我正在尝试创建Python/Cython封装的C++库,使用OpenCV中的cv::Mat
类。在官方的Python包装中,所有功能都采用NumPy的ndarray
而不是cv::Mat
,这非常方便。但在我自己的包装中,我该如何做这种转换?也就是说,我如何创建cv::Mat
从np.ndarray
?将ndarray转换为cv :: Mat的最简单方法是什么?
回答
正如kyamagu所建议的那样,您可以使用OpenCV的官方python包装代码,特别是pyopencv_to
和pyopencv_from
。
我一直在努力,因为你对所有的依赖和生成的头文件做了。尽管如此,通过将cv2.cpp
“清理”为lightalchemist did here以便仅保留必要的内容,可以降低其复杂性。您需要根据您的需要和您使用的OpenCV版本进行调整,但其基本上与我使用的代码基本相同。
#include <Python.h>
#include "numpy/ndarrayobject.h"
#include "opencv2/core/core.hpp"
static PyObject* opencv_error = 0;
static int failmsg(const char *fmt, ...)
{
char str[1000];
va_list ap;
va_start(ap, fmt);
vsnprintf(str, sizeof(str), fmt, ap);
va_end(ap);
PyErr_SetString(PyExc_TypeError, str);
return 0;
}
class PyAllowThreads
{
public:
PyAllowThreads() : _state(PyEval_SaveThread()) {}
~PyAllowThreads()
{
PyEval_RestoreThread(_state);
}
private:
PyThreadState* _state;
};
class PyEnsureGIL
{
public:
PyEnsureGIL() : _state(PyGILState_Ensure()) {}
~PyEnsureGIL()
{
PyGILState_Release(_state);
}
private:
PyGILState_STATE _state;
};
#define ERRWRAP2(expr) \
try \
{ \
PyAllowThreads allowThreads; \
expr; \
} \
catch (const cv::Exception &e) \
{ \
PyErr_SetString(opencv_error, e.what()); \
return 0; \
}
using namespace cv;
static PyObject* failmsgp(const char *fmt, ...)
{
char str[1000];
va_list ap;
va_start(ap, fmt);
vsnprintf(str, sizeof(str), fmt, ap);
va_end(ap);
PyErr_SetString(PyExc_TypeError, str);
return 0;
}
static size_t REFCOUNT_OFFSET = (size_t)&(((PyObject*)0)->ob_refcnt) +
(0x12345678 != *(const size_t*)"\x78\x56\x34\x12\0\0\0\0\0")*sizeof(int);
static inline PyObject* pyObjectFromRefcount(const int* refcount)
{
return (PyObject*)((size_t)refcount - REFCOUNT_OFFSET);
}
static inline int* refcountFromPyObject(const PyObject* obj)
{
return (int*)((size_t)obj + REFCOUNT_OFFSET);
}
class NumpyAllocator : public MatAllocator
{
public:
NumpyAllocator() {}
~NumpyAllocator() {}
void allocate(int dims, const int* sizes, int type, int*& refcount,
uchar*& datastart, uchar*& data, size_t* step)
{
PyEnsureGIL gil;
int depth = CV_MAT_DEPTH(type);
int cn = CV_MAT_CN(type);
const int f = (int)(sizeof(size_t)/8);
int typenum = depth == CV_8U ? NPY_UBYTE : depth == CV_8S ? NPY_BYTE :
depth == CV_16U ? NPY_USHORT : depth == CV_16S ? NPY_SHORT :
depth == CV_32S ? NPY_INT : depth == CV_32F ? NPY_FLOAT :
depth == CV_64F ? NPY_DOUBLE : f*NPY_ULONGLONG + (f^1)*NPY_UINT;
int i;
npy_intp _sizes[CV_MAX_DIM+1];
for(i = 0; i < dims; i++)
_sizes[i] = sizes[i];
if(cn > 1)
{
/*if(_sizes[dims-1] == 1)
_sizes[dims-1] = cn;
else*/
_sizes[dims++] = cn;
}
PyObject* o = PyArray_SimpleNew(dims, _sizes, typenum);
if(!o)
CV_Error_(CV_StsError, ("The numpy array of typenum=%d, ndims=%d can not be created", typenum, dims));
refcount = refcountFromPyObject(o);
npy_intp* _strides = PyArray_STRIDES(o);
for(i = 0; i < dims - (cn > 1); i++)
step[i] = (size_t)_strides[i];
datastart = data = (uchar*)PyArray_DATA(o);
}
void deallocate(int* refcount, uchar*, uchar*)
{
PyEnsureGIL gil;
if(!refcount)
return;
PyObject* o = pyObjectFromRefcount(refcount);
Py_INCREF(o);
Py_DECREF(o);
}
};
NumpyAllocator g_numpyAllocator;
enum { ARG_NONE = 0, ARG_MAT = 1, ARG_SCALAR = 2 };
static int pyopencv_to(const PyObject* o, Mat& m, const char* name = "<unknown>", bool allowND=true)
{
if(!o || o == Py_None)
{
if(!m.data)
m.allocator = &g_numpyAllocator;
return true;
}
if(PyInt_Check(o))
{
double v[] = {PyInt_AsLong((PyObject*)o), 0., 0., 0.};
m = Mat(4, 1, CV_64F, v).clone();
return true;
}
if(PyFloat_Check(o))
{
double v[] = {PyFloat_AsDouble((PyObject*)o), 0., 0., 0.};
m = Mat(4, 1, CV_64F, v).clone();
return true;
}
if(PyTuple_Check(o))
{
int i, sz = (int)PyTuple_Size((PyObject*)o);
m = Mat(sz, 1, CV_64F);
for(i = 0; i < sz; i++)
{
PyObject* oi = PyTuple_GET_ITEM(o, i);
if(PyInt_Check(oi))
m.at<double>(i) = (double)PyInt_AsLong(oi);
else if(PyFloat_Check(oi))
m.at<double>(i) = (double)PyFloat_AsDouble(oi);
else
{
failmsg("%s is not a numerical tuple", name);
m.release();
return false;
}
}
return true;
}
if(!PyArray_Check(o))
{
failmsg("%s is not a numpy array, neither a scalar", name);
return false;
}
bool needcopy = false, needcast = false;
int typenum = PyArray_TYPE(o), new_typenum = typenum;
int type = typenum == NPY_UBYTE ? CV_8U :
typenum == NPY_BYTE ? CV_8S :
typenum == NPY_USHORT ? CV_16U :
typenum == NPY_SHORT ? CV_16S :
typenum == NPY_INT ? CV_32S :
typenum == NPY_INT32 ? CV_32S :
typenum == NPY_FLOAT ? CV_32F :
typenum == NPY_DOUBLE ? CV_64F : -1;
if(type < 0)
{
if(typenum == NPY_INT64 || typenum == NPY_UINT64 || type == NPY_LONG)
{
needcopy = needcast = true;
new_typenum = NPY_INT;
type = CV_32S;
}
else
{
failmsg("%s data type = %d is not supported", name, typenum);
return false;
}
}
int ndims = PyArray_NDIM(o);
if(ndims >= CV_MAX_DIM)
{
failmsg("%s dimensionality (=%d) is too high", name, ndims);
return false;
}
int size[CV_MAX_DIM+1];
size_t step[CV_MAX_DIM+1], elemsize = CV_ELEM_SIZE1(type);
const npy_intp* _sizes = PyArray_DIMS(o);
const npy_intp* _strides = PyArray_STRIDES(o);
bool ismultichannel = ndims == 3 && _sizes[2] <= CV_CN_MAX;
for(int i = ndims-1; i >= 0 && !needcopy; i--)
{
// these checks handle cases of
// a) multi-dimensional (ndims > 2) arrays, as well as simpler 1- and 2-dimensional cases
// b) transposed arrays, where _strides[] elements go in non-descending order
// c) flipped arrays, where some of _strides[] elements are negative
if((i == ndims-1 && (size_t)_strides[i] != elemsize) ||
(i < ndims-1 && _strides[i] < _strides[i+1]))
needcopy = true;
}
if(ismultichannel && _strides[1] != (npy_intp)elemsize*_sizes[2])
needcopy = true;
if (needcopy)
{
if(needcast)
o = (PyObject*)PyArray_Cast((PyArrayObject*)o, new_typenum);
else
o = (PyObject*)PyArray_GETCONTIGUOUS((PyArrayObject*)o);
_strides = PyArray_STRIDES(o);
}
for(int i = 0; i < ndims; i++)
{
size[i] = (int)_sizes[i];
step[i] = (size_t)_strides[i];
}
// handle degenerate case
if(ndims == 0) {
size[ndims] = 1;
step[ndims] = elemsize;
ndims++;
}
if(ismultichannel)
{
ndims--;
type |= CV_MAKETYPE(0, size[2]);
}
if(ndims > 2 && !allowND)
{
failmsg("%s has more than 2 dimensions", name);
return false;
}
m = Mat(ndims, size, type, PyArray_DATA(o), step);
if(m.data)
{
m.refcount = refcountFromPyObject(o);
if (!needcopy)
{
m.addref(); // protect the original numpy array from deallocation
// (since Mat destructor will decrement the reference counter)
}
};
m.allocator = &g_numpyAllocator;
return true;
}
static PyObject* pyopencv_from(const Mat& m)
{
if(!m.data)
Py_RETURN_NONE;
Mat temp, *p = (Mat*)&m;
if(!p->refcount || p->allocator != &g_numpyAllocator)
{
temp.allocator = &g_numpyAllocator;
ERRWRAP2(m.copyTo(temp));
p = &temp;
}
p->addref();
return pyObjectFromRefcount(p->refcount);
}
一旦你有一个清理cv2.cpp
文件,这里是一些用Cython代码,需要转换的照顾。注意定义和调用import_array()
功能(它在某处cv2.cpp
包含的头定义的NumPy的功能),这是必要的定义由pyopencv_to
使用一些宏,如果你不把它你会得到分段错误的lightalchemist pointed out 。
from cpython.ref cimport PyObject
# Declares OpenCV's cv::Mat class
cdef extern from "opencv2/core/core.hpp":
cdef cppclass Mat:
pass
# Declares the official wrapper conversion functions + NumPy's import_array() function
cdef extern from "cv2.cpp":
void import_array()
PyObject* pyopencv_from(const _Mat&)
int pyopencv_to(PyObject*, _Mat&)
# Function to be called at initialization
cdef void init():
import_array()
# Python to C++ conversion
cdef Mat nparrayToMat(object array):
cdef Mat mat
cdef PyObject* pyobject = <PyObject*> array
pyopencv_to(pyobject, mat)
return <Mat> mat
# C++ to Python conversion
cdef object matToNparray(Mat mat):
return <object> pyopencv_from(mat)
注:不知何故,我与NumPy的1.8.0在Fedora 20得到一个错误,而在import_array
宏编译由于陌生return语句,我不得不手动删除它,使其工作,但我不能发现在与NumPy的1.8.0 GitHub的源代码
我想你可以直接使用或从the converter from the official python wrapper采取一些逻辑。这个模块没有太多的文档,但是可能包装生成器的输出有助于理解如何使用它。
谢谢您的回答和对不起已故的答复。我花了好几天的时间尝试整合这种转换器,但不幸的是它与其他文件密切相关,而这些文件依赖于整个OpenCV基础架构,包括项目布局,生成的文件等等。我会尝试一些更多的方法,但如果你知道替代转换器,我会很高兴看到他们。谢谢。 – ffriend
事实证明,没有简单的方法将(任何)np.ndarray
转换为相应的cv::Mat
。基本上,只需要做两件事:
- 创建相应大小和类型的空
cv::Mat
。 - 复制数据。
但是,魔鬼隐藏在细节中。 ndarray
和Mat
都可以保存相当不同的数据格式。例如,NumPy数组中的数据可能是C语言或Fortran语句的顺序,数组对象可能拥有其数据或保留对另一个数组的视图,通道可能按不同的顺序排列(OpenCV中的NumPy与BGR中的RGB)等。
因此,不是试图解决通用问题,而是决定留下符合我需求的简单代码,并且可能会被任何感兴趣的人轻松修改。
继用Cython代码与float32
/CV_32FC1
图像默认的字节顺序:
cdef void array2mat(np.ndarray arr, Mat& mat):
cdef int r = arr.shape[0]
cdef int c = arr.shape[1]
cdef int mat_type = CV_32FC1 # or CV_64FC1, or CV_8UC3, or whatever
mat.create(r, c, mat_type)
cdef unsigned int px_size = 4 # 8 for single-channel double image or
# 1*3 for three-channel uint8 image
memcpy(mat.data, arr.data, r*c*px_size)
要在用Cython一个使用此代码也需要声明一些类型和常量,例如像这样:
import numpy as np
# Cython makes it simple to import NumPy
cimport numpy as np
# OpenCV's matrix class
cdef extern from "opencv2/opencv.hpp" namespace "cv":
cdef cppclass Mat:
Mat() except +
Mat(int, int, int, void*) except +
void create(int, int, int)
void* data
int type() const
int cols
int rows
int channels()
Mat clone() const
# some OpenCV matrix types
cdef extern from "opencv2/opencv.hpp":
cdef int CV_8UC3
cdef int CV_8UC1
cdef int CV_32FC1
cdef int CV_64FC1
相反的转换(从cv::Mat
到np.ndarray
)可以以类似的方式来实现。
奖励:还有很好的blog post描述RGB/BGR图像的相同种类的转换。
这个return语句,如果有帮助,我写了一个包装,正是这样做的。这是一个方便的库,它注册了一个boost :: python转换器,以便在OpenCV的流行的cv :: Mat数据类型和NumPy流行的np.array()数据类型之间进行隐式转换。这使得开发人员可以相对容易地在OpenCV C++ API和使用NumPy编写的Python API之间来回切换,避免了编写额外的处理PyObjects的包装器的需求。
基于tlorieul的答案,这里是我用来建造一个Python/C++模块的代码:
https://gist.github.com/des0ps/88f1332319867a678a74bdbc0e7401c2
这已经Python3和OpenCV3测试。
链接无法访问,您可以更新一个新链接吗? – Alvar
- 1. 将HBITMAP转换为cv :: Mat
- 2. 将cv :: Mat转换为SDL_Texture
- 3. 将xml转换为html最简单的方法是什么?
- 4. 错误将cv :: mat转换为cv :: arr
- 5. 什么是分配cv :: Mat对象的最通用的方法?
- 6. 将OpenCV的cv :: Mat转换为Eigen
- 7. 如何将opencv cv :: Mat转换为qimage
- 8. 将一行cv :: Mat转换为int
- 9. 如何将cv :: Mat转换为pcl :: pointcloud
- 10. C++将cv :: Mat从CV_8U转换为CV_32F
- 11. 要将cv :: Mat转换为CvArr *
- 12. 如何将Simd :: View转换为cv :: Mat?
- 13. 如何将cv :: Mat转换为python
- 14. 如何将cv :: Mat转换为MFC CBitmap
- 15. 将数据从cv :: Mat转换为mxArray
- 16. 无法从'cv :: Mat'转换为'void *'
- 17. 将Int32的字节转换为字符串的最简单方法是什么?
- 18. 将数组转换为向量最简单的方法是什么?
- 19. 将字符串转换为流的最简单方法是什么?
- 20. 将数组转换为xml字符串的最简单方法是什么?
- 21. 将char数组转换为WCHAR数组最简单的方法是什么?
- 22. 在C++中将UnicodeString转换为const char *的最简单方法是什么?
- 23. 将C++结构转换为c#最简单的方法是什么?
- 24. 将文件转换为WCF兼容流的最简单方法是什么?
- 25. 在ASP.net中将BMP转换为PDF的最简单方法是什么
- 26. 将现有项目转换为Sass最简单的方法是什么?
- 27. 将表格标签转换为标准css最简单的方法是什么?
- 28. 在javascript中将123456789值转换为123.456.789的最简单方法是什么?
- 29. 将Wiki标记转换为HTML最简单的方法是什么?
- 30. cv :: Mat到QImage的转换
我现在无法对其进行测试,但它看起来像是我用过的更好的方法,所以我无需验证就接受它。 – ffriend
看着https://github.com/numpy/numpy/blob/c90d7c94fd2077d0beca48fa89a423da2b0bb663/numpy/core/code_generators/generate_numpy_api.py如果使用Python3,宏返回NULL值。 您可以修改初始化函数使用Python 3 您可以检查我的这一个Python3/OpenCV3兼容版本的答案时,返回一个空指针,而不是什么都没有。 –