如何将numpy数组视图转换为opencv矩阵？

Question

我正在使用opencv v2.2在ndarrays上进行一些模板匹配，并且在使用其包装方法cv.fromarray()时遇到内存泄漏的麻烦。 与其避免内存泄漏，我避免了fromarray()函数， cv.SetData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，并且在超出范围时foo_cv似乎已被正确释放。 但是，现在我遇到的问题是，如果foo_numpy只是更大数组上的一个切片/视图，则不允许我foo_numpy.data （无法为不连续数组获取单段缓冲区）。 目前，我正在通过foo_numpy.base != None来制作foo_numpy.copy()解决此问题，这允许在新副本上获取缓冲区。 但是我感觉这是不必要的，切片具有__array_struct__和__array_interface__所以我应该能够以适当的步长以某种方式跨越它？ 我不确定如何以一种很好的方式进行操作，因为此操作的基础也可以是另一个无限大数组广告的视图。

Answer 1

我认为您尝试执行的操作的问题在于，您感兴趣的数组数据（即foo_np_view ）实际上仅存储在一个位置，即foo_np.data ，而OpenCV SetData方法没有提供任何方法来指定跨步设置，以允许您跳过不属于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

w * d * foo_np_view.dtype.itemsize值为我们提供了与foo_np_view.copy()相同的步幅值，这是必需的，因为视图及其副本的字符串表示形式相同：

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