CINE文件是由Phantom数码高速摄像机录制的视频格式，使用Phantom公司配套的软件Phantom CV可直接读取CINE文件并展示流场图像。
前段时间尝试直接读取CINE文件，找遍国内平台没有发现关于CINE文档结构的中文手册。结合github与CINE官方文档读取成功后，尝试做一个汉化版本，仅供参考。
1. CINE文件结构解析
1.1. CINE文件头 (CINEFILEHEADER structure)
1.2. 位图信息头(BITMAPINFOHEADER)
1.3. 相机设置信息Camera setup information
1.4. 标记的信息块(The tagged information blocks)
1.5. 图像数据(The image object)
1.5.1. 图像注释数据(The Annotation data)
1.5.2. 图像像素数据(Pixel array)
2. Python读取
2.1. 读取颜色过滤器阵列(CFA)
2.2. 10色深图像读取规则
官方文档链接：
The Cine File Format (force.com)
CINE文件分为四大部分：CINE文件头、位图信息头、相机设置信息、标记的信息块。
Camera setup information：包含版本信息、图像范围、绝对触发时间和文件中其他部分的偏移量。此文件头也包含在同步保存的.chd文件中，.chd文件是在Phantom软件将图像保存为CINE以外的文件格式时创建的。
Windows structure for the image header：包含有关像素的图像尺寸和位深度的信息。与Windows系统下的BMP图像的结构类似，但某些字段的含义已扩展为支持每个颜色分量超过 8 位的图像。
包含在CINE录制过程中使用的采集参数。包含了图像的保存方式，要根据此部分设计读取功能。
SETUP结构包含采集参数、图像处理设置以及在CINE录制期间收集或使用的所有其他元数据。
相机、软件或其他外部设备会收集大量与图像采集同步的数据，例如：图像时间、曝光、模拟和二进制信号以及距离数据。范围数据包含诸如相机方向、到对象的距离等信息。
固定结构可以直接访问整个结构，使用起来非常简单快捷。为了允许未来的扩展或可选数据，我们将该模块添加到CINE格式中。
包含两种类型的信息：图像注释数据和图像像素数据。
注释仅包括图像大小。如果图像未压缩，则可以从之前的信息中估计得到其大小，但如果图像被压缩，则无法计算大小，因此具有图像大小信息的注释块对于解析图像大小非常有用。
这里的压缩并不是传统意义上的图像压缩，而是储存方式的压缩，CINE存储时为了节省空间，会采用特殊的存储方式，因此无法从字节数估计。
Phantom相机生成的图像的宽度倍数为16像素。在16位存储格式情况下，可能会根据不同录制需求有10、12、14位的实际深度和相应的值范围：[0,1023]、[0,4095]、[0,16383]。
下面这句很重要：
The values stored in the cine files are not left aligned, they are integer values stored as read from the sensor.
存储在电影文件中的值不是左对齐的，它们是存储为从传感器读取的整数值。这句话在读取图像像素数据的时候非常重要，如果不按照对应位处存储的方式去读取的话，则会导致什么都读不出，甚至出现读取错误！
本文所有程序来自OTTOMATIC的GitHub主页：
GitHub - ottomatic-io/pycine: Reading Vision Research .cine files with python
在调试时遇到了两个问题，其他部分读取很顺利，参考CINE的官方文档都可以很顺利调试，整个过程需要两三天。下面具体说遇到的两个问题。
第一个问题是源程序没有提供CFA=0的程序，恰巧我的文件就是灰度的，因此读起来会报错。
考虑到我仅用于该任务，CFA与其他信息用不到，因此我读取header之后直接跳至pImage部分的第frame_index张图像进行处理。
frame_index = start_frame - 1
count_temp = count - frame_index
while count_temp:
breakf.seek(header["pImage"][frame_index])CINE的图像数据存储方式有非压缩和压缩两种：
上图展示的10bit图像压缩方式。四个压缩像素P0、P1、P2和P3存储在5个字节中：字节0、字节1、字节2、字节3和字节4（字节0位于最低内存地址，P0.9为像素0的第10位，即像素0的最高有效位）。这种压缩方式占用的空间是非压缩方式的80%，通常用在需要快速实时数据传输的场合中，当电影存储在CineMag中或通过10g以太网适配器读取图像时。
该段代码演示的是读取图像数据(The image object)：其中packed就是上图的Byte0~5，unpacked就是上图中的P0~P3：
# 创建空二维数组储存图像像素
P = np.zeros([height, width], dtype="uint16")
# 读取图像长度
image_size = struct.unpack("I", f.read(4))[0]
data = f.read(image_size)
# 以数据流的方式读入
Byte = np.frombuffer(data, dtype="uint8",).astype(np.uint16)
P.flat[0::4] = ((Byte[0::5] & 0b11111111) << 2) | (Byte[1::5] >> 6)
P.flat[1::4] = ((Byte[1::5] & 0b00111111) << 4) | (Byte[2::5] >> 4)
P.flat[2::4] = ((Byte[2::5] & 0b00001111) << 6) | (Byte[3::5] >> 2)
P.flat[3::4] = ((Byte[3::5] & 0b00000011) << 8) | Byte[4::5]f.read(4)读取图像注释数据，长度为4个字节。我读取的文件宽1280×高800，4个字节unpack之后image_size=1280000。这一步也可以看出压缩规则：每个像素是10bit，一共有1280×800=1024000个像素，因此共占用:1280×800×10bit=1280000(image_size)×8bit=10240000bit。
Byte = f.read(image_size)，读取对应长度的1280000个字节。此时的Byte为二进制格式。
将Byte以frombuffer数据流的方式、uint8的格式读入P，并转为uint16的格式，把1280000(image_size)×8bit看作1280000个0~255的数字。
以第一行为例：
以上就是四行代码中第一行的解读，另三行同理，照着压缩结构图与步骤慢慢理解。
uint8类型读取和uint16类型转换非常关键，缺一不可：
其他部分配合官方文档和程序都可以慢慢调试出来，在此不再详细分析。
如果文中有任何错误欢迎评论区和私信指出，有问题欢迎友好交流。
位运算（&、|、^、~、>>、 | 菜鸟教程 (runoob.com)