raw格式怎么打开图片（LibRaw中如何读取RAW格式的图像）

LibRaw 是一个用来处理 RAW (CRW/CR2, NEF, RAF, DNG, and others) 格式图片的 C++ 库，支持各种操作系统。下面演示下如何读取raw格式的照片，这里以小米11Ultra来演示。

打开小米相机，选择专业模式，选择右上角的三条杆，选择RAW，这样小米手机就能输出dng格式的RAW文件了。

#include <iostream>

#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/opencv.hpp>
#include <opencv2/imgproc/imgproc_c.h>
#include <opencv2/imgproc/types_c.h>
#include <opencv2/highgui/highgui_c.h>

#include "libraw.h"

#define OUT RawProcessor.imgdata.params
#define OUTR RawProcessor.imgdata.rawparams

#define P1 RawProcessor.imgdata.idata
#define S RawProcessor.imgdata.sizes
#define C RawProcessor.imgdata.color

int main(int argc, char* argv[])
{
  printf("Processing file %s\n", argv[arg]);
		ret = RawProcessor.open_file(argv[arg]);
		if (ret != LIBRAW_SUCCESS)
		{
			fprintf(stderr, "Cannot open %s: %s\n", argv[arg],
				libraw_strerror(ret));
			continue; // no recycle b/c open_file will recycle itself
		}

		printf("相机模式：%s, 厂商：%s.\n", P1.model, P1.make);
		printf("拜尔模式: ");
		putchar(P1.cdesc[RawProcessor.fcol(0, 0)]);
		putchar(P1.cdesc[RawProcessor.fcol(0, 1)]);
		putchar(P1.cdesc[RawProcessor.fcol(1, 0)]);
		putchar(P1.cdesc[RawProcessor.fcol(1, 1)]);
		putchar('\n');
		std::cout << "ibraw_iparams_t----->" << P1.cdesc << std::endl;   //libraw_iparams_t结构体，也就是宏定义P1, 这里P1.cdesc只是告诉用户是GMCY还是RGBG

		//给后面程序判断用
		char cdesc[5] = {0};
		cdesc[0] = P1.cdesc[RawProcessor.fcol(0, 0)];
		cdesc[1] = P1.cdesc[RawProcessor.fcol(0, 1)];
		cdesc[2] = P1.cdesc[RawProcessor.fcol(1, 0)];
		cdesc[3] = P1.cdesc[RawProcessor.fcol(1, 1)];


		RawProcessor.raw2image();
		for (int i = 0; i < RawProcessor.imgdata.sizes.iwidth * RawProcessor.imgdata.sizes.iheight; i++)
		{
			if (i == 10)
			{
				break;
			}
			printf("i=%d R=%d G=%d B=%d G=%d\n",
				i,
				RawProcessor.imgdata.image[i][0],
				RawProcessor.imgdata.image[i][1],
				RawProcessor.imgdata.image[i][2],
				RawProcessor.imgdata.image[i][3]
			);
		}
}

再使用RawProcessor.raw2image();之后就可以读取RAW格式的RGB格式了。我本地windows上输出结果为

打印小米的拜耳模式

打印每个像素点的值

这里说说拜耳这个天才的人物

2012年末，一位对世界，产生巨大影响的老人，进入了天堂，他的名字叫布莱斯·拜尔（Bryce Bayer）。

拜尔在天堂遇见了上帝。
上帝：拜尔，你这个骗子！看看你在下面做的好事，现在还有脸来见我？
拜尔：我的主啊，我是您忠实的信徒，我怎么会是骗子呢？
上帝：你在下面发明了个什么“拜尔阵列”，这玩意儿几乎垄断了人类的数码相机行业，这是你干的吗？！
拜尔：是啊，我的主。我发明了这种传感器，让数码摄影技术在人类中得到了普及，这难道不是干了个大好事吗？
上帝：普及数码摄影技术当然是好事，但关键是，你的传感器偷工减料啊！我在创世纪的时候，说要有光，于是就有了光，我创造的光里面包含了红、绿、蓝三种基本色。
但是你的传感器里面根本就没有完整记录我这三种颜色，你每个像素只记下了一种颜色的亮度值，然后通过后期处理（=PS？）软件，胡乱猜出像素里另两个基本色，再弄出图像来糊弄人，一张照片里只有1/3的色彩是真实的，这还不算骗子啊你！
拜尔：我的主啊，您看我一脸老实相，会是骗子吗！我的传感器这么干，是有苦衷的啊！您得听我慢慢道来。
上帝：好，那你说吧。要是说得有道理，能说服我，特别是能说服蜂鸟网上的网友，那才能让你进入名人堂。否则的话，你还得回到人间去，自己去收拾你的烂摊子。

拜尔手臂一挥，上帝面前出现了一个大屏幕，结合着屏幕上的图文，拜尔开上给上帝解释起来。
拜尔：那是上个世纪的70年代，我在柯达公司从事科研工作，其中一个重要课题，就是怎么样才能将影像转换成数字信号储存下来。我们都是凡人啊，凡人没有您那样无边法力，所以我们的光电传感器只能够记录光的强度，而无法分辨光的颜色，即使是现在21世纪了，依然是这样。

但是凡人也是贪心的，我们不满足于只能拍黑白数码照片，只能在有限的条件下想尽办法，去尽可能的获得色彩。我绞尽了脑汁，要想办法解决颜色的记录问题，直到有一天我的小狗菲儿帮我解决了这个问题。
上帝：你的狗？
拜尔：是的，我的小狗狗菲儿。这天它嘴里咬着一件东西，跑到我面前，是一个黄色滤镜。就是我以前拍黑白照片时常用的那种滤镜，黄色的滤镜可以滤除或减小红、蓝光对照片的影响。
看到这个滤镜，我脑中顿时灵光一闪，如果我在每个像素上分别装上这三种滤镜，不就能得到三种光的亮度了吗，然后一合成，色彩就重现了！上帝啊，难道不是您指示我的小狗来帮助我的吗？

上帝：咳咳，嗯，这倒是我干的……
拜尔：但是，我们凡人做不到。我们的元器件制造水平达不到这个要求。我们无法轻易地在一个像素里造进去三个滤镜和感光元件。即使勉强能做到，这个成本也不是绝大多数人能够承受的。无法商业化的东西，对于我们商业化的公司而言，没有现实价值。
在随后的日子里，我又尝试了各种方法，最后，发明了一种基于单个颜色微小滤镜的影像传感器系统，就是现在被人们称为“拜尔阵列”的传感器系统。

这只用一块图像传感器，就解决了颜色的识别。做法是在图像传感器前面，设置一个滤光层（Color filter array），上面布满了一个个滤光点，与下层的像素一一对应。
每个滤光点只能通过红、绿、蓝之中的一种颜色，这意味着在它下层的像素点只可能有三种颜色：红、绿、蓝，或者什么也没有（黑）。
不同颜色的滤光点的排列是有规律的：每个绿点的四周，分布着2个红点、2个蓝点、4个绿点。这意味着，整体上，绿点的数量是其他两种颜色点的两倍。这是因为研究显示人眼对绿色最敏感，所以滤光层的绿点最多。

每个摄影者在完成光圈、快门、对焦设置等前期工作后，按下快门，于是光线经过镜头，被传感器上的为滤镜分解成一个个单色的光，由传感器记录下每个点的光强度数值，这就得到了RAW数据。
把RAW的灰度值转换成图像，是这样的：

有人会对这样的照片感到满意吗？显然人心是不满足的！于是后期工作开始了，后期就由计算机软件来进行处理，可以是全自动（相机直出），也可以是人工参与（操纵后期软件）。
上帝：慢着慢着，难道不经过后期处理的RAW，就只有这样的黑白马赛克吗？
拜尔：是的您那，没有计算机系统的后期处理，您最多就只能看到这个黑白马赛克，没有完整的图像！
如果我们对它微处理一下，把每个像素对应点的颜色加上后，也可以是这样的：

计算机进行后期处理的第一步就是猜色，也叫去马赛克。
如果一个像素只可能有三种颜色，那么怎么能拍出彩色照片呢？前面说了，每个滤光点周围有“规律”地分布其他颜色的滤光点，那么就有可能结合它们的值，判断出光线本来的颜色。以黄光为例，它由红光和绿光混合而成，那么通过滤光层以后，红点和绿点下面的像素都会有值，但是蓝点下面的像素没有值，因此看一个像素周围的颜色分布----有红色和绿色，但是没有蓝色----就可以推测出来这个像素点的本来颜色应该是黄色。

在得到每个像素的RGB颜色后，后期软件还要加入白平衡矫正、gamma校正，并应用风格曲线、降噪锐化设置等参数，这些参数多数可以人为去设定，这个参数设定的过程，就是俗称的ps，准确地讲就是人工地后期处理。
处理完后最后生成一幅位图，可以用TIFF、JPG等位图格式保存在磁盘上。
上帝：不对，不对！你说是要完成后期处理后才能看到图像，但是多数相机都有实时取景模式，我都没拍呢，哪来的后期！还有我看到我们天国摄协里也在玩LR什么的，这不是在做后期调整前就看到图了？还是看着图一点一点地调呢！这你怎么解释？
拜尔：我的主啊，人类是很狡猾的！实时取景和LR等软件里给先你看到的图像，都是先用它内部默认的后期参数进行粗略后处理，先糊弄一下人眼，满足一下心理。当你全部后期参数设置完后，这不还有一个“导出”的过程吗？这才是真正在进行完整全面的图像后处理呢！
上帝：我的上帝啊！哦，也就是我的我啊！弄出个照片还有这么多花花肠子！
拜尔：在您还未赐予我们人类全色彩的感光器件前，我也是没办法才想出这么个主意，通过计算去猜测颜色的啊！
上帝：那后来不是有个适马公司搞出个叫FOVEON X3的全色彩图像传感器吗？有了这个怎么还在用你的老拜尔？
拜尔：我的主啊，FOVEON X3的全色彩传感器是好，但是一来有专利权的限制，难以推广，二来也是由于技术水平限制，这个FOVEON X3传感器在高感光度下的表现实在是不行，所以多数厂家还是在沿用我的老拜尔阵列。
哦，还有一家富士公司，改进了我拜尔阵列的颜色滤镜的排列方式，也取得了很好的效果。据说佳能公司也有了全色彩的传感器专利。不知道今后那天，我的老拜尔阵列也会和我一起进入天堂，存入天堂博物馆了。

可以看到小米11Ultra的RAW格式的拜尔模式: GBRG

所以后续的整个计算转换都是基于这个模式来的。其次可以看到第一行的输出
i=0 R=0 G=0 B=0 G=501

i=1 R=0 G=0 B=388 G=0

i=2 R=0 G=0 B=0 G=500

i=3 R=0 G=0 B=403 G=0

i=4 R=0 G=0 B=0 G=505

i=5 R=0 G=0 B=407 G=0

i=6 R=0 G=0 B=0 G=504

i=7 R=0 G=0 B=407 G=0

i=8 R=0 G=0 B=0 G=495

i=9 R=0 G=0 B=412 G=0

第一行是GBGBGBGBGB的排列，注意：这里打印出的像素点的值大于255，是因为默认小米存储的颜色值是16位的，而不是8位的。