Python 如何将OpenCV cvMat转换回numpy和xFF1F中的ndarray；

我按照OpenCV cookbook for python接口中的代码将cvMat转换为numpy数组：

mat = cv.CreateMat(3,5,cv.CV_32FC1)
cv.Set(mat,7)
a = np.asarray(mat)

---

但在我的PC上使用OpenCV 2.1时，它无法工作。结果a这里是一个对象数组，使用“打印a”不会打印a中的所有元素，只打印

。因此，如何将OpenCV Mat对象完全转换为原始的numpy.ndarray对象。

你是对的，cookbook示例对我也不起作用，我得到了与你相同的输出（win xp、python 2.6.6、OpenCV 2.1、numpy 1.5.1）

也许您可以使用类似于：

>>> mat = cv.CreateMat(3,5,cv.CV_32FC1)
>>> cv.Set(mat,7)
>>> mylist = [[mat[i,j] for i in range(3)] for j in range(5)]
>>> ar = np.array(mylist)
>>> ar
array([[ 7.,  7.,  7.],
       [ 7.,  7.,  7.],
       [ 7.,  7.,  7.],
       [ 7.,  7.,  7.],
       [ 7.,  7.,  7.]])

---

对于OpenCV的2.1版本，如果您需要共享内存，如果您不关心一点C编程和SWIG包装，您可以尝试我使用了一段时间的解决方案：

CvMat * npymat_as_cvmat_32f(float * npymat_float, int rows, int cols)
{
  CvMat * cvmat;

  cvmat = cvCreateMatHeader(rows, cols, CV_32FC1);
  cvSetData(cvmat, npymat_float, cols * sizeof(float));

  return cvmat;
}

创建标题，例如mat_conversion.h：

/* npymat_as_cvmat_32f
 * 
 * Create an OpenCV CvMat that shared its data with the input NumPy double array
 */
CvMat * npymat_as_cvmat_32f(float * npymat_float, int rows, int cols);

和一个接口文件（numpy_满足opencv.i）：

最后，你可以做你的事情：

In [1]: import numpy_meets_opencv as npyocv
In [2]: import opencv as cv
In [4]: import numpy as npy
In [12]: Inpy = npy.zeros((5,5), dtype=npy.float32)
In [13]: Iocv = npyocv.npymat_as_cvmat_32f(Inpy)
In [14]: Inpy
Out[14]: 
array([[ 0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.]], dtype=float32)
In [15]: Iocv
Out[15]: <opencv.cv.CvMat; proxy of <Swig Object of type 'CvMat *' at 0x30e6ed0> >
In [17]: cv.cvSetReal2D(Iocv, 3,3, 255)
In [18]: Inpy
Out[18]: 
array([[   0.,    0.,    0.,    0.,    0.],
       [   0.,    0.,    0.,    0.,    0.],
       [   0.,    0.,    0.,    0.,    0.],
       [   0.,    0.,    0.,  255.,    0.],
       [   0.,    0.,    0.,    0.,    0.]], dtype=float32)

[1]中的

：将numpy作为npyocv导入opencv
在[2]中：将opencv作为cv导入
在[4]中：将numpy作为npy导入
[12]中：Inpy=npy.zeros（（5,5），dtype=npy.float32）
在[13]中：Iocv=npyocv.npymat_as_cvmat_32f（Inpy）
In[14]：Inpy
出[14]：
数组（[[0,0,0,0,0,0.]），
[ 0.,  0.,  0.,  0.,  0.],
[ 0.,  0.,  0.,  0.,  0.],
[ 0.,  0.,  0.,  0.,  0.],
[0,0,0,0,0,0.]]，dtype=float32）
在[15]中：Iocv
出[15]：
在[17]中：cvSetReal2D（Iocv，3,3255）
In[18]：Inpy
出[18]：
数组（[[0,0,0,0,0,0.]），
[   0.,    0.,    0.,    0.,    0.],
[   0.,    0.,    0.,    0.,    0.],
[   0.,    0.,    0.,  255.,    0.],
[0,0,0,0,0,0.]]，dtype=float32）

在调用

np时，尝试将
[：，：]
附加到矩阵中（即使用
mat[：，：]
而不是
mat
），asarray

-这样做还可以让

asarray

处理图像

你的例子是：

>>> import cv
>>> import numpy as np
>>> mat = cv.CreateMat( 3 , 5 , cv.CV_32FC1 )
>>> cv.Set( mat , 7 )
>>> a = np.asarray( mat[:,:] )
>>> a
array([[ 7.,  7.,  7.,  7.,  7.],
       [ 7.,  7.,  7.,  7.,  7.],
       [ 7.,  7.,  7.,  7.,  7.]], dtype=float32)

对于图像：

>>> im = cv.CreateImage( ( 5 , 5 ) , 8 , 1 )
>>> cv.Set( im , 100 )
>>> im_array = np.asarray( im )
>>> im_array
array(<iplimage(nChannels=1 width=5 height=5 widthStep=8 )>, dtype=object)
>>> im_array = np.asarray( im[:,:] )
>>> im_array
array([[100, 100, 100, 100, 100],
       [100, 100, 100, 100, 100],
       [100, 100, 100, 100, 100],
       [100, 100, 100, 100, 100],
       [100, 100, 100, 100, 100]], dtype=uint8)

im=cv.CreateImage（（5,5,8,1） >>>cv.设置（im，100） >>>im_数组=np.asarray（im） >>>im_阵列 数组（，dtype=object） >>>im_array=np.asarray（im[：，：]） >>>im_阵列 数组（[[100100100100100]， [100, 100, 100, 100, 100], [100, 100, 100, 100, 100], [100, 100, 100, 100, 100], [100100100100100]]，dtype=uint8）

---

谢谢！这是一个可行的解决方案，但当垫子的尺寸较大时，即远大于3和5，我认为计算“mylist”会浪费很多时间，对吗？@PinkyJie:使用生成器。这是未经测试的，但它可能起作用：MyList=（（Mat（i，j）在i（范围）（3））范围内的J（5））@ PLAES：您的解决方案与“Jajin”S.@ PinkyJie相同：这取决于尺寸有多大，以及您认为运行时间过长的原因是什么？测试它…@PinkyJie，plaes建议使用生成器（括号）而不是列表（括号），以便在管理大量数据时节省内存并提高速度。我想你不明白我的问题，你的答案将numpy.ndarray转换为cvMat，但我问的是如何将cvMat转换为numpy.ndarray。如果您想简单地将numpy数组转换为cvMat，我认为有一种简单的方法。这里有一个例子：data=np.array（range（1,9），np.float32）a=cv.CreateMat（2,4，cv.cv_32FC1）cv.SetData（a，data，cv.cv_AUTOSTEP）@PinkyJie，我考虑了处理图像时经常遇到的问题，有时使用Numpy工具，有时使用OpenCV工具，但总是处理内存中的相同数据。您在上面介绍的解决方案在我的系统中引发了一个TypeError：“在方法'cvSetData'中，参数2的类型为'void*”。这是因为OpenCV Python包装器没有正确执行强制转换。我认为我们使用的接口不一样，我使用了从OpenCV 2.0开始的新Python接口，而不是基于swig的Python接口。@PinkyJie，我想这是因为我使用的是Ubuntu的预编译包（Python OpenCV）。可能预编译包正在使用SWIG接口。谢谢你的“记住我”。我用opencv 2.1在我的电脑上测试你的答案，它不起作用。将[：，：]添加到矩阵中仍然会产生错误的输出，如对象数组，您的opencv版本与我的相同吗？@PinkyJie，很抱歉听到它仍然不起作用。我在Ubuntu上使用OpenCV 2.1。差异可能与您使用的Numpy版本有关（使用

np.version.version

来了解-我使用的是1.3版）。真奇怪，我使用的是Numpy 1.5.1

>>> import cv
>>> import numpy as np
>>> mat = cv.CreateMat( 3 , 5 , cv.CV_32FC1 )
>>> cv.Set( mat , 7 )
>>> a = np.asarray( mat[:,:] )
>>> a
array([[ 7.,  7.,  7.,  7.,  7.],
       [ 7.,  7.,  7.,  7.,  7.],
       [ 7.,  7.,  7.,  7.,  7.]], dtype=float32)

>>> im = cv.CreateImage( ( 5 , 5 ) , 8 , 1 )
>>> cv.Set( im , 100 )
>>> im_array = np.asarray( im )
>>> im_array
array(<iplimage(nChannels=1 width=5 height=5 widthStep=8 )>, dtype=object)
>>> im_array = np.asarray( im[:,:] )
>>> im_array
array([[100, 100, 100, 100, 100],
       [100, 100, 100, 100, 100],
       [100, 100, 100, 100, 100],
       [100, 100, 100, 100, 100],
       [100, 100, 100, 100, 100]], dtype=uint8)