Ihdr: PNG — not GIF! / Хабр

Я не могу понять, что не так с моей структурой. Вот это действительно элементарные структуры данных, вложенные PNG голова : typedef struct _chunk Chunk; typedef struct _file_header file_header;…

Кажется, пока ничего не работает. Я получил, чтобы увидеть с pnginfo следующее сообщение: concept_Sjet_dream6.png… Image Width: 200 Image Length: 240 Bitdepth (Bits/Sample): 8 Channels…

Я экспериментирую с чтением ширины и высоты файла PNG. Это мой код: struct TImageSize { int width; int height; }; bool getPngSize(const char *fileName, TImageSize &is) { std::ifstream…

У меня есть изображение PNG размером 128×128. Когда я читаю его фрагмент IHDR с помощью libpng, он показывает, что изображение имеет цветовой тип 3. Проблема в том, что я нигде не могу найти, каким…

Вот в чем ошибка: Exception in thread main javax.imageio.IIOException: I/O error reading PNG header! at com.sun.imageio.plugins.png.PNGImageReader.readHeader(PNGImageReader.java:307) at…

Основываясь на спецификации файла PNG (Portable Network Graphics), самый первый фрагмент должен быть IHDR (4 байта), содержащий ширину, высоту и битовую глубину изображения. Таким образом, сразу за…

Я делаю импортер PNG для использования в проектах GLUT и OpenGL. Когда я открываю файл PNG в редакторе hex или ссылаюсь на это изображение:…

Я пытаюсь создать метод для класса, который просто читает файл PNG до конца заголовка изображения IHDR (без его фрагмента CRC32. Проблема возникает с каждым more than one byte целыми числами (то…

У меня есть пакет SSIS 2015, который вызывает сохраненный Proc в SQL Server 2016. Когда я запускаю пакет SSIS, я получаю эти два сообщения: Ошибка: ошибка сценария ‘R’ произошла во время выполнения…

Я пытаюсь сгенерировать файл RGBA PNG, который имеет формат, совместимый с программным обеспечением RIP, которое я использую. Проблема в том, что ему не нравятся данные прозрачности, генерируемые…

Рецепт приготовления iHDR-фотографий — Фотоблог Ермолицкого Александра — LiveJournal

Сегодня я расскажу свою самую страшную тайну — как я делаю тонмаппинг (или iHDR, если хотите). Тонмаппинг заключается в склейке кадров одной сцены, снятых с разной выдержкой. Он позволяет «упаковать» большой динамический диапазон (ДД) снимаемой сцены (закат, рассвет, вид из пещеры и т.п.) в маленький ДД монитора/отпечатка, на котором этот снимок будет просматриваться.

Nikon D300 + Sigma 10-20/4-5.6 + polarizer (iso200 14mm f/11 1/5s) iHDR
Этот снимок отлеживался в моих архивах почти 1.5 года, это рекорд 🙂

Есть три основных способа решить эту проблему и сделать фотографию более естественной:

1. снимать один кадр, используя градиентные фильтры


2. снимать несколько кадров с разной выдержкой и затем склеивать их некоторым образом


3. снимать один кадр в RAW и затем склеивать изображения, полученные из RAW с разной экспокоррекцией

Итак, у меня есть несколько кадров, снятых с разной выдержкой:

На всех кадрах, кроме самого верхнего, небо пересвечено. На всех кадрах, кроме самого нижнего, горы недоэкспонированы (слишком тёмные). Необходимо некоторым образом склеить их так, чтобы в результате получилось реалистичное изображение, в котором и небо не пересвечено, и горы нормально смотрятся.

Сейчас существует множество программ, позволяющих автоматически склеивать HDR-ки. Я в своё время перепробовал несколько из них и был полностью разочарован — во всех случаях результат получался совершенно неестественным. Например, вот лучший результат, которого мне удалось добиться за 15 минут от инструмента «Merge to HDR Pro» в Photoshop CS5:

Ужасно, не правда ли? Даже слово «Pro» в названии скрипта не помогло.

В результате я разработал собственный метод тонмаппинга, позволяющий вручную склеивать кадры с разной выдержкой, накладывая их друг на друга в виде слоёв с масками в фотошопе. Мой метод не является уникальным, более того, я далеко не первый его изобрёл. Вполне возможно, что где-то в Сети он уже подробно описан, но я об этом не знаю, так что если найдёте — дайте ссылку.

В результате применения этого метода слои в фотошопе у меня обычно выглядят следующим образом:

Здесь tone mapping — группа слоёв, выполняющих тонмаппинг, т.е. наложение кадров с разной выдержкой. О создании масок для этих слоёв пойдет речь далее. Как видно, я использовал 3 кадра, один из которых (d30_1782) конвертировал в RAW-конверторе 3 раза с разной экспокоррекцией; в данном случае это не имеет принципиального значения, можно было бы снять 5 кадров и получить такой же результат. Группа postprocessing содержит слои обработки полученной HDR-ки. В данном случае здесь нет ничего особенного: слой инструмента Shadows/Highlights для затемнения наиболее яркого участка неба (горы не трогались) и слой повышения насыщенности в красном и жёлтом каналах. Группа print содержит слои для подготовки изображения к печати: слой осветления теней и слой повышения резкости.

В таком виде со всеми слоями обработанный файл в формате *.psb хранится у меня на жёстком диске. В любой момент я могу открыть его и скорректировать любой этап обработки/тонмаппинга, это очень удобно.

Мы медленно, но верно подошли к основной теме данной статьи — рисованию масок слоёв. Тонмаппинг начинается с загрузки в фотошоп всех кадров брекетинга (например, при помощи скрипта File → Scripts → Load Files into Stack) и простановки всем слоям, кроме самого нижнего, чёрной маски (Layer → Layer Mask → Hide All). В результате получается следующее:

В данном случае я накладываю тёмные слои на светлые, однако в общем случае слои можно располагать в любом порядке, всё зависит от сюжета и ваших предпочтений.

Первая маска (d30_1782) — самая простая. Используем Gradient Tool для получения первого приближения маски:

Затем мягкой кисточкой (Hardness: 0%) закрашиваем на этой маске горы, чтобы они не затемнялись при наложении этого слоя:

Результат наложения слоя с этой маской:

Вторая маска (d30_1782 -1 eV) уже сложнее. Вначале необходимо выделить светлую область изображения. Для этого накладываем слои Black&White и Curves:

и выделяем светлую часть изображения, зажав Ctrl и кликнув по слою RGB в закладке CHANNELS:

удаляем временные слои (Black&White и Curves) и зарисовываем белым цветом вторую маску с помощью мягкой кисточки (Brush Tool). Снимаем выделение (Ctrl + D). Получилась следующая маска:

Такая маска плоха тем, что при наложении слоя сильно падает микроконтраст. Кроме того, появляются некрасивые ореолы вокруг деревьев. Чтобы решить эти проблемы, маску нужно заблюрить, но не полностью, а выборочно, не трогая границу контрастных зон (граница между небом и горами). Для этого используется Blur Tool (для деревьев) и Gaussian Blur с радиусом 10-50 (для остальных областей). Кроме того, верхнюю часть маски (там, где небо) можно полностью закрасить белым цветом при помощи кисточки, а нижнюю часть (там, где горы) — чёрным цветом. В результате получается такая маска:

а вот 100% crop этой маски в области деревьев:

наложение слоя с этой маской даёт:

уже лучше, но небо по-прежнему убито.

Третья и четвёртая маска делаются аналогичным образом — выделяем светлые области, рисуем маску по выделению, выборочно заблюриваем и корректируем маску кисточкой. В результате получаем слоёный пирог, который для наглядности можно изобразить следующим образом:

И вот что получается при склейке этого пирога:

далее применяем слои обработки и получаем карточку в заголовке этой статьи.

Вот и всё! Главное понимать, что HDR — это не панацея, а всего лишь метод борьбы с одной единственной проблемой — большим динамическим диапазоном. Если на фотографии запечатлено красивое место с хорошим светом и правильно построеной композицией, то HDR может помочь передать этот сюжет более естественным образом. Если этого нет, то никакой HDR уже не поможет.

Готов выслушать ваши замечания и предложения. Также приветствуются подарки, цветы и конфеты! Ну и ссылки на аналогичные статьи присылайте.

python — OCR на Live Webcam Feed: высота изображения равна нулю, неверные данные IHDR

Так что я довольно новичок в openCV и google vision, но я пытаюсь использовать функцию обнаружения краев для определения чисел в определенной области тега. Код работает и работает нормально, когда тег находится в поле зрения камеры, однако, когда тег не отображается, я получаю предупреждение libpng: высота изображения равна нулю в IDHR и ошибка libpng: неверные данные IHDR

Я попытался проверить, не является ли фрейм Nontype и что ret имеет значение True, но я не могу понять, как сделать так, чтобы он ничего не выводил, пока тег не окажется в фрейме.

Ниже приведены изображения образца кадра и вывод из моего определения края https://i.stack.imgur.com/tVHFm.jpg https://i.stack.imgur.com/Mb3Z5.jpg

import io
import cv2
from PIL import Image
import numpy as np
import re

from imutils.perspective import four_point_transform 
import imutils

# Imports the Google Cloud client library
from google.cloud import vision
from google.cloud.vision import types

# Instantiates a client
client = vision.ImageAnnotatorClient()
def detect_text(path):
    global lotid
    """Detects text in the file."""
    with io.open(path, 'rb') as image_file:
        content = image_file.read()

    image = types.Image(content=content)
    response = client.text_detection(image=image)
    texts = response.text_annotations
    string = ''

    for text in texts:
        string+=' ' + text.description
        string = string[0:9]
    return string

cap = cv2.VideoCapture(0)

while(True):  
# cap.isOpened()

    # Capture frame-by-frame
    ret, frame = cap.read()

    gray = cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY)
    blurred = cv2.GaussianBlur(gray, (5, 5), 0)
    edged = cv2.Canny(blurred, 50, 200, 255)

    # find contours in the edge map, then sort them by their size in descending order
    cnts = cv2.findContours(edged.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    cnts = imutils.grab_contours(cnts)
    cnts = sorted(cnts, key=cv2.contourArea, reverse=True)
    displayCnt = None

    for c in cnts:
        peri = cv2.arcLength(c,True)
        approx = cv2.approxPolyDP(c,.02 * peri, True)
        if len(approx) == 4:
            displayCnt = approx
            break

    # extract the display, apply a perspective transform to it
    warped = four_point_transform(gray, displayCnt.reshape(4, 2))
    output = four_point_transform(frame, displayCnt.reshape(4, 2))

    (h,w) = warped.shape
    (dX,dY) = (int(w*.8),int(h*.45))
    crop = warped[20:dY,w-dX:w-20]


    file = 'live.png'
    cv2.imwrite(file,crop)

    # print OCR text
    print(detect_text(file))

    # Display the resulting frame
    cv2.imshow('frame',crop)

    k = cv2.waitKey(30) &0xff
    if k == 27:
        break

    # print('Confidence: {}'.format(detect_text.confidence))

# When everything done, release the capture
cap.release()
cv2.destroyAllWindows()

0

Kevin Dias 14 Авг 2019 в 21:46

2 ответа

Лучший ответ

Спасибо @PetarMarkovic. Я переместил свой оператор try-исключение вокруг своих деформированных, выходных переменных и операторов print, и он работает так, как ожидалось.

1

Kevin Dias 15 Авг 2019 в 15:22

swift — Невозможно прочитать фрагмент IHDR файла PNG

Как указал MartinR, для файлов PNG существует расширение, называемое CgBI.

Обычный файл PNG имеет структуру, в которой за подписью PNG следует фрагмент IHDR.

Ниже приведен пример байтов в шестнадцатеричном представлении для обычного файла PNG (xx — байты-заполнители со значениями переменных):

  Подпись PNG (8 байт): 89 50 4E 47 0D 0A 1A 0A
======= Начало чанка =======
Часть IHDR:
    Длина блока IHDR (4 байта): 00 00 00 0D
    Тип блока IHDR (определяет тип блока как IHDR): 49 48 44 52
    Ширина изображения в пикселях (переменная 4): xx xx xx xx
    Высота изображения в пикселях (переменная 4): xx xx xx xx
    Флаги в чанке (переменная 5 байтов): xx xx xx xx xx
    Контрольная сумма CRC (переменная 4 байта): xx xx xx xx
======= Конец фрагмента =======
  

Файл PNG с расширением CgBI имеет структуру, в которой за подписью PNG следует фрагмент CgBI, а затем фрагмент IHDR.

Когда я говорю «расширение», не путайте его с «filename.png, filename.cgbi». На самом деле это расширение способа, которым должен быть структурирован файл PNG.

Ниже приведен пример байтов в шестнадцатеричном представлении для файла PNG с расширением CgBI (xx — байты-заполнители со значениями переменных):

  Подпись PNG (8 байт): 89 50 4E 47 0D 0A 1A 0A
======= Начало чанка =======
Чанк CgBI:
    Длина блока CgBI (4 байта): 00 00 00 04
    Тип блока CgBI (определяет тип блока CgBI): 43 67 42 49
    Информационные флаги CgBI (4 байта): xx xx xx xx
    Контрольная сумма CRC (переменная 4 байта): xx xx xx xx
======= Конец фрагмента =======
======= Начало чанка =======
Часть IHDR:
    Длина блока IHDR (4 байта): 00 00 00 0D
    Тип блока IHDR (определяет тип блока как IHDR): 49 48 44 52
    Ширина изображения в пикселях (переменная 4): xx xx xx xx
    Высота изображения в пикселях (переменная 4): xx xx xx xx
    Флаги в чанке (переменная 5 байтов): xx xx xx xx xx
    Контрольная сумма CRC (переменная 4 байта): xx xx xx xx
======= Конец фрагмента =======
  

Хотя файлы PNG отображаются во всех средствах просмотра изображений, расширение CgBI может отображаться или не отображаться во всех средствах просмотра изображений в зависимости от поддержки, которую они предоставляют для таких файлов.

MacOS может отображать такие изображения, и UIImageView на iOS также может отображать файлы из моего набора образцов изображений (PNG с расширением CgBI).

Как использовать функцию iHDR.

DC-G9, DC-GH5, DC-GH5S, DC-GX9, DMC-ZS100, DMC-ZS60, DMC-FZ300, DMC-G7, DMC-GF7, DC-G100, DC-ZS70

Применимые режимы записи

При наличии, например, сильного контраста между фоном и объектом, [ iHDR ] записывает несколько неподвижных изображений с разной экспозицией и объединяет их для создания одного неподвижного изображения с богатой градацией.

• [ iHDR ] работает автоматически по мере необходимости. При активации на экране будет отображаться [ HDR ].

Включение iHDR

• Нажмите [ MENU ] → [Интеллектуальный автоматический режим] / [Интеллектуальный автоматический режим плюс] → [ iHDR ] → [ ВКЛ / ВЫКЛ ]
• Для моделей DMC-FZ300, DMC-G7, DMC-GF7, DC-ZS70
  • Нажмите [ MENU ] → [Rec] → [ iHDR ] → [ ON ] / [ OFF ]

Банкноты

• Угол обзора немного сужается
• После нажатия кнопки спуска затвора не перемещайте камеру во время серийной съемки.
• Поскольку серия фотоснимков объединяется после того, как они были записаны, пройдет несколько мгновений, прежде чем вы сможете записать еще один снимок.
• В случае композиции из серии могут появиться остаточные изображения, если объект двигался.
• Вы не можете сделать следующий снимок, пока не будет завершено объединение снимков.
• Движущийся объект может быть снят с неестественным размытием.
• iHDR недоступен в следующих случаях:
  • [ iHandheld Night Shot ] / [ iHDR ] не работает для изображений, сделанных во время записи движущегося изображения.
  • При записи фотографий 4K
  • При записи с [ Пост-фокус ]
  • При использовании режима [ Burst ]
  • При записи с использованием функции [ Брекетинг ] / [ Автобрекетинг ]
  • Когда [ Качество ] установлено на:
    • [Raw / Jpeg]
    • [Raw / Jpeg высокого качества]
    • [Raw]
  • При использовании [ Интервальная съемка ]
  • При использовании [ Покадровая анимация ] (только при установке [ Авто съемка ])
  • При записи со вспышкой
  • Для моделей DC-G9, DC-GH5
  • Для моделей DC-G9, DC-GH5, DC-GH5S, DC-GX9
    • Когда [ Исх.Tele Conv. ] в меню [ Rec ] устанавливается

Написание (простого) декодера PNG может оказаться проще, чем вы думаете

14 октября 2019 г.

Поначалу спецификация PNG может показаться сложной, но на самом деле на удивление легко написать простой декодер PNG пока мы накладываем некоторые ограничения на наши входные файлы PNG, и у нас под рукой есть zlib-декодер.

Для этого упражнения мы будем использовать Python 3, который имеет привязки zlib, доступные в его стандартной библиотеке, что значительно облегчит нам работу .

Ограничения

Чтобы не обременять себя деталями реализации, мы наложим некоторые ограничения на наши входные изображения PNG:

• Мы поддерживаем только 8-битный истинный цвет с альфа-каналом. Другими словами, типичное изображение RGBA, где каждый пиксель представляет собой кортеж R, G, B, A, а каждая выборка — один байт.
• Мы не поддерживаем чересстрочную развертку.

Как мы видим, эти ограничения не так уж и плохи, и вы сможете декодировать некоторые из ваших любимых изображений с помощью этого простого декодера.

Начиная с

В этом упражнении мы попытаемся декодировать это изображение RGBA PNG из PngSuite (ЛИЦЕНЗИЯ):

Сохраните это как basn6a08.png в своем рабочем каталоге.

Для начала импортируем нужные библиотеки и откроем файл PNG для чтения:

  import struct
импортировать zlib

f = open ('basn6a08.png', 'rb')  

Мы будем использовать struct для разбора файла PNG и zlib для распаковки данных изображения позже.

Первые 8 байтов допустимого файла PNG — это подпись PNG , которая представляет собой строку байтов b '\ x89PNG \ r \ n \ x1a \ n' . Мы начинаем с чтения первых 8 байтов файла и проверки их соответствия:

  PngSignature = b '\ x89PNG \ r \ n \ x1a \ n'
если f.read (len (PngSignature))! = PngSignature:
    Raise Exception («Недопустимая подпись PNG»)  

Чтение фрагментов

После подписи PNG идет серия из фрагментов до конца файла.Каждый фрагмент имеет следующие поля:

Обратите внимание, что все целочисленные поля в формате файла PNG хранятся в порядке big endian , то есть сначала старший байт.

Таким образом, мы определим функцию многократного использования для чтения фрагментов:

  def read_chunk (f):
    
    chunk_length, chunk_type = структура.распаковать ('> I4s', f.read (8))
    chunk_data = f.read (длина_чанка)
    контрольная сумма = zlib.crc32 (chunk_data, zlib.crc32 (struct.pack ('> 4s', chunk_type)))
    chunk_crc, = struct.unpack ('> I', f.read (4))
    если chunk_crc! = контрольная сумма:
        поднять исключение ('ошибка контрольной суммы блока {}! = {}'. format (chunk_crc,
            контрольная сумма))
    return chunk_type, chunk_data  

Теперь давайте прочитаем все фрагменты файла в список из фрагментов . Спецификация PNG требует, чтобы последний фрагмент файла был фрагментом с типом фрагмента IEND , поэтому мы можем использовать его, чтобы определить, когда выйти из цикла:

  chunks = []
в то время как True:
    chunk_type, chunk_data = read_chunk (е)
    куски.добавить ((chunk_type, chunk_data))
    если chunk_type == b'IEND ':
        break  

На этом этапе давайте проверим работоспособность кода, который мы написали, распечатав типы фрагментов прочитанных фрагментов:

  print ([chunk_type для chunk_type, chunk_data в фрагментах])  

Следующая строка должен быть напечатан:

  [b'IHDR ', b'gAMA', b'IDAT ', b'IEND']  

Как мы видим, файл PNG содержит 4 части:

• Во-первых, Блок IHDR , который содержит важные метаданные, такие как ширина / высота изображения, битовая глубина и т. Д.Спецификация PNG требует, чтобы все файлы PNG содержали IHDR в качестве первого фрагмента.
• Далее идет блок gAMA , который определяет информацию о гамме. Это необязательный тип блока, то есть не во всех файлах PNG он будет указан. Для простоты мы просто проигнорируем его в этом упражнении.
• Третий блок — это блок IDAT , который содержит данные пикселей изображения. Спецификация PNG требует, чтобы он был во всех файлах PNG.
• Наконец, последний блок — это блок IEND , который сигнализирует о конце файла.

Вообще говоря, спецификация PNG определяет два вида фрагментов: критических фрагмента — фрагменты, которые должны присутствовать в файле PNG в зависимости от определенных условий, и должны обрабатываться декодером, а вспомогательные фрагменты — фрагменты которые являются необязательными и могут игнорироваться декодером. Вы можете легко определить, какие типы фрагментов являются критическими, а какие — вспомогательными, посмотрев на их первую букву — если она прописная (например, I DAT и I HDR ), это критично. , а если он строчный (например, g AMA ), он является вспомогательным.Спецификация PNG определяет список типов блоков и способы их интерпретации. Однако этот список не является исчерпывающим, поскольку мы также можем расширить формат PNG с помощью наших собственных типов фрагментов расширения . Таким образом приложения, такие как Adobe Fireworks, могут хранить все свои данные в обычных файлах png, при этом позволяя просматривать их с помощью обычных программ просмотра изображений.

Теперь, когда у нас есть все наши фрагменты в списке фрагментов , давайте обработаем их.

Обработка фрагмента

Данные фрагмента IHDR всегда составляют 13 байтов и содержат следующие поля:

Допустимые битовые глубины и типы цвета определены следующим образом:

Для начала возьмем блок IHDR и проанализируем его поля:

  _, IHDR_data = chunks [0]
width, height, bitd, colort, compm, filterm, interlacem = struct.unpack ('> IIBBBBB', IHDR_data)  

Далее мы выполним некоторую проверку работоспособности. Как упоминалось в таблицах выше, спецификация PNG поддерживает только 0 в качестве метода сжатия и 0 в качестве метода фильтрации.

  если compm! = 0:
    поднять исключение ('недопустимый метод сжатия')
если filterm! = 0:
    Raise Exception («недопустимый метод фильтрации»)  

Далее мы применим некоторые из наших собственных ограничений.Как упоминалось выше, мы принимаем изображения только с Truecolor с альфа (тип цвета = 6 ), глубиной бит 8 и без чересстрочной развертки (метод чересстрочной развертки = 0 ):

 , если цвет! = 6:
    поднять исключение ('мы поддерживаем только truecolor с альфа')
если bitd! = 8:
    поднять исключение ('мы поддерживаем только битовую глубину 8')
если interlacem! = 0:
    Raise Exception («мы не поддерживаем только чересстрочную развертку»)  

Наконец, давайте проверим работоспособность нашего кода, напечатав ширину и высоту изображения:

  print (width, height)  

Следующее должно быть распечатано :

  32 32  

, что соответствует размерам изображения.

Теперь мы обработали заголовок изображения и можем перейти к обработке данных изображения.

Обработка

На этом этапе мы готовы декодировать данные изображения, чтобы получить необработанные данные пикселей.

Для начала давайте сначала обсудим, как необработанные данные пикселей преобразуются в данные, которые хранятся в файле PNG.

Изображение состоит из строк развертки , которые представляют собой отдельные строки пикселей. Поскольку мы имеем дело с 8-битным изображением RGBA, каждый пиксель состоит из отсчетов RGBA (в порядке R, G, B, затем A), где каждый отсчет составляет 1 байт без знака.

Например, у нас есть это изображение 2×2:

• Первая строка сканирования состоит из 2 пикселей с кортежами RGBA и.
• Вторая строка сканирования состоит из 2 пикселей с кортежами RGBA и

Таким образом, при представлении с использованием списков Python необработанные данные изображения выглядят примерно так:

  raw_image_data = [
    [255, 0, 0, 255, 0, 0, 255, 255],
    [0, 255, 0, 255, 255, 255, 255, 255],
]  

Затем кодер выполнит фильтрацию на каждой строке развертки.Фильтрация — это операция, указанная в спецификации PNG, которая применяется к необработанным пиксельным данным изображения. для более эффективного сжатия данных пикселей. Мы рассмотрим фильтрацию более подробно позже, но важно отметить, что существуют разные типы фильтров , и каждая строка сканирования будет иметь префикс байта, указывающего, какой тип фильтра использовался для фильтрации строки сканирования.

Например, тип фильтра 0 является фильтром идентификации — Результатом фильтрации строки развертки является сама исходная строка развертки.Если мы отфильтруем две строки развертки исходных raw_image_data, результирующие filter_image_data выглядит примерно так:

  filter_image_data = [
    [0, 255, 0, 0, 255, 0, 0, 255, 255],
    [0, 0, 255, 0, 255, 255, 255, 255, 255],
]  

Наконец, строки развертки объединяются в один непрерывный массив байтов, сжатый в соответствии со спецификацией zlib, а затем упакованный в блоки IDAT .

Таким образом, чтобы декодировать изображение, нам просто нужно проделать вышеуказанные операции в обратном порядке!

Объединение

Данные пикселей изображения хранятся в блоках IDAT .Спецификация PNG позволяет разделить данные изображения на несколько блоков IDAT , поэтому нам нужно объединить их вместе следующим образом:

  IDAT_data = b ''. join (chunk_data для chunk_type, chunk_data в кусках, если chunk_type == b'IDAT ')  

Совет

Спецификация PNG требует IDAT фрагментов для последовательного появления в файле без каких-либо других промежуточных фрагментов. Здесь мы не пользуемся этим ограничением, но оно может быть полезно при написании собственного декодера PNG.

Распаковка

  IDAT_data = zlib.decompress (IDAT_data)  

  print (len (IDAT_data))  

  4128  

  def PaethPredictor (a, b, c):
    р = а + б - с
    па = абс (р - а)
    pb = abs (p - b)
    pc = abs (p - c)
    если pa <= pb и pa <= pc:
        Pr = a
    elif pb <= pc:
        Pr = b
    еще:
        Pr = c
    return Pr  

  Recon = []  

  байтов PerPixel = 4
stride = width * bytesPerPixel  

  def Recon_a (r, c):
    return Recon [r * stride + c - bytesPerPixel], если c> = bytesPerPixel else 0

def Recon_b (r, c):
    вернуть Recon [(r-1) * stride + c], если r> 0, иначе 0

def Recon_c (r, c):
    return Recon [(r-1) * stride + c - bytesPerPixel], если r> 0 и c> = bytesPerPixel else 0  

  i = 0
для r в диапазоне (высота):
    filter_type = IDAT_data [i]
    я + = 1
    для c в диапазоне (шаг):
        Filt_x = IDAT_data [i]
        я + = 1
        если filter_type == 0:
            Recon_x = Filt_x
        elif filter_type == 1:
            Recon_x = Filt_x + Recon_a (r, c)
        elif filter_type == 2:
            Recon_x = Filt_x + Recon_b (r, c)
        elif filter_type == 3:
            Recon_x = Filt_x + (Recon_a (r, c) + Recon_b (r, c)) // 2
        elif filter_type == 4:
            Recon_x = Filt_x + PaethPredictor (Recon_a (r, c), Recon_b (r, c), Recon_c (r, c))
        еще:
            поднять исключение ('неизвестный тип фильтра:' + str (filter_type))
        Recon.append (Recon_x & 0xff)  

  import matplotlib.pyplot as plt
импортировать numpy как np
plt.imshow (np.array (Recon) .reshape ((высота, ширина, 4)))
plt.show ()  

  import zlib
структура импорта

f = открытый ('basn6a08.png', 'rb')

PngSignature = b '\ x89PNG \ r \ n \ x1a \ n'
если f.read (len (PngSignature))! = PngSignature:
    поднять исключение («Недопустимая подпись PNG»)

def read_chunk (f):
    
    chunk_length, chunk_type = struct.unpack ('> I4s', f.read (8))
    chunk_data = f.read (длина_чанка)
    chunk_expected_crc, = struct.unpack ('> I', f.read (4))
    chunk_actual_crc = zlib.crc32 (chunk_data, zlib.crc32 (struct.pack ('> 4s', chunk_type)))
    если chunk_expected_crc! = chunk_actual_crc:
        поднять исключение ("сбой контрольной суммы фрагмента")
    вернуть chunk_type, chunk_data

chunks = []
в то время как True:
    chunk_type, chunk_data = read_chunk (е)
    куски.добавить ((chunk_type, chunk_data))
    если chunk_type == b'IEND ':
        перерыв

_, IHDR_data = фрагменты [0]
width, height, bitd, colort, compm, filterm, interlacem = struct.unpack ('> IIBBBBB', IHDR_data)
если compm! = 0:
    поднять исключение ('недопустимый метод сжатия')
если filterm! = 0:
    поднять исключение ('недопустимый метод фильтрации')
если цвет! = 6:
    поднять исключение ('мы поддерживаем только truecolor с альфа')
если bitd! = 8:
    поднять исключение ('мы поддерживаем только битовую глубину 8')
если interlacem! = 0:
    поднять исключение ('мы не поддерживаем только чередование')

IDAT_data = b ''.присоединиться (chunk_data для chunk_type, chunk_data в кусках, если chunk_type == b'IDAT ')
IDAT_data = zlib.decompress (IDAT_data)

def PaethPredictor (a, b, c):
    р = а + б - с
    па = абс (р - а)
    pb = abs (p - b)
    pc = abs (p - c)
    если pa <= pb и pa <= pc:
        Pr = a
    elif pb <= pc:
        Pr = b
    еще:
        Pr = c
    вернуть Pr

Recon = []
bytesPerPixel = 4
шаг = ширина * bytesPerPixel

def Recon_a (r, c):
    return Recon [r * stride + c - bytesPerPixel], если c> = bytesPerPixel else 0

def Recon_b (r, c):
    вернуть Recon [(r-1) * stride + c], если r> 0, иначе 0

def Recon_c (r, c):
    вернуть Recon [(r-1) * stride + c - bytesPerPixel], если r> 0 и c> = bytesPerPixel else 0

я = 0
для r в диапазоне (высота):
    filter_type = IDAT_data [i]
    я + = 1
    для c в диапазоне (шаг):
        Filt_x = IDAT_data [i]
        я + = 1
        если filter_type == 0:
            Recon_x = Filt_x
        elif filter_type == 1:
            Recon_x = Filt_x + Recon_a (r, c)
        elif filter_type == 2:
            Recon_x = Filt_x + Recon_b (r, c)
        elif filter_type == 3:
            Recon_x = Filt_x + (Recon_a (r, c) + Recon_b (r, c)) // 2
        elif filter_type == 4:
            Recon_x = Filt_x + PaethPredictor (Recon_a (r, c), Recon_b (r, c), Recon_c (r, c))
        еще:
            поднять исключение ('неизвестный тип фильтра:' + str (filter_type))
        Recon.добавить (Recon_x & 0xff)

импортировать matplotlib.pyplot как plt
импортировать numpy как np
plt.imshow (np.array (Recon) .reshape ((высота, ширина, 4)))
plt.show ()  

 1 
 2 
 

 you_cant_see_me.png: ПОВРЕЖДЕНО при преобразовании текста 
 ОШИБКА: you_cant_see_me.png 
 

 1 
 2 
 3 
 4 
 5 
 6 
 7 
 8 
 9 
 10 
 11 
 12 
 13 
 14 
 15 
 

 pngcheck -vf image.png 
 Файл: image.png (6163 байта) 
 фрагмент IHDR со смещением 0x0000c, длина 13 
 Изображение 205 x 246, 8-битная палитра, без чересстрочной развертки 
 фрагмент gAMA со смещением 0x00025, длина 4: 0,45455 
 фрагмент cHRM со смещением 0x00035, длина 32 
 Белый x = 0,3127 y = 0,329, Красный x = 0,64 y = 0,33 
 Зеленый x = 0,3 y = 0,6, Синий x = 0,15 y = 0,06 
 блок PLTE со смещением 0x00061, длина 132: 44 элемента палитры 
 chunk bKGD со смещением 0x000f1, длина 1 
 index = 0 
 chunk pHYs со смещением 0x000fe, длина 9: 2835x2835 пикселей / метр (72 dpi) 
 idat фрагмента со смещением 0x00113, длина 5737: недопустимый зарезервированный бит-набор chunk 
 chunk tEXt по смещению 0x01788, длина 37 фрагментов текста по смещению 0x017b9, длина 37 фрагментов текста со смещением 0x017ea, длина 21 фрагментов IEND со смещением 0x0180b, длина 0: фрагментов IDAT нет. 
 В изображении ОБНАРУЖЕНЫ ОШИБКИ.png 
 

 1 
 2 
 3 
 4 
 5 
 6 
 7 
 8 
 

 feh image.png 
 предупреждение libpng: idat: ошибка CRC 
 предупреждение libpng: текст: ошибка CRC 
 предупреждение libpng: текст: CRC error 
 libpng error: IEND: out of place 
 feh WARNING: image.png - Нет загрузчика Imlib2 для этого формата файла. 
 feh: Не указаны загружаемые изображения. 
 См. "Man feh" для получения подробной информации об использовании 
 

 1 
 2 
 3 
 4 
 5 
 6 
 7 
 8 
 

 [Завершено] Правильный заголовок PNG 
 [Завершено] Правильный CRC IHDR (смещение: 0x1D): 42DFF335 
 [Завершено] фрагмент IHDR проверка завершена (смещение: 0x8) 
 [Обнаружено] Ошибка длины данных блока IDAT! (смещение: 0xX5) 
 длина блока: 44AE4260 
 фактическая длина: 0 
 [Примечание] Попробовать исправить? (y или n) [по умолчанию: y] y 
 [Предупреждение] Исправить только из-за преобразования DOS-> Unix