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】。

相关官方文档

官方文档python和C相互调用

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：

• 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.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：

• 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 <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 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<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：

• Visual Studio头文件目录：D:\Program Files\Python36\Lib\site-packages\numpy\core\include，并在代码中#include <numpy/arrayobject.h>
• 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<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 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 modelmodel = 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 functiondef 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 loopwith 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comtgt_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))*255return 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) numpyprint(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 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 <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 npdef load_model():global device, modeldevice = torch.device('cuda')# Load modelmodel = 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 loopwith 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comtgt_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phapha = 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.ndarraypValue = 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

C++调用Python（混合编程）函数整理总结相关推荐

1. C++调用Matlab混合编程未定义函数或变量“javaaddpath“

   C++调用Matlab混合编程未定义函数或变量"javaaddpath" Matlab安装的时候一定要按照按照网上安装的步骤来,是matlab许可证没有许可. 联系:8524791 ...

2. android与python交互_Android与Python混合编程

   前言 早在2017年的时候,出于业余兴趣,我就开始研究关于Python移植到Android上的实现方案,我一直希望能实现Android与Python的混合编程,并为此写了一系列博客,我希望借助JNI技 ...

3. python利器怎么编程-C++和Python混合编程的利器

   Python是一种简单易学.功能强大的编程语言,它有高效率的高层数据结构,能简单而有效地实现面向对象编程.Python简洁的语法.对动态输入的支持和解释性语言的本质,使得它在很多领域的大多数平台上都是 ...

4. python和vb的代码可以通用吗-VB6+Python混合编程（COM组件）（转）

   VB6+Python混合编程(COM组件) 0.2572018.05.10 16:01:23字数 553阅读 3725 Python的方便不用说,VB6做GUI的简单程度更不用说.二者混合编程的需求一 ...

5. qt如何用python结合_在Qt(C++)中与Python混合编程

   一.PythonQt库 在Qt(C++)中与Python混合编程,可以使用PythonQt库. 网站首页:http://pythonqt.sourceforge.net 下载页面:https://so ...

6. python优点是代码库支持、灵活_C++和Python混合编程的利器

   Python是一种简单易学.功能强大的编程语言,它有高效率的高层数据结构,能简单而有效地实现面向对象编程.Python简洁的语法.对动态输入的支持和解释性语言的本质,使得它在很多领域的大多数平台上都是 ...

7. C++调用Python传入回调函数

   C++和Python混合编程 使用场景 C++调用Python算法,而算法是在一个循环中分步计算结果,计算过程的中间结构要在UI上实时渲染: 传回调函数的原因 刚开始想在线程中做运算,然后把结果放到队 ...

8. C++和Python混合编程：C++调用Python函数

   文章目录 一.C++直接运行python代码的控制台Demo 二.环境配置 三.C++调用Python函数 C++传入Python的参数格式转换 C++调用Python[有参有返回值]函数 C++运行 ...

9. c++ python混合编程 restful_简单上手nodejs调用c++(c++和js的混合编程)

   因为项目的原因,最近经常使用node.js搭RESTful接口. 性能还是很不错啦,感觉比Spring Boot之类的要快.而且在不错的性能之外,只要程序结构组织好,别让太多的回调把程序结构搞乱,整体 ...

10. Linux C++与Python混合编程（g++生成链接库与python调用）

    gcc/g++ 链接库的编译与链接 这一篇对动态链接库和静态链接库以及编译结果讲得很清楚,目前看到最好的. Linux下Python与C++混合编程

最新文章

1. Python加密—RSA加密
2. TMG标准版轻松升级到企业版---TMG 2010 系列之四
3. dockone上2015.08 Docker有价值文章
4. mongodb java 学习_《 mongodb 学习 》java 基本操作
5. 【Java】Java运行cmd命令直接导出.sql文件
6. Tips for vcpkg
7. 首届FineReport平台主题设计大赛火热启动
8. 微计算机控制技术 题库,微型计算机控制技术选择题
9. Nginx源码分析 - 主流程篇 - 模块的初始化（12）
10. Google Earth Studio黑科技，教你一键制作震撼的地球俯冲航拍等视频素材
11. aide, libgdx写一个爱心小游戏
12. 正则+案例：验证座机号码，过滤敏感词
13. 基于Nonebot2搭建QQ机器人（二）编写一个自动回复插件
14. Unity学习资源（超全）汇总 基础+项目+进阶+面试
15. 【IVIF:特征聚合网络】
16. cos三次方积分_cos三次方的定积分
17. 九大背包问题专题--有依赖的背包问题（树形Dp结合）
18. 二进制基带信号的时域特性
19. 职场打拼的15个基本能力
20. [HyperGraph专题]HGNN+:General Hypergraph Neural Networks

热门文章

1. C#和倍福PLC之间的通信
2. 取消键盘Fn功能键方式
3. 学java被“劝退”的第三天
4. 中国移动诺基亚联手推出智能机
5. appium 配置 IOS
6. 十二星座匹配对象_来看十二星座最配与最不配的对象是谁
7. 广东省如何办理甲级测绘资质
8. 二、【玩转 华为Atlas200 DK】之连接电脑和Atlas 200
9. 赵雅智：android教学大纲
10. mysql 记录所有操作_mysql记录操作