如何将 numpy 数组视图转换为 opencv 矩阵？

Question

我正在使用 opencv v2.2 在 ndarray 上进行一些模板匹配，并且在使用其包装方法 cv.fromarray() 时遇到了内存泄漏的很大问题。我没有堵塞内存泄漏，而是避免使用 fromarray() 函数并直接使用 cv.SetData，如下所示：

assert foo_numpy.dtype == 'uint8'
assert foo_numpy.ndim == 3
h, w = foo_numpy.shape[:2]
foo_cv = cv.CreateMat(h, w, cv.CV_8UC3)
cv.SetData(foo_cv, foo_numpy.data, foo_numpy.strides[0])

这似乎解决了内存泄漏，并且 foo_cv< /code> 超出范围时似乎已正确释放。但是，现在我遇到的问题是，如果 foo_numpy 只是更大数组上的切片/视图，则不允许 foo_numpy.data （无法获取单段缓冲区对于不连续的数组）。目前，我正在通过设置 foo_numpy.copy() if foo_numpy.base != None 来解决这个问题，这允许在新副本上获取缓冲区。但我觉得这是不必要的，切片有 __array_struct__ 和 __array_interface__ 所以我应该能够以适当的步长以某种方式跨过它？我不知道如何以一种好的方式做到这一点，因为这个的基础也可以是另一个更大的数组的视图。

Answer 1

我认为您想要做的问题是您感兴趣的数组数据（即 foo_np_view）实际上只存储在一个地方，即 foo_np.data >，并且 OpenCV SetData 方法不提供任何指定步幅设置的方法，从而允许您跳过不属于 foo_np_view 的字节。

但是，您可以使用 Numpy 的 tostring() 方法解决此问题，该方法将数组（或其中的视图）转换为字节字符串：

>>> import numpy as np
>>> import cv
>>> foo_np = np.array( 255 * np.random.rand( 200 , 300 , 3 ), dtype = 'uint8' )
>>> foo_np_view = foo_np [ 50:150:2 , 10:290:5 , : ]
>>> h,w,d = foo_np_view.shape
>>> foo_cv = cv.CreateMat( h , w , cv.CV_8UC3 )

重现原始问题：

>>> cv.SetData( foo_cv , foo_np_view.data, foo_np_view.strides[0] )
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: cannot get single-segment buffer for discontiguous array

使用 tostring() 方法（有关步幅设置的说明，请参见下文）：

>>> cv.SetData( foo_cv , foo_np_view.tostring() , w * d * foo_np_view.dtype.itemsize )
>>> np.array_equal( np.asarray( foo_cv ) , foo_np_view )
True

值 w * d * foo_np_view.dtype.itemsize 为我们提供了与foo_np_view.copy()，这是必要的，因为视图及其副本的字符串表示形式是相同的：

>>> foo_np_view.copy().tostring() == foo_np_view.tostring()
True
>>> foo_np_view.copy().strides[0] == w * d * foo_np_view.dtype.itemsize
True