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

时间: 2023-09-21 18:05:15 浏览: 40
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。
相关问题

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。

cv2.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'

这个错误是由于你提供的图像格式不支持在给定的模式下使用cv2.findContours()函数。在这种情况下,你需要检查以下几个方面: 1. 确保你的图像是灰度图像或二值图像,因为cv2.findContours()函数仅支持8位灰度或二值图像。 2. 确保你的图像格式与cv2.findContours()函数的模式兼容。如果使用了CV_RETR_FLOODFILL模式,则需要使用8位灰度图像。如果使用了其他模式,则需要使用32位整型图像。 3. 确保你的图像尺寸和深度与cv2.findContours()函数的输入要求相同。 如果以上步骤都检查过了,但仍然出现错误,则建议检查一下opencv-python库的版本是否正确。

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

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

Python源码-数学美之樱花.py

Python源码-数学美之樱花
recommend-type

蚁群算法(ACO)求解TSP问题,MATLAB源码,代码注释详细,可根据自身需求拓展应用

蚁群算法(ACO)求解TSP问题,MATLAB源码,代码注释详细,可根据自身需求拓展应用
recommend-type

2024年5月最新采集大众点评全国(内地)-学习培训大类-店铺基础信息,93余万家

2024年5月最新采集大众点评全国(内地)-学习培训大类-店铺基础信息,93余万家。此处仅展示1万家,全量也有。 2024年5月最新大众点评店铺基础信息采集。含美食、休闲娱乐、结婚、电影演出赛事、丽人、酒店、亲子、周边游、运动健身、购物、家装、学习培训、医疗健康、爱车、宠物等十几大类共几千万家店铺信息。
recommend-type

My-Graduation-Project-demo

服务器
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

实现实时数据湖架构:Kafka与Hive集成

![实现实时数据湖架构:Kafka与Hive集成](https://img-blog.csdnimg.cn/img_convert/10eb2e6972b3b6086286fc64c0b3ee41.jpeg) # 1. 实时数据湖架构概述** 实时数据湖是一种现代数据管理架构,它允许企业以低延迟的方式收集、存储和处理大量数据。与传统数据仓库不同,实时数据湖不依赖于预先定义的模式,而是采用灵活的架构,可以处理各种数据类型和格式。这种架构为企业提供了以下优势: - **实时洞察:**实时数据湖允许企业访问最新的数据,从而做出更明智的决策。 - **数据民主化:**实时数据湖使各种利益相关者都可
recommend-type

用matlab绘制高斯色噪声情况下的频率估计CRLB,其中w(n)是零均值高斯色噪声,w(n)=0.8*w(n-1)+e(n),e(n)服从零均值方差为se的高斯分布

以下是用matlab绘制高斯色噪声情况下频率估计CRLB的代码: ```matlab % 参数设置 N = 100; % 信号长度 se = 0.5; % 噪声方差 w = zeros(N,1); % 高斯色噪声 w(1) = randn(1)*sqrt(se); for n = 2:N w(n) = 0.8*w(n-1) + randn(1)*sqrt(se); end % 计算频率估计CRLB fs = 1; % 采样频率 df = 0.01; % 频率分辨率 f = 0:df:fs/2; % 频率范围 M = length(f); CRLB = zeros(M,1); for
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。