目标
OpenCV-Python bindings如何生成?modules/python/src2 中的一些Python脚本,从C ++头自动生成这些包装器函数。我们将调查他们的工作。modules/python / CMakeFiles.txt 是一个CMake脚本,用于检查要扩展到Python的模块。它将自动检查所有要扩展的模块并获取其头文件。这些头文件包含该特定模块的所有类,函数,常量等的列表。modules/python/src2/gen2.py 。这是Python Binding生成器脚本。它调用另一个Python脚本module/python/src2/hdr_parser.py 。这是标头解析器脚本。此标头解析器将完整的标头文件拆分为较小的Python列表。因此,这些列表包含有关特定函数,类等的所有详细信息。例如,将对一个函数进行解析以获取一个包含函数名称,返回类型,输入参数,参数类型等的列表。最终列表包含所有函数,枚举的详细信息,头文件中的structs,classs等。build/modules/python/ 文件夹中以pyopencv_genic_*.h文件找到这些标头文件)。但是可能会有一些基本的OpenCV数据类型,例如Mat,Vec4i,Size。它们需要手动扩展。例如,Mat类型应扩展为Numpy数组,Size应扩展为两个整数的元组,等等。类似地,可能会有一些复杂的结构/类/函数等需要手动扩展。所有这些手动包装函数都放在modules/python/src2/cv2.cpp 中。res = equalizeHist(img1,img2) ,你将传递两个numpy数组,并期望另一个numpy数组作为输出。因此,将这些numpy数组转换为cv::Mat,然后在C++中调用equalizeHist()函数。最终结果将res转换回Numpy数组。简而言之,几乎所有操作都是在C++中完成的,这给了我们几乎与C++相同的速度。如何扩展新的模块到Python?CV_EXPORTS_W 宏扩展功能。一个例子如下所示。CV_OUT ,CV_IN_OUT 等宏。
CV_EXPORTS_W 。为了扩展类方法,使用CV_WRAP 。同样,CV_PROP 用于类字段。{ public: CV_WRAP virtual void apply(InputArray src, OutputArray dst) = 0; CV_WRAP virtual void setClipLimit(double clipLimit) = 0; CV_WRAP virtual double getClipLimit() const = 0; } CV_EXPORTS_AS 扩展重载的函数。但是我们需要传递一个新名称,以便在Python中使用该名称调用每个函数。以下面的积分函数为例。提供了三个函数,因此每个函数在Python中都带有一个后缀。类似地,CV_WRAP_AS 可用于包装重载方法。
CV_EXPORTS_W_SIMPLE 进行扩展。这些结构按值传递给C ++函数。示例包括KeyPoint ,Match 等。它们的方法由CV_WRAP 扩展,而字段由CV_PROP_RW 扩展。{ public: CV_WRAP DMatch(); CV_WRAP DMatch(int _queryIdx, int _trainIdx, float _distance); CV_WRAP DMatch(int _queryIdx, int _trainIdx, int _imgIdx, float _distance); CV_PROP_RW int queryIdx; // query descriptor index CV_PROP_RW int trainIdx; // train descriptor index CV_PROP_RW int imgIdx; // train image index CV_PROP_RW float distance; }; CV_EXPORTS_W_MAP 导出其他一些小类/结构,并将其导出到Python本机字典中。Moments() 就是一个例子。
pyopencv_*.hpp 扩展标头,并将其放入模块的misc / python子目录中。但是大多数时候,根据OpenCV编码指南编写的代码将由生成器脚本自动包装。UMat 数据类型为例。首先,要提供特定于Python的方法,CV_WRAP_PHANTOM 的用法与CV_WRAP 相似,不同之处在于它以方法标头作为参数,并且你需要在自己的pyopencv_*.hpp 扩展名中提供方法主体。 UMat::queue() 和UMat::context() 是此类幻象方法的示例,这些幻象方法在C++接口中不存在,但在Python端处理OpenCL功能时需要使用。其次,如果一个已经存在的数据类型可以映射到你的类,则最好使用CV_WRAP_MAPPABLE 以源类型作为其参数来指示这种容量,而不是精心设计自己的绑定函数。从Mat映射的UMat就是这种情况。最后,如果需要默认参数,但本机C++接口中未提供,则可以在Python端将其作为CV_WRAP_DEFAULT 的参数提供。按照下面的UMat::getMat 示例:{ public: // 你需要提供 `static bool cv_mappable_to(const Ptr<Mat>& src, Ptr<UMat>& dst)` CV_WRAP_MAPPABLE(Ptr<Mat>); /! returns the OpenCL queue used by OpenCV UMat. // 你需要在资料夹代码中提供方法主体 CV_WRAP_PHANTOM(static void* queue()); // 你需要在资料夹代码中提供方法主体 CV_WRAP_PHANTOM(static void* context()); CV_WRAP_AS(get) Mat getMat(int flags CV_WRAP_DEFAULT(ACCESS_RW)) const; }; |
|
来自: taotao_2016 > 《it》