1、问题背景

在图像调试过程，当发现一个问题时，很多时候都要通过 dump raw图像来分析，如果raw图像上有，那就排除了是 ISP的处理导致。

下一步就是排查 sensor 或者镜头，这样可以有效的帮我们定位问题所在。

但遇到过有些 raw， 用工具打不开或者出图不对的情况，那可能是因为 raw 的存储格式不同导致，本文主要对 raw 的格式做下介绍说明。

2、问题分析

a. 什么是 raw

raw 数据是 sensor 输出的原始数据，常用的一般有raw8, raw10, raw12等，分别表示一个像素点有 8bit、10bit、12bit 数据。

是 sensor 将光信号转化为电信号时的电平高低的原始记录，单纯地没有进行任何处理的图像数据，即表现的是 sensor 和镜头本征特性的数据。

raw 数据在输出的时候是有一定顺序的，主要有四种: GRBG、RGGB、BGGR、GBRG，如下图为BGGR格式：

b. raw 分哪几种格式，有什么区别 ？

raw 一般分为 plain raw 和 mipi raw，主要是存储方式上的区别，如下图所示是 Plain raw10 的示意图。

10bit的raw，单个像素也就是10bit，需要两个字节（16bit）来存储。

那就会空出 6位用不到，因为有空余，这里就涉及到一个高位/低位对齐的问题，也就是存储数据时，右移6位低位对齐（如下图1所示），

左移6位高位对齐（如下图2所示）。这个主要看平台厂商对数据处理有什么要求，我司用的是高位对齐的数据，所以读取时，要有相应的移位操作才行。

如下图所示是 mipi raw10 的示意图，以大端存储方式为例，它是把4个像素放到5个字节（40bit）中，组成一个包去存储。

前4字节依次存放 raw10图像的前4个像素的后8位，4个像素的前2位依次存放在包的第5个字节中。

所以从存储方式来看，mipi raw 的存储方式是要比 plain raw 更节省内存。

c. 怎么正确查看 raw ？

一般raw图工具打开都会要求配置一下 raw 图尺寸、位宽、bayer格式、MSB/LSB，

但一般工具支持 plain raw 打开的居多，还有些并不支持MSB和LSB的选择，所以需要我们对raw 做一下处理。

如下是mipi raw 转 plain raw 、plain raw10 MSB 转LSB 的相关 python 代码，

分析代码的处理过程，也会加深我们关于raw图像的理解，

如下代码中使用的raw图像，可以在此链接获取：

https://pan.baidu.com/s/1H-s0YDcJCmeMxVKTTa3N6g?pwd=bxm9

提取码：bxm9

# plain raw10 的读取和 MSB转LSB的处理import numpy as npdef read_plained_file(file_path_name,height,width,shift_bits):frame = np.fromfile(file_path_name, dtype="uint16")frame=frame[0:height*width]frame.shape = [height, width]# MSB ----> LSB,  LSB存低位数据，此时是高位对齐的，则右移代表向低位移了6位，数值是减小的状态。frame=np.right_shift(frame, shift_bits)  return frameif __name__ == "__main__":file_name = "ov13b10_shading_4208X3120_MSB.raw"image = read_plained_file(file_name, 3120, 4208, 6)image = image / 1023# 将读取的 image 数据另存为 raw 数据output_file_name = "output_image.raw"# 将图像数据映射到 16 位无符号整数范围image_mapped = (image * 1023).astype('uint16')image_mapped.tofile(output_file_name)print(f"Image data has been saved to {output_file_name}")

# mipi raw10 转 plain raw10import numpy as np
import mathdef read_mipi10_file(file_path_name,height,width):# 单行长度的补齐new_width = int(math.floor((width + 3) / 4) * 4) #对四字节补齐packet_num_L = int(new_width / 4)width_byte_num = packet_num_L * 5 #单行byte长度width_byte_num = int(math.floor((width_byte_num + 7) / 8) * 8)#单行做8个字节补齐image_bytes=width_byte_num*heightframe = np.fromfile(file_path_name, count=image_bytes,dtype ="uint8")print("b shape",frame.shape)print('%#x'%frame[0])frame.shape = [height, width_byte_num] #按字节整理的图像矩阵one_byte = frame[:,0:image_bytes:5]two_byte = frame[:,1:image_bytes:5]three_byte = frame[:,2:image_bytes:5]four_byte = frame[:,3:image_bytes:5]five_byte = frame[:,4:image_bytes:5]#数据转换防止溢出one_byte = one_byte.astype('uint16')two_byte = two_byte.astype('uint16')three_byte = three_byte.astype('uint16')four_byte = four_byte.astype('uint16')five_byte = five_byte.astype('uint16')#用矩阵的方法进行像素的拼接one_byte = np.left_shift(one_byte, 2) + np.bitwise_and((five_byte), 3)two_byte = np.left_shift(two_byte, 2) + np.right_shift(np.bitwise_and((five_byte), 12), 2)three_byte = np.left_shift(three_byte, 2) + np.right_shift(np.bitwise_and((five_byte), 48), 4)four_byte = np.left_shift(four_byte, 2) + np.right_shift(np.bitwise_and((five_byte), 192), 6)#重组帧frame_pixels=np.zeros(shape=(height,new_width))frame_pixels[:, 0: new_width:4]=one_byte[:, 0: packet_num_L]frame_pixels[:, 1: new_width:4]=two_byte[:, 0: packet_num_L]frame_pixels[:, 2: new_width:4]=three_byte[:, 0: packet_num_L]frame_pixels[:, 3: new_width:4]=four_byte[:, 0: packet_num_L]#裁剪无用的数据，这里表示的是0-2559列，包含完整的数据了。frame_out=frame_pixels[:,0:width]return frame_outif __name__ == "__main__":file_name="imx335_2560x1440_GRBG_mipi.raw"image=read_mipi10_file(file_name,1440, 2560)image=image/1023# 将读取的 image 数据另存为 raw 数据output2_file_name = "output2_image.raw"# 将图像数据映射到 16 位无符号整数范围image_mapped = (image * 1023).astype('uint16')image_mapped.tofile(output2_file_name)print(f"Image data has been saved to {output2_file_name}")

参考资料：

大话成像-数字成像算法基础课程