如何将numpy数组视图转换为opencv矩阵？

Question

我使用opencv v2.2在ndarrays上做了一些模板匹配，当使用它们的包装方法cv.fromarray()时，我遇到了很大的内存泄漏问题。而不是插上内存泄漏我避免了fromarray()功能，直接使用cv.SetData，就像这样：

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和foo_cv似乎正确时，它超出范围被释放。但是，现在我有问题，如果foo_numpy只是一个更大的阵列上的片/视图，我不允许foo_numpy.data（无法获得不连续阵列的单段缓冲区）。目前我正在通过制作foo_numpy.copy()（如果foo_numpy.base != None）来解决这个问题，它允许获取新副本上的缓冲区。但我有这种感觉，这是不必要的，该片有__array_struct__和__array_interface__，所以我应该能够用适当的步骤以某种方式跨步它？我不知道如何以一种很好的方式来做到这一点，因为这一个基地也可以在另一个更大的数组无限期的视图。

Answer 1

我想与你试图做的问题是，数组数据你感兴趣的（即foo_np_view）实际上是只存储在一个地方，即foo_np.data和OpenCV的SetData方法不提供任何指定跨度设置的方法，这将允许您跳过不属于foo_np_view的字节。

可以，但是，使用numpy的的tostring()方法，它变成一个阵列（或视图文献）为字节串解决这个问题：

>>> 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) 

重新创建原始问题：

>>> 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（参见下面的步幅设置说明）：

>>> 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 

价值w * d * foo_np_view.dtype.itemsize为我们提供了完全相同的foo_np_view.copy()，作为视图的字符串表示和它的拷贝是相同的这是必要的一大步值：

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