这次任务是拿到了几张raw图片，没其他头文件或信息，需要对raw图片使用python打开并显示
（作为了一个初学者，整天搞jpg、png，突然来了个raw，表示很头大）
1.获取raw图片shape信息（高度、宽度、通道数）
通过第三方打开显示，查找其信息，记录下来，后面要用
网上所搜的各种raw转jpg图片的就算了吧，试过一两个，都是失败的
这里推荐两种方法，一个是软件：ps，使用ps可以直接打开读取raw图片，打开时便会自动显示高度宽度和通道数及位数（不过就目前来说，感觉ps是随机匹配宽长，显示的图也不准确），如下图，有需要也可以转为其他格式，如jpg、png等
另一个方法就是一个线上网站：Photopea | Online Photo Editor
超级好用！！！而且可以选各种不同的匹配形式，也可以预览图片，然后你可以选择正确的匹配形式，对应的高宽等信息就是对应你图片的
（平时也挺好用的，可以各种图片处理操作，如果需求不大都不需要ps了）
2.python图片读取
有了高宽通道数信息，咱们就可以进行numpy图像分析，最后通过opencv读取图像
import numpy as np
import cv2
# 注意到这个函数只能显示uint16类型的数据，如果是uint8的数据请先转成uint16。否则图片显示会出现问题。**
# image为array类型，多少维度都无所谓，直接操作全部元素
img = np.fromfile("D:/VScode/pyproject/PR/view/showRaw/1.raw", dtype=np.uint16)
print(img)
print("数组元素总数：",img.size) #打印数组尺寸，即数组元素总数
# /均值、标准差归一化/
image = (img - np.average(img)) / np.std(img)
# ///
print(image)
imgData = image.reshape(288, 384, 1)
# 展示图像
cv2.imshow('img',imgData)
cv2.waitKey()
cv2.destroyAllWindows()
其中我用了一些图像归一化的方法，我大概了解了一下有下面三种比较常用的，你们可以根据自己图片尝试一下，我自己这次图片的归一化用的效果比较好的是均值、标准差归一化
# /“x-min/max-min”//
image = (img - np.min(img)) / (np.max(img) - np.min(img))
# ///
# ///simoid归一化/
image = img
for i in range(size):
image[i] = 1.0 / (1 + np.exp(-float(img[i])))
# ///
# /均值、标准差归一化/
image = (img - np.average(img)) / np.std(img)
# ///
3.numpy图片处理时一些基本用法
①np.fromfile
对raw图片可以读取并转换为向量数组，方便我们后期进行处理
imgData2 = np.fromfile('D:/VScode/pyproject/PR/view/showRaw/2.raw', dtype='uint16')②np.average：取平均值，有个np.mean的跟这个区别就是average可以加权平均
③np.std：去标准差
④np.random.randint(0,10,(4,3))：在0-10中随机生成4x3的矩阵
⑤ np.hstack：向量拼接，raw图像numpy读取出来是向量形式，需要用到
⑥np.concatenate((a, b), axis=1)：ab矩阵以列的形式拼接，加多1列
rotation = np.array([[1, 2, 3],
[4, 5, 6],
[7, 8, 9]])
trans = np.array([[7],
[8],
[0]])
z = np.concatenate((rotation, trans), axis=1)[[1 2 3 7]
[4 5 6 8]
[7 8 9 0]]4.图像处理的一些指令
①image.shape：显示图像高宽通道数
②image.size：图像数据长度
③image[y:y+h,x:x+w]：图像的截取，xy为截取图左上角起点
目前所述都是个人在学习神经网络过程中的一些记录，仅供参考，有错误麻烦大佬在评论区指正，感谢！！！