到对象检测算法中。 但是，由于OpenCV不支持RCCC格式，因此无法使用VideoCapture类从摄像机获取图像数据。 我正在寻找类似的东西来以类似数组的格式获取流式图像数据，以便我可以对其进行进一步的操作。 有任何想法吗？

我正在运行带有OpenCV 3.2.0和Python 3.7.1的Ubuntu 18.04。

编辑。 我在这里使用代码。

#include <vector>
#include <iostream>
#include <stdio.h>
#include <opencv2/opencv.hpp>
#include <opencv2/highgui/highgui.hpp>

int main() {
    // Each pixel is made up of 16 bits, with the high 4 bits always equal to 0
    unsigned char bytes[2];

    // Hold the data in a vector
    std::vector<unsigned short int> data;

    // Read the camera data
    FILE *fp = fopen("test.raw","rb");
    while(fread(bytes, 2, 1, fp) != 0) {
        // The data comes in little-endian, so shift the second byte right and concatenate the first byte
        data.push_back(bytes[0] | (bytes[1] << 8));
    }

    // Make a matrix 1280x720 with 16 bits of unsigned integers
    cv::Mat imBayer = cv::Mat(720, 1280, CV_16U);

    // Make a matrix to hold RGB data
    cv::Mat imRGB;

    // Copy the data in the vector into a nice matrix
    memmove(imBayer.data, data.data(), data.size()*2);

    // Convert the GR Bayer pattern into RGB, putting it into the RGB matrix!
    cv::cvtColor(imBayer, imRGB, CV_BayerGR2RGB);

    cv::namedWindow("Display window", cv::WINDOW_AUTOSIZE);
    // *15 because the image is dark
    cv::imshow("Display window", 15*imRGB);

    cv::waitKey(0);

    return 0;
}

代码有两个问题。 首先，我必须使用fswebcam获取原始图像文件，然后使用上面的代码读取原始文件并显示图像。 我希望能够访问/ dev / video1节点并直接从那里读取原始数据，而不必先保存然后再单独读取。 其次，OpenCV不支持RCCC Bayer格式，因此我必须提出一种去马赛克方法。

相机通过同轴电缆输出串行数据，因此我使用USB 3.0连接的Deser板将相机连接到笔记本电脑。 设置可以在这里看到。

Answer 1

如果您的摄像机支持CAP_PROP_CONVERT_RGB属性，则可以从VideoCapture获取原始RCCC数据。 通过将此属性设置为False ，可以禁用到RGB的转换。 因此，您可以使用以下代码捕获原始帧（为简单起见，不进行错误检查）：

cap = cv2.VideoCapture(0)
# disable converting images to RGB
cap.set(cv2.CAP_PROP_CONVERT_RGB, False)
while(True):
    ret, frame = cap.read()
    # other processing ...
cap.release()

我不知道这是否适用于您的相机。

如果可以某种方式获得原始图像，则可以应用“ ANALOG DEVICES”应用笔记中所述的去马赛克方法。

带有最佳过滤器

我按照应用笔记中的说明编写了以下python代码，以测试RCCC->灰色转换。

import cv2
import numpy as np

rgb = cv2.cvtColor(cv2.imread('RGB.png'), cv2.COLOR_BGR2RGB)
c = cv2.cvtColor(rgb, cv2.COLOR_RGB2GRAY)
r = rgb[:, :, 0]

# no error checking. c shape must be a multiple of 2
rmask = np.tile([[1, 0], [0, 0]], [c.shape[0]//2, c.shape[1]//2])
cmask = np.tile([[0, 1], [1, 1]], [c.shape[0]//2, c.shape[1]//2])

# create RCCC image  by replacing 1 pixel out of 2x2 pixel region 
# in the monochrome image (c) with a red pixel
rccc = (rmask*r + cmask*c).astype(np.uint8)

# RCCC -> GRAY conversion
def rccc_demosaic(rccc, rmask, cmask, filt):
    # RCCC -> GRAY
    # use border type REFLECT_101 to give correct results for border pixels
    filtered = cv2.filter2D(src=rccc, ddepth=-1, kernel=filt, 
                         anchor=(-1, -1), borderType=cv2.BORDER_REFLECT_101)

    demos = (rmask*filtered + cmask*rccc).astype(np.uint8)

    return demos

# demo of the optimal filter
zeta = 0.5
kernel_4neighbor = np.array([[0, 0, 0, 0, 0], 
                             [0, 0, 1, 0, 0], 
                             [0, 1, 0, 1, 0], 
                             [0, 0, 1, 0, 0], 
                             [0, 0, 0, 0, 0]])/4.0
kernel_optimal   = np.array([[0, 0, -1, 0, 0], 
                             [0, 0, 2, 0, 0], 
                             [-1, 2, 4, 2, -1], 
                             [0, 0, 2, 0, 0], 
                             [0, 0, -1, 0, 0]])/8.0
kernel_param     = np.array([[0, 0, -1./4, 0, 0], 
                             [0, 0, 0, 0, 0], 
                             [-1./4, 0, 1., 0, -1./4], 
                             [0, 0, 0, 0, 0], 
                             [0, 0, -1./4, 0, 0]])

# apply optimal filter (Figure 7)
opt1 = rccc_demosaic(rccc, rmask, cmask, kernel_optimal)
# parametric filter with zeta = 0.5 (Figure 5)
opt2 = rccc_demosaic(rccc, rmask, cmask, kernel_4neighbor + zeta * kernel_param)

# PSNR
print(10 * np.log10(255**2/((c - opt1)**2).mean()))
print(10 * np.log10(255**2/((c - opt2)**2).mean()))

输入RGB 图像 ：

模拟的RCCC图像：

去马赛克算法的灰度图像：

还有一件事：

如果您的相机供应商提供了Linux的SDK，则它可能具有执行RCCC-> GREY转换的API，或至少获取了原始图像。 如果SDK中没有RCCC-> GREY转换，则C＃示例代码应该包含它，因此我建议您看一下它们的代码。