使用np.fromfile每16字节读1个能否直接实现4096×4096RGB图像缩放

核心结论 #

np.fromfile()本身没有原生的间隔跳读参数，无法直接实现每N字节仅读1字节的效果，但可以通过内存映射+切片的方案实现同等需求，无需加载全量文件，也能省去后续的缩放步骤。

具体实现方案 #

首先明确前提：你的.rgb文件为行优先连续存储，存储顺序为：行1像素1R/G/B → 行1像素2R/G/B → …… → 行4096像素4096R/G/B，你需要的是从4096×4096分辨率下采样到1024×1024（缩放比例1/4）。

方案1：内存映射零冗余读取（推荐） #

使用np.memmap创建文件的内存映射，不会一次性加载全量48MB（4096×4096×3）的数据到内存，直接通过切片下采样得到目标尺寸数据：

import numpy as np

file_path = r"my_img.rgb"
# 定义原始图像的完整shape，仅创建映射不加载数据
full_shape = (4096, 4096, 3)
mmap_arr = np.memmap(file_path, dtype=np.uint8, mode="r", shape=full_shape)

# 按1/4比例下采样：每4行取1行，每行每4个像素取1个，保留全部3通道
resized_arr = mmap_arr[::4, ::4, :].copy()

# 释放内存映射资源
del mmap_arr

最终得到的resized_arr就是shape为(1024, 1024, 3)的目标图像数据，全程无冗余数据加载。

方案2：全量读取后切片（仅适合小文件） #

如果坚持用np.fromfile，可以读取全量数据后直接切片，逻辑最简单，但会先加载完整文件到内存：

import numpy as np

file_path = r"my_img.rgb"
full_data = np.fromfile(file_path, dtype=np.uint8)
# 若仅需要每16字节取1字节（仅保留R通道下采样结果），用下面这行
# sampled_data = full_data[::16]
# 若需要保留3通道的1024×1024结果，先reshape再下采样
resized_arr = full_data.reshape(4096, 4096, 3)[::4, ::4, :]

注意事项 #

• 上述方案实现的是最邻近下采样，如果你的缩放需要用到双线性插值、区域平均等更平滑的下采样算法，还是需要调用cv2.resize、PIL.Image.resize等专用接口，不能直接用跳读替代。
• 提前确认文件的存储顺序：如果文件是通道优先存储、或者行有填充对齐、或者通道顺序为BGR，需要对应调整shape参数和切片逻辑，避免读取结果错位。

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