C++ 是一种编译型(compiled)语言，设计重点是性能、效率和使用灵活性，偏向于系统编程、嵌入式、资源受限的软件和系统。
Python是一种解释型(interpreted)语言，同样也支持不同的编程范式。Python 内置了常用数据结构(str, tuple, list, dict)，简洁的语法、丰富的内置库(os,sys,urllib,...)和三方库(numpy, tf, torch ...)，功能强大。最为重要的是和能够和多种服务(flask…）和tensorflow、pytorch等无缝联合，从而方便将你的算法开放出去。
一方面，我们需要编译型语言(C++)性能；一方面，也需要解释型语言(Python)的灵活。这时，pybind11 可以用作 C++ 和 Python 之间沟通的桥梁。
Pybind11 是一个轻量级只包含头文件的库，用于 Python 和 C++ 之间接口转换，可以为现有的 C++ 代码创建 Python 接口绑定。Pybind11 通过 C++ 编译时的自省来推断类型信息，来最大程度地减少传统拓展 Python 模块时繁杂的样板代码， 已经实现了 STL 数据结构、智能指针、类、函数重载、实例方法等到Python的转换，其中函数可以接收和返回自定义数据类型的值、指针或引用。
由于在Windows上和在Linux上使用会有较大不同，所以我这里将分为两个部分来说明问题，本文为上篇，具体说明Windows+VS实现
1、vs的最简单调用
新创建项目，做以下修改：
这几个都是标准配置【当然还有更简便方法】，正常生成
#
include "pch.h"
# include <iostream >
# include <pybind11 /pybind11.h
>
namespace py = pybind11;
PYBIND11_MODULE(example, m) {
m.doc() = "pybind11 example module";
// Add bindings here
m.def( "foo", []() {
return "Hello, World!";
});
}
其中：
The
PYBIND11_MODULE() macro creates a function that will be called when an import statement is issued from within Python. The module name ( example ) is given as the first macro argument (it should not be in quotes). The second argument ( m ) defines a variable of type py::module which is the main interface for creating bindings. The method module::def() generates binding code that exposes the add() function to Python.
生成结果中，只有pyd是需要的.
当你的python调用和pyd的文件在同一个目录下面就可以进行调用。
pyd是什么格式的文件:
1.PYD是一种PYTHON动态模块。
2.实质上还是dll文件,只是改了后缀为PYD。
这里特别需要注意，就是.pyd文件名和GOPyWarper这个函数名字一定要一样，否则报
错误。
2、vs添加OpenCV的调用
配置中，需要添加OpeCV部分。分别是附加包含目录和附加依赖项。
PYBIND11_MODULE(example, m) {
m.doc() = "pybind11 example module";
// Add bindings here
m.def("foo", []() {
Mat src = imread("e:/template/lena.jpg");
Mat gray;
cvtColor(src, gray, COLOR_BGR2GRAY);
imshow("gray", gray);
waitKey(0);//必须要设置，否则卡死
return "Hello, OpenCV!";
});
这种调用是没有问题的，关键的问题在于numpy数组和Mat的相互转换。只有这样，才能够将Mat和Python高质量融合。
// python调用C++.cpp : 此文件包含 "main" 函数。程序执行将在此处开始并结束。
//
# include "pch.h"
# include <iostream >
# include <opencv2 /core.hpp >
# include <opencv2 /imgcodecs.hpp >
# include <opencv2 /imgproc.hpp >
# include <opencv2 /highgui.hpp >
# include <pybind11 /pybind11.h >
using namespace cv;
using namespace std;
namespace py = pybind11;
PYBIND11_MODULE(example, m) {
m.doc() = "pybind11 example module";
// Add bindings here
m.def( "foo", [](string strPath) {
Mat src = imread(strPath);
Mat gray;
cvtColor(src, gray, COLOR_BGR2GRAY);
imshow( "gray", gray);
waitKey( 0); //必须设置，否则卡死
return "Hello, OpenCV!";
});
}
3、图片Mat作为输入和list作为输出
对于实际项目而言来说，输入的是图片，输出的vector（numpy)，这里就涉及到格式转换问题，目前找到解决方案。
src
= cv2.imread(
'',
1)
var1 = GOPyWarper.test_rgb_to_gray(src)
cv2.imshow( 'gray',var1)
给出了3通道和1通道的numpy和Mat的转换，基本上是够用的，其它转换可以在内部进行。
然后在接口中有进一步封装，这个都是非常好理解的。
在输出这一块，有非常容易的方法，参考：这种方法虽然丑陋，但是有效。
py
:
:list test_pyramid_image(py
:
:array_t
<
unsigned char
>
& input) {
py::list out;
for (int i = 0; i < 100; i++)
{
out.append<py::int_>(i);
}
return out;
4、融合实现GOFindPip算法
输入图片，输出圆心数组(x、y排列），实现功能。
py
:
:list GO_FindPips(py
:
:array_t
<
unsigned char
>
& input) {
//输出结果
py : :list out;
……
转换为release模式，能力有数量级的提升。
总的来看，在Windoes上的部署，由于VS提供了许多方便，所以比较流畅。
========================参考======
https://www.jianshu.com/p/9e03e2724964
pybind11—HOG特征提取以及python接口封装
https://www.jianshu.com/p/5dc844002d72
pybind11—目标跟踪demo(深度学习人脸检测跟踪)
https://www.jianshu.com/p/82a5748ed0fb
pybind11—目标跟踪demo(KCF，python version)
https://www.jianshu.com/p/be16847b0b74
pybind11—opencv图像处理(numpy数据交换)
【重要】 https://www.jianshu.com/p/fb151f2e5b5e
pybind11—C++ STL
【重要】 https://www.jianshu.com/p/e2a48213e241
pybind11—函数，返回值，数据转换
【重要】 https://www.jianshu.com/p/5918fa66b101
pybind11—类(继承，重载，枚举)
【重要】https://www.jianshu.com/p/9619f8f02891
pybind11使用
https://www.jianshu.com/p/fcded412d0bb
pybind11—类，结构体
【重要】 https://zhuanlan.zhihu.com/p/93299698
191123 使用 Pybind11 和 OpenCV 创建 Python 库
标签：gray,pybind11,--,c++,Python,https,include,com From： https://blog.51cto.com/jsxyhelu2017/5971121