C++調用Python（混合編程）函數整理總結

原創 DoubleLi 2023-11-17 12:54

 

文章目錄

 

C++調用python概述

python是一種非常強大的膠水語言，可以靈活的嵌入到c++和java等主流語言中。python提供了一套C的API庫，使得開發者能夠很方便的從C、C++的程序中調用python中的各個功能模塊。

c++ 調用 python ，本質上是在 c++ 中啓動了一個 python 解釋器，由解釋器對 python 相關的代碼進行執行，執行完畢後釋放資源，達到調用目的。

從操作步驟上看，C++調用Python低層接口可以分爲幾個階段：

  • 初始化Python解釋器
  • 從C++到Python轉換數據
  • 用轉換後的數據做參數調用Python函數
  • 把函數返回值轉換爲C++數據結構

說白了，即寫一個C文件，執行【Python解釋器初始化、導入模塊，導入函數，構造輸入參數，調用函數，解析返回值，終止Python解釋器】。

相關官方文檔

官方文檔python和C相互調用

相關函數

1.初始化python解釋器環境

和環境相關的接口如下：

void Py_Initialize()：       
    初始化python解釋器.C/C++中調用Python之前必須先初始化解釋器
int Py_IsInitialized()：
    返回python解析器的是否已經初始化完成，如果已完成，返回大於0，否則返回0
void Py_Finalize() ：
    撤銷Py_Initialize()和隨後使用Python/C API函數進行的所有初始化，
    並銷燬自上次調用Py_Initialize()以來創建併爲被銷燬的所有子解釋器。

2.調用python腳本的靜態簡單方式

int PyRun_SimpleString(const char*) :
    執行一個簡單的執行python腳本命令的函數

int PyRun_SimpleFile(FILE *fp, const char *filename)：
    從fp中把python腳本的內容讀取到內容中並執行，filename應該爲fp對應的文件名

方法示例：

#include "Python.h"

int main()
{
    Py_Initialize();    // 初始化

    PyRun_SimpleString("print('hello')");

    Py_Finalize();      //釋放資源
}

這種方法存在的問題：

  • 把python代碼當作一個字符串傳給解釋器來執行。
  • 不管是字符串還是文件，都只能用於c++不需要像python傳參，同時python不會向c++返回值的情況，只執行固定腳本的場景。
  • 但是，實際的場景中是必然存在C++向python傳參，python返回結果的，這個需求下我們要怎樣做呢？

3.動態加載python模塊並執行函數

python api提供了動態加載模塊並且執行函數的能力，具體會涉及到下面幾個api。

//加載模塊
PyObject* PyImport_ImportModule(char *name)

PyObject* PyImport_Import(PyObject *name)
PyObject* PyString_FromString(const char*)
    上面兩個api都是用來動態加載python模塊的。區別在於前者一個使用的是C的字符串，而後者的name是一個python對象，
這個python對象需要通過PyString_FromString(const char*)來生成，其值爲要導入的模塊名


//導入函數相關
PyObject* PyModule_GetDict( PyObject *module)
    PyModule_GetDict()函數可以獲得Python模塊中的函數列表。PyModule_GetDict()函數返回一個字典。字典中的關鍵字爲函數名，值爲函數的調用地址。
字典裏面的值可以通過PyDict_GetItemString()函數來獲取，其中p是PyModule_GetDict()的字典，而key則是對應的函數名

PyObject* PyObject_GetAttrString(PyObject *o, char *attr_name)
     PyObject_GetAttrString()返回模塊對象中的attr_name屬性或函數，相當於Python中表達式語句：o.attr_name

//調用函數相關
PyObject* PyObject_CallObject( PyObject *callable_object, PyObject *args)
PyObject* PyObject_CallFunction( PyObject *callable_object, char *format, ...)
    使用上面兩個函數可以在C程序中調用Python中的函數。callable_object爲要調用的函數對象，也就是通過上述導入函數得到的函數對象，
而區別在於前者使用python的tuple來傳參，後者則使用類似c語言printf的風格進行傳參。
如果不需要參數，那麼args可能爲NULL。返回成功時調用的結果，或失敗時返回NULL。
這相當於Python表達式 apply(callable_object, args) 或 callable_object(*args)
 
 
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24

3.1不帶參數和返回值的舉例說明

python腳本

#cat script/sayHello.py
def say():
	print("hello")

C++代碼

#include <Python.h> //C++和python混合編程的頭文件
#include <iostream>
using namespace std;

int main() {
	//初始化python解釋器
	Py_Initialize();
	if (!Py_IsInitialized()) {
		cout << "python init fail" << endl;
		return 0;
	}
	//初始化python系統文件路徑，保證可以訪問到 .py文件
	//PyRun_SimpleString：把python代碼當作一個字符串傳給解釋器來執行。
	PyRun_SimpleString("import sys");
	/*把python腳本文件放入當前目錄下的script文件夾下
	sys.path是一個列表 list, 它裏面包含了已經添加到系統的環境變量路徑。
	當我們要添加自己的引用模塊搜索目錄時，可以通過列表 list 的 append()方法；*/
	PyRun_SimpleString("sys.path.append('./script')");

	//PyImport_ImportModule：動態加載python模塊，相當於導入python腳本文件
	//調用python文件名。當前的測試python文件名是test.py。在使用這個函數的時候，只需要寫文件的名稱就可以了。不用寫後綴。
	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()返回模塊對象中的attr_name屬性或函數，
	 相當於Python中表達式語句：o.attr_name
	 相當於找到導入的python腳本文件裏邊的某個函數*/
	PyObject* pFunc = PyObject_GetAttrString(pModule, "say");
	if (!pFunc || !PyCallable_Check(pFunc)) {
		cout << "not found function add_num" << endl;
		return 0;
	}

	/*PyObject_CallObject：在C程序中調用python函數
	參數1：通過導入函數獲得的函數對象
	參數2：被調用函數所需的參數*/
	PyObject_CallObject(pFunc, NULL);

	/* 撤銷Py_Initialize()和隨後使用Python/C API函數進行的所有初始化，
    並銷燬自上次調用Py_Initialize()以來創建併爲被銷燬的所有子解釋器。*/
	Py_Finalize();

	return 0;
}

3.2帶參數和返回值的舉例說明

注意
要在release下進行否則會報錯。
C++調用python程序時，出現如下問題：
無法解析的外部符號 __imp___Py_RefTotal
無法解析的外部符號 __imp___Py_NegativeRefcount

參數
在C/C++中，所有的Python類型都被聲明爲PyObject型，爲了能夠讓C++能夠操作python的數據，python提供了python各種數據類型和C語言數據類型的轉換操作，具體的使用方法見參考鏈接。
在Python/C API中提供了Py_BuildValue()函數對數字和字符串進行轉換處理，使之變成Python中相應的數據類型。其函數原型如下所示：

PyObject* Py_BuildValue( const char *format, ...)
    Py_BuildValue()提供了類似c語言printf的參數構造方法，format是要構造的參數的類型列表，函數中剩餘的參數即要轉換的C語言中的整型、浮點型或者字符串等。
其返回值爲PyObject型的指針。

返回值
python函數的返回值也是PyObject類型，因此，在python腳本返回到C/C++之後，需要解構Python數據爲C的類型，這樣C/C++程序中才可以使用Python裏的數據。但是，由於python的返回值有多種數據結構類型，因此，我們需要爲每個類型進行轉換。
總體思路都是根據類型逐個從值從PyObject中提取。python提供了下面函數來完成這個功能

int PyArg_Parse( PyObject *args, char *format, ...)
     根據format把args的值轉換成c類型的值，format接受的類型和上述Py_BuildValue()的是一樣的

 

釋放資源
Python使用引用計數機制對內存進行管理，實現自動垃圾回收。在C/C++中使用Python對象時，應正確地處理引用計數，否則容易導致內存泄漏。在Python/C API中提供了Py_CLEAR()、Py_DECREF()等宏來對引用計數進行操作。
每個PyObject對象都有一個引用計數，用於垃圾回收，如果不能在恰當的時候增加（Py_INCREF）或減少（Py_DECREF）引用計數，則會發生：

  • 你要訪問的數據已經被釋放
  • 內存泄漏

當使用Python/C API中的函數創建列表、元組、字典等後，就在內存中生成了這些對象的引用計數。在對其完成操作後應該使用Py_CLEAR()、Py_DECREF()等宏來銷燬這些對象。其原型分別如下所示

void Py_CLEAR(PyObject *o)
void Py_DECREF(PyObject *o)
其中，o的含義是要進行操作的對象。
對於Py_CLEAR()其參數可以爲NULL指針，此時，Py_CLEAR()不進行任何操作。而對於Py_DECREF()其參數不能爲NULL指針，否則將導致錯誤。
#include <Python.h> //C++和python混合編程的頭文件
#include <iostream>
using namespace std;

int main() {
	//初始化python解釋器
	Py_Initialize();
	if (!Py_IsInitialized()) {
		cout << "python init fail" << endl;
		return 0;
	}
	//PyRun_SimpleString：把python代碼當作一個字符串傳給解釋器來執行。
	PyRun_SimpleString("import sys");
	/*把python腳本文件放入當前目錄下的script文件夾下
	sys.path是一個列表 list, 它裏面包含了已經添加到系統的環境變量路徑。
	當我們要添加自己的引用模塊搜索目錄時，可以通過列表 list 的 append()方法；*/
	PyRun_SimpleString("sys.path.append('./script')");

	//PyImport_ImportModule：動態加載python模塊，相當於導入python腳本文件
	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()返回模塊對象中的attr_name屬性或函數，
	 相當於Python中表達式語句：o.attr_name
	 相當於找到導入的python腳本文件裏邊的某個函數*/
	PyObject* pFunc = PyObject_GetAttrString(pModule, "add_num");
	if (!pFunc || !PyCallable_Check(pFunc)) {
		cout << "not found function add_num" << endl;
		return 0;
	}

	/*將參數轉換爲PyObject類型*/
	PyObject* args = Py_BuildValue("(ii)", 5, 2);

	/*PyObject_CallObject：在C程序中調用python函數
	參數1：通過導入函數獲得的函數對象
	參數2：被調用函數所需的參數*/
	PyObject* pRet = PyObject_CallObject(pFunc, args);

	//釋放參數內存
	Py_DECREF(args);

	int res = 0;
	//把參數返回值轉換爲C類型
	PyArg_Parse(pRet, "i", &res);
	//釋放返回值內存
	Py_DECREF(pRet);
	cout << res << endl;

	Py_DECREF(pModule);
	Py_DECREF(pFunc);
	/* 撤銷Py_Initialize()和隨後使用Python/C API函數進行的所有初始化，
    並銷燬自上次調用Py_Initialize()以來創建併爲被銷燬的所有子解釋器。*/
	Py_Finalize();

	return 0;
}

4. c++調用numpy和OpenCV

前言
首先要查看python的版本是release版本還是debug版本,一般安裝的python都是Release版本。VS編寫C++時，改爲Release模式，這要與python的版本一致，否則會報錯：

無法解析的外部符號 __imp___Py_RefTotal

如果將版本調整爲相同的Release，則不會存在此問題。

後續見參考鏈接，感覺不是很全面。

5.C++調用python顯示圖片（在python中顯示）

第一種方法：圖片在python中顯示，無返回值。
python代碼

# opencv顯示一張圖片
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++代碼

#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++調用python顯示圖片（在C++中顯示）

C++使用numpy返回值的前提
環境：

  • Visual Studio頭文件目錄：D:\Program Files\Python36\Lib\site-packages\numpy\core\include，並在代碼中#include <numpy/arrayobject.h>
  • 關鍵代碼：在Py_Initialize();之後必須調用import_array();以加載所有numpy函數(C API)，與加載dll類似。

C++使用opencv顯示圖片的前提

  • Visual Studio配置包含目錄，D:\Program Files\opencv3\build\include
  • Visual Studio配置庫目錄，D:\Program Files\opencv3\build\x64\vc15\lib
  • Visual Studio配置鏈接器輸入：opencv_world341.lib
  • 追加Path環境變量：Path=Path;D:\Program Files\opencv3\build\x64\vc15\bin，改完環境變量一定要重啓Visual Studio才能生效。

python代碼

# opencv顯示一張圖片
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類型
    return img


if __name__ == '__main__':
    show_image('E:/green_screen_keying/test_set/test1.png')

C++代碼

#include<iostream>
#include<Python.h>
#include <numpy/arrayobject.h>//numpy的頭文件
#include<opencv/cv.hpp>//opencv的頭文件
using namespace cv;
using namespace std;

int main() {
	Py_Initialize();
	if (!Py_IsInitialized()) {
		cout << "python initialize failed!" << endl;
		return 0;
	}
	import_array();//加載numpy相關的庫

	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);

	/* 解析返回結果 */
	PyArrayObject* ret_array;
	PyArray_OutputConverter(pRetValue, &ret_array);
	//npy_intp代表數組的維度，指向數組的尺寸/形狀的指針。
	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++調用python深度學習顯示結果圖片（在C++中顯示）

注意：
深度學習得到的結果轉換成numpy類型是0~1之間的小數，即使*255也是float32類型，而C++生成Mat需要的是uint8的numpy類型。

python測試代碼

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類型
    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)

    # 讀取單張圖像數據
    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)

    # 轉換回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++代碼

#include<iostream>
#include<Python.h>
#include <numpy/arrayobject.h>//numpy的頭文件
#include<opencv/cv.hpp>//opencv的頭文件
using namespace cv;
using namespace std;

int main() {
	Py_Initialize();
	if (!Py_IsInitialized()) {
		cout << "python initialize failed!" << endl;
		return 0;
	}
	import_array();//加載numpy相關的庫

	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);
	
	/* 解析返回結果 */
	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的頭文件
#include<opencv/cv.hpp>//opencv的頭文件
using namespace cv;
using namespace std;

int main() {
	Py_Initialize();
	if (!Py_IsInitialized()) {
		cout << "python initialize failed!" << endl;
		return 0;
	}
	import_array();//加載numpy相關的庫

	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);
	
	/* 解析返回結果 */
	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.將圖像mat數據轉換成numpy傳遞給python

注意：
C++那裏輸入的圖像參數必須得是tuple類型的參數，即使只有一個圖像參數。
python代碼

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++代碼

#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();
	/* 讀圖 */
	Mat sml_img = imread("E:/green_screen_keying/test_set/test2.png");

	/* 導入模塊和函數 */
	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");
	/* 準備輸入參數 */
	PyObject* pArgs = PyTuple_New(2);

	npy_intp dims[] = { sml_img.rows, sml_img.cols, sml_img.channels() };
	//生成包含這個多維數組的PyObject對象，使用PyArray_SimpleNewFromData函數，
	//第一個參數2表示維度，第二個爲維度數組Dims,第三個參數指出數組的類型，第四個參數爲數組
	PyObject* pValue = PyArray_SimpleNewFromData(3, dims, NPY_UINT8, sml_img.data);
	PyTuple_SetItem(pArgs, 0, pValue);	/* pValue的引用計數被偷偷減一，無需手動再減 */
	PyTuple_SetItem(pArgs, 1, Py_BuildValue("i", 3));	/* 圖像放大4倍 */
	/* 調用函數 */
	PyObject* pRetValue = PyObject_CallObject(pFunc, pArgs);

	/* 解析返回結果 */
	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);

	/* 釋放所有 */
	Py_DECREF(pName);
	Py_DECREF(pModule);
	Py_DECREF(pFunc);
	Py_DECREF(pArgs);
	Py_DECREF(pValue);
	Py_DECREF(pRetValue);
	Py_Finalize();
	return 0;
}

9. 將視頻每一幀傳遞給python

注意：
不要再循環內Py_DECREF
python代碼

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):
    # 讀取單張圖像數據
    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 轉 PIL image類
    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)

    # 轉換回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++代碼

#include<iostream>
#include<Python.h>
#include <numpy/arrayobject.h>//numpy的頭文件
#include<opencv/cv.hpp>//opencv的頭文件
using namespace cv;
using namespace std;

int main() {
	Py_Initialize();
	if (!Py_IsInitialized()) {
		cout << "python initialize failed!" << endl;
		return 0;
	}
	import_array();//加載numpy相關的庫

	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;
	}

	/*加載模型*/
	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;
	}
	/* 準備輸入參數 */
	//讀入圖片
	//Mat img = imread("E:/green_screen_keying/test_set/test2.png");
	//讀入視頻
	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可以將void*的數據轉換成np.ndarray
		
		pValue = PyArray_SimpleNewFromData(3, dims, NPY_UINT8, img.data);
		pArgs = PyTuple_New(1);
		PyTuple_SetItem(pArgs, 0, pValue);	/* pValue的引用計數被偷偷減一，無需手動再減 */
		//PyTuple_SetItem(pArgs, 1, Py_BuildValue("i", 3));	

		
		pRet = PyObject_CallObject(pFunc, pArgs);

		// 解析返回結果 
		//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;
}

繼續更新中…

參考鏈接

C++調用python腳本
C++調用numpy和OpenCV
C++調用python時opencv和numpy的轉換和使用

 
發表評論
所有評論
還沒有人評論，想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章

(原創) odoo各版本對視圖中節點groups屬性的處理差別

1.14版(含14)視圖節點groups屬性的處理結果表現在可見性上(invisible)，如果當前用戶不在指定的角色中，則設置可見性標記invisible爲"1"         2.16版(含16)以後對視圖節點groups屬性的處理

yier 2024-06-08 14:35:45

lightdb hash index的性能和限制

　　除了btree外，lightdb是支持hash index的，但是總體來說支持的特性範圍均不如btree索引，比如parallel沒有btree索引智能，不支持=之外的操作，不支持bitmap index scan，不支持哈希唯一索引（

zhjh256 2024-06-08 14:32:04

pathlib and difflib

pathlib.Path("a.crt").write_text(a[0]) p.chmod(0o444) Path.cwd() p.write_bytes(b'Binary file contents') p.read_bytes()

root- 2024-06-08 14:31:34

利用WinSW將Nginx 作爲可正常啓動/停止的windows服務

下載winsw程序，Releases · winsw/winsw (github.com) 將下載的exe文件放置到nginx.exe的同級目錄，名字可以修改爲nginx-service.exe(也可不修改) 新建txt文本文檔，並將其名

漫漫人生路總會錯幾步 2024-06-08 14:30:54

純CSS+單個div實現抖音LOGO

純CSS+單個div就能繪製抖音LOGO 關鍵點： 主要藉助了兩個僞元素實現了整體結構，藉助了 drop-shadow 生成一層整體陰影 drop-shadow 只能是單層陰影，所以另一層陰影需要多嘗試 contrast(150%) br

劉漢貴 2024-06-08 14:30:14

告別Word，用Python打造你的專業簡歷！

今天給大家介紹下一個在純 python 中構建簡歷的實用工具，工具的連接地址https://github.com/koek67/resume-builder/blob/main/readme.md 用法介紹 要求 Python 3.7 或更

十月狐狸 2024-06-08 14:24:54

一款.NET開源、免費、實用的多功能原神工具箱（改善桌面端玩家的遊戲體驗）

前言 今天大姚給大家分享一款.NET開源（MIT License）、免費、實用的多功能原神工具箱，旨在改善桌面端玩家的遊戲體驗：胡桃工具箱。 工具箱介紹 胡桃工具箱是一款.NET開源（MIT License）、免費、實用的多功能原神工具箱

追逐時光 2024-06-08 14:24:33

輻射3刷藥

去megaton裏面的屍鬼.那裏買藥, 把破爛賣給他. 然後傳送到其他地圖, 再傳送回來, 他就又有錢和新藥了.繼續賣破爛, 買藥.刷幾次就夠了.

張博的博客 2024-06-08 14:22:03

重新研究go的併發模型.

go裏面可以實現很多併發模型的優雅解決方案. 總結起來. package main import ( "fmt" "time" ) var bufChan chan int = make(chan int, 1000) var

張博的博客 2024-06-08 14:22:03

Python 潮流週刊#54：ChatTTS 強大的文本生成語音模型

本週刊由 Python貓 出品，精心篩選國內外的 250+ 信息源，爲你挑選最值得分享的文章、教程、開源項目、軟件工具、播客和視頻、熱門話題等內容。願景：幫助所有讀者精進 Python 技術，並增長職業和副業的收入。 本期週刊分享了 12

豌豆花下貓 2024-06-08 14:21:23

kafka知識整理——部署

一、部署 （1）zk配置 修改zk配置文件config/zookeeper.properties，修改dataDir或端口 dataDir=/home/kafka/kafka3.7/data/zookeeper clientPort=218

鄭某 2024-06-08 14:16:43

Asp .Net Core 系列：詳解鑑權（身份驗證）以及實現 Cookie、JWT、自定義三種鑑權 （含源碼解析）

什麼是鑑權（身份驗證）？ https://learn.microsoft.com/zh-cn/aspnet/core/security/authentication/?view=aspnetcore-8.0 定義 鑑權，又稱身份驗證，是

IT技術派 2024-06-08 14:15:33

cdn到oss，根據用戶終端是手機和電腦等不同分別訪問兩套前端代碼

    使用規則引擎 其中一個配置了很多瀏覽器，另外一個配置匹配所有 ，這樣就能正常訪問。如果這兩個網站，有一個沒有使用規則引擎，那麼就會兩個網站都匹配上，然後第四條規則目標path和第一條的會拼接起來作爲oss的key,肯定不存在，所以

馬昌偉 2024-06-08 14:14:22

Codeforces Round 950 (Div. 3)G. Yasya and the Mysterious Tree（字典樹處理區間異或值）

Problem - G - Codeforces 存個字典樹板子。 1 #include <bits/stdc++.h> 2 3 using i64 = long long; 4 5 constexpr int N

SnowLove 2024-06-08 14:10:12

Codeforces Round 949 (Div. 2)D. Turtle and Multiplication（歐拉路徑、線性篩、思維構造）

Problem - D - Codeforces    思路 補充官方正解，主要解釋一下爲什麼可以轉化爲求完全圖的歐拉路徑。題目要求構造的數的種數最少，相當於對於當前的m來說要儘可能構造出最長的序列長度，所以一定儘量要是完全圖。其次要求不

SnowLove 2024-06-08 14:10:12