使用 Python 读取 CR2（原始佳能图像）标头

Question

我正在尝试提取从 CR2（原始图片的佳能格式）拍摄照片的日期/时间。

我知道 CR2 规范，并且我知道我可以使用 Python struct 模块从二进制缓冲区中提取片段。

简而言之，规范说在标签 0x0132 / 306 中我可以找到长度为 20 的字符串 - 日期和时间。

我尝试使用以下方法获取该标签：

struct.unpack_from(20*'s', buffer, 0x0132)

但我得到了

('\x00', '\x00', "'", '\x88, ...[and more crap])

任何想法？

编辑

非常感谢您的努力！答案是惊人的，我学到了很多关于处理二进制数据的知识。

Answer 1

您是否考虑过应该（根据规范）位于您正在讨论的 IFD 块之前的标头？

我查看了规范，它说第一个 IFD 块遵循 16 字节标头。因此，如果我们读取字节 16 和 17（在偏移量 0x10 十六进制处），我们应该获得第一个 IFD 块中的条目数。然后我们只需要搜索每个条目，直到找到一个匹配的标签 id（正如我所读到的），它为我们提供了日期/时间字符串的字节偏移量。

这对我有用：

from struct import *

def FindDateTimeOffsetFromCR2( buffer, ifd_offset ):
    # Read the number of entries in IFD #0
    (num_of_entries,) = unpack_from('H', buffer, ifd_offset)
    print "ifd #0 contains %d entries"%num_of_entries

    # Work out where the date time is stored
    datetime_offset = -1
    for entry_num in range(0,num_of_entries-1):
        (tag_id, tag_type, num_of_value, value) = unpack_from('HHLL', buffer, ifd_offset+2+entry_num*12)
        if tag_id == 0x0132:
            print "found datetime at offset %d"%value
            datetime_offset = value
    return datetime_offset

if __name__ == '__main__':
    with open("IMG_6113.CR2", "rb") as f:
        buffer = f.read(1024) # read the first 1kb of the file should be enough to find the date / time
        datetime_offset = FindDateTimeOffsetFromCR2(buffer, 0x10)
        print unpack_from(20*'s', buffer, datetime_offset)

我的示例文件的输出是：

ifd #0 contains 14 entries
found datetime at offset 250
('2', '0', '1', '0', ':', '0', '8', ':', '0', '1', ' ', '2', '3', ':', '4', '5', ':', '4', '6', '\x00')

[编辑] - 修订/更彻底的示例

from struct import *

recognised_tags = { 
    0x0100 : 'imageWidth',
    0x0101 : 'imageLength',
    0x0102 : 'bitsPerSample',
    0x0103 : 'compression',
    0x010f : 'make',    
    0x0110 : 'model',
    0x0111 : 'stripOffset',
    0x0112 : 'orientation', 
    0x0117 : 'stripByteCounts',
    0x011a : 'xResolution',
    0x011b : 'yResolution',
    0x0128 : 'resolutionUnit',
    0x0132 : 'dateTime',
    0x8769 : 'EXIF',
    0x8825 : 'GPS data'};

def GetHeaderFromCR2( buffer ):
    # Unpack the header into a tuple
    header = unpack_from('HHLHBBL', buffer)

    print "\nbyte_order = 0x%04X"%header[0]
    print "tiff_magic_word = %d"%header[1]
    print "tiff_offset = 0x%08X"%header[2]
    print "cr2_magic_word = %d"%header[3]
    print "cr2_major_version = %d"%header[4]
    print "cr2_minor_version = %d"%header[5]
    print "raw_ifd_offset = 0x%08X\n"%header[6]

    return header

def FindDateTimeOffsetFromCR2( buffer, ifd_offset, endian_flag ):
    # Read the number of entries in IFD #0
    (num_of_entries,) = unpack_from(endian_flag+'H', buffer, ifd_offset)
    print "Image File Directory #0 contains %d entries\n"%num_of_entries

    # Work out where the date time is stored
    datetime_offset = -1

    # Go through all the entries looking for the datetime field
    print " id  | type |  number  |  value   "
    for entry_num in range(0,num_of_entries):

        # Grab this IFD entry
        (tag_id, tag_type, num_of_value, value) = unpack_from(endian_flag+'HHLL', buffer, ifd_offset+2+entry_num*12)

        # Print out the entry for information
        print "%04X | %04X | %08X | %08X "%(tag_id, tag_type, num_of_value, value),
        if tag_id in recognised_tags:
            print recognised_tags[tag_id]

        # If this is the datetime one we're looking for, make a note of the offset
        if tag_id == 0x0132:
            assert tag_type == 2
            assert num_of_value == 20
            datetime_offset = value

    return datetime_offset

if __name__ == '__main__':
    with open("IMG_6113.CR2", "rb") as f:
        # read the first 1kb of the file should be enough to find the date/time
        buffer = f.read(1024) 

        # Grab the various parts of the header
        (byte_order, tiff_magic_word, tiff_offset, cr2_magic_word, cr2_major_version, cr2_minor_version, raw_ifd_offset) = GetHeaderFromCR2(buffer)

        # Set the endian flag
        endian_flag = '@'
        if byte_order == 0x4D4D:
            # motorola format
            endian_flag = '>'
        elif byte_order == 0x4949:
            # intel format
            endian_flag = '<'

        # Search for the datetime entry offset
        datetime_offset = FindDateTimeOffsetFromCR2(buffer, 0x10, endian_flag)

        datetime_string = unpack_from(20*'s', buffer, datetime_offset)
        print "\nDatetime: "+"".join(datetime_string)+"\n"

Answer 2

0x0132不是偏移量，而是日期的标签号。 CR2 或 TIFF 分别是基于目录的格式。您必须根据您要查找的（已知）标签来查找条目。

编辑：
好的，首先，您必须读取文件数据是否使用小端格式或大端格式保存。前八个字节指定标头，该标头的前两个字节指定字节顺序。 Python 的 struct 模块允许您通过在格式字符串前添加“<”前缀来处理小端和大端数据。或“>”。因此，假设 data 是包含 CR2 图像的缓冲区，您可以通过以下方式处理字节序

header = data[:8]
endian_flag = "<" if header[:2] == "II" else ">"

： 格式规范规定第一个图像文件目录从相对于文件开头的偏移量开始，偏移量为在标头的最后 4 个字节中指定。因此，要获取第一个 IFD 的偏移量，您可以使用类似于此的行：

ifd_offset = struct.unpack("{0}I".format(endian_flag), header[4:])[0]

您现在可以继续读取第一个 IFD。您将在文件中指定偏移处找到目录中的条目数，该文件有两个字节宽。因此，您可以使用以下方法读取第一个 IFD 中的条目数：

number_of_entries = struct.unpack("{0}H".format(endian_flag), data[ifd_offset:ifd_offset+2])[0]

字段条目的长度为 12 个字节，因此您可以计算 IFD 的长度。在 number_of_entries * 12 字节之后，还会有另一个 4 字节长的偏移量，告诉你在哪里寻找下一个目录。这基本上就是处理 TIFF 和 CR2 图像的方式。

这里的“魔力”是要注意，对于每个 12 字节字段条目，前两个字节将是标签 ID。这就是您寻找标签 0x0132 的地方。因此，假设您知道第一个 IFD 从文件中的 ifd_offset 开始，您可以通过以下方式扫描第一个目录：

current_position = ifd_offset + 2
for field_offset in xrange(current_position, number_of_entries*12, 12):
    field_tag = struct.unpack("{0}H".format(endian_flag), data[field_offset:field_offset+2])[0]
    field_type = struct.unpack("{0}H".format(endian_flag), data[field_offset+2:field_offset+4])[0]
    value_count = struct.unpack("{0}I".format(endian_flag), data[field_offset+4:field_offset+8])[0]
    value_offset = struct.unpack("{0}I".format(endian_flag), data[field_offset+8:field_offset+12])[0]

    if field_tag == 0x0132:
        # You are now reading a field entry containing the date and time
        assert field_type == 2 # Type 2 is ASCII
        assert value_count == 20 # You would expect a string length of 20 here
        date_time = struct.unpack("20s", data[value_offset:value_offset+20])
        print date_time

您显然希望将解包重构为一个通用函数，并可能将整个格式包装到一个不错的类中，但是超出了本示例的范围。您还可以通过将多个格式字符串合并为一个来缩短解包过程，从而生成一个更大的元组，其中包含可以解包到不同变量中的所有字段，为了清楚起见，我将其省略。

Answer 3

我发现 EXIF.py 来自 https://github.com/ianare/exif-py从 .CR2 文件读取 EXIF 数据。看来因为.CR2 文件是基于.TIFF 文件的，所以EXIF.py 是兼容的。

    import EXIF
    import time

    # Change the filename to be suitable for you
    f = open('../DCIM/100CANON/IMG_3432.CR2', 'rb')
    data = EXIF.process_file(f)
    f.close()
    date_str = data['EXIF DateTimeOriginal'].values

    # We have the raw data
    print date_str

    # We can now convert it
    date = time.strptime(date_str, '%Y:%m:%d %H:%M:%S')
    print date

这打印：

    2011:04:30 11:08:44
    (2011, 4, 30, 11, 8, 44, 5, 120, -1)