首页 > 资讯 > 后端开发 > 其他教程 >C++调用Python（混合编程）函数整理总结

868

分享到

C++调用Python（混合编程）函数整理总结

python c++开发语言 2023-09-03 11:09:56 868人浏览独家记忆

摘要

文章目录 C++调用python概述相关官方文档相关函数1.初始化python解释器环境2.调用python脚本的静态简单方式3.动态加载python模块并执行函数3.1不带参数和返回值的举例

文章目录

C++调用python概述
相关官方文档
相关函数
4. c++调用numpy和OpenCV
5.C++调用python显示图片（在python中显示）
6.C++调用python显示图片（在C++中显示）
7.C++调用python深度学习显示结果图片（在C++中显示）
8.将图像mat数据转换成numpy传递给python
9. 将视频每一帧传递给python
参考链接

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：

初始化Python解释器
从C++到Python转换数据
用转换后的数据做参数调用Python函数
把函数返回值转换为C++数据结构

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0void 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：

把python代码当作一个字符串传给解释器来执行。
不管是字符串还是文件，都只能用于c++不需要像python传参，同时python不会向c++返回值的情况，只执行固定脚本的场景。
但是，实际的场景中是必然存在C++向python传参，python返回结果的，这个需求下我们要怎样做呢？

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.pydef say():print("hello")

C++代码

#include  //C++和python混合编程的头文件#include 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");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* pFunc = PyObject_GetAttrString(pModule, "say");if (!pFunc || !PyCallable_Check(pFunc)) {cout << "not found function add_num" << endl;return 0;}PyObject_CallObject(pFunc, NULL);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：

你要访问的数据已经被释放
内存泄漏

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  //C++和python混合编程的头文件#include 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");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* pFunc = PyObject_GetAttrString(pModule, "add_num");if (!pFunc || !PyCallable_Check(pFunc)) {cout << "not found function add_num" << endl;return 0;}PyObject* args = Py_BuildValue("(ii)", 5, 2);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);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 cv2def 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#includeusing 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：

Visual Studio头文件目录：D:\Program Files\python36\Lib\site-packages\numpy\core\include，并在代码中#include
关键代码：在Py_Initialize();之后必须调用import_array();以加载所有numpy函数(C API)，与加载dll类似。

C++使用opencv显示图片的前提

Visual Studio配置包含目录，D:\Program Files\opencv3\build\include
Visual Studio配置库目录，D:\Program Files\opencv3\build\x64\vc15\lib
Visual Studio配置链接器输入：opencv_world341.lib
追加Path环境变量：Path=Path;D:\Program Files\opencv3\build\x64\vc15\bin，改完环境变量一定要重启Visual Studio才能生效。

python代码

# opencv显示一张图片import cv2def 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 imgif __name__ == '__main__':    show_image('E:/green_screen_keying/test_set/test1.png')

C++代码

#include#include#include //numpy的头文件#include//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);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 torchimport osfrom torchvision import transforms as Tfrom torchvision.transforms.functional import to_pil_imagefrom threading import Threadfrom torch.nn import functional as Ffrom model.model import MattingDGFfrom PIL import Imageimport cv2import numpy as npdef show_image_return_numpy(img_path):    img = cv2.imread(img_path)    img = cv2.resize(img, (400, 400))  # numpy类型    return imgdef 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#include#include //numpy的头文件#include//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);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#include#include //numpy的头文件#include//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);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 cv2def simple_func(a,b):return a+bdef 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  #include #include #includeusing namespace std;using namespace cv;int main() {Py_Initialize();import_array();Mat sml_img = imread("E:/green_screen_keying/test_set/test2.png");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");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);PyTuple_SetItem(pArgs, 1, Py_BuildValue("i", 3));PyObject* pRetValue = PyObject_CallObject(pFunc, pArgs);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);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 torchimport osfrom torchvision import transforms as Tfrom torchvision.transforms.functional import to_pil_imagefrom threading import Threadfrom torch.nn import functional as Ffrom model.model import MattingDGFfrom PIL import Imageimport cv2import numpy as npdef 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#include#include //numpy的头文件#include//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_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;}//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.ndarraypValue = PyArray_SimpleNewFromData(3, dims, NPY_UINT8, img.data);pArgs = PyTuple_New(1);PyTuple_SetItem(pArgs, 0, pValue);//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);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

来源地址：https://blog.csdn.net/jindayue/article/details/128182555

点击免费下载>>软考高级考试备考技巧/历年真题/备考精华资料

--结束END--

本文标题: C++调用Python（混合编程）函数整理总结

本文链接: https://www.lsjlt.com/news/392058.html(转载时请注明来源链接)

有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341

本篇文章演示代码以及资料文档资料下载

下载Word文档到电脑，方便收藏和打印～

下载Word文档

去做题

猜你喜欢

C++调用Python（混合编程）函数整理总结

文章目录 C++调用python概述相关官方文档相关函数1.初始化python解释器环境2.调用python脚本的静态简单方式3.动态加载python模块并执行函数3.1不带参数和返回值的举例...

99+

2023-09-03

python c++ 开发语言
Python调用Matlab的混合编程

一. 配置方法：找到Matlab安装根目录，比如D:\matlab，然后进入D:\matlab\extern\engines\python目录中，Shift+右键-->“在此处打开命令窗口”， 1.有管理员权限的，用管理员权限执...

99+

2023-01-31

Python Matlab
python+C、C++混合编程的应用

TIOBE每个月都会新鲜出炉一份流行编程语言排行榜，这里会列出最流行的20种语言。排序说明不了语言的好坏，反应的不过是某个软件开发领域的热门程度。语言的发展不是越来越common，而是越来越专注领域。有的语言专注于简单高效，比如python...

99+

2023-01-31

python
Python 和 C++ 混合编程：pybind11 使用

Python 和 C++ 混合编程：pybind11 使用 1. 目的需求2. pybind 11 简介3. 使用实践：一个简单的实例3.1 开发环境3.2 准备工作3.3 建立工程 test...

99+

2023-09-09

python c++ 开发语言
Python中的魔法函数总结整理

基本魔法方法功能 __new__(cls[, ...]) 1. new 是在一个对象实例化的时候所调用的第一个方法 2. 它的第一个参数是这个类，其他的参数是用来直接传递给 init 方法 3. new 决定是否要使用该 i...

99+

2023-01-31

函数魔法 Python
Python和C++的混合编程(使用Bo

　　想要享受更轻松愉悦的编程，脚本语言是首选。想要更敏捷高效，c++则高山仰止。所以我一直试图在各种通用或者专用的脚本语言中将c++的优势融入其中。原来贡献过一篇《c++和js的混合编程》也是同样的目的。　　得益于机器学习领域的发展，...

99+

2023-01-30

Python Bo
python通过函数名调用函数的几种方法总结

一、通过eval实现常用内置函数 (不用import就可以直接使用) ： help(obj) 在线帮助, obj可是任何类型 callable(obj...

99+

2024-04-02
【整理总结】一些php中常用的内置函数

作为一个广泛使用的编程语言，PHP有许多内置函数可供使用。在编码过程中，掌握这些函数可以使开发人员更快速、高效地编写代码。本文将探讨 PHP 中常用的一些函数。一、字符串处理函数strlen(string $string)：获取字符串长度该...

99+

2023-05-14
C++中调用复制(拷贝)函数的三种情况总结

目录1.同一类中的对象1复制给对象22.以对象为函数的形参3.函数返回是类的对象例题如下（让我记忆犹新）1.同一类中的对象1复制给对象2 同样是Point p1; Point p2;...

99+

2022-11-13

C++调用复制函数 C++调用拷贝函数 C++调用函数
PHP 函数与 OOP 编程如何结合使用？

php 函数式编程与 oop 可结合使用，通过方法调用，将函数式函数应用于 oop 类实例，结合两者的优势。例如，使用函数式函数計算字符串长度：function stringlength...

99+

2024-04-18

php oop
C语言程序怎么调用Python函数

本篇文章为大家展示了C语言程序怎么调用Python函数，内容简明扼要并且容易理解，绝对能使你眼前一亮，通过这篇文章的详细介绍希望你能有所收获。Python脚本，存为pytest.pydef add(a,b): ...

99+

2023-06-17
python数据处理67个pandas函数总结看完就用

目录导⼊数据导出数据查看数据数据选取数据处理数据分组、排序、透视数据合并不管是业务数据分析，还是数据建模。数据处理都是及其重要的一个步骤，它对于最终的结果来说，至关重...

99+

2024-04-02
Python处理字符串的常用函数实例总结

目录前言字符串都有哪些操作？第一类判断识别字符串第二类字符串编辑的操作第三类：字符串跟字节串的互转总结前言今天我们说了字符串的基础，格式化，这次我们讲解字符串的常用函数...

99+

2024-04-02
shell编程入门之变量，字符串，数组，函数使用方法总结

一. 变量变量定义定义变量时，变量名不加美元符号 your_name="jb51.net" 注意，变量名和等号之间不能有空格。除了显式地直接赋值，还可以用语句给变量赋值，如，...

99+

2024-04-02
Python编程itertools模块处理可迭代集合相关函数

容器与可迭代对象在正式开始前先补充一些基本概念在 Python 中存在容器与可迭代对象容器：用来存储多个元素的数据结构，例如列表，元组，字典，集合等内容； ...

99+

2024-04-02
numpy数据处理的神器：ASP 函数和异步编程技术的完美结合。

NumPy是Python中用于科学计算的一个强大的库。它提供了高效的多维数组对象和用于操作这些数组的各种函数。然而，当数据集足够大时，NumPy的处理速度也会变慢。这时，我们可以使用ASP函数和异步编程技术来加速处理。 ASP函数是一种类...

99+

2023-09-04

函数异步编程 numpy
C++ 函数调用泛型编程：参数传递和返回值的类型抽象

泛型编程可实现代码的类型抽象，包括参数传递和返回值类型抽象。参数传递抽象使用模板指定参数类型，如 template t sum(t a, t b)，允许对不同类型进行求和。返回值抽象使用...

99+

2024-05-03

c++ 泛型编程
函数式编程在 Python 日志处理中的应用？

函数式编程在 Python 日志处理中的应用随着大数据时代的到来，日志数据的处理成为了一项重要的任务。Python 作为一种高效、易学的编程语言，被广泛应用于日志处理领域。在日志处理过程中，函数式编程成为了一种越来越流行的编程范式，它可以...

99+

2023-07-22

日志分布式函数
五种编程语言（Python、Java、C++、JavaScript、PHP）实现冒泡排序算法及其原理和总结

本文介绍了五种不同编程语言（Python、Java、C++、JavaScript、PHP）实现冒泡排序算法的代码及其原理和总结。冒泡排序是一种简单的排序算法，通过重复遍历待排序的数组，每次比较相邻的两...

99+

2023-09-02

算法排序算法数据结构
想要更高效的数据处理吗？ASP 函数和异步编程技术结合numpy为您助力！

在现代数据处理应用中，处理速度和效率是至关重要的。如果您正在处理大量数据，您需要一个快速和高效的方式来处理它们。这就是为什么ASP函数和异步编程技术结合numpy能够帮助您提高数据处理效率的原因。在本文中，我们将深入探讨如何使用这些技术来...

99+

2023-09-04

函数异步编程 numpy