Python 将存储的ndarray转换为使用C+；中的cPickle to cv:：Mat创建的二进制文件+；

我有一个

ndarray

保存

numpy.float64

数据，该数据使用

dump（）

方法以二进制格式存储到文件中

from cPickle import dump, HIGHEST_PROTOCOL
with open(filePath, 'wb') as f:
    dump(numpyArray, f, protocol=HIGHEST_PROTOCOL)

在撰写本文时，

HIGHEST_协议

使用了cPickle，但似乎没有多少关于该协议具体工作原理的文档

我试图做的是读取这个文件并用数据创建一个

cv:：Mat

对象（），这被证明是非常困难的

在这一点上，我希望能够尽快完成工作，而且我不太担心性能、存储空间和效率。然而，这些因素以后可能会变得很重要

因此，我的问题是，将此文件中的数据转换为

cv:：Mat

对象的最简单方法是什么？如果你认为最简单的方法不一定是最有效的方法，那么我也想听听你对此的想法。请注意，我可以使用不同的存储格式，可能只是一个文本文件，如果它能使Python和C++之间的互操作更容易。

---

我必须将

numpy

数组存储到磁盘上，因为我需要能够在移动设备（iOS和Android）上打开和读取此文件，而使用网络调用获取数据目前还不在桌面上。

Pickle可能不是将数据传输到Python以外语言的方便方法

事实上，我认为Pickle根本不适合用于数据存储，因为：

• 它需要Python
• 如果使用比当前使用的Python版本更高的Python版本保存，则可能无法正常工作
• 如果不信任数据源，则不安全

这并不是说它没有它的用途：它便于缓存、个人脚本或进程之间的数据通信

但其他人可能不同意这种观点

那么你会用什么呢？以下是一些想法：

• 二进制格式，使用

  tofile

  。这可能是追求速度和尺寸的方法，而且不太难做到
• CSV文件，可能已压缩（用于1D/2D阵列）。您可以使用

  savetxt

• JSON，可能是压缩的，带有

  tolist（）

  和

  转储文件

  。这将是缓慢的，并产生大文件，但它将是可移植的，它将适用于任何维度，甚至不相等的行/列长度
• 如果你可以使用熊猫，它支持

更多只是为了好玩：

• 将小整数的二维数组另存为无损灰度图像。或者更努力地使用3种颜色和alpha通道来存储单个精度浮点数组
• 使用（Fortan）无格式数据（，），这实际上相当有效地利用了空间，但受到许多可移植性问题的困扰
• 作为b64（b85表示额外点数）编码字符串。如果您知道矩阵布局，那么它是非常可移植的（反正是b64），并且可能比纯文本（比如csv）小

编辑：：

---

在工作中，我们避免了酸洗，而是使用numpy中的原始字节数组。我们得到字节数组，用lz4压缩它，然后用其他语言重建数组就很容易了。我们使用MUGODB来存储LZ4压缩字节数组。谢谢这个建议，但是最后我决定把<代码> NDAREX < /C> >作为CSV，然后加载到C++中。我知道这不是最有效的解决方案，但就目前而言，它是有效的。