在python中读取卫星图像文件时优化性能

我有一个多波段卫星图像存储在波段交错像素（BIP）格式以及一个单独的头文件。头文件提供了详细信息，例如图像中的行数和列数，以及条带数（可以超过标准3）

图像本身的存储方式如下（假设为5波段图像）：

[B1][B2][B3][B4][B5][B1][B2][B3][B4][B5]。。。以此类推（基本上是5个字节——每个频带一个字节——从图像左上角开始的每个像素）

我需要在Python3.2（在Windows7 64位上）中将这些波段作为PIL图像分开，目前我认为我处理这个问题的方法不正确。我目前的代码如下：

def OpenBIPImage(file, width, height, numberOfBands):
    """
    Opens a raw image file in the BIP format and returns a list
    comprising each band as a separate PIL image.
    """
    bandArrays = []
    with open(file, 'rb') as imageFile:
        data = imageFile.read()
    currentPosition = 0
    for i in range(height * width):
        for j in range(numberOfBands):
            if i == 0:
                bandArrays.append(bytearray(data[currentPosition : currentPosition + 1]))
            else:
                bandArrays[j].extend(data[currentPosition : currentPosition + 1])
            currentPosition += 1
    bands = [Image.frombytes('L', (width, height), bytes(bandArray)) for bandArray in bandArrays]
    return bands

这段代码打开BIP文件花费的时间太长，肯定有更好的方法。我也有numpy和scipy库，但我不确定如何使用它们，或者它们是否有任何帮助

由于图像中的带数也是可变的，我发现很难找到一种方法来快速读取文件并将图像分割为其组成带

为了记录在案，我尝试过在循环中弄乱列表方法（使用切片，不使用切片，只使用append，只使用extend等），这并没有特别大的区别，因为由于涉及的迭代次数（宽度*高度*频带数）会损失大量时间

---

任何建议都会非常有用。谢谢。

标准PIL

要从文件加载图像，请使用图像模块中的open函数

>>> import Image
>>> im = Image.open("lena.ppm")

如果成功，此函数将返回图像对象。现在可以使用实例属性检查文件内容

>>> print im.format, im.size, im.mode
PPM (512, 512) RGB

format属性标识图像的源。如果未从文件中读取图像，则将其设置为“无”。size属性是一个包含宽度和高度（以像素为单位）的2元组。“模式”属性定义图像中条带的数量和名称，以及像素类型和深度。常用模式为灰度图像的“L”（亮度），真彩色图像的“RGB”，以及印前图像的“CMYK”

Python图像库还允许您处理多波段图像的各个波段，例如RGB图像。分割方法创建一组新图像，每个图像包含原始多波段图像中的一个波段。merge函数接受一个模式和一个图像元组，并将它们组合成一个新图像。以下示例交换RGB图像的三个波段：

分裂和合并频带

r, g, b = im.split()
im = Image.merge("RGB", (b, g, r))

所以我认为你应该简单地推导出模式，然后进行相应的拆分

PIL与Spectral Python（间谍Python模块）

但是，正如您在下面的评论中指出的，您并没有处理具有3个波段的正常RGB图像。因此，为了解决这个问题，SpectralPython（一个需要PIL的纯python模块）可能正是您想要的

具体而言—

spectrum.io.bipfile.bipfile处理带交错像素（BIP）格式的图像文件

---

希望这能有所帮助。

我怀疑重复extend并不好，最好先分配所有

def OpenBIPImage(file, width, height, numberOfBands):
    """
    Opens a raw image file in the BIP format and returns a list
    comprising each band as a separate PIL image.
    """
    bandArrays = []
    with open(file, 'rb') as imageFile:
        data = imageFile.read()
    currentPosition = 0
    for j in range(numberOfBands):
        bandArrays[j]= bytearray(b"\0"*(height * width)):


    for i in xrange(height * width):
        for j in xrange(numberOfBands):
                bandArrays[j][i]=data[currentPosition])
            currentPosition += 1
    bands = [Image.frombytes('L', (width, height), bytes(bandArray)) for bandArray in bandArrays]
    return bands

我的测量结果没有显示减速

def x():
    height,width,numberOfBands=1401,801,6
    before = time.time()
    for i in range(height * width):
        for j in range(numberOfBands):
            pass
    print (time.time()-before)

>>> x()
0.937999963760376

---

已编辑

如果可以找到一个快速函数来加载大型python列表（或numpy数组）中的二进制数据，则可以使用切片表示法对数据进行反交错：

band0 = biglist[::nbands]
band1 = biglist[1::nbands]
....

---

这有帮助吗？

是的，这对标准图像非常有效，但我不会打开标准图像-我的图像可以有3个以上的波段。现在，如果有一种方法可以让PIL打开一个没有以任何已知图像格式存储的“n”波段图像，那将很有帮助。我现在明白你的意思了。如果是这样的话，这个链接可能会对你有所帮助——但是Python 3.x中没有PIL？@Xavier，我的意思是spectralpython不可用。是的，我也尝试过这个。我浪费时间是因为迭代次数太多，这就是为什么我试图找出其他方法来读取需要较少迭代的数据。一个空循环（也就是说，只有在主体中带有pass语句的for循环）需要约33秒（使用时间模块计时）。问题是您使用的是range而不是xrange，xrange分配了一个完整的无用整数列表。我使用的是python 3.x。。range是一个迭代器。您可以使用并构建一个c模块，该模块为您提供简单的c速度。谢谢，在您指出我的代码似乎运行得太慢之后，我发现了我的错误。让调试器挂起，这减慢了代码的速度（令人惊讶的是很多）。好的，你的代码已经用了2.4秒来打开这个图像。我正在尝试一种不同的方法，看看是否能在一秒钟内完成。谢谢！太神了我完全忘记了这种切片。图像在0.1秒内打开：）