boost::gil 库的记忆功能

Question

我目前正在尝试使用Boost::GIL（具有挑战性）进行一些 TensorFlow 推理（C 后端）。我需要一些想法，我已经能够加载我的 png 图像 (rgb8_image_t) 并转换为rgb32_f_image_t。

我还需要 3 次思考，数据的原始指针、分配的内存和维度。

• 不幸的是，对于分配的内存，函数total_allocated_size_in_bytes() 是私有的，所以我这样做了：

  boost::gil::view(dest).size() * boost::gil::view(dest).num_channels() * sizeof(value_type);

如果我没有任何额外的对齐故事填充，这是有效的。但它是否存在任何不错的选择？

• 对于维度，我应该匹配numpy（来自 PILLOW），我希望两个库都使用相同的内存布局模式。据我了解，默认情况下，数据是交错连续的，所以应该是好的。

• 最后一个原始指针_memory，它是Image 类的私有数据成员，没有专用函数。 boost::gil::view(dest).row_begin(0) 在第一个像素上返回一个迭代器，但我不确定如何获取数据 _memory 的指针。有什么建议吗？

非常感谢，

++t

ps：TensorFlow 提出了一个 C++ 后端，但是它不是从任何包管理器安装的，并且操作 Bazel 超出了我的能力。

Answer 1

GIL 文档非常准确地记录了各种内存布局。

不过，库的重点是抽象出内存布局。如果您需要某种表示（平面/交错、打包或解包），那么您正在为库接口做“艰难的方式”。

所以，我认为您可以一口气阅读和转换，例如对于JPEG：

gil::rgb32f_image_t img;
gil::image_read_settings<gil::jpeg_tag> settings;
read_and_convert_image("input.jpg", img, settings);

现在可以获取原始数据了：

auto* raw_data = gil::interleaved_view_get_raw_data(view(img));

恰好是首选实现存储是交错的，这很可能是您所期望的。如果您的特定图像存储是平面的，则该调用将无法编译（您可能需要planar_view_get_raw_data(vw, plane_index)）。

请注意，如果需要，您必须将其重新解释为float [const]*，因为没有公共接口来获取对scoped_channel_value<>::value_ 的引用，但BaseChannelValue 类型确实是float，您可以断言包装器不会增加额外的重量：

static_assert(sizeof(float) == sizeof(raw_data[0]));

替代方法：

相反，您可以设置自己的原始像素缓冲区，将可变视图装入其中并使用它来读取/转换您的初始加载：

// get dimension
gil::image_read_settings<gil::jpeg_tag> settings;
auto info = gil::read_image_info("input.jpg", settings).get_info();

// setup raw pixel buffer & view
using pixel = gil::rgb32f_pixel_t;
auto data = std::make_unique<pixel[]>(info._width * info._height);
auto vw = gil::interleaved_view(info._width, info._height, data.get(),
                                info._width * sizeof(pixel));

// load into buffer
read_and_convert_view("input.jpg", vw, settings);

我实际上已经通过写出结果视图来检查它是否正常工作：

//// just for test - doesn't work for 32f, so choose another pixel format
//gil::write_view("output.png", vw, gil::png_tag());