如何用python调用C++处理图片

一. 背景

  1. 用pyhton可直接调用C++,减少重写的工作量;
  2. 部分逻辑运算,C++的执行效率高,可进行加速。
    下面就一个简单的C++滤镜(彩色图转灰度图)为例,展示python调用C++

二. 代码实现

代码结构如下:

bash 复制代码
.
├── build
├── CMakeLists.txt
├── image_processing.cpp    # C++头文件
├── image_processing.h      # C++源文件
└── image_process.py        # python调用C++

各个文件的内容如下

image_processing.h

cpp 复制代码
#ifndef IMAGE_PROCESSING_H
#define IMAGE_PROCESSING_H

#include <opencv2/opencv.hpp>

extern "C" {
    void process_image(const unsigned char* input, unsigned char* output, int width, int height, int channels);
}

#endif // IMAGE_PROCESSING_H

image_processing.cpp

cpp 复制代码
#include "image_processing.h"

void process_image(const unsigned char* input, unsigned char* output, int width, int height, int channels) {
    cv::Mat input_image(height, width, channels == 3 ? CV_8UC3 : CV_8UC1, (void*)input);
    cv::Mat output_image(height, width, CV_8UC1);

    // 转换为灰度图像
    cv::cvtColor(input_image, output_image, cv::COLOR_BGR2GRAY);

    // 将处理后的图像数据复制到输出缓冲区
    std::memcpy(output, output_image.data, width * height * sizeof(unsigned char));
}

image_process.py

python 复制代码
import ctypes
import numpy as np
import cv2
import os

# 确定库文件路径
libname = "./build/libimage_processing.so"

# 加载共享库
image_lib = ctypes.CDLL(libname)

# 定义处理函数的原型
image_lib.process_image.argtypes = [
    ctypes.POINTER(ctypes.c_ubyte),  # 输入图像数据
    ctypes.POINTER(ctypes.c_ubyte),  # 输出图像数据
    ctypes.c_int,                    # 宽度
    ctypes.c_int,                    # 高度
    ctypes.c_int                     # 通道数
]

# 读取图像
input_image = cv2.imread('input.jpg')
height, width, channels = input_image.shape

# 创建输出缓冲区
output_image = np.zeros((height, width), dtype=np.uint8)

# 调用 C++ 处理函数
input_ptr = input_image.ctypes.data_as(ctypes.POINTER(ctypes.c_ubyte))
output_ptr = output_image.ctypes.data_as(ctypes.POINTER(ctypes.c_ubyte))
image_lib.process_image(input_ptr, output_ptr, width, height, channels)

cv2.imwrite("output.jpg", output_image)

CMakeLists.txt

python 复制代码
cmake_minimum_required(VERSION 3.10)
project(ImageProcessingLibrary)

# 设置 C++ 标准
set(CMAKE_CXX_STANDARD 11)
set(CMAKE_CXX_STANDARD_REQUIRED True)

# 查找 OpenCV 库
find_package(OpenCV REQUIRED)

# 包含 OpenCV 头文件
include_directories(${OpenCV_INCLUDE_DIRS})

# 添加库
add_library(image_processing SHARED image_processing.cpp)

# 链接 OpenCV 库
target_link_libraries(image_processing ${OpenCV_LIBS})

三. 编译代码 && 调用动态库

1. 编译代码

bash 复制代码
# 执行下面命令后,会生成动态库,./build/libimage_processing.so
mkdir build
cd build
cmake ..
make

2. 调用动态库

bash 复制代码
python image_process.py

效果如下(模拟灰度滤镜):

相关推荐
一点媛艺1 小时前
Kotlin函数由易到难
开发语言·python·kotlin
姑苏风1 小时前
《Kotlin实战》-附录
android·开发语言·kotlin
奋斗的小花生2 小时前
c++ 多态性
开发语言·c++
魔道不误砍柴功2 小时前
Java 中如何巧妙应用 Function 让方法复用性更强
java·开发语言·python
闲晨2 小时前
C++ 继承:代码传承的魔法棒,开启奇幻编程之旅
java·c语言·开发语言·c++·经验分享
_.Switch2 小时前
高级Python自动化运维:容器安全与网络策略的深度解析
运维·网络·python·安全·自动化·devops
老猿讲编程2 小时前
一个例子来说明Ada语言的实时性支持
开发语言·ada
UestcXiye3 小时前
《TCP/IP网络编程》学习笔记 | Chapter 3:地址族与数据序列
c++·计算机网络·ip·tcp
Chrikk3 小时前
Go-性能调优实战案例
开发语言·后端·golang
幼儿园老大*3 小时前
Go的环境搭建以及GoLand安装教程
开发语言·经验分享·后端·golang·go