QT调用python传递图像和二维数组，并接受python返回值(图像)

任务目的：

用QT调用python代码，将QT读取的图像(Mat矩阵)作为参数传入python中，将QT的二维数组作为参数传递给python，python接收QT传入的图像进行计算，将结果返回给QT。

实现过程

1.新建QT项目

说明：QT的编译环境我使用的MinGW 64，编译的release包
（1）按照下图依次选择Application，Qt Widgets Application, 然后点击右下角Choose。
在这里插入图片描述
然后给项目起一个名字，名称：Qt_call_Python，创建路径：D:\QTWorkSpace（选择自己的路径）

继续下一步

继续下一步，在这里我使用的是Widget，在Base class里面选择QWiget即可，其它会自动默认，无须改变，当然改一下名字也可以，没什么问题。
在这里插入图片描述
继续下一步

这里注意，我选择的是Desktop Qt 5.14.2 MinGW 64-bit，主要是因为我编译Opencv时使用的就是这个，因此这里我选用这个编译器，这里需要搞清楚自己的opencv编译时自己选择的编译器，否则乱用的话可能会出现报错，例如找不到opencv中某些dll文件等等。
在这里插入图片描述
继续下一步

到此，项目新建完成，可以运行一下，看是否出现了空白窗体。

在这里插入图片描述

2.配置项目环境

（1）图像的读取操作需要借助Opencv库进行，因此项目新建完成后首先要配置Opencv库目录
首先在项目上右键，选择“添加库”
在这里插入图片描述
选择外部库

点击库文件，依次参照我的目录层级，找到自己opencv编译好的文件，也就是libopencv_world410.dll.a的目录，然后选中该文件，点击打开。

如下图，此处1位置，就是我们刚刚选择的libopencv_world410.dll.a的路径。注意2这个位置，包含路径在选择了1之后默认自己生成了一个目录，这个目录是错的，我们要通过浏览自己选择include的目录位置。
在这里插入图片描述
选到include之后，然后其它的不要动，全部默认即可，点击下一步

点击完下一步，出现这个界面，点击完成即可。

（2）配置python环境
由于我们需要调用python，所以python环境我们也需要添加到库目录中，执行步骤与上面类似。
选择库文件，我使用的是anaconda的虚拟环境，如果电脑是使用的python，也参照我的目录去寻找红色标记3位置的文件，然后选择打开即可。
在这里插入图片描述
包含路径同样是错误的，需要自己选择到include目录下。

然后点击下一步，随后选择完成即可。
在这里插入图片描述

（3）配置numpy环境

python科学计算库，numpy的使用频率太高，所以设计到图像的运算一般离不开它，但凡使用到python的numpy库了，不管是显示的调用还是潜在的调用，如果不配置这一步，都会报错

选择numpu库里面的npymath.lib即可，而且这次的包含目录不用自己选择，选择好库文件之后，包含路径正好就是numpy目录的include目录，如果不是的话自己修改一下即可。
在这里插入图片描述

至此，环境配置完毕，运行一下，看没有报错吧
此时的项目文件增加了很多库目录的配置代码，如下

按照下面的步骤依次选择编译器运行，可以下是否报错，没报错就说明成功了，没什么大问题，但是不保证
在这里插入图片描述

（4）运行代码

python文件一定要放置在运行目录下面，也就是func.py
在这里插入图片描述
func.py代码如下

# This Python file uses the following encoding: utf-8
import cv2
import numpy as np
def myfunc(imgdata):
    print(121)
    image = cv2.imread("3.jpeg")
    cv2.imshow("mywindow", image)
    print(123)
    print(imgdata.shape)
    print(124)
    a,b=imgdata.shape[0],imgdata.shape[1]
    print(125)
    result=imgdata[0:a>>1,0:b>>1]
    print(126)
    print("python out",result.shape)
    #return result,0
    # print(imgdata.shape)
    #a,b=imgdata.shape[0],imgdata.shape[1]
    #result=imgdata[0:a>>1,0:b>>1]
    #print("python out",result.shape)
    #return result,0
    print(np.arange(2))
    return image
    
def myfunc1(data):
    print(911)
    print(data)
    print("over")
# if__name__ == "__main__":
#     pass

QT项目中，其它都默认即可，主要是对main.cpp进行了改动，代码如下

#include "widget.h"
#include <QApplication>
#include <Python.h>
#include <opencv2/opencv.hpp>
#include <QApplication>
#include <iostream>
#include <numpy/ndarrayobject.h>
#include <QDebug>

using namespace std;
using namespace cv;
int main(int argc, char *argv[])
{
    QApplication a(argc, argv);

    // 设置主目录，就是python的主目录
    Py_SetPythonHome(L"D:\\Anaconda3\\envs\\python38");

    // 初始化python模块
    Py_Initialize();
    import_array();
    // 判定是否初始化成功
    if(!Py_IsInitialized())
    {
        cout<<"初始化python环境失败！"<<endl;
        return -1;
    }
    /*
     * 测试初始化后的python环境，自测使用
    PyRun_SimpleString("import sys");//引入sys模块
    PyRun_SimpleString("sys.path.append('./')");//将存放python文件的路径加入搜寻路径
    PyRun_SimpleString("import numpy as np");
    PyRun_SimpleString("import os");
    PyRun_SimpleString("from datetime import datetime, time");
    PyRun_SimpleString("print(\"hello python\")");
    cout << "point1" << endl;
    */
    // 将python文件导入成PyObject对象，func是python文件的名称，此处不要加.py
    PyObject* m_pyObj = PyImport_ImportModule("func");
    // 获取函数，myfunc表示调用的python文件内的myfunc函数
    PyObject *pFunc = PyObject_GetAttrString(m_pyObj, "myfunc");
    /*
     * 简单调用测试，测试python文件是否调用成功
    QString inputPara = "this is paras";
    //调用python中的Myfun函数,返回值是ret,s代表是字符串格式，如果是int则写i，double写d
    auto ret = PyObject_CallMethod(m_pyObj, "myfunc", "i", 2);
    */
    /

    // 读取一张图像
    cv::Mat image = cv::imread("3.jpeg");
    // 打印图像的大小
    cout<<image.size()<< endl;
    // 保存图像大小
    auto sz = image.size();
    int x = sz.width;
    int y = sz.height;
    int z = image.channels();
    //注意这个维度数据！
    npy_intp Dims[3] = {y, x, z};
    cout<<"point2"<<endl;
    cout << Dims[0] << endl;

    
    int array_x = 3;
    int array_y = 3;
    // 定义二维数组
    double CArrays[3][3] = {{1.3, 2.4, 5.6}, {4.5, 7.8, 8.9}, {1.7, 0.4, 0.8}};
    // 设置维度数据
    npy_intp Dims_array[2] = {3, 3};
    int nElem_array = 3 * 3;
    uchar* m_array = new uchar[nElem_array];
    // 将数组复制到新建的数组中
    std::memcpy(m_array, image.data, nElem_array * sizeof(uchar));
    // 生成包含这个多维数组的PyObject对象，使用PyArray_SimpleNewFromData函数，第一个参数3表示维度，第二个为维度数组Dims,第三个参数指出数组的类型，第四个参数为数组
    PyObject *PyArray_array  = PyArray_SimpleNewFromData(2, Dims_array, NPY_DOUBLE, (void*)m_array);
    // 创建一个大小为1的元组对象
    PyObject *ArgArray_array = PyTuple_New(1);
    // 设置Tuple的某一个元素，参数为索引index和要传入的PyObject对象
    PyTuple_SetItem(ArgArray_array, 0, PyArray_array);
    // 调用函数，传入Numpy Array 对象。
    PyObject_CallObject(pFunc, ArgArray_array);
    //调用函数，传入Numpy Array 对象。
    PyObject_CallMethod(m_pyObj, "myfunc1", "O", PyArray_array);
    

    // 所有像素点的数量，要乘以通道数，灰度图单通道，彩色图三通道
    int nElem = x * y * z;
    // 创建与像素个数大小相同的数组
    uchar* m = new uchar[nElem];
    // 将Mat格式矩阵数据复制到新建的数组中
    std::memcpy(m, image.data, nElem * sizeof(uchar));
    // 生成包含这个多维数组的PyObject对象，使用PyArray_SimpleNewFromData函数，第一个参数3表示维度，第二个为维度数组Dims,第三个参数指出数组的类型，第四个参数为数组
    PyObject *PyArray  = PyArray_SimpleNewFromData(3, Dims, NPY_UINT8, (void*)m);
    // 创建一个大小为1的元组对象
    PyObject *ArgArray = PyTuple_New(1);
    // 设置Tuple的某一个元素，参数为索引index和要传入的PyObject对象
    PyTuple_SetItem(ArgArray, 0, PyArray);
    // 调用函数，传入Numpy Array 对象。
    PyObject_CallObject(pFunc, ArgArray);
    //调用函数，传入Numpy Array 对象。
    PyObject *rest = PyObject_CallMethod(m_pyObj, "myfunc", "O", PyArray);
    // 获取返回值
    if(rest)
    {
        PyObject *repr = PyObject_Repr(rest);
        PyObject *imgfrompy = PyUnicode_AsEncodedString(repr, "utf-8", "strict");
        char *result = PyBytes_AsString(imgfrompy);
        // 打印返回值
        qDebug()<<result<<"end"<<endl;
    }
    Py_Finalize();

    Widget w;
    w.show();
    return a.exec();
}