怎么改错error: OpenCV(4.7.0) D:\a\opencv-python\opencv-python\opencv\modules\imgproc\src\contours.cpp:197: error: (-210:Unsupported format or combination of formats) [Start]FindContours supports only CV_8UC1 images when mode != CV_RETR_FLOODFILL otherwise supports CV_32SC1 images only in function 'cvStartFindContours_Impl'

时间: 2023-07-15 09:11:50 浏览: 28
这个错误通常是因为在使用cv2.findContours()函数时,传入的图像格式不正确导致的。cv2.findContours()函数只支持CV_8UC1格式的图像,即单通道、每个像素点用8位无符号整数表示的灰度图像。请检查你传入的图像格式是否正确。如果不是CV_8UC1格式,可以尝试使用cv2.cvtColor()函数将其转换为灰度图像,或者使用其他函数处理图像。
相关问题

OpenCV(4.7.0) D:\a\opencv-python\opencv-python\opencv\modules\imgproc\src\contours.cpp:197:

这个错误信息看起来是 OpenCV 的一个版本问题,可能是在使用 OpenCV 库的时候出现了问题。请确保你的 OpenCV 版本正确,并且库文件已经正确链接。还有,你可以尝试查看一下 contours.cpp 文件的第 197 行,看看是否有明显的错误。如果问题仍然存在,可以考虑更新或重新安装 OpenCV 库来解决该问题。

cv2.error: OpenCV(4.7.0) D:\a\opencv-python\opencv-python\opencv\modules\imgproc\src\drawing.cpp:2605: error: (-215:Assertion failed) reader.ptr != NULL in function 'cvDrawContours'

这个错误提示意味着在绘制轮廓时没有正确指定轮廓的输入图像。请确保使用`cv2.findContours()`找到了正确的轮廓,然后在调用`cv2.drawContours()`时指定了正确的输入图像。 以下是一个简单的示例代码,演示如何找到并绘制图像中的轮廓: ```python import cv2 # 读取输入图像 img = cv2.imread('input.jpg') # 将图像转换为灰度图像 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 进行二值化处理 ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY) # 查找轮廓 contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE) # 绘制轮廓 cv2.drawContours(img, contours, -1, (0, 255, 0), 3) # 显示结果 cv2.imshow('Contours', img) cv2.waitKey(0) cv2.destroyAllWindows() ``` 请注意,在上面的代码中,`cv2.findContours()`返回两个值:轮廓和层次结构。`cv2.drawContours()`需要轮廓作为第二个参数,因此我们只传递了`contours`。如果你还想使用层次结构,你可以将它传递给`cv2.drawContours()`作为第三个参数。

相关推荐

import cv2 import numpy as np import tensorflow as tf # 加载之前训练好的模型 model = tf.keras.models.load_model('mnist_cnn_model') for img in images_data: # 将RGB格式转换为BGR格式 img_bgr = cv2.cvtColor(img, cv2.COLOR_RGB2BGR) # 转换为灰度图像 gray = cv2.cvtColor(img_bgr, cv2.COLOR_BGR2GRAY) # 二值化处理 _, thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY_INV+cv2.THRESH_OTSU) # 找到轮廓 contours, hierarchy = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) # 初始化计数器 count = 0 # 遍历所有轮廓 for contour in contours: # 计算轮廓面积 area = cv2.contourArea(contour) if area < 200 or area > 2000: # 如果轮廓面积小于10个像素,则忽略该轮廓 continue # 获取轮廓的外接矩形 x, y, w, h = cv2.boundingRect(contour) # 在原始图像上标记出抠出来的数字部分,并将BGR格式转换为RGB格式 cv2.rectangle(img_bgr, (x, y), (x+w, y+h), (0, 255, 0), 2) digit = cv2.cvtColor(img_bgr[y:y+h, x:x+w], cv2.COLOR_BGR2RGB) # 对数字图像进行预处理,使其与训练数据具有相同的格式 digit_resized = cv2.resize(digit, (28, 28)) digit_gray = cv2.cvtColor(digit_resized, cv2.COLOR_RGB2GRAY) digit_normalized = digit_gray / 255.0 digit_reshaped = np.reshape(digit_normalized, (1, 28, 28)) # 进行预测并输出最大概率对应的数字 prediction = model.predict(digit_reshaped) digit_class = np.argmax(prediction) print("抠出来的数字是:", digit_class) # 增加计数器 count += 1 # 在原始图像上显示标记过的抠出来的数字部分 #plt.figure(figsize=(20, 20)) #plt.imshow(cv2.cvtColor(img_bgr, cv2.COLOR_BGR2RGB)) #plt.show() # 显示抠出来的数字个数 print("抠出来了{}个数字".format(count)) 如何解决error Traceback (most recent call last) ~\AppData\Local\Temp/ipykernel_12928/408549256.py in <module> 8 for img in images_data: 9 # 将RGB格式转换为BGR格式 ---> 10 img_bgr = cv2.cvtColor(img, cv2.COLOR_RGB2BGR) 11 12 # 转换为灰度图像 error: OpenCV(4.7.0) :-1: error: (-5:Bad argument) in function 'cvtColor' > Overload resolution failed: > - src is not a numpy array, neither a scalar > - Expected Ptrcv::UMat for argument 'src'这个错误

最新推荐

recommend-type

解决pycharm中opencv-python导入cv2后无法自动补全的问题(不用作任何文件上的修改)

主要介绍了解决pycharm中opencv-python导入cv2后无法自动补全的问题(不用作任何文件上的修改),本文给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下
recommend-type

opencv-python实现数米粒实验

openCV提供了非常好用的简单全局阈值分割的函数 cv2.threshold(src, thresh, maxval, type, dst=None) 关于threshold函数详解 对原始灰度图像进行灰度直方图分析,可以明显看出灰度值分布区间较大,并且有三座峰...
recommend-type

win10下opencv-python特定版本手动安装与pip自动安装教程

主要介绍了win10下opencv-python特定版本手动安装与pip自动安装教程,本文给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下
recommend-type

详解python opencv、scikit-image和PIL图像处理库比较

主要介绍了详解python opencv、scikit-image和PIL图像处理库比较,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
recommend-type

基于python-opencv实现木质工件的污渍和划痕识别和分类

缺陷识别 简介: 这个项目是我的本科毕业设计,主要针对传送带上的木质圆形工件的缺陷识别和分类,并且进行工件的计数和缺陷工件的计数。这里我主要是识别污渍和划痕 缺陷类型 污渍: 划痕: ...
recommend-type

zigbee-cluster-library-specification

最新的zigbee-cluster-library-specification说明文档。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

【实战演练】MATLAB用遗传算法改进粒子群GA-PSO算法

![MATLAB智能算法合集](https://static.fuxi.netease.com/fuxi-official/web/20221101/83f465753fd49c41536a5640367d4340.jpg) # 2.1 遗传算法的原理和实现 遗传算法(GA)是一种受生物进化过程启发的优化算法。它通过模拟自然选择和遗传机制来搜索最优解。 **2.1.1 遗传算法的编码和解码** 编码是将问题空间中的解表示为二进制字符串或其他数据结构的过程。解码是将编码的解转换为问题空间中的实际解的过程。常见的编码方法包括二进制编码、实数编码和树形编码。 **2.1.2 遗传算法的交叉和
recommend-type

openstack的20种接口有哪些

以下是OpenStack的20种API接口: 1. Identity (Keystone) API 2. Compute (Nova) API 3. Networking (Neutron) API 4. Block Storage (Cinder) API 5. Object Storage (Swift) API 6. Image (Glance) API 7. Telemetry (Ceilometer) API 8. Orchestration (Heat) API 9. Database (Trove) API 10. Bare Metal (Ironic) API 11. DNS
recommend-type

JSBSim Reference Manual

JSBSim参考手册,其中包含JSBSim简介,JSBSim配置文件xml的编写语法,编程手册以及一些应用实例等。其中有部分内容还没有写完,估计有生之年很难看到完整版了,但是内容还是很有参考价值的。