Python OpenCv读取.dat类型图片数据显示并批量转为bmp等图片格式

一、.dat数据

.dat是一种通用数据文件格式，可用于存储各种类型的信息，包括文本、图像、音频、视频和其他二进制数据。它没有特定的文件格式规范，因此任何类型的文件都可以保存为 .dat 文件。

.dat 文件通常由特定应用程序创建，并用于存储该应用程序的专有数据。例如，视频编辑软件可能会使用 .dat 文件来存储视频项目信息，而数据库软件可能会使用 .dat 文件来存储数据库数据。

由于 .dat 文件没有标准格式，因此通常无法使用通用文件查看器打开它们。要打开 .dat 文件，您通常需要使用创建它的应用程序或兼容的应用程序。

1.1 常见类型的 .dat 文件

视频文件： 一些视频格式，例如 VCD，使用 .dat 扩展名来存储视频数据。

音频文件： 一些音频格式，例如 ADPCM，使用 .dat 扩展名来存储音频数据。

图像文件： 一些图像格式，例如 RAW，使用 .dat 扩展名来存储图像数据。

游戏文件： 一些游戏使用 .dat 文件来存储游戏数据，例如保存游戏或游戏配置。

应用程序数据文件： 许多应用程序使用 .dat 文件来存储应用程序数据，例如配置文件或设置。

二、单帧图像.dat数据显示

2.1 代码

Python OpenCv读取.dat类型图片数据并显示

具体代码见下：

import cv2
import numpy as np
import matplotlib.pyplot as plt

#加载nuc数据
col = 256  #列
row = 192  #行

path = "Image/DatFile/0001.dat"
img = np.fromfile(path,dtype=np.uint16)

img1 = img.reshape(row,col)


plt.rcParams['font.sans-serif'] = ['SimHei']  # 坐标图像中显示中文
plt.rcParams['axes.unicode_minus'] = False

plt.figure("显示图像",figsize=(10,20))   #构建窗口

plt.subplot(1,1,1),plt.title("原始图像"),plt.imshow(img1,cmap='gray')
plt.tight_layout()     #自动调整子绘图参数，以提供指定的填充

plt.show()

2.2 显示结果

显示效果如下：

三、批量将.dat数据转为图片格式

3.1 参数修改

使用代码需要修改的参数见下：

3.2 代码

import cv2
import numpy as np
import os

#加载nuc数据
col = 256  #列
row = 192  #行

input_path = "Images/AiRui_NoiseImages/noise"
output_path = "Images/AiRui_NoiseImages_bmp/noise_bmp"

# 获取文件夹中所有的文件
file_list = os.listdir(input_path)

# 遍历文件列表
for file_name in file_list:
    file_path = os.path.join(input_path,file_name)

    img_uint16 = np.fromfile(file_path,dtype=np.uint16)

    img_uint8 = ((img_uint16 - img_uint16.min()) / (img_uint16.max() - img_uint16.min()) * 255).astype(np.uint8) # 将16bit数据通过线性拉伸映射到8bit

    img_rusult = img_uint8.reshape(row,col)

    print(file_name)

    # 将转换后的图像保存到指定路径中
    output_file = file_name[:-4]+".bmp"
    cv2.imwrite(os.path.join(output_path,output_file),img_rusult)

print("#############已全部转换成功##################")

3.3 转换效果

四、总结

以上就是使用Python OpenCv读取.dat类型图片数据显示并批量转为bmp等图片格式的详细过程，批量转换代码从16bit到8bit过程，选用了线性动态拉伸算法，此算法弊端较多，转后的8bit图像效果不是最好的，学者根据自己的转换需求修改动态拉伸算法。

感谢您阅读到最后！关注公众号「视觉研坊」，获取干货教程、实战案例、技术解答、行业资讯！