用于 RAW 图像导入的 dtype=uint10、uint12、uint14 的 Numpy 解决方法

Question

将 16 位无符号原始（图像）数据导入 python 很简单：

data = numpy.fromfile( source_file, dtype=numpy.uint16 )
data = numpy.asarray( data )

但我还必须导入 10、12 和 14 位无符号整数数据，以便我可以将这些数据编码为专有图像格式。该格式只接受具有唯一标头的 16 位或 32 位整数数组。 Numpy 没有针对 10、12 和 14 位数据类型的实现。

当我在 ImageJ 中打开 10、12 或 14 位 RAW 作为 16 位无符号图像（这是 ImageJ 可用的最小无符号位深度）时，它看起来很有趣，但像素都在正确的位置。这是错误的位深度，所以我并不感到惊讶。

但是，如果我在 ImageJ 中以小端字节顺序打开 RAW，则 10 位图像在 ImageJ 中完美显示为 16 位无符号图像。所以我在 Python 中尝试这个：

image_bitness = numpy.uint16
image_bitness = numpy.dtype( image_bitness ).newbyteorder( '<' )
data = numpy.fromfile( source_file, dtype=image_bitness )
data = numpy.asarray( data )

将字节顺序交换为小端字节序在 python 中没有效果。当我在 python 中将图像转换为新格式，然后在 ImageJ 中打开这个新图像时，图像看起来仍然很有趣。

我已经为 16 位和 32 位无符号 RAW 实现了相同的文件转换，并且效果很好。

总结一下：

• 10、12 或 14 位无符号数据类型的实际解决方法是问题

• 不确定一般如何最好地将 10 位转换为 16 位，特别是如果我必须假设 16 位来调用

  numpy.fromfile( source_file, dtype=numpy.uint16 )

  以最初获取数据数组（参见附录）

• 不确定为什么 ImageJ little endian 能正确显示图像。将小端图像视为大端图像可能会完全扰乱图像。也许我错了。

• 不确定为什么在 Python 中交换字节顺序与 ImageJ 的效果不同

附录：填充 base-2 二进制以获得 16 位

我想我可以用 0 填充我的 base-2 二进制数，然后转换回 base-10 整数。我试过这个：

data = numpy.fromfile( source_file, dtype=numpy.uint16 ) #still compiles for 10-bit image?    
for i in data:
      data[i] = int( bin( data[i] )[2:].zfill(16), 2 )
data = numpy.asarray( data ) 

这会将

0000001011

转换为

0000000000001011

作为字符串，然后将该字符串转换回以 10 为底的整数。

但是 - 当我在转换后在 ImageJ 中打开我的图像时，它看起来仍然很时髦。我假设这是因为

0000001011

和

0000000000001011

和

1011

仍然是相同的数字。我如何基本上强制分配更大的内存？

我还尝试通过逐字交换字节来交换字节顺序：

for i in data:
      data[i] = int( bin( data[i] )[2:].zfill(16)[::-1], 2 )

这将转置我的字符串，所以

0001

变成

1000

。结果是一样的。在 ImageJ 中仍然是一个看起来很有趣的图像。