OpenEXR:专业级图像存储格式的首选
2024-09-17 18:44:45作者:滑思眉Philip
项目介绍
OpenEXR 是一个开源项目,提供了 EXR 文件格式的规范和参考实现。EXR 文件格式是电影和电视行业中广泛使用的专业级图像存储格式,旨在准确且高效地表示高动态范围(HDR)场景线性图像数据及其相关元数据。OpenEXR 支持多部分、多通道的使用场景,广泛应用于需要高精度的软件中,如照片级真实感渲染、纹理访问、图像合成、深度合成和数字中间片(DI)处理。
项目技术分析
OpenEXR 的核心技术优势在于其对高动态范围图像的支持,以及对多通道、多部分图像数据的强大处理能力。项目采用 C++ 编写,提供了丰富的 API,方便开发者进行图像的读写、压缩和解压缩操作。此外,OpenEXR 还支持跨平台运行,包括 Linux、Windows 和 macOS 等操作系统。
项目及技术应用场景
OpenEXR 适用于以下场景:
- 电影和电视制作:用于存储和处理高动态范围的图像数据,确保视觉效果的准确性和一致性。
- 游戏开发:用于纹理和光照贴图的存储,提升游戏画面的真实感和细节表现。
- 科学可视化:用于存储和展示高精度的科学数据,如医学成像和气象数据。
- 摄影后期处理:用于高动态范围图像的合成和编辑,提升照片的视觉效果。
项目特点
- 高动态范围支持:OpenEXR 能够准确表示高动态范围图像,适用于需要高精度的图像处理任务。
- 多通道支持:支持多通道图像数据的存储和处理,适用于复杂的图像合成和编辑任务。
- 跨平台兼容:支持 Linux、Windows 和 macOS 等多种操作系统,方便开发者进行跨平台开发。
- 安全性与可靠性:项目注重安全性和可靠性,确保数据的长久保存和处理过程的稳定性。
- 易于使用:提供了简洁易用的 API,方便开发者快速上手并集成到自己的项目中。
快速开始
想要快速体验 OpenEXR 的功能,可以参考以下简单的“Hello, world”示例代码:
#include <ImfRgbaFile.h>
#include <ImfArray.h>
#include <iostream>
int main()
{
try {
int width = 10;
int height = 10;
Imf::Array2D<Imf::Rgba> pixels(width, height);
for (int y=0; y<height; y++)
for (int x=0; x<width; x++)
pixels[y][x] = Imf::Rgba(0, x / (width-1.0f), y / (height-1.0f));
Imf::RgbaOutputFile file("hello.exr", width, height, Imf::WRITE_RGBA);
file.setFrameBuffer(&pixels[0][0], 1, width);
file.writePixels(height);
} catch (const std::exception &e) {
std::cerr << "Unable to read image file hello.exr:" << e.what() << std::endl;
return 1;
}
return 0;
}
通过 CMake 构建项目:
$ cmake -S . -B _build -DCMAKE_PREFIX_PATH=<path to OpenEXR libraries/includes>
$ cmake --build _build
更多详细信息,请参考 OpenEXR 技术文档。
社区与支持
-
提问与交流:
- 邮件列表:openexr-dev@lists.aswf.io
- Slack 频道:academysoftwarefdn#openexr
-
会议与活动:
- 技术指导委员会会议:每两周一次,周四下午1:30(太平洋时间)
- 会议日历:https://lists.aswf.io/g/openexr-dev/calendar
- 会议笔记:https://wiki.aswf.io/display/OEXR/TSC+Meetings
-
报告问题:
- 提交 Issue:https://github.com/AcademySoftwareFoundation/openexr/issues
-
安全漏洞报告:
- 发送邮件至:security@openexr.com
-
贡献代码:
资源
- 官方网站:http://www.openexr.com
- 技术文档:https://openexr.readthedocs.io
- 版本迁移指南:OpenEXR/Imath Version 2.x to 3.x Porting Guide
- 参考图像:https://github.com/AcademySoftwareFoundation/openexr-images
- 安全策略:SECURITY.md
- 发布说明:CHANGES.md
- 贡献者列表:CONTRIBUTORS.md
许可证
OpenEXR 采用 BSD-3-Clause 许可证。

登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
569
3.84 K
Ascend Extension for PyTorch
Python
379
454
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
893
677
暂无简介
Dart
802
199
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
350
205
昇腾LLM分布式训练框架
Python
118
147
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.37 K
781