cv2.circle(img_original, (int(center_s[0]), int(center_s[1])), int(radius_s), (255, 245, 0), 2) TypeError: 'NoneType' object is not subscriptable

这个错误通常是因为 `img_original` 变量没有被正确地初始化或者在处理过程中被修改为 `None` 类型的变量所导致的。可能的原因包括：

1. 图像文件没有被正确地加载，导致 `img_original` 变量为 `None`。
2. 在图像处理过程中出错，导致 `img_original` 变量被修改为 `None`。
3. 在代码中没有正确地初始化 `img_original` 变量。

你需要检查你的代码，确保 `img_original` 变量被正确地初始化并且没有在处理过程中被修改为 `None`。你也可以在报错的前面打印一下 `img_original` 变量看看它的值是不是 `None`，以便更好地定位问题所在。

相关问题

如何用Python的OpenCV获取二值图像轮廓及中心点坐标的代码

获取二值图像轮廓及中心点坐标的代码如下：

import cv2

# 读取二值图像
img = cv2.imread('binary_image.png', cv2.IMREAD_GRAYSCALE)

# 获取轮廓
contours, hierarchy = cv2.findContours(img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 获取轮廓中心点坐标
center_points = []
for contour in contours:
    moments = cv2.moments(contour)
    cX = int(moments["m10"] / moments["m00"])
    cY = int(moments["m01"] / moments["m00"])
    center_points.append((cX, cY))

# 在原图上绘制轮廓及中心点
color_img = cv2.cvtColor(img, cv2.COLOR_GRAY2BGR)
cv2.drawContours(color_img, contours, -1, (0, 255, 0), 2)
for center_point in center_points:
    cv2.circle(color_img, center_point, 3, (0, 0, 255), -1)

# 显示原图、二值图、轮廓及中心点
cv2.imshow('original image', cv2.imread('original_image.png'))
cv2.imshow('binary image', img)
cv2.imshow('contours and center points', color_img)
cv2.waitKey(0)

其中，`cv2.findContours()` 函数用于获取轮廓，参数解释如下：

- 第一个参数是二值化的图像，即只有黑色和白色两种颜色。
- 第二个参数是轮廓检索模式，`cv2.RETR_EXTERNAL` 表示只检索最外层轮廓。
- 第三个参数是轮廓逼近方法，`cv2.CHAIN_APPROX_SIMPLE` 表示只保留轮廓的端点。

`cv2.moments()` 函数用于计算轮廓的矩，从而得到轮廓的中心点坐标。其中，`moments["m00"]` 表示轮廓的面积，`moments["m10"]` 和 `moments["m01"]` 分别表示轮廓的一阶矩，即 x 和 y 方向上的重心坐标。

最后，使用 `cv2.drawContours()` 函数在原图上绘制轮廓，并使用 `cv2.circle()` 函数在中心点处绘制红色圆圈。

写一个python opencv输入人脸三个数据点进行旋转对齐的程序

以下是一个基于Python和OpenCV的输入人脸三个数据点进行旋转对齐的程序：

import cv2
import numpy as np

# 定义函数，输入人脸图像和三个关键点坐标，输出旋转后的图像
def align_face(img, left_eye, right_eye, nose_tip):

    # 计算两个眼睛的中心点坐标，并计算眼睛之间的距离
    eye_center = ((left_eye[0] + right_eye[0]) // 2, (left_eye[1] + right_eye[1]) // 2)
    eye_distance = np.sqrt((right_eye[0] - left_eye[0])**2 + (right_eye[1] - left_eye[1])**2)

    # 计算旋转角度
    angle = np.degrees(np.arctan2(right_eye[1] - left_eye[1], right_eye[0] - left_eye[0]))

    # 计算仿射变换矩阵
    M = cv2.getRotationMatrix2D(eye_center, angle, scale=1)

    # 将关键点坐标转换为二维矩阵
    points = np.array([left_eye, right_eye, nose_tip])
    points = np.concatenate((points, np.ones((3, 1))), axis=1)
    points = points.dot(M.T)

    # 对图像进行仿射变换
    aligned_img = cv2.warpAffine(img, M, (img.shape[1], img.shape[0]), flags=cv2.INTER_CUBIC)

    return aligned_img, points[:, :2]

# 读取人脸图像和关键点坐标
img = cv2.imread('face.jpg')
left_eye = (100, 200)
right_eye = (300, 200)
nose_tip = (200, 300)

# 进行旋转对齐
aligned_img, aligned_points = align_face(img, left_eye, right_eye, nose_tip)

# 在图像上绘制关键点
cv2.circle(img, left_eye, 2, (0, 255, 0), 2)
cv2.circle(img, right_eye, 2, (0, 255, 0), 2)
cv2.circle(img, nose_tip, 2, (0, 255, 0), 2)
cv2.imshow('Original Image', img)

# 在旋转后的图像上绘制关键点
cv2.circle(aligned_img, (int(aligned_points[0][0]), int(aligned_points[0][1])), 2, (0, 255, 0), 2)
cv2.circle(aligned_img, (int(aligned_points[1][0]), int(aligned_points[1][1])), 2, (0, 255, 0), 2)
cv2.circle(aligned_img, (int(aligned_points[2][0]), int(aligned_points[2][1])), 2, (0, 255, 0), 2)
cv2.imshow('Aligned Image', aligned_img)

cv2.waitKey(0)
cv2.destroyAllWindows()

这个程序可以读取一张人脸图像和三个关键点坐标，然后使用这些坐标计算旋转角度，并对图像进行旋转对齐。最后，程序会在原始图像和旋转后的图像上绘制关键点，以便比较两者之间的差异。