使用开源代码完成 Python numpy.ndarray 转 C++ cv::Mat

前言

本文解决了上一篇文章中的接口问题(cv::Mat to numpy.ndarray)，使用的工具是github上Gregory Kramida的一个项目pyboostcvconverter。关于该项目的介绍和使用方式在其Readme中有详细的介绍，因此本文主要介绍使用过程中会出现的若干问题和解决办法。

---

问题

1. cmake-gui 路径设置

在Readme中，作者Gregory Kramida建议使用cmake-gui进行编译链接，设置的主要是boost和Python的路径，以下为笔者设置的路径

OpenCV_Dir 		                	/usr/local/share/OpenCV
PYTHON_Desire_version		        3.X

Boost_include_dir 	            	/usr/include
Boost_Library_dir		            /usr/lib
Boost_Python-PY37_Library_xx    	/usr/lib/x86_64-linux-gnu/libboost_python-py37.so
Boost_Python37_Library_xx       	/usr/lib/x86_64-linux-gnu/libboost_python-py37.so

PYTHON3_EXECUTABLE	            	/home/zhantao/anaconda3/bin/python
PYTHON3_INCLUDE		            	/home/zhantao/anaconda3/include/python3.7m
PYTHON3_Library		            	/home/zhantao/anaconda3/lib/libpython3.7m.so
PYTHON3_NUMPY_INCLUDE				/home/zhantao/anaconda3/lib/python3.7/site-packages/numpy/core/include
PYTHON3_PACKAGE_PATH	        	lib/python3.7/site-packages

其中需要注意的问题有：

• 1 如果在configure时报错：找不到libboost_python-py37，同时通过查找也发现本机确实只安装了相近版本的boost-python库，例如libboost_python-py35，那么可以直接将libboost_python-py35.so复制一份，改名为libboost_python-py37.so。这一操作不影响编译链接结果。(另：Library的路径一定要精确到.so文件)
• 2 选择Python路径时，要考虑之后这一Python module会在哪一版本的Python下使用（2.x, 3.x），设置对应的版本路径即可。这里由于安装了anaconda，默认Python版本是3.7.1，且之后也在该环境下使用，故所有的Python相关路径都设置到anaconda内，相比在系统内找比较简单。
• 3 最后需要注意的一点是，cmake-gui可能报找不到Python Interpreter，这一警告的原因是可能只找到了3.x版本的解释器，因此只要不报其他的错并且可以 generate 出来就没问题。

2. 封装完函数后

在添加完用户自己的函数或者类和命名空间后，进行编译链接时需要注意以下几个问题：

• 1 由于整个程序只是生成一个库文件，因此编译器链接器不会对一些变量是否被定义进行检查。如果某些函数所使用的库没有被包含在CMakeLists文件的find_package语句中，虽然编译链接没有问题，但是使用该库时会出现：undefined symbol: _2N2Qmdxxxxxx 的报错。
  ——解决方法: 核对使用的库并添加到CMakeLists中，例如 find_package(OpenCV COMPONENTS core imgproc highgui REQUIRED)
• 2 将生成的库文件(.so)复制到使用的Python文件夹下 site-packages 文件夹中，然后即可在Python中import定义的函数或类。
• 3 最后一个问题是使用IDE时注意选择build的类型，如果已经完成了代码的检查和确认，建议使用release的build类型，否则生成的库文件将很大，Python调用时也会非常慢。在命令行中可以通过使用 -O3 等参数要求编译器自动优化。