代码收藏家 C++调用Python（混合编程）函数整理总结
文章目录
C++调用python概述
python是一种非常强大的胶水语言，可以灵活的嵌入到c++和java等主流语言中。python提供了一套C的API库，使得开发者能够很方便的从C、C++的程序中调用python中的各个功能模块。
c++ 调用 python ，本质上是在 c++ 中启动了一个 python 解释器，由解释器对 python 相关的代码进行执行，执行完毕后释放资源，达到调用目的。
从操作步骤上看，C++调用Python低层接口可以分为几个阶段：
说白了，即写一个C文件，执行【Python解释器初始化、导入模块，导入函数，构造输入参数，调用函数，解析返回值，终止Python解释器】。
相关官方文档
相关函数
1.初始化python解释器环境
和环境相关的接口如下：
void Py_Initialize()：
初始化python解释器.C/C++中调用Python之前必须先初始化解释器
int Py_IsInitialized()：
返回python解析器的是否已经初始化完成，如果已完成，返回大于0，否则返回0
void Py_Finalize() ：
撤销Py_Initialize()和随后使用Python/C API函数进行的所有初始化，
并销毁自上次调用Py_Initialize()以来创建并为被销毁的所有子解释器。
2.调用python脚本的静态简单方式
int PyRun_SimpleString(const char*) :
执行一个简单的执行python脚本命令的函数
int PyRun_SimpleFile(FILE *fp, const char *filename)：
从fp中把python脚本的内容读取到内容中并执行，filename应该为fp对应的文件名
方法示例：
#include "Python.h"
int main()
{
Py_Initialize(); // 初始化
PyRun_SimpleString("print('hello')");
Py_Finalize(); //释放资源
}
这种方法存在的问题：
3.动态加载python模块并执行函数
python api提供了动态加载模块并且执行函数的能力，具体会涉及到下面几个api。
//加载模块
PyObject* PyImport_ImportModule(char *name)
PyObject* PyImport_Import(PyObject *name)
PyObject* PyString_FromString(const char*)
上面两个api都是用来动态加载python模块的。区别在于前者一个使用的是C的字符串，而后者的name是一个python对象，
这个python对象需要通过PyString_FromString(const char*)来生成，其值为要导入的模块名
//导入函数相关
PyObject* PyModule_GetDict( PyObject *module)
PyModule_GetDict()函数可以获得Python模块中的函数列表。PyModule_GetDict()函数返回一个字典。字典中的关键字为函数名，值为函数的调用地址。
字典里面的值可以通过PyDict_GetItemString()函数来获取，其中p是PyModule_GetDict()的字典，而key则是对应的函数名
PyObject* PyObject_GetAttrString(PyObject *o, char *attr_name)
PyObject_GetAttrString()返回模块对象中的attr_name属性或函数，相当于Python中表达式语句：o.attr_name
//调用函数相关
PyObject* PyObject_CallObject( PyObject *callable_object, PyObject *args)
PyObject* PyObject_CallFunction( PyObject *callable_object, char *format, ...)
使用上面两个函数可以在C程序中调用Python中的函数。callable_object为要调用的函数对象，也就是通过上述导入函数得到的函数对象，
而区别在于前者使用python的tuple来传参，后者则使用类似c语言printf的风格进行传参。
如果不需要参数，那么args可能为NULL。返回成功时调用的结果，或失败时返回NULL。
这相当于Python表达式 apply(callable_object, args) 或 callable_object(*args)
3.1不带参数和返回值的举例说明
python脚本
#cat script/sayHello.py
def say():
print("hello")
C++代码
#include <Python.h> //C++和python混合编程的头文件
#include <iostream>
using namespace std;
int main() {
//初始化python解释器
Py_Initialize();
if (!Py_IsInitialized()) {
cout << "python init fail" << endl;
return 0;
}
//初始化python系统文件路径，保证可以访问到 .py文件
//PyRun_SimpleString：把python代码当作一个字符串传给解释器来执行。
PyRun_SimpleString("import sys");
/*把python脚本文件放入当前目录下的script文件夹下
sys.path是一个列表 list, 它里面包含了已经添加到系统的环境变量路径。
当我们要添加自己的引用模块搜索目录时，可以通过列表 list 的 append()方法；*/
PyRun_SimpleString("sys.path.append('./script')");
//PyImport_ImportModule：动态加载python模块，相当于导入python脚本文件
//调用python文件名。当前的测试python文件名是test.py。在使用这个函数的时候，只需要写文件的名称就可以了。不用写后缀。
PyObject* pModule = PyImport_ImportModule("sayHello");
if (pModule == NULL) {
cout << "module not found" << endl;
return 1;
}
/*PyObject* PyObject_GetAttrString(PyObject *o, char *attr_name)
PyObject_GetAttrString()返回模块对象中的attr_name属性或函数，
相当于Python中表达式语句：o.attr_name
相当于找到导入的python脚本文件里边的某个函数*/
PyObject* pFunc = PyObject_GetAttrString(pModule, "say");
if (!pFunc || !PyCallable_Check(pFunc)) {
cout << "not found function add_num" << endl;
return 0;
}
/*PyObject_CallObject：在C程序中调用python函数
参数1：通过导入函数获得的函数对象
参数2：被调用函数所需的参数*/
PyObject_CallObject(pFunc, NULL);
/* 撤销Py_Initialize()和随后使用Python/C API函数进行的所有初始化，
并销毁自上次调用Py_Initialize()以来创建并为被销毁的所有子解释器。*/
Py_Finalize();
return 0;
}
3.2带参数和返回值的举例说明
注意
要在release下进行否则会报错。
C++调用python程序时，出现如下问题：
无法解析的外部符号 __imp___Py_RefTotal
无法解析的外部符号 __imp___Py_NegativeRefcount
参数
在C/C++中，所有的Python类型都被声明为PyObject型，为了能够让C++能够操作python的数据，python提供了python各种数据类型和C语言数据类型的转换操作，具体的使用方法见参考链接。
在Python/C API中提供了Py_BuildValue()函数对数字和字符串进行转换处理，使之变成Python中相应的数据类型。其函数原型如下所示：
PyObject* Py_BuildValue( const char *format, ...)
Py_BuildValue()提供了类似c语言printf的参数构造方法，format是要构造的参数的类型列表，函数中剩余的参数即要转换的C语言中的整型、浮点型或者字符串等。
其返回值为PyObject型的指针。
返回值
python函数的返回值也是PyObject类型，因此，在python脚本返回到C/C++之后，需要解构Python数据为C的类型，这样C/C++程序中才可以使用Python里的数据。但是，由于python的返回值有多种数据结构类型，因此，我们需要为每个类型进行转换。
总体思路都是根据类型逐个从值从PyObject中提取。python提供了下面函数来完成这个功能
int PyArg_Parse( PyObject *args, char *format, ...)
根据format把args的值转换成c类型的值，format接受的类型和上述Py_BuildValue()的是一样的
释放资源
Python使用引用计数机制对内存进行管理，实现自动垃圾回收。在C/C++中使用Python对象时，应正确地处理引用计数，否则容易导致内存泄漏。在Python/C API中提供了Py_CLEAR()、Py_DECREF()等宏来对引用计数进行操作。
每个PyObject对象都有一个引用计数，用于垃圾回收，如果不能在恰当的时候增加（Py_INCREF）或减少（Py_DECREF）引用计数，则会发生：
当使用Python/C API中的函数创建列表、元组、字典等后，就在内存中生成了这些对象的引用计数。在对其完成操作后应该使用Py_CLEAR()、Py_DECREF()等宏来销毁这些对象。其原型分别如下所示
void Py_CLEAR(PyObject *o)
void Py_DECREF(PyObject *o)
其中，o的含义是要进行操作的对象。
对于Py_CLEAR()其参数可以为NULL指针，此时，Py_CLEAR()不进行任何操作。而对于Py_DECREF()其参数不能为NULL指针，否则将导致错误。
#include <Python.h> //C++和python混合编程的头文件
#include <iostream>
using namespace std;
int main() {
//初始化python解释器
Py_Initialize();
if (!Py_IsInitialized()) {
cout << "python init fail" << endl;
return 0;
}
//PyRun_SimpleString：把python代码当作一个字符串传给解释器来执行。
PyRun_SimpleString("import sys");
/*把python脚本文件放入当前目录下的script文件夹下
sys.path是一个列表 list, 它里面包含了已经添加到系统的环境变量路径。
当我们要添加自己的引用模块搜索目录时，可以通过列表 list 的 append()方法；*/
PyRun_SimpleString("sys.path.append('./script')");
//PyImport_ImportModule：动态加载python模块，相当于导入python脚本文件
PyObject* pModule = PyImport_ImportModule("sayHello");
if (pModule == NULL) {
cout << "module not found" << endl;
return 1;
}
/*PyObject* PyObject_GetAttrString(PyObject *o, char *attr_name)
PyObject_GetAttrString()返回模块对象中的attr_name属性或函数，
相当于Python中表达式语句：o.attr_name
相当于找到导入的python脚本文件里边的某个函数*/
PyObject* pFunc = PyObject_GetAttrString(pModule, "add_num");
if (!pFunc || !PyCallable_Check(pFunc)) {
cout << "not found function add_num" << endl;
return 0;
}
/*将参数转换为PyObject类型*/
PyObject* args = Py_BuildValue("(ii)", 5, 2);
/*PyObject_CallObject：在C程序中调用python函数
参数1：通过导入函数获得的函数对象
参数2：被调用函数所需的参数*/
PyObject* pRet = PyObject_CallObject(pFunc, args);
//释放参数内存
Py_DECREF(args);
int res = 0;
//把参数返回值转换为C类型
PyArg_Parse(pRet, "i", &res);
//释放返回值内存
Py_DECREF(pRet);
cout << res << endl;
Py_DECREF(pModule);
Py_DECREF(pFunc);
/* 撤销Py_Initialize()和随后使用Python/C API函数进行的所有初始化，
并销毁自上次调用Py_Initialize()以来创建并为被销毁的所有子解释器。*/
Py_Finalize();
return 0;
}
4. c++调用numpy和OpenCV
前言
首先要查看python的版本是release版本还是debug版本,一般安装的python都是Release版本。VS编写C++时，改为Release模式，这要与python的版本一致，否则会报错：
无法解析的外部符号 __imp___Py_RefTotal
如果将版本调整为相同的Release，则不会存在此问题。
后续见参考链接，感觉不是很全面。
5.C++调用python显示图片（在python中显示）
第一种方法：图片在python中显示，无返回值。
python代码
# opencv显示一张图片
import cv2
def show_image(img_path):
img = cv2.imread(img_path)
cv2.imshow("img-show", img)
cv2.waitKey(0)
cv2.destroyAllWindows()
if __name__ == '__main__':
show_image('E:/green_screen_keying/test_set/test1.png')
C++代码
#include<iostream>
#include<Python.h>
using namespace std;
int main() {
Py_Initialize();
if (!Py_IsInitialized()) {
cout << "python initialize failed!" << endl;
return 0;
}
PyRun_SimpleString("import sys");
PyRun_SimpleString("sys.path.append('./script')");
PyObject* pModule = PyImport_ImportModule("show_img");
if (pModule == NULL) {
cout << "module not found!" << endl;
return 0;
}
PyObject* pFunc = PyObject_GetAttrString(pModule, "show_image");
if (pFunc == NULL || PyCallable_Check(pFunc) == NULL) {
cout << "function not found!" << endl;
return 0;
}
PyObject* args = Py_BuildValue("(s)", "E:/green_screen_keying/test_set/test1.png");
PyObject_CallObject(pFunc, args);
Py_DECREF(pModule);
Py_DECREF(pFunc);
Py_DECREF(args);
Py_Finalize();
return 0;
}
6.C++调用python显示图片（在C++中显示）
C++使用numpy返回值的前提
环境：
C++使用opencv显示图片的前提
python代码
# opencv显示一张图片
import cv2
def show_image(img_path):
img = cv2.imread(img_path)
cv2.imshow("img-show", img)
cv2.waitKey(0)
cv2.destroyAllWindows()
def show_image_return_numpy(img_path):
img = cv2.imread(img_path)
img = cv2.resize(img, (400, 400)) # numpy类型
return img
if __name__ == '__main__':
show_image('E:/green_screen_keying/test_set/test1.png')
C++代码
#include<iostream>
#include<Python.h>
#include <numpy/arrayobject.h>//numpy的头文件
#include<opencv/cv.hpp>//opencv的头文件
using namespace cv;
using namespace std;
int main() {
Py_Initialize();
if (!Py_IsInitialized()) {
cout << "python initialize failed!" << endl;
return 0;
}
import_array();//加载numpy相关的库
PyRun_SimpleString("import sys");
PyRun_SimpleString("sys.path.append('./script')");
PyObject* pModule = PyImport_ImportModule("show_img");
if (pModule == NULL) {
cout << "module not found!" << endl;
return 0;
}
PyObject* pFunc = PyObject_GetAttrString(pModule, "show_image_return_numpy");
if (pFunc == NULL || PyCallable_Check(pFunc) == NULL) {
cout << "function not found!" << endl;
return 0;
}
PyObject* args = Py_BuildValue("(s)", "E:/green_screen_keying/test_set/test1.png");
//PyObject_CallObject(pFunc, args);
PyObject* pRetValue = PyObject_CallObject(pFunc, args);
/* 解析返回结果 */
PyArrayObject* ret_array;
PyArray_OutputConverter(pRetValue, &ret_array);
//npy_intp代表数组的维度，指向数组的尺寸/形状的指针。
npy_intp* shape = PyArray_SHAPE(ret_array);
Mat imgReturn(shape[0], shape[1], CV_8UC3, PyArray_DATA(ret_array));
cv::imshow("res", imgReturn);
cv::waitKey(0);
Py_DECREF(pModule);
Py_DECREF(pFunc);
Py_DECREF(args);
Py_DECREF(pRetValue);
Py_DECREF(ret_array);
Py_Finalize();
return 0;
}
7.C++调用python深度学习显示结果图片（在C++中显示）
注意：
深度学习得到的结果转换成numpy类型是0~1之间的小数，即使*255也是float32类型，而C++生成Mat需要的是uint8的numpy类型。
python测试代码
import torch
import os
from torchvision import transforms as T
from torchvision.transforms.functional import to_pil_image
from threading import Thread
from torch.nn import functional as F
from model.model import MattingDGF
from PIL import Image
import cv2
import numpy as np
def show_image_return_numpy(img_path):
img = cv2.imread(img_path)
img = cv2.resize(img, (400, 400)) # numpy类型
return img
def test_image_c(images_src):
output_dir = "E:/VSProjects/out/"
output_types = ('pha', 'com')
device = torch.device('cuda')
# Load model
model = MattingDGF('mobilenetv2')
model = model.to(device).eval()
model.load_state_dict(torch.load("E:/green_screen_keying/deep-learning-V3-main/deep-learning-V3-main/TrainedModel"
"-V3/GSK-V3-3.pth", map_location=device))
# Worker function
def writer(img, path):
img = to_pil_image(img[0].cpu())
img.save(path)
# 读取单张图像数据
transforms = T.Compose([T.Resize((1080, 1920)), T.ToTensor()])
with Image.open(images_src) as img:
img = img.convert('RGB')
src = transforms(img)
src = src.to(device, non_blocking=True)
src = torch.unsqueeze(src, 3).permute(3, 0, 1, 2) # [B,C,H,W]
# Conversion loop
with torch.no_grad():
pred_pha_hr, pred_fgr_hr, pred_pha_lr, pred_fgr_lr, pred_err_lr = model(src)
# 转换回numpy格式
# 返回com
tgt_bgr = torch.tensor([1.0, 1.0, 1.0], device=device).view(1, 3, 1, 1)
com = pred_fgr_hr * pred_pha_hr + tgt_bgr * (1 - pred_pha_hr)
com = com.cpu().permute(2, 3, 1, 0).squeeze(3).numpy()
com = cv2.cvtColor(com, cv2.COLOR_BGR2RGB)*255
# com = cv2.resize(com, (400, 400))
# 返回pha
# pha = pred_pha_hr.cpu().permute(2, 3, 1, 0).squeeze(3).numpy()
# pha = cv2.resize(pha, (400, 400))*255
return com.astype(np.uint8)
if __name__ == "__main__":
img_src = "E:/green_screen_keying/test_set/test2.png"
pha = test_image_c(img_src) # (400,400,3) numpy
# pha = show_image_return_numpy(img_src) #(400,400,3) numpy
print(type(pha))
print(pha.shape)
print(pha.dtype)
cv2.imshow("img-show", pha)
cv2.waitKey(0)
cv2.destroyAllWindows()
C++代码
#include<iostream>
#include<Python.h>
#include <numpy/arrayobject.h>//numpy的头文件
#include<opencv/cv.hpp>//opencv的头文件
using namespace cv;
using namespace std;
int main() {
Py_Initialize();
if (!Py_IsInitialized()) {
cout << "python initialize failed!" << endl;
return 0;
}
import_array();//加载numpy相关的库
PyRun_SimpleString("import sys");
PyRun_SimpleString("sys.path.append('./script/code-V3')");
PyObject* pModule = PyImport_ImportModule("test_image_C++");
if (pModule == NULL) {
cout << "module not found!" << endl;
return 0;
}
PyObject* pFunc = PyObject_GetAttrString(pModule, "test_image_c");
if (pFunc == NULL || PyCallable_Check(pFunc) == NULL) {
cout << "function not found!" << endl;
return 0;
}
PyObject* args = Py_BuildValue("(s)", "E:/green_screen_keying/test_set/test2.png");
PyObject* pRetValue = PyObject_CallObject(pFunc, args);
/* 解析返回结果 */
PyArrayObject* ret_array;
PyArray_OutputConverter(pRetValue, &ret_array);
npy_intp* shape = PyArray_SHAPE(ret_array);
Mat mat(shape[0], shape[1], CV_8UC3, PyArray_DATA(ret_array));
cv::imshow("res", mat);
cv::waitKey(0);
Py_DECREF(pModule);
Py_DECREF(pFunc);
Py_DECREF(args);
Py_DECREF(ret_array);
//Py_DECREF(pRetValue);
Py_Finalize();
return 0;
}
C++接收python返回的numpy的list
#include<iostream>
#include<Python.h>
#include <numpy/arrayobject.h>//numpy的头文件
#include<opencv/cv.hpp>//opencv的头文件
using namespace cv;
using namespace std;
int main() {
Py_Initialize();
if (!Py_IsInitialized()) {
cout << "python initialize failed!" << endl;
return 0;
}
import_array();//加载numpy相关的库
PyRun_SimpleString("import sys");
PyRun_SimpleString("sys.path.append('./script/code-V3')");
PyObject* pModule = PyImport_ImportModule("test_image_C++");
if (pModule == NULL) {
cout << "module not found!" << endl;
return 0;
}
PyObject* pFunc = PyObject_GetAttrString(pModule, "test_image_c");
if (pFunc == NULL || PyCallable_Check(pFunc) == NULL) {
cout << "function not found!" << endl;
return 0;
}
PyObject* args = Py_BuildValue("(s)", "E:/green_screen_keying/test_set/test2.png");
PyObject* pRetValue = PyObject_CallObject(pFunc, args);
/* 解析返回结果 */
PyArrayObject* array_com,*array_pha;
PyArray_OutputConverter(PyList_GetItem(pRetValue, 0), &array_com);
PyArray_OutputConverter(PyList_GetItem(pRetValue, 1), &array_pha);
npy_intp* shape = PyArray_SHAPE(array_com);
Mat com(shape[0], shape[1], CV_8UC3, PyArray_DATA(array_com));
Mat pha(shape[0], shape[1], CV_8UC1, PyArray_DATA(array_pha));
cv::imshow("com", com);
cv::waitKey(0);
cv::imshow("pha", pha);
cv::waitKey(0);
Py_DECREF(pModule);
Py_DECREF(pFunc);
Py_DECREF(args);
Py_DECREF(array_com);
Py_DECREF(array_pha);
//Py_DECREF(pRetValue);
Py_Finalize();
return 0;
}
8.将图像mat数据转换成numpy传递给python
注意：
C++那里输入的图像参数必须得是tuple类型的参数，即使只有一个图像参数。
python代码
import cv2
def simple_func(a,b):return a+b
def super_resolution(img, scale=4):
height, width = img.shape[:2]
dsize = (width*scale, height*scale)
big_img = cv2.resize(img, dsize)
return big_img
C++代码
#include <Python.h>
#include <iostream>
#include <numpy/arrayobject.h>
#include<opencv/cv.hpp>
using namespace std;
using namespace cv;
int main() {
Py_Initialize();
import_array();
/* 读图 */
Mat sml_img = imread("E:/green_screen_keying/test_set/test2.png");
/* 导入模块和函数 */
PyRun_SimpleString("import sys");
PyRun_SimpleString("sys.path.append('./script')");
PyObject* pName = PyUnicode_DecodeFSDefault("simple_module");
PyObject* pModule = PyImport_Import(pName);
PyObject* pFunc = PyObject_GetAttrString(pModule, "super_resolution");
/* 准备输入参数 */
PyObject* pArgs = PyTuple_New(2);
npy_intp dims[] = { sml_img.rows, sml_img.cols, sml_img.channels() };
//生成包含这个多维数组的PyObject对象，使用PyArray_SimpleNewFromData函数，
//第一个参数2表示维度，第二个为维度数组Dims,第三个参数指出数组的类型，第四个参数为数组
PyObject* pValue = PyArray_SimpleNewFromData(3, dims, NPY_UINT8, sml_img.data);
PyTuple_SetItem(pArgs, 0, pValue); /* pValue的引用计数被偷偷减一，无需手动再减 */
PyTuple_SetItem(pArgs, 1, Py_BuildValue("i", 3)); /* 图像放大4倍 */
/* 调用函数 */
PyObject* pRetValue = PyObject_CallObject(pFunc, pArgs);
/* 解析返回结果 */
PyArrayObject* ret_array;
PyArray_OutputConverter(pRetValue, &ret_array);
npy_intp* shape = PyArray_SHAPE(ret_array);
Mat big_img(shape[0], shape[1], CV_8UC3, PyArray_DATA(ret_array));
cv::imshow("res", big_img);
cv::waitKey(0);
/* 释放所有 */
Py_DECREF(pName);
Py_DECREF(pModule);
Py_DECREF(pFunc);
Py_DECREF(pArgs);
Py_DECREF(pValue);
Py_DECREF(pRetValue);
Py_Finalize();
return 0;
}
9. 将视频每一帧传递给python
注意：
不要再循环内Py_DECREF
python代码
import torch
import os
from torchvision import transforms as T
from torchvision.transforms.functional import to_pil_image
from threading import Thread
from torch.nn import functional as F
from model.model import MattingDGF
from PIL import Image
import cv2
import numpy as np
def load_model():
global device, model
device = torch.device('cuda')
# Load model
model = MattingDGF('mobilenetv2')
model = model.to(device).eval()
model.load_state_dict(torch.load("E:/green_screen_keying/deep-learning-V3-main/deep-learning-V3-main/TrainedModel"
"-V3/GSK-V3-3.pth", map_location=device))
def test_image_c(img):
# 读取单张图像数据
transforms = T.Compose([T.Resize((1080, 1920)), T.ToTensor()])
# with Image.open(images_src) as img:
# img = img.convert('RGB')
img = Image.fromarray(img) # numpy 转 PIL image类
src = transforms(img)
src = src.to(device, non_blocking=True)
src = torch.unsqueeze(src, 3).permute(3, 0, 1, 2) # [B,C,H,W]
# Conversion loop
with torch.no_grad():
pred_pha_hr, pred_fgr_hr, pred_pha_lr, pred_fgr_lr, pred_err_lr = model(src)
# 转换回numpy格式
# 返回com
tgt_bgr = torch.tensor([1.0, 1.0, 1.0], device=device).view(1, 3, 1, 1)
com = pred_fgr_hr * pred_pha_hr + tgt_bgr * (1 - pred_pha_hr)
com = com.cpu().permute(2, 3, 1, 0).squeeze(3).numpy()
com = cv2.cvtColor(com, cv2.COLOR_BGR2RGB)
com = cv2.resize(com, (400, 400)) * 255
# 返回pha
pha = pred_pha_hr.cpu().permute(2, 3, 1, 0).squeeze(3).numpy()
pha = cv2.resize(pha, (400, 400)) * 255
# return com.astype(np.uint8)
return [com.astype(np.uint8), pha.astype(np.uint8)]
if __name__ == "__main__":
img_src = "E:/green_screen_keying/test_set/test2.png"
img = cv2.imread(img_src)
load_model()
com, pha = test_image_c(img) # (400,400,3) numpy
# pha = show_image_return_numpy(img_src) #(400,400,3) numpy
# print(type(pha))
# print(pha.shape)
# print(pha.dtype)
cv2.imshow("img-show", pha)
cv2.waitKey(0)
cv2.destroyAllWindows()
C++代码
#include<iostream>
#include<Python.h>
#include <numpy/arrayobject.h>//numpy的头文件
#include<opencv/cv.hpp>//opencv的头文件
using namespace cv;
using namespace std;
int main() {
Py_Initialize();
if (!Py_IsInitialized()) {
cout << "python initialize failed!" << endl;
return 0;
}
import_array();//加载numpy相关的库
PyRun_SimpleString("import sys");
PyRun_SimpleString("sys.path.append('./script/code-V3')");
PyObject* pModule = PyImport_ImportModule("test_image_C++");
if (pModule == NULL) {
cout << "module not found!" << endl;
return 0;
}
/*加载模型*/
PyObject* pFunc_load = PyObject_GetAttrString(pModule, "load_model");
if (pFunc_load == NULL || PyCallable_Check(pFunc_load) == NULL) {
cout << "function not found!" << endl;
return 0;
}
PyObject_CallObject(pFunc_load, NULL);
PyObject* pFunc = PyObject_GetAttrString(pModule, "test_image_c");
if (pFunc == NULL || PyCallable_Check(pFunc) == NULL) {
cout << "function not found!" << endl;
return 0;
}
/* 准备输入参数 */
//读入图片
//Mat img = imread("E:/green_screen_keying/test_set/test2.png");
//读入视频
VideoCapture capture;
capture.open("E:/green_screen_keying/test_video_13/test_videos/chizi.mp4");
if (!capture.isOpened())
{
printf("can not open ...\n");
return -1;
}
Mat img;
PyObject* pValue=NULL, *pArgs=NULL,*pRet = NULL;
PyArrayObject* array_com = NULL, * array_pha = NULL;
while (capture.read(img)){
cv::cvtColor(img, img, cv::COLOR_BGR2RGB);
npy_intp dims[] = { img.rows, img.cols, img.channels() };
//PyArray_SimpleNewFromData可以将void*的数据转换成np.ndarray
pValue = PyArray_SimpleNewFromData(3, dims, NPY_UINT8, img.data);
pArgs = PyTuple_New(1);
PyTuple_SetItem(pArgs, 0, pValue); /* pValue的引用计数被偷偷减一，无需手动再减 */
//PyTuple_SetItem(pArgs, 1, Py_BuildValue("i", 3));
pRet = PyObject_CallObject(pFunc, pArgs);
// 解析返回结果
//PyArrayObject* array_com, * array_pha;
PyArray_OutputConverter(PyList_GetItem(pRet, 0), &array_com);
PyArray_OutputConverter(PyList_GetItem(pRet, 1), &array_pha);
npy_intp* shape = PyArray_SHAPE(array_com);
Mat com(shape[0], shape[1], CV_8UC3, PyArray_DATA(array_com));
Mat pha(shape[0], shape[1], CV_8UC1, PyArray_DATA(array_pha));
cv::imshow("com", com);
cv::waitKey(10);
/*
cv::imshow("pha", pha);
cv::waitKey(0);
*/
com.release();
pha.release();
img.release();
}
Py_DECREF(pValue);
Py_DECREF(pRet);
Py_DECREF(pArgs);
Py_DECREF(pModule);
Py_DECREF(pFunc_load);
Py_DECREF(pFunc);
Py_DECREF(array_com);
Py_DECREF(array_pha);
//Py_DECREF(pRetValue);
capture.release();
Py_Finalize();
return 0;
}
继续更新中…
参考链接
C++调用python脚本
C++调用numpy和OpenCV
C++调用python时opencv和numpy的转换和使用
