如何通过ctypes将C++端OpenCV3的cv::Mat转为Python的Numpy数组并显示？

我来帮你搞定这个跨语言图像转换的问题！结合你提到的两个导出函数，咱们分步骤实现，避开那些容易踩的坑。

第一步：确认C++端导出函数的正确性 #

首先要确保你的C函数是C语言调用约定导出的，不然ctypes会找不到函数名（C的名字修饰会搞乱函数名）。另外，建议把cv::Mat的type也返回，因为Numpy需要知道数据类型和通道数才能正确解析。

示例C++代码（适配你的共享内存逻辑）：

#include <opencv2/opencv.hpp>
#include <cstdint>

// 假设这是你从共享内存读取到的图像，要确保它在Python使用期间不会被释放
cv::Mat g_shared_mat;

// 用extern "C"导出C风格函数，避免名字修饰
extern "C" {
    // 定义存储cv::Mat属性的结构体
    struct MatProperties {
        int rows;          // 图像高度
        int cols;          // 图像宽度
        size_t step;       // 每行字节数（含对齐）
        int mat_type;      // cv::Mat的type，比如CV_8UC3
    };

    // 导出获取属性的函数
    __declspec(dllexport) MatProperties get_mat_properties() {
        MatProperties props;
        props.rows = g_shared_mat.rows;
        props.cols = g_shared_mat.cols;
        props.step = g_shared_mat.step;
        props.mat_type = g_shared_mat.type();
        return props;
    }

    // 导出获取数据指针的函数
    __declspec(dllexport) uint8_t* get_mat_data() {
        return g_shared_mat.data;
    }
}

注意：__declspec(dllexport)是Windows下的导出标记，Linux/macOS下编译时加上-fPIC -shared参数即可，不需要这个标记。

第二步：Python端实现转换与显示 #

在Python里，我们用ctypes对接C++函数，再用Numpy直接映射C内存（避免拷贝，提升效率），最后显示图像。

示例Python代码：

import ctypes
import numpy as np
import cv2

# 1. 定义与C++对应的结构体类型
class MatProperties(ctypes.Structure):
    _fields_ = [
        ("rows", ctypes.c_int),
        ("cols", ctypes.c_int),
        ("step", ctypes.c_size_t),
        ("mat_type", ctypes.c_int)
    ]

# 2. 加载共享库（Windows用.dll，Linux用.so，macOS用.dylib）
lib = ctypes.CDLL("./your_shared_lib.so")  # 替换成你的库路径

# 3. 声明函数的返回类型，让ctypes正确解析返回值
lib.get_mat_properties.restype = MatProperties
lib.get_mat_data.restype = ctypes.POINTER(ctypes.c_uint8)

# 4. 获取图像属性和数据指针
props = lib.get_mat_properties()
data_ptr = lib.get_mat_data()

# 5. 将C内存映射为Numpy数组（无拷贝，直接使用原内存）
# 先创建一个ctypes数组，再转成Numpy数组
total_bytes = props.step * props.rows
c_buffer = ctypes.cast(data_ptr, ctypes.POINTER(ctypes.c_uint8 * total_bytes))[0]
img_raw = np.frombuffer(c_buffer, dtype=np.uint8)

# 6. 根据cv::Mat的type解析出正确的图像形状和通道数
# 从mat_type中提取深度和通道数
depth = props.mat_type & 0xFF
channels = 1 + (props.mat_type >> 8) & 0xFF

# 处理不同通道的情况
if channels == 1:
    # 单通道：直接截取每行有效宽度（排除对齐的额外字节）
    img_np = img_raw.reshape((props.rows, props.step))[:, :props.cols]
elif channels == 3:
    # 三通道：先截取有效字节，再转成(height, width, 3)的形状
    valid_bytes = props.cols * channels
    img_np = img_raw.reshape((props.rows, props.step))[:, :valid_bytes].reshape((props.rows, props.cols, channels))
    # 如果用cv2.imshow可以跳过这个转换；如果用matplotlib显示，需要转BGR到RGB
    img_np = cv2.cvtColor(img_np, cv2.COLOR_BGR2RGB)

# 7. 显示图像
cv2.imshow("Shared Memory Image", img_np)
cv2.waitKey(0)
cv2.destroyAllWindows()

关键注意事项 #

• 内存生命周期：必须保证Python使用图像期间，C++端的g_shared_mat不能被释放或覆盖，否则Python里的Numpy数组会变成野指针，导致程序崩溃或显示乱码。
• 数据类型适配：如果你的cv::Mat不是8位无符号类型（比如CV_16UC1或CV_32FC3），需要修改Numpy的dtype：比如np.uint16对应16位无符号，np.float32对应32位浮点。
• 字节对齐：OpenCV的step可能比cols*channels大（为了内存对齐提升效率），所以必须用step*rows计算总字节数，再截取有效部分，否则图像会出现错位。

内容的提问来源于stack exchange，提问作者Frey