Python处理CR3格式Raw图像：读取/转JPG及偏色问题求助

一、Python直接读取CR3格式 #

用rawpy库（基于libraw）可原生读取CR3格式，自动处理拜耳阵列解码、白平衡、色彩空间转换等，避免手动处理的错误。

步骤： #

1. 安装依赖：

pip install rawpy opencv-python numpy

2. 读取CR3并转为OpenCV可用的RGB图像：

import rawpy
import cv2
import numpy as np

def read_cr3_to_opencv(cr3_path):
    with rawpy.imread(cr3_path) as raw:
        # 生成标准RGB图像，参数可按需调整
        rgb = raw.postprocess(use_camera_wb=True, output_bps=8)
        # 转换为OpenCV默认的BGR格式
        bgr = cv2.cvtColor(rgb, cv2.COLOR_RGB2BGR)
    return bgr

# 测试调用
img = read_cr3_to_opencv("example.cr3")
cv2.imshow("CR3 to BGR", img)
cv2.waitKey(0)

raw.postprocess()可调整参数：use_camera_wb启用相机自带白平衡，output_bps设置输出位深（8/16），no_auto_bright关闭自动亮度优化等。

二、批量将CR3转JPG #

方法1：用rawpy批量转换 #

import rawpy
from PIL import Image
import os

def batch_cr3_to_jpg(input_dir, output_dir):
    os.makedirs(output_dir, exist_ok=True)
    for filename in os.listdir(input_dir):
        if filename.lower().endswith(".cr3"):
            cr3_path = os.path.join(input_dir, filename)
            jpg_path = os.path.join(output_dir, os.path.splitext(filename)[0] + ".jpg")
            with rawpy.imread(cr3_path) as raw:
                rgb = raw.postprocess(use_camera_wb=True, output_bps=8)
                Image.fromarray(rgb).save(jpg_path, quality=95)
    print("批量转换完成")

# 使用示例
batch_cr3_to_jpg("./cr3_photos", "./jpg_output")

方法2：调用exiftool（推荐，保留元数据） #

exiftool是专业图像元数据工具，支持CR3转JPG并保留EXIF信息。先安装工具：Windows下载二进制包，Linux用apt install libimage-exiftool-perl，Mac用brew install exiftool，再用Python调用：

import subprocess
import os

def batch_cr3_to_jpg_exiftool(input_dir, output_dir):
    os.makedirs(output_dir, exist_ok=True)
    cmd = [
        "exiftool",
        "-ext", "cr3",
        "-overwrite_original",
        "-o", output_dir,
        "-jpg",
        input_dir
    ]
    subprocess.run(cmd, check=True)
    print("批量转换完成")

# 使用示例
batch_cr3_to_jpg_exiftool("./cr3_photos", "./jpg_output")

三、解决rawlib转PGM后的偏绿问题 #

偏绿原因是拜耳阵列通道拼接错误，且未处理白平衡、色彩校正。CR3的拜耳模式通常为BGGR或RGGB，手动拼接易出错，Raw数据需做去马赛克和色彩校正。

修正方案：用OpenCV的demosaicing函数处理 #

import cv2
import numpy as np

def read_pgm_raw_to_bgr(pgm_path):
    with open(pgm_path, 'rb') as ipf:
        # 读取PGM头信息
        format = ipf.readline().decode().strip()
        dim = ipf.readline().decode().strip()
        width, height = map(int, dim.split())
        limit = int(ipf.readline().decode().strip())
        
        # 读取Raw拜耳数据（大端16位）
        rawp = np.frombuffer(ipf.read(), dtype='>u2').reshape((height, width))
    
    # 根据CR3的拜耳模式选择解码参数，常见为BGGR/RGGB
    # 不确定时可尝试几种模式直到颜色正常
    bgr = cv2.cvtColor(rawp, cv2.COLOR_BAYER_BG2BGR)
    
    # 白平衡校正（示例参数，需根据实际照片调整）
    bgr[..., 0] = np.clip(bgr[..., 0] * 1.5, 0, 65535)
    bgr[..., 2] = np.clip(bgr[..., 2] * 1.8, 0, 65535)
    
    # 转换为8位图像
    bgr_8bit = cv2.normalize(bgr, None, 0, 255, cv2.NORM_MINMAX, dtype=cv2.CV_8U)
    return bgr_8bit

# 测试调用
img = read_pgm_raw_to_bgr("raw.pgm")
cv2.imshow("Corrected Image", img)
cv2.waitKey(0)

关键补充： #

1. 确认拜耳模式：用rawpy查看相机CR3的拜耳格式：

import rawpy
with rawpy.imread("example.cr3") as raw:
    print(raw.raw_pattern)  # 输出拜耳阵列结构，如[[0,1],[2,1]]对应BGGR

2. 白平衡：Raw数据无自带白平衡，需应用相机参数或手动调整，否则必然偏色。
3. 色彩校正：Raw数据需转换至sRGB色彩空间，rawpy的postprocess会自动处理，手动处理需加载相机色彩矩阵。

内容的提问来源于stack exchange，提问作者user16971617