如何使用Python加载红外相机输出的特定结构dat视频文件

需要读取红外相机拍摄生成的特定结构dat格式视频数据，此前尝试多种读取方法均触发报错，目标是将文件转换为通用格式后通过Python加载，开展后续数据分析。
此前尝试使用如下代码实现dat转csv，未成功：

import csv
datContent = [i.strip().split() for i in open("./Test_s.dat",'rb').readlines()]
# write it as a new CSV file
with open("./Test_s.csv", "wb") as f:
    writer = csv.writer(f)
    writer.writerows(datContent)

该dat文件对应的数据结构参考：

原有代码逻辑完全不匹配该dat的文件格式：这类红外相机导出的dat是二进制封装格式，不是按换行符分隔的文本文件，不存在可以按行拆分、按空格分割的文本结构，直接用文本读写的逻辑处理二进制字节流，必然出现解析错误、输出乱码的问题。

按二进制流的结构逐段解析即可，步骤如下：

• 先解析文件头：对照给出的数据结构说明，按字节偏移读取文件开头的固定长度头信息，拿到分辨率、帧率、像素位深、总帧数这类元参数，这一步用Python内置的struct模块实现即可。
• 循环读取帧数据：跳过文件头后，按照「单帧字节数=宽×高×单像素占用字节数」的计算结果，逐块读取字节流，直到文件末尾。红外热成像数据一般是16位无符号整数存储的灰度值，单像素占2字节。
• 转存通用格式：解析得到的帧矩阵可以直接存为numpy的npy格式（保留原始16位数据精度，适合定量分析），也可以归一化后转存为tiff序列、avi/mp4通用视频格式，后续直接用numpy、opencv、PIL库就能加载。

可直接适配的基础读取代码模板如下，只需根据实际文件的头长度、参数偏移调整配置项即可：

import numpy as np
import cv2

# 以下配置项根据自己的dat文件实际参数修改
HEADER_LENGTH = 1024  # 文件头占用的总字节长度
FRAME_WIDTH = 640     # 红外帧宽度
FRAME_HEIGHT = 512    # 红外帧高度
PIXEL_DEPTH = 2       # 单像素占用字节数，16位数据对应2字节
FRAME_RATE = 25       # 采集帧率

frame_list = []
with open("./Test_s.dat", "rb") as f:
    # 跳过文件头
    f.seek(HEADER_LENGTH)
    single_frame_bytes = FRAME_WIDTH * FRAME_HEIGHT * PIXEL_DEPTH
    # 循环读所有帧
    while True:
        frame_bin = f.read(single_frame_bytes)
        if len(frame_bin) < single_frame_bytes:
            break
        # 字节流转为像素矩阵
        frame_mat = np.frombuffer(frame_bin, dtype=np.uint16).reshape(FRAME_HEIGHT, FRAME_WIDTH)
        frame_list.append(frame_mat)

# 存为npy格式，后续用np.load直接读取即可，保留原始16位精度
np.save("ir_original_data.npy", np.array(frame_list))

# 可选：转存为8位可视化avi视频，仅用于预览，定量分析请用npy原数据
video_writer = cv2.VideoWriter(
    "ir_preview.avi",
    cv2.VideoWriter_fourcc(*"XVID"),
    FRAME_RATE,
    (FRAME_WIDTH, FRAME_HEIGHT),
    isColor=False
)
for frame in frame_list:
    frame_8bit = cv2.normalize(frame, None, 0, 255, cv2.NORM_MINMAX, dtype=cv2.CV_8U)
    video_writer.write(frame_8bit)
video_writer.release()

提示：如果文件头中已经存储了分辨率、帧率、帧数参数，可以不用硬编码配置项，对照数据结构文档中标注的各参数字节偏移、数据类型，用struct.unpack直接从头信息中读取对应值即可，适配性更强。

内容的提问来源于stack exchange，提问作者Alex