基于pybind11实现Python调用c++编写的CV算法--上（Windows+VS）

C++ 是一种编译型(compiled)语言，设计重点是性能、效率和使用灵活性，偏向于系统编程、嵌入式、资源受限的软件和系统。

Python是一种解释型(interpreted)语言，同样也支持不同的编程范式。Python 内置了常用数据结构(str, tuple, list, dict)，简洁的语法、丰富的内置库(os,sys,urllib,...)和三方库(numpy, tf, torch ...)，功能强大。最为重要的是和能够和多种服务(flask…）和tensorflow、pytorch等无缝联合，从而方便将你的算法开放出去。

一方面，我们需要编译型语言(C++)性能；一方面，也需要解释型语言(Python)的灵活。这时，pybind11 可以用作 C++ 和 Python 之间沟通的桥梁。

Pybind11 是一个轻量级只包含头文件的库，用于 Python 和 C++ 之间接口转换，可以为现有的 C++ 代码创建 Python 接口绑定。Pybind11 通过 C++ 编译时的自省来推断类型信息，来最大程度地减少传统拓展 Python 模块时繁杂的样板代码， 已经实现了 STL 数据结构、智能指针、类、函数重载、实例方法等到Python的转换，其中函数可以接收和返回自定义数据类型的值、指针或引用。

由于在Windows上和在Linux上使用会有较大不同，所以我这里将分为两个部分来说明问题，本文为上篇，具体说明Windows+VS实现

1、vs的最简单调用

新创建项目，做以下修改：

 

 

 

这几个都是标准配置【当然还有更简便方法】，正常生成

#
       include        "pch.h"       
#       include        <iostream       >
       
#       include        <pybind11       /pybind11.h
       >
       
namespace py        = pybind11;       
PYBIND11_MODULE(example, m) {       
    m.doc()        =        "pybind11 example module";
       
           // Add bindings here       
    m.def(       "foo", []() {       
               return        "Hello, World!";       
    });       
}

 

其中：

The  ​​PYBIND11_MODULE()​​​  macro creates a function that will be called when an  ​​import​​​  statement is issued from within Python. The module name ( ​​example​​​ ) is given as the first macro argument (it should not be in quotes). The second argument ( ​​m​​​ ) defines a variable of type  ​​py::module​​​  which is the main interface for creating bindings. The method  ​​module::def()​​​  generates binding code that exposes the  ​​add()​​  function to Python.

 

生成结果中，只有pyd是需要的.

 

 

当你的python调用和pyd的文件在同一个目录下面就可以进行调用。

 

 

 

pyd是什么格式的文件:
1.PYD是一种PYTHON动态模块。
2.实质上还是dll文件,只是改了后缀为PYD。

 

这里特别需要注意，就是.pyd文件名和GOPyWarper这个函数名字一定要一样，否则报

错误。

2、vs添加OpenCV的调用

配置中，需要添加OpeCV部分。分别是附加包含目录和附加依赖项。

 

 

PYBIND11_MODULE(example, m) {
     
      

       
     
      

          m.doc() = "pybind11 example module";
     
      

       
     
      

          // Add bindings here
     
      

          m.def("foo", []() {
     
      

              Mat src = imread("e:/template/lena.jpg");
     
      

              Mat gray;
     
      

              cvtColor(src, gray, COLOR_BGR2GRAY);
     
      

              imshow("gray", gray);
     
      

              waitKey(0);//必须要设置，否则卡死
     
      

              return "Hello, OpenCV!";
     
      

          });

这种调用是没有问题的，关键的问题在于numpy数组和Mat的相互转换。只有这样，才能够将Mat和Python高质量融合。

 

// python调用C++.cpp : 此文件包含 "main" 函数。程序执行将在此处开始并结束。
       

       //
       
#       include        "pch.h"       
#       include        <iostream       >       
#       include        <opencv2       /core.hpp       >       
#       include        <opencv2       /imgcodecs.hpp       >       
#       include        <opencv2       /imgproc.hpp       >       
#       include        <opencv2       /highgui.hpp       >       
#       include        <pybind11       /pybind11.h       >       
using        namespace cv;       
using        namespace std;       
namespace py        = pybind11;       
PYBIND11_MODULE(example, m) {       
    m.doc()        =        "pybind11 example module";       
           // Add bindings here       
    m.def(       "foo", [](string strPath) {       
        Mat src        = imread(strPath);       
        Mat gray;       
        cvtColor(src, gray, COLOR_BGR2GRAY);       
        imshow(       "gray", gray);       
        waitKey(       0);       //必须设置，否则卡死       
               return        "Hello, OpenCV!";       
    });       
}

 

3、图片Mat作为输入和list作为输出

对于实际项目而言来说，输入的是图片，输出的vector（numpy)，这里就涉及到格式转换问题，目前找到解决方案。

src = cv2.imread( '', 1) 
var1 = GOPyWarper.test_rgb_to_gray(src)
cv2.imshow( 'gray',var1)

 

 

给出了3通道和1通道的numpy和Mat的转换，基本上是够用的，其它转换可以在内部进行。

然后在接口中有进一步封装，这个都是非常好理解的。

在输出这一块，有非常容易的方法，参考：这种方法虽然丑陋，但是有效。

py
      :
      :list test_pyramid_image(py
      :
      :array_t
      <
      unsigned       char
      >
      & input) {
      
          py::list out;       
           for (int i = 0; i < 100; i++)
      
       

           {
      
       

               out.append<py::int_>(i);
      
       

           }
      
       

           return out;

 

4、融合实现GOFindPip算法

输入图片，输出圆心数组(x、y排列），实现功能。

py : :list GO_FindPips(py : :array_t < unsigned  char > & input) {
     //输出结果
    py : :list out;
……

转换为release模式，能力有数量级的提升。

 

总的来看，在Windoes上的部署，由于VS提供了许多方便，所以比较流畅。

========================参考======

  ​​https://www.jianshu.com/p/9e03e2724964​​ 

pybind11—HOG特征提取以及python接口封装

​​https://www.jianshu.com/p/5dc844002d72​​

pybind11—目标跟踪demo(深度学习人脸检测跟踪)

​​https://www.jianshu.com/p/82a5748ed0fb​​

pybind11—目标跟踪demo(KCF，python version)

​​https://www.jianshu.com/p/be16847b0b74​​

pybind11—opencv图像处理(numpy数据交换)

【重要】 ​​https://www.jianshu.com/p/fb151f2e5b5e​​

pybind11—C++ STL

【重要】 ​​https://www.jianshu.com/p/e2a48213e241​​

pybind11—函数，返回值，数据转换

【重要】 ​​https://www.jianshu.com/p/5918fa66b101​​

pybind11—类(继承，重载，枚举)

【重要】​​https://www.jianshu.com/p/9619f8f02891​​

pybind11使用

​​https://www.jianshu.com/p/fcded412d0bb​​

 

 pybind11—类，结构体

【重要】 ​​https://zhuanlan.zhihu.com/p/93299698​​

191123 使用 Pybind11 和 OpenCV 创建 Python 库