OV0142双摄测试主板数据采集与分析

本文链接：https://blog.csdn.net/qq_43347700/article/details/115353549

数据采集

首先主板接入电脑后，自动识别成usb打印支持，usb应用很常见，但是想把这个数据读出来还是有点难度的。通过网上方法我们通过python的第三方库pyusb来实现读取。第三方库及其环境的安装自行搜索吧，这边就不加赘述了。
安装好之后需要用zadig修改我们的驱动软件，使用winusb这个Windows通用的驱动来让我们的python代码对接。这个软件也自行查找吧。
一切准备就绪后，我们就可以开始编程了。直接上代码

import usb.core
import usb.util
import sys
import threading
import time

#这俩ID记得改成自己的
VID=0x05a9
PID=0x8065

all_devs=usb.core.find(find_all=True)

for dev in all_devs:
    print(dev)

cfg = dev.get_active_configuration()
intf = cfg[(0,0)]
 
print(intf)
 
write_ep = usb.util.find_descriptor(
    intf,
    custom_match = \
    lambda e: \
        usb.util.endpoint_direction(e.bEndpointAddress) == \
        usb.util.ENDPOINT_OUT
)
 
read_ep = usb.util.find_descriptor(
    intf,
    custom_match = \
    lambda e: \
        usb.util.endpoint_direction(e.bEndpointAddress) == \
        usb.util.ENDPOINT_IN
    )
 
def write_endpoint_thread():
    while True:
        try:
            write_ep.write("123")
        except:
            print("write error")
    
 
def read_endpoint_thread():
    count=[]
    for i in range(200):
        data = read_ep.read(643807)
        size = len(data)
        if size > 640000: #加个判断防止传输失败的包被读取
            count.append(size)
            with open('test'+str(i)+'.txt', 'wb') as f:
                data.tofile(f) #写入到txt文件夹  
                  
def main():
    r = threading.Thread(target=read_endpoint_thread)
    w = threading.Thread(target=write_endpoint_thread)
    r.start()
    #w.start()#不需要写
    r.join()
    #w.join()#不需要写
    dev.reset()
 
if __name__ == '__main__':
        main()

这样我们就得到了许多的txt文件当然你也可以修改代码只读取一帧数据。
像这样直接打开TXT文件肯定是不能看的，这时我们需要把它用十六进制的格式打开。像我使用的是VSC中一个叫hexdump for VSCode的插件。打开后是这个样子的：
这样我们就可以对数据进行分析了。

数据分析

首先根据原本图形的大小为800400，所以如果是bmp格式的图像的话应该是800400*3个字节，此处只有640000个字节，所以平均每个像素仅有2个字节。由此我们可以查找常用的一些图片的存储格式，对比占用字节数来判断暂且（就是）推断为yuv中的UYVY。但是我们需要的只有640000个字节，但是他给了我们643780个字节，其中肯定有蹊跷。但是我们只能硬着头皮上。开头的那12个字节肯定有问题，去掉！然后从13个字节开始，将其转为rgb格式。得到了一个很奇怪的图。
可以看到上面有很多的点，可以怀疑一下这里有点东西。我们打开它，然后看一下这些点对应的像素位置。对应的大概位置是第1024个像素，对应的字节是第2048个字节。找到hex中的位置，可以看到

这里看到了一个有意思的地方，这12个字节和开头的12个字节有一定的相似，查找后面的每2048个字节，发现这些都很相似。那么我们可以推断一下这边的数据结构为12个字节的头带上2036个字节的图像数据。那么我们算一下他的数据量是否正确.

>>> 640000+640000//(2048-12)*12+12
643780

完美！那么接下来就是还原图片了。

还原成图

from numpy import *
from PIL import Image

def xianfu(x):
    if(x>=0 and x<=255):
        return x
    elif(x<0):
        return 0
    else:
        return 255  

def readYuvFile(filename, width, height):
    fp = open(filename, 'rb')
    Y1 = zeros((height, width//2), uint8, 'C')
    Y2 = zeros((height, width//2), uint8, 'C')
    U = zeros((height, width//2), uint8, 'C')
    V = zeros((height, width//2), uint8, 'C')
    fp.read(12)
    count=12
    RGBarray=zeros((height, width,3), uint8, 'C')
    for m in range(height):
        for n in range(width//2):
            # U[m, n] = ord(fp.read(1))
            # Y1[m, n] = ord(fp.read(1))
            # V[m, n] = ord(fp.read(1))
            # Y2[m, n] = ord(fp.read(1))
            y1 = ord(fp.read(1))
            u = ord(fp.read(1))
            y2 = ord(fp.read(1))
            v = ord(fp.read(1))
            count+=4
            if(count%2048==0):
                fp.read(12)
                count+=12
            r = (y1 + (u - 128) + ((104*(u - 128))>>8))
            g = (y1 - (89*(v - 128)>>8) - ((183*(u - 128))>>8))
            b = (y1 + (v - 128) + ((199*(v - 128))>>8))

            RGBarray[m,n*2,0]=xianfu(r)   
            RGBarray[m,n*2,1]=xianfu(g)   
            RGBarray[m,n*2,2]=xianfu(b)   

            r = (y2 + (u - 128) + ((104*(u - 128))>>8))
            g = (y2 - (89*(v - 128)>>8) - ((183*(u - 128))>>8))
            b = (y2 + (v - 128) + ((199*(v - 128))>>8))

            RGBarray[m,n*2+1,0]=xianfu(r)   
            RGBarray[m,n*2+1,1]=xianfu(g)   
            RGBarray[m,n*2+1,2]=xianfu(b)              
    fp.close()
    return RGBarray


if __name__ == '__main__':
    width = 800
    height = 400
    data = readYuvFile('test100.txt', width,
                       height)
    print(data.shape)
    im = Image.fromarray(data)
    im.save('300.jpg')