2.5.2 和其他对象共享内存
在前面的章节中介绍过，当其他对象提供了获取其内部数据存取区的接口时，可以是用numpy.frombuffer( )创建一个数组与此对象共享数据内存。如果对象没有提供该接口，但是能够获取数据存储区的地址，可以通过ctypes和numpy.ctypeslib模块中提供的函数，创建与对象共享内存的数组。下面以PyQt4中的QImage对象为例，介绍如何创建一个与QImage对象共享内存的数组。
首先创建一个QImage对象，并载入"lena.png"文件中的内容。然后输出与图像相关的一些信息，为了创建与该图像共享内存的数组，我们需要使用这些信息。
from PyQt4.QtGui import QImage, qRgb
img = QImage("lena.png")
print "width & height:", img.width( ), img.height( )
print "depth:", img.depth( ) #每个像素的比特数
print "format:", img.format( ), QImage.Format_RGB32
print "byteCount:", img.byteCount( ) #图像的总字节数
print "bytesPerLine:", img.bytesPerLine( ) #每行的字节数
print "bits:", int(img.bits( )) #图像第一个字节的地址
width & height: 512 393
depth: 32
format: 4 4
byteCount: 804864
bytesPerLine: 2048
bits: 156041248
❶由于我们只知道数据的地址，首先需要使用ctypes.cast( )将整数转换为一个指向单字节类型的指针。❷然后使用numpy.ctypeslib.as_array( )将ctypes的指针指向的内存转换成NumPy的数组。as_array( )的第二个参数是该数组的形状，注意数组的第0轴为图像的高，第1轴为图像的宽，第2轴为每个像素的字节数。
import ctypes
addr = int(img.bits( ))
pointer = ctypes.cast(addr, ctypes.POINTER(ctypes.c_uint8)) ❶
arr = np.ctypeslib.as_array(pointer, (img.height( ), img.width( ), img.depth( )//8)) ❷
下面通过arr数组和img对象查看位于像素坐标(50,100)处的像素颜色值，可以看到二者是完全相同的：
x, y = 100, 50
b, g, r, a = arr[y, x]
print qRgb(r, g, b)
print img.pixel(x, y)
4289282380
4289282380
下面通过arr数组修改颜色值，并通过img对象查看修改的结果，由结果可知二者的确共享着同一块内存：
arr[y, x, :3] = 0x12, 0x34, 0x56
print hex(img.pixel(x, y))
0xff563412L
使用上述方法共享内存时需注意必须保持目标对象处于可访问状态。例如在上例中，如果执行del img语句引起img对象被垃圾回收，则通过arr数组将访问被释放掉的内存区域。为了解决这个问题，可以让数组的base属性引用目标对象，这样只要数组不被释放，则目标对象也不会被释放。为了能正确设置base属性，需要使用数组的__array_interface__接口。
❶在调用array( )将目标对象转换成数组时，如果目标对象拥有__array_interface__属性，则根据该属性的描述创建数组。它是一个具有特定键值的字典，参见表2-10。
表2-10 键值及含义
❷设置copy参数为False，这样所创建的数组与目标对象共享内存，否则将复制目标对象的内存。❸在创建完数组之后，可以删除__array_interface__属性。❹所得到的数组arr2与arr相同，并且其base属性为img对象。
interface = {
'shape': (img.height( ), img.width( ), 4),
'data': (int(img.bits( )), False),
'strides': (img.bytesPerLine( ), 4, 1),
'typestr': "|u1",
'version': 3,
}
img.__array_interface__ = interface ❶
arr2 = np.array(img, copy=False) ❷
del img.__array_interface__ ❸
print np.all(arr2 == arr), arr2.base is img ❹
True True
如果目标对象只读，无法为其添加__array_interface__属性，可以创建一个代理用的ArrayProxy对象，在该代理对象中引用目标对象，使其不会被垃圾回收，同时提供__array_interface__属性，以供创建相应的数组。
class ArrayProxy(object):
def __init__(self, base, interface):
self.base = base
self.__array_interface__ = interface
arr3 = np.array(ArrayProxy(img, interface), copy=False)
print np.all(arr3 == arr)
True