在 Python 中将字节数组转换为 16 位灰度图像

Question

我正在处理以非标准图像格式 (.Tsm) 存储的大型图像数据集。 本质上它是一个二进制文件，开头有一些头文件，与 FITS 标准非常相似，只是存储在 little-endian 而不是 FITS big-endian。

读取文件 header 并格式化元数据后，我可以使用以下代码读取单个图像

    def __read_slice(self, file, img_num, dimensions):
        """Read a single image slice from .tsm file"""

        pixel_range = self.metadata["pixel range"]
        bytes_to_read = self.metadata["bytes to read"]

        # position file pointer to correct byte
        file.seek(self.HEADER_TOTAL_LEN + (bytes_to_read * img_num), 0)

        all_bytes = file.read(bytes_to_read)  # read image bytes
        img = np.empty(len(pixels), dtype='uint16')  # preallocate image vector

        byte_idx = 0
        for idx, pixel in enumerate(pixel_range):
            img[idx] = (all_bytes[byte_idx + 1] << 8) + all_bytes[byte_idx]
            byte_idx += 2

        return np.reshape(img, (dimensions[1], dimensions[0]))  # reshape array to correct dimensions 

问题是图像可能非常大（2048x2048），因此即使只是加载 20-30 帧进行处理也可能需要大量时间。 我是 python 的新手，所以我猜这里的代码效率很低，尤其是循环。

有没有更有效的方法将字节数据转换为 16 位整数？

Answer 1

你可以试试：

img= np.frombuffer(all_bytes, dtype='uint16')

例子：

>>> np.frombuffer(b'\x01\x02\x03\x04', dtype='uint16')
array([ 513, 1027], dtype=uint16)