OpenEXR:专业级图像存储格式的首选
2024-09-17 09:52:03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
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 Python开发者的macOS终极指南:VSCode安装配置全攻略 MQTT客户端软件源代码:物联网开发的强大工具与最佳实践指南 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 中兴e读zedx.zed文档阅读器V4.11轻量版:专业通信设备文档阅读解决方案 PANTONE潘通AI色板库:设计师必备的色彩管理利器 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
411
3.16 K
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++
664
323
Ascend Extension for PyTorch
Python
227
255
暂无简介
Dart
676
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
1.21 K
659
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
9
1
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
342
146