如何用Python+Numpy+CV2将二进制文件转为4bpp（16级灰度）图像？

我希望将二进制数据表示为黑白图像，每个像素仅使用16种灰度等级（即4bpp，每像素4比特），且每两个相邻像素（横向）代表一个字节。目前我使用如下代码将二进制文件转为PNG序列，每个20×20像素块代表一个字节，但该方式生成的图像有256种灰度，不符合需求。请问如何修改代码，将每个字节拆分为两个4bpp像素，同时保持图像分辨率不变？采用4bpp后，由于每个字节需用两个像素表示，图像文件数量应翻倍。

原代码：

import numpy as np
path = r'mybinaryfile.bin'
bin_data = np.fromfile(path, dtype='uint8')
scalar = 20
width = int(1800/scalar)
height = int(1000/scalar)
for jj in range(50):
  wid = int(width*height)
  img = bin_data[int(jj*wid):int((jj+1)*wid)].reshape(height,width)
  final_img = cv2.resize(img, (scalar*width, scalar*height), interpolation = cv2.INTER_NEAREST)
  fn = f'tmp/output_{jj}.png'
  cv2.imwrite(fn, final_img)

import numpy as np
import cv2

path = r'mybinaryfile.bin'
bin_data = np.fromfile(path, dtype='uint8')
scalar = 20
original_width = int(1800 / scalar)
height = int(1000 / scalar)
# 每个图像承载的字节数减半（每个字节用两个像素表示）
bytes_per_image = original_width * height // 2
# 计算实际需要生成的图像总数
total_images = len(bin_data) // bytes_per_image

for jj in range(total_images):
    # 截取当前图像对应的字节块
    byte_block = bin_data[jj * bytes_per_image : (jj + 1) * bytes_per_image]
    # 将每个字节拆分为高4位和低4位，得到两组4bpp像素数据
    pixels_high = (byte_block >> 4).astype(np.uint8)
    pixels_low = (byte_block & 0x0F).astype(np.uint8)
    # 交错合并两组像素：[字节1高4位, 字节1低4位, 字节2高4位, 字节2低4位,...]
    interleaved_pixels = np.stack([pixels_high, pixels_low], axis=1).flatten()
    # 重塑为原高度、宽度翻倍的图像矩阵
    img = interleaved_pixels.reshape(height, original_width * 2)
    # 放大到目标分辨率1800x1000，用近邻插值避免灰度失真
    final_img = cv2.resize(img, (1800, 1000), interpolation=cv2.INTER_NEAREST)
    # 保存图像
    fn = f'tmp/output_{jj}.png'
    cv2.imwrite(fn, final_img)

• 拆分字节为4bpp像素：通过位运算把每个uint8字节拆成高4位（byte >> 4）和低4位（byte & 0x0F），每个字节对应两个仅含16种灰度（0-15）的像素。
• 调整图像承载量：原代码每张图承载original_width*height个字节，现在每个字节占两个像素，因此每张图的字节数减半，图像总数自动翻倍。
• 保持输出分辨率：重塑图像时把宽度翻倍，再通过cv2.resize放大到原有的1800x1000分辨率，确保输出尺寸不变。
• 严格控制灰度等级：拆分后的像素值范围固定为0-15，完全符合4bpp的16级灰度要求。

内容的提问来源于stack exchange，提问作者EllipticalInitial