Eigen对接遗留C代码：高效将矩阵运算结果存入原始指针

我之前处理过类似的遗留C代码对接Eigen的场景，刚好能给你一套实用的落地方案。核心思路就是用Eigen的Map类直接把原始指针包装成Eigen的计算对象，既不用额外拷贝内存，又能完全复用Eigen的高效计算能力，完美适配你需要的函数接口。

完整实现示例 #

假设我们以double类型为例，先写一个可直接复用的模板版本：

#include <Eigen/Core>

// 定义你需要的元素数量
const int N = 10;

template<typename T>
T* func(T* x) {
    // 用Eigen::Map把原始指针包装成一维数组对象（按需换成Matrix也可以）
    // 如果内存不确定对齐，加Eigen::Unaligned标签：Eigen::Map<..., Eigen::Unaligned>
    Eigen::Map<Eigen::Array<T, Eigen::Dynamic, 1>> output_map(x, N);

    // --- 这里替换成你的Eigen计算逻辑 ---
    // 示例：生成0到9的递增序列，实际可以是矩阵乘法、逐元素运算等
    output_map = Eigen::Array<T, Eigen::Dynamic, 1>::LinSpaced(N, 0, 9);

    // 按照要求返回写入后的下一个指针位置
    return x + N;
}

// 测试用例
int main() {
    double buf[N]; // 调用方负责分配足够的内存
    double* end_ptr = func(buf);

    // 验证结果
    for (int i = 0; i < N; ++i) {
        printf("buf[%d] = %.1f\n", i, buf[i]);
    }

    // end_ptr 应该等于 buf + N，符合C风格内存操作的惯例
    return 0;
}

关键细节说明 #

• Eigen::Map的核心作用：它相当于原始内存的"视图"，直接操作x指向的内存空间，不需要额外分配或拷贝数据，完美适配遗留代码的内存管理逻辑。
• 灵活适配数据结构：如果你的计算是二维矩阵，只需要把Array换成Matrix即可，比如Eigen::Map<Eigen::Matrix<T, 3, 4>>对应3行4列的矩阵。
• 内存对齐注意事项：如果你的遗留代码内存不是按Eigen要求对齐的（比如用malloc分配的普通内存），记得在Map里加上Eigen::Unaligned标签，避免崩溃或性能问题。
• 类型兼容性：只要是Eigen支持的基础类型（int、float、double等）都可以直接用；如果是自定义类型，需要确保它支持Eigen要求的运算符重载。

额外提醒 #

一定要确保调用方传入的x指针指向的内存至少能容纳N个T类型元素，Eigen默认不会做边界检查，越界访问会导致未定义行为。

内容的提问来源于stack exchange，提问作者bremen_matt