重返照片的原始世界：我为.NET打造的RAW照片解析利器

如果你是我的老读者，你可能还记得，在2019年，我冒险进入了一片神秘的领域——用C#解析RAW格式的照片：

老文章1

周杰DotNet，公众号：DotNet骚操作用.NET解索尼相机ARW格式照片

老文章2

周杰DotNet，公众号：DotNet骚操作.NET解所有相机RAW格式照片

在那两篇文章的尾声处，我曾给自己和大家留下了一个悬念：

• 我曾希望能深入研究libraw，可是它只提供了C API……
• 虽然MagickImage表现出色，但在处理CR2上似乎还有些瑕疵，我暗示可能需要再写一篇文章来解决这个问题……

时光荏苒，三年的时间转眼就过去了。现在，我希望告诉大家一个好消息：我终于填补了这个坑！我投入大量的时间和精力，认真研究了libraw这个库，并且基于它的C API，制作了一款C#的PInvoke封装：Sdcb.LibRaw

NuGet包简介

如果你已经对我其他的开源项目有所了解，你会发现，在这里，你同样需要同时安装.NET封装包和运行时动态库包。顾名思义，带runtime的包就是运行时包（比如runtime.win64代表支持64位Windows），而安装的时候你需要同时安装.NET封装包和运行时包。

下面这个表格涵盖了所有你需要知道的关于这些包的信息：

包名	NuGet	授权方式
Sdcb.LibRaw		MIT
Sdcb.LibRaw.runtime.win64		LGPL-2.1-only OR CDDL-1.0
Sdcb.LibRaw.runtime.win32		LGPL-2.1-only OR CDDL-1.0
Sdcb.LibRaw.runtime.linux64		LGPL-2.1-only OR CDDL-1.0

所有运行时包，我都是使用vcpkg编译而成，这包括上面的linux包。我在Ubuntu 22.04上进行了编译，因此，如果你想在docker中使用，你需要选择以jammy结尾的docker镜像，例如：mcr.microsoft.com/dotnet/sdk:6.0-jammy。

值得一提的是，Linux自带的包管理也自带了LibRaw，但系统自带的LibRaw用的是老版本，导致本质和我的包二进制不兼容，因此并不能使用，需要使用我编译的。

我的.NET主包遵循MIT授权方式开源，其它的包则采取LGPL-2.1-only OR CDDL-1.0这种授权方式（受上游代码指定）。

使用示例

1. RAW照片转Bitmap

使用前需要安装下面至少2个NuGet包：

• Sdcb.LibRaw
• Sdcb.LibRaw.runtime.win64（或者其它系统包）

using Sdcb.LibRaw;

using RawContext r = RawContext.OpenFile(@"C:\a7r3\DSC02653.ARW");
r.Unpack();
r.DcrawProcess();
using ProcessedImage image = r.MakeDcrawMemoryImage();
using Bitmap bmp = ProcessedImageToBitmap(image);

Bitmap ProcessedImageToBitmap(ProcessedImage rgbImage)
{
    rgbImage.SwapRGB();
    using Bitmap bmp = new Bitmap(rgbImage.Width, rgbImage.Height, rgbImage.Width * 3, System.Drawing.Imaging.PixelFormat.Format24bppRgb, rgbImage.DataPointer);
    return new Bitmap(bmp);
}

这段代码主要演示如何将RAW照片转换为Bitmap图像，有一点值得一提：LibRaw输出的像素格式和Bitmap有些许不同，具体体现在红蓝两色需要调换，代码中使用rgbImage.SwapRGB();用来调换红色和蓝色的顺序，也就是将RGB24转换成了BGR24。

虽然这个示例基于.ARW照片，但实际上几乎所有RAW格式照片都是支持的，包括.CR2或者.DNG，可以通过RawContext.SupportedCameras获取支持的相机列表，截止当前版本它支持了1182款相机型号：

Console.WriteLine("Sdcb.LibRaw supported cameras:");
foreach (string model in RawContext.SupportedCameras)
{
 Console.WriteLine(model);
}

输出如下（有省略）：

Sdcb.LibRaw supported cameras:
1: Adobe Digital Negative (DNG)
2: AgfaPhoto DC-833m
...
1057: Sony ILCE-1 (A1)
...
1181: Zeiss ZX1
1182: Zenit M

2. WPF和OpenCV示例

现在，让我们考虑一些更复杂的用例。比如，如果你使用的是 WPF，可以使用如下代码将ProcessedImage转换为BitmapSource：

BitmapSource ProcessedImageToBitmapSource(ProcessedImage rgbImage)
{
 return BitmapSource.Create(rgbImage.Width, rgbImage.Height,
  96, 96,
  PixelFormats.Rgb24,
  null,
  rgbImage.AsSpan<byte>().ToArray(), 
  rgbImage.Width * 3);
}

值得一提的是 WPF 的图片 BitmapSource 并不需要调换 R和 B 两个通道的颜色。

如果你使用的是 OpencvSharp4 ，可以使用下面的代码将 ProcessedImage 转换为Mat：

Mat ProcessedImageToMat(ProcessedImage rgbImage)
{
 Mat mat = new Mat(rgbImage.Height, rgbImage.Width, MatType.CV_8UC3, rgbImage.AsSpan<byte>().ToArray());
 Cv2.CvtColor(mat, mat, ColorConversionCodes.RGB2BGR);
 return mat;
}

请注意上面3个示例中，我都使用了.AsSpan<byte>().ToArray()用来将内存复制一份。

这样一来额外会复制会让性能略微降低，这是为了确保Bitmap、BitmapSource或Mat的生命周期由自己来管理，否则它们会共享使用ProcessedImage的内存，导致意外的情况。

但如果你能掌握ProcessedImage的生命周期，保证ProcessedImage生命周期比Bitmap/BitmapSource/Mat更长，你即可解锁0内存复制的做法（以OpenCV为例）：

// 小心，代码直接使用了由ProcessedImage创建的内存
Mat ProcessedImageToMatZeroCopy(ProcessedImage rgbImage)
{
 Mat mat = new Mat(rgbImage.Height, rgbImage.Width, MatType.CV_8UC3, rgbImage.DataPointer); // 换成rgbImage.DataPointer
 Cv2.CvtColor(mat, mat, ColorConversionCodes.RGB2BGR);
 return mat;
}

3. 图像后期

上面代码很简洁，但别被这个简单的外表欺骗了，Sdcb.LibRaw还有强大图像后期能力。

DcrawProcess()函数支持传入一个Action<OutputParams>作为参数，你可以从这个参数定义多种图像后处理功能，例如你可以设置Gamma曲线的指数和斜率，调整亮度，甚至设置裁剪区域等，像这样：

r.DcrawProcess(c =>
{
    c.HalfSize = false; // 图片只保留1/4大小
    c.UseCameraWb = true; // 使用机内白平衡，false则会由UserMultipliers控制白平衡
    c.Gamma[0] = 0.35; // 调整Gamma曲线指数
    c.Gamma[1] = 3.5;  // 调整Gamma曲线斜率
    c.Brightness = 2.2f; // 亮度
    c.Interpolation = true; // 是否执行反马赛克（demosaic）操作
    c.OutputBps = 8; // 输出位数8位
    c.OutputTiff = false; // 输出为tiff文件？false表示输出Bitmap
    // c.Cropbox = new Rectangle(4000, 2000, 1500, 700); // 裁切
    // 还有许多其它设置可以自行探索
});

原图：

应用白平衡：

拉一拉曲线：

4. 从RAW照片中读取缩略图

现在的RAW格式照片中往往保存着一张或多张JPEG格式的缩略图，用Sdcb.LibRaw也能读出来，这是一个将ARW照片中第1张缩略图转换为Bitmap的示例：

using Sdcb.LibRaw;

using RawContext r = RawContext.OpenFile(@"C:\a7r3\DSC02653.ARW");
using ProcessedImage image = r.ExportThumbnail(thumbnailIndex: 0);
using Bitmap bmp = (Bitmap)Bitmap.FromStream(new MemoryStream(image.AsSpan<byte>().ToArray()));

在上面的示例中我使用了r.ExportThumbnail(thumbnailIndex: 0);，它可以导出第0张缩略图，请注意这个是一个快捷函数，它内部会调用了下面2个函数：

• r.UnpackThumbnail()
• r.MakeDcrawMemoryThumbnail()

请注意它转换为Bitmap的方式有所不同，由于它的数据本质是JPEG格式，因此不再需要更换红色、蓝色的通道位置，同样也不需要关注它的宽度和高度，同样的道理如果使用OpenCV解码也应该使用Cv2.ImDecode。

5. 将RAW照片转换并保存为本地tiff文件

using Sdcb.LibRaw;

using RawContext r = RawContext.OpenFile(@"C:\a7r3\DSC02653.ARW");
// r.SaveRawImage() is a shortcut for r.Unpack() + r.DcrawProcess() + r.WriteDcrawPpmTiff(fileName)
r.SaveRawImage(@"C:\test\test.tiff");

同样地r.SaveRawImage(@"C:\test\test.tiff");也是Sdcb.LibRaw提供的一个快捷方式，它内部按顺序调用了下面3个函数：

• r.Unpack()
• r.DcrawProcess()
• r.WriteDcrawPpmTiff()

5. 获取照片元数据信息

以下的 `C#`` 代码主要用于从指定的照片文件获取其元数据信息，然后将它们在控制台中输出。

using RawContext r = RawContext.OpenFile(@"C:\a7r3\DSC02653.ARW");
LibRawImageParams imageParams = r.ImageParams;
LibRawImageOtherParams otherParams = r.ImageOtherParams;
LibRawLensInfo lensInfo = r.LensInfo;

Console.WriteLine($"相机: {imageParams.Model}");
Console.WriteLine($"版本号: {imageParams.Software}");
Console.WriteLine($"ISO: {otherParams.IsoSpeed}");
Console.WriteLine($"快门速度: 1/{1 / otherParams.Shutter:F0}s");
Console.WriteLine($"焦距: {otherParams.FocalLength}mm");
Console.WriteLine($"艺术家标签: {otherParams.Artist}");
Console.WriteLine($"拍摄日期: {new DateTime(1970, 1, 1, 8, 0, 0).AddSeconds(otherParams.Timestamp)}");
Console.WriteLine($"镜头名称: {lensInfo.Lens}");

在我的这个示例中，输出如下：

相机: ILCE-7RM3
版本号: ILCE-7RM3 v3.10
ISO: 100
快门速度: 1/400s
焦距: 50mm
艺术家标签: Zhou Jie/sdcb
拍摄日期: 2023/1/26 12:54:01
镜头名称: FE 50mm F1.2 GM

性能与方案比较

Sdcb.LibRaw

首先这是使用 Sdcb.LibRaw 的性能测试代码：

var sw = Stopwatch.StartNew();
using RawContext r = RawContext.OpenFile(@"C:\Users\ZhouJie\Pictures\a7r3\11030126\DSC02653.ARW");
r.Unpack();
r.DcrawProcess();
Console.WriteLine($"耗时：{sw.ElapsedMilliseconds}ms");

输出如下：

耗时：1627ms

Windows Imaging Component

之前的文章说过，可以使用系统自带的WIC进行RAW照片解码：

// 需要安装NuGet包：Vortices.Direct2D1
Stopwatch sw = Stopwatch.StartNew();
IWICImagingFactory2 wic = new IWICImagingFactory2();
using IWICBitmapDecoder decoder = wic.CreateDecoderFromFileName(@"C:a7r3\DSC02653.ARW");
using IWICFormatConverter converter = wic.CreateFormatConverter();
converter.Initialize(decoder.GetFrame(0), PixelFormat.Format24bppBGR);
var data = new byte[converter.Size.Width * 3 * converter.Size.Height];
converter.CopyPixels(converter.Size.Width * 3, data);
Console.WriteLine($"耗时：{sw.ElapsedMilliseconds}ms");

// 下面转Bitmap
// fixed (byte* pdata = data)
// {
//  new System.Drawing.Bitmap(converter.Size.Width, converter.Size.Height, converter.Size.Width * 3, System.Drawing.Imaging.PixelFormat.Format24bppRgb, (IntPtr)pdata).DumpUnscaled();
// }

输出如下：

耗时：2177ms

这个方案的缺点是它无法对 RAW 照片做一些后处理。

Magick.NET

另外这是基于Magick.NET-Q8-x64的代码，非常简单：

Stopwatch sw = Stopwatch.StartNew();
using MagickImage image = new MagickImage(@"C:\a7r3\DSC02653.ARW");
Console.WriteLine($"耗时：{sw.ElapsedMilliseconds}ms");

输出如下：

耗时：5496ms

这个方案的缺点是它明显慢一些，且它的后处理都并非基于拜尔数据，因此后期空间有限。

原生C代码

另外作为参考，我还写了一份基于 LibRaw C API 的代码，代码如下：

#include <libraw\libraw.h>
#include <chrono>

int main()
{
 auto start = std::chrono::high_resolution_clock::now();
 libraw_data_t* data = libraw_init(0);
 libraw_open_file(data, "C:\\a7r3\\DSC02653.ARW");
 libraw_unpack(data);
 libraw_dcraw_process(data);
 auto end = std::chrono::high_resolution_clock::now();
 printf("耗时: %lld ms\n", std::chrono::duration_cast<std::chrono::milliseconds>(end - start).count());

 libraw_recycle(data);
 libraw_close(data);
}

输出如下：

耗时: 1619 ms

比较表格

可见，Sdcb.LibRaw 性能在第一梯队，且后处理是基于拜尔数据，能力较强。

结语

我理解有相机、需要使用代码处理 RAW 格式照片的朋友确实不多，但我坚信这个工具将会为那些需要它的人带来极大的帮助。我将继续在这个领域上付出努力，为 Sdcb.LibRaw 添加更多的功能，并解决可能存在的问题。

上述内容仅仅是我所打造的 Sdcb.LibRaw 库中的一部分功能，它的强大功能和高效性能将为你处理 RAW 格式照片带来前所未有的便捷。我真心希望更多的 .NET 爱好者能够加入我，一起探索 RAW 照片处理的世界，Sdcb.LibRaw 将始终保持好用且免费，让我们共同期待它的更多精彩！

有兴趣尝试 Sdcb.LibRaw 的朋友，欢迎访问我的 Github，也请给个 Star🌟

如果你喜欢我的工作，请关注我的微信公众号：【DotNet骚操作】