上一篇我介紹了C++呼叫Python的入門方法。這一篇我講述C++與OpenCV、Tensorflow-python聯合呼叫的一次成功的實驗過程。
　　C++通過python呼叫tensorflow，比呼叫C++版本的tensorflow的優勢在於：tensorflow環境依賴python環境，python環境幾乎是一鍵傻瓜式操作，各種庫依賴的問題，比直接使用tensorflow-C++少得多，只要python配置好了，C++專案根本不需要單獨配置tensorflow，完全靠python模組。在C++專案配置中，根本不需要新增tensorflow的include標頭檔案目錄和庫目錄。
　　OpenCV是一個通用的計算機視覺庫，C++版本幾乎是傻瓜式編譯，最後只輸出opencv_world310d.lib / opencv_world310.lib庫檔案，和 opencv_world310d.dll / opencv_world310.dll動態連結庫，標頭檔案只需要包含#include <opencv2/opencv.hpp>

#include <opencv2/opencv.hpp>
#include <iostream>
#include <Python.h>  
#include <numpy/arrayobject.h>
#include <string>  
using std::cin;
using std::cout;
using std::endl;
using std::string;
int main(int
 
 argc, char *argv[])
{
    Py_InitializeEx(1); //初始化 python  
    import_array();
    if (!Py_IsInitialized())
    {
        cout << "initialized error" << endl;
        return -1;
    }
    PyObject* sys = PyImport_ImportModule("sys");
    std::cout << std::string(Py_GetVersion()) << "\n"
 
;
    PyRun_SimpleString("import  sys"); // 執行 python 中的短語句  
    PyRun_SimpleString("print('come in python')");
    PyRun_SimpleString("sys.path.append('./')");
    PyObject  *pModule(0), *pDct(0);
    pModule = PyImport_ImportModule("tfTest");
    if (!pModule)
    {
        PyErr_Print();
        cout << "can not find pytest.py" << endl;
        return -1;
    }
    else
        cout << "open Module" << endl;
    cv::Mat oimg = cv::imread("camera.jpg", cv::IMREAD_UNCHANGED);
    cv::Mat img;
    cv::cvtColor(oimg, img, cv::COLOR_BGR2GRAY);//測試灰度圖
    auto sz = img.size();
    int x = sz.width;
    int y = sz.height;
    int z = img.channels();
    int xy = x*y;
    int channel = img.channels();
    uchar *CArrays = new uchar[x*y*z];
    int iChannels = img.channels();
    int iRows = img.rows;
    int iCols = img.cols * iChannels;
    if (img.isContinuous())
    {
        iCols *= iRows;
        iRows = 1;
    }
    uchar* p;
    int id = -1;
    for (int i = 0; i < iRows; i++)
    {
        // get the pointer to the ith row
        p = img.ptr<uchar>(i);
        // operates on each pixel
        for (int j = 0; j < iCols; j++)
        {
            CArrays[++id] = p[j];//連續空間
        }
    }
    npy_intp Dims[3] = { y, x, z}; //注意這個維度資料！
    PyObject *pDict = PyModule_GetDict(pModule);

    PyObject *PyArray = PyArray_SimpleNewFromData(3, Dims, NPY_UBYTE, CArrays); 
    PyObject *PyPath = Py_BuildValue("s", "conv.jpg");
    PyObject *ArgArray = PyTuple_New(2);
    PyTuple_SetItem(ArgArray, 1, PyArray); //同樣定義大小與Python函式引數個數一致的PyTuple物件
    PyTuple_SetItem(ArgArray, 0, PyPath); //同樣定義大小與Python函式引數個數一致的PyTuple物件
    PyObject *pFunc = PyDict_GetItemString(pDict, "CVSaveImage");
    PyObject_CallObject(pFunc, ArgArray);//呼叫函式，傳入Numpy Array 物件。
    PyErr_Print();
    Py_DECREF(ArgArray);
    Py_DECREF(pDict);
    Py_DECREF(sys);
    Py_DECREF(pModule);
    Py_Finalize();
    delete[] CArrays;
    return 0;
}

　　OpenCV讀取的影象是一個連續空間，可以直接賦值給numpy陣列。如果是彩色影象，那麼OpenCV Mat資料格式為一個[3*W,H]的一維陣列，其中每一行資料是按照R,G,B,R,G,B。。。來儲存，和OpenCV-python讀取影象後得到的numpy陣列格式是一致的，因此彩色影象也可以使用上述程式碼轉換為numpy資料。
　　python程式碼為：

#coding:utf-8
import tensorflow as tf
import numpy as np
import cv2
def CVSaveImage(path, img1):
    img = img1.reshape([img1.shape[0],img1.shape[1],1,1])
    img = img.transpose(3,0,1,2)
    dia = 5
    kernel = np.ones((dia,dia))/(dia**2.)
    kernel = kernel.reshape([dia,dia,1,1])
    sess = tf.Session()
    A=tf.placeholder("float", shape=[1,img1.shape[0],img1.shape[1],1])
    B=tf.placeholder("float", shape=[dia,dia,1,1])
    initial = tf.random_normal([1,img1.shape[0],img1.shape[1],1]) * 0.256
    X = tf.Variable(initial)
    init = tf.global_variables_initializer()
    sess.run(init)
    X = tf.nn.conv2d(A,B,strides=[1,1,1,1],padding='SAME')
    img2 = sess.run(X,feed_dict={A: img, B:kernel})
    print(img2.shape)
    img2= img2.transpose([1,2,3,0])
    img2= img2.reshape([img1.shape[0],img1.shape[1]])
    cv2.imwrite(path,img2) 

　　這裡我預設使用了灰度圖來進行處理，channel通道始終是1。這個程式碼的功能是把影象進行一次均值濾波，得到結果：
　　
　　
　　
　　至此，C++與OpenCV、Tensorflow-python聯合呼叫完成。
　　影象黑邊是我截圖的問題，原圖是沒有的。