使用Python讀取CR2（Raw Canon Image）標題

Question

我正在嘗試提取從CR2拍攝照片的日期/時間（原始照片的佳能格式）。

我知道CR2規范 ，我知道我可以使用Python struct模塊從二進制緩沖區中提取片段。

簡而言之，規范說在Tag 0x0132 / 306我可以找到一個長度為20的字符串 - 日期和時間。

我嘗試使用以下方法獲取該標記：

struct.unpack_from(20*'s', buffer, 0x0132)

但我明白了

('\x00', '\x00', "'", '\x88, ...[and more crap])

有任何想法嗎？

編輯

非常感謝您的全力以赴！ 答案是驚人的，我學到了很多關於處理二進制數據的知識。

Answer 1

你有沒有考慮到你所談論的IFD塊之前應該（根據規范）的標題？

我查看了規范，它說第一個IFD塊跟隨16字節頭。 因此，如果我們讀取字節16和17（偏移量為0x10十六進制），我們應該得到第一個IFD塊中的條目數。 然后我們只需搜索每個條目，直到找到匹配的標記ID（我讀它）給出了日期/時間字符串的字節偏移量。

這對我有用：

from struct import *

def FindDateTimeOffsetFromCR2( buffer, ifd_offset ):
    # Read the number of entries in IFD #0
    (num_of_entries,) = unpack_from('H', buffer, ifd_offset)
    print "ifd #0 contains %d entries"%num_of_entries

    # Work out where the date time is stored
    datetime_offset = -1
    for entry_num in range(0,num_of_entries-1):
        (tag_id, tag_type, num_of_value, value) = unpack_from('HHLL', buffer, ifd_offset+2+entry_num*12)
        if tag_id == 0x0132:
            print "found datetime at offset %d"%value
            datetime_offset = value
    return datetime_offset

if __name__ == '__main__':
    with open("IMG_6113.CR2", "rb") as f:
        buffer = f.read(1024) # read the first 1kb of the file should be enough to find the date / time
        datetime_offset = FindDateTimeOffsetFromCR2(buffer, 0x10)
        print unpack_from(20*'s', buffer, datetime_offset)

我的示例文件的輸出是：

ifd #0 contains 14 entries
found datetime at offset 250
('2', '0', '1', '0', ':', '0', '8', ':', '0', '1', ' ', '2', '3', ':', '4', '5', ':', '4', '6', '\x00')

[編輯] - 修訂/更徹底的例子

from struct import *

recognised_tags = { 
    0x0100 : 'imageWidth',
    0x0101 : 'imageLength',
    0x0102 : 'bitsPerSample',
    0x0103 : 'compression',
    0x010f : 'make',    
    0x0110 : 'model',
    0x0111 : 'stripOffset',
    0x0112 : 'orientation', 
    0x0117 : 'stripByteCounts',
    0x011a : 'xResolution',
    0x011b : 'yResolution',
    0x0128 : 'resolutionUnit',
    0x0132 : 'dateTime',
    0x8769 : 'EXIF',
    0x8825 : 'GPS data'};

def GetHeaderFromCR2( buffer ):
    # Unpack the header into a tuple
    header = unpack_from('HHLHBBL', buffer)

    print "\nbyte_order = 0x%04X"%header[0]
    print "tiff_magic_word = %d"%header[1]
    print "tiff_offset = 0x%08X"%header[2]
    print "cr2_magic_word = %d"%header[3]
    print "cr2_major_version = %d"%header[4]
    print "cr2_minor_version = %d"%header[5]
    print "raw_ifd_offset = 0x%08X\n"%header[6]

    return header

def FindDateTimeOffsetFromCR2( buffer, ifd_offset, endian_flag ):
    # Read the number of entries in IFD #0
    (num_of_entries,) = unpack_from(endian_flag+'H', buffer, ifd_offset)
    print "Image File Directory #0 contains %d entries\n"%num_of_entries

    # Work out where the date time is stored
    datetime_offset = -1

    # Go through all the entries looking for the datetime field
    print " id  | type |  number  |  value   "
    for entry_num in range(0,num_of_entries):

        # Grab this IFD entry
        (tag_id, tag_type, num_of_value, value) = unpack_from(endian_flag+'HHLL', buffer, ifd_offset+2+entry_num*12)

        # Print out the entry for information
        print "%04X | %04X | %08X | %08X "%(tag_id, tag_type, num_of_value, value),
        if tag_id in recognised_tags:
            print recognised_tags[tag_id]

        # If this is the datetime one we're looking for, make a note of the offset
        if tag_id == 0x0132:
            assert tag_type == 2
            assert num_of_value == 20
            datetime_offset = value

    return datetime_offset

if __name__ == '__main__':
    with open("IMG_6113.CR2", "rb") as f:
        # read the first 1kb of the file should be enough to find the date/time
        buffer = f.read(1024) 

        # Grab the various parts of the header
        (byte_order, tiff_magic_word, tiff_offset, cr2_magic_word, cr2_major_version, cr2_minor_version, raw_ifd_offset) = GetHeaderFromCR2(buffer)

        # Set the endian flag
        endian_flag = '@'
        if byte_order == 0x4D4D:
            # motorola format
            endian_flag = '>'
        elif byte_order == 0x4949:
            # intel format
            endian_flag = '<'

        # Search for the datetime entry offset
        datetime_offset = FindDateTimeOffsetFromCR2(buffer, 0x10, endian_flag)

        datetime_string = unpack_from(20*'s', buffer, datetime_offset)
        print "\nDatetime: "+"".join(datetime_string)+"\n"

Answer 2

0x0132不是偏移量，它是日期的標記號。 CR2或TIFF分別是基於目錄的格式。 您必須在給定您正在尋找的（已知）標簽的情況下查找條目。

編輯 ：好的，首先，你必須閱讀文件數據是使用little或big-endian格式保存的。 前八個字節指定標頭，該標頭的前兩個字節指定字節順序。 Python的struct模塊允許您通過在格式字符串前加上“<”或“>”來處理小端和大端數據。 因此，假設data是包含CR2圖像的緩沖區，則可以通過以下方式處理字節序

header = data[:8]
endian_flag = "<" if header[:2] == "II" else ">"

格式規范指出第一個圖像文件目錄以相對於文件開頭的偏移量開始，偏移量在標頭的最后4個字節中指定。 因此，要獲得第一個IFD的偏移量，您可以使用與此類似的行：

ifd_offset = struct.unpack("{0}I".format(endian_flag), header[4:])[0]

您現在可以繼續閱讀第一個IFD。 您將在目錄中找到指定偏移量的條目數，該文件寬度為兩個字節。 因此，您將使用以下方法讀取第一個IFD中的條目數：

number_of_entries = struct.unpack("{0}H".format(endian_flag), data[ifd_offset:ifd_offset+2])[0]

字段條目長度為12個字節，因此您可以計算IFD的長度。 在number_of_entries * 12個字節之后，將有另外4個字節的長偏移，告訴你在哪里尋找下一個目錄。 這基本上就是你如何處理TIFF和CR2圖像。

這里的“神奇”是要注意，對於每個12字節字段條目，前兩個字節將是標簽ID。 這就是你尋找你的標簽0x0132的地方。 因此，如果您知道第一個IFD從文件中的ifd_offset開始，您可以通過以下方式掃描第一個目錄：

current_position = ifd_offset + 2
for field_offset in xrange(current_position, number_of_entries*12, 12):
    field_tag = struct.unpack("{0}H".format(endian_flag), data[field_offset:field_offset+2])[0]
    field_type = struct.unpack("{0}H".format(endian_flag), data[field_offset+2:field_offset+4])[0]
    value_count = struct.unpack("{0}I".format(endian_flag), data[field_offset+4:field_offset+8])[0]
    value_offset = struct.unpack("{0}I".format(endian_flag), data[field_offset+8:field_offset+12])[0]

    if field_tag == 0x0132:
        # You are now reading a field entry containing the date and time
        assert field_type == 2 # Type 2 is ASCII
        assert value_count == 20 # You would expect a string length of 20 here
        date_time = struct.unpack("20s", data[value_offset:value_offset+20])
        print date_time

您顯然希望將解包重構為一個公共函數，並可能將整個格式包裝成一個很好的類，但這超出了本示例的范圍。 您還可以通過將多個格式字符串組合成一個來縮短解包，從而產生一個更大的元組，其中包含您可以解壓縮到不同變量的所有字段，為清楚起見，我省略了這些字節。

Answer 3

我發現來自https://github.com/ianare/exif-py的EXIF.py從.CR2文件中讀取EXIF數據。 似乎因為.CR2文件基於.TIFF文件EXIF.py是兼容的。

    import EXIF
    import time

    # Change the filename to be suitable for you
    f = open('../DCIM/100CANON/IMG_3432.CR2', 'rb')
    data = EXIF.process_file(f)
    f.close()
    date_str = data['EXIF DateTimeOriginal'].values

    # We have the raw data
    print date_str

    # We can now convert it
    date = time.strptime(date_str, '%Y:%m:%d %H:%M:%S')
    print date

這打印：

    2011:04:30 11:08:44
    (2011, 4, 30, 11, 8, 44, 5, 120, -1)