纯Python编写bitmap编解码器时如何在内存中存储像素数据用于图像处理

现有问题说明 #

• 原灰度转换逻辑的性能瓶颈来自两点：一是不可变字节串的频繁+=拼接，每次操作都会生成新的字节对象，内存拷贝开销极大；二是两层纯Python循环的迭代效率低。同时原代码未处理BMP每行末尾的填充字节，会把填充数据误判为像素，存在逻辑错误。
• 类NumPy数组的嵌套列表存储方案适合后续图像处理，可实现任意坐标像素的随机访问，方便后续实现裁剪、翻转、滤波等操作。

推荐像素存储结构 #

纯Python环境下优先使用两层嵌套列表存储像素：

• 外层列表对应图像的行，内层列表对应每行的像素
• RGB图像每个像素存储为(r, g, b)的整数元组，灰度图像每个像素存储为0~255的整数
• 可通过pixels[y][x]直接访问坐标(x, y)的像素值，因为BMP默认从下到上存储行，可选择翻转列表顺序让y=0对应图像顶部，符合常规图像处理习惯。

优化后实现代码 #

import math
from struct import unpack

# 原BMP头解析逻辑保持不变，raw_image = image.read()之后的逻辑优化如下：
def calculate_row_size(bits_per_pixel, image_width):
    return math.ceil((bits_per_pixel * image_width)/32)*4

row_size = calculate_row_size(bits_per_pixel, image_width)
height = abs(image_height)
width = image_width
bytes_per_pixel = bits_per_pixel // 8

# 解析像素到嵌套列表
pixels = []
for y in range(height):
    row_start = y * row_size
    # 剥离行尾的填充字节，只保留有效像素数据
    row_raw = raw_image[row_start : row_start + row_size][: width * bytes_per_pixel]
    current_row = []
    for x in range(width):
        px_offset = x * bytes_per_pixel
        # 24位BMP像素存储顺序为BGR，按需转为RGB顺序
        b, g, r = row_raw[px_offset], row_raw[px_offset+1], row_raw[px_offset+2]
        current_row.append((r, g, b))
    pixels.append(current_row)
# 若需要y=0对应图像顶部，添加行翻转逻辑：pixels = pixels[::-1]

# 灰度转换优化
gray_pixels = []
gray_byte_arr = bytearray() # 可变字节数组，避免频繁拼接的性能开销
for row in pixels:
    current_gray_row = []
    for r, g, b in row:
        # 可选精度更高的人眼感知灰度公式，也可换回 avg = (r+g+b)//3
        gray_val = int(0.299 * r + 0.587 * g + 0.114 * b)
        current_gray_row.append(gray_val)
        gray_byte_arr.append(gray_val)
    gray_pixels.append(current_gray_row)

# 若需要生成符合BMP格式的灰度像素块，按row_size要求补0填充每行末尾即可

核心优化点 #

• 用可变bytearray存储输出字节，相比原字节串拼接性能提升10~100倍
• 提前剥离行尾填充字节，修复原逻辑的像素解析错误
• 嵌套列表的存储结构支持O(1)随机访问像素，后续所有图像处理操作都可以基于该结构快速实现
• 若允许引入第三方依赖，用NumPy数组存储像素可获得数量级的性能提升，同时支持向量化操作，无需手写循环处理像素。

内容的提问来源于stack exchange，提问作者dsBoulder