python中的cv2.resizeWindow

这个问题是关于Python的程序库的技术问题，我可以尝试回答。cv2.resizeWindow()函数是OpenCV中用来调整窗口大小的函数，其语法为：

cv2.resizeWindow(windowName, width, height)

其中，windowName表示要调整大小的窗口的名称，width和height分别表示调整后的宽度和高度。这个函数可以用来调整图像显示窗口的大小。

相关问题

cv2.resizeWindow('img_src1', 600, 600) cv2.error: OpenCV(4.7.0) D:\a\opencv-python\opencv-python\opencv\modules\highgui\src\window_w32.cpp:1473: error: (-27:Null pointer) NULL window: 'img_src1' in function 'cvResizeWindow'

这个错误是因为 OpenCV 没有找到名为 'img_src1' 的窗口。在调用 `cv2.resizeWindow()` 函数之前，需要先创建一个名为 'img_src1' 的窗口，你可以使用 `cv2.namedWindow()` 函数来创建窗口，例如：

import cv2

img = cv2.imread('image.jpg')
cv2.namedWindow('img_src1')
cv2.imshow('img_src1', img)
cv2.resizeWindow('img_src1', 600, 600)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这个例子中，我首先读取了一张图片，然后创建了一个名为 'img_src1' 的窗口，并在窗口中显示了这张图片。接下来，我调用了 `cv2.resizeWindow()` 函数来调整窗口大小。最后，我使用 `cv2.waitKey()` 和 `cv2.destroyAllWindows()` 函数来等待用户按下任意键，然后关闭窗口。

Y_INV) # cv.namedWindow('img1',0) # cv.resizeWindow('img1',600,600) # cv.imshow('img1',img1) # print(type(img1)) # print(img1.shape) # print(img1.size) # cv.waitKey(2) kernel1 = np.ones((10, 10), np.uint8) # 做一次膨胀 img2 = cv.dilate(img1, kernel1) # cv.namedWindow('img2', 0) # cv.resizeWindow('img2', 600, 600) # cv.imshow('img2', img2) '剔除小连通域' contours, hierarchy = cv.findContours(img2, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_NONE) # print(len(contours),hierarchy) for i in range(len(contours)): area = cv.contourArea(contours[i]) if area < 150: # '设定连通域最小阈值，小于该值被清理' cv.drawContours(img2, [contours[i]], 0, 0, -1) # cv2.imwrite('img2.jpg', img2) # import pdb;pdb.set_trace() img5 = cv.resize(img2, (28, 28)) # cv.namedWindow('img5', 0) # cv.resizeWindow('img5', 600, 600) # cv.imshow('img5', img5) # cv2.imwrite('img5.jpg', img5) # import pdb;pdb.set_trace() return img5 img_pre = pre_img(img) # # cv.imshow('img_pre', img_pre) # 将数据类型由uint8转为float32 img = img_pre.astype(np.float32) # 图片数据归一化 img = img / 255 改成单个代码，能对原图进行预处理并把每一步处理图片输出

以下是能对原图进行预处理并把每一步处理图片输出的代码：

import cv2 as cv
import numpy as np

def pre_img(img_path):
    # 读取原图
    img = cv.imread(img_path, cv.IMREAD_GRAYSCALE)
    # 图片二值化
    _, img1 = cv.threshold(img, 0, 255, cv.THRESH_BINARY_INV + cv.THRESH_OTSU)
    # 做一次膨胀
    kernel1 = np.ones((10, 10), np.uint8)
    img2 = cv.dilate(img1, kernel1)
    # 剔除小连通域
    contours, hierarchy = cv.findContours(img2, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_NONE)
    for i in range(len(contours)):
        area = cv.contourArea(contours[i])
        if area < 150:
            cv.drawContours(img2, [contours[i]], 0, 0, -1)
    # 将图片缩放到28x28
    img5 = cv.resize(img2, (28, 28))
    # 将数据类型由uint8转为float32
    img = img5.astype(np.float32)
    # 图片数据归一化
    img /= 255

    # 输出每一步处理后的图片
    cv.imshow('img', img)
    cv.imshow('img1', img1)
    cv.imshow('img2', img2)
    cv.imshow('img5', img5)
    cv.waitKey(0)
    cv.destroyAllWindows()

    return img

# 调用预处理函数
img_path = 'your_image_path'
img_pre = pre_img(img_path)