ValueError:无法将形状(700,227,3)的输入数组广播为形状(0,227,3)

时间:2016-11-02 20:24:59

标签: opencv numpy

请帮我纠正错误。这是一个Opencv特征提取代码。

from __future__ import division
import numpy as np
import cv2


ESC=27   
camera = cv2.VideoCapture(0)
orb = cv2.ORB()
bf = cv2.BFMatcher(cv2.NORM_HAMMING, crossCheck=True)

imgTrainColor=cv2.imread('train.jpg')
imgTrainGray = cv2.cvtColor(imgTrainColor, cv2.COLOR_BGR2GRAY)

kpTrain = orb.detect(imgTrainGray,None)
kpTrain, desTrain = orb.compute(imgTrainGray, kpTrain)

firsttime=True

while True:

ret, imgCamColor = camera.read()
imgCamGray = cv2.cvtColor(imgCamColor, cv2.COLOR_BGR2GRAY)
kpCam = orb.detect(imgCamGray,None)
kpCam, desCam = orb.compute(imgCamGray, kpCam)
matches = bf.match(desCam,desTrain)
dist = [m.distance for m in matches]
thres_dist = (sum(dist) / len(dist)) * 0.5
matches = [m for m in matches if m.distance < thres_dist]   

if firsttime==True:
    h1, w1 = imgCamColor.shape[:2]
    h2, w2 = imgTrainColor.shape[:2]
    nWidth = w1+w2
    nHeight = max(h1, h2)
    hdif = (h1-h2)/2
    firsttime=False

result = np.zeros((nHeight, nWidth, 3), np.uint8)
result[hdif:hdif+h2, :w2] = imgTrainColor
result[:h1, w2:w1+w2] = imgCamColor

for i in range(len(matches)):
    pt_a=(int(kpTrain[matches[i].trainIdx].pt[0]), int(kpTrain[matches[i].trainIdx].pt[1]+hdif))
    pt_b=(int(kpCam[matches[i].queryIdx].pt[0]+w2), int(kpCam[matches[i].queryIdx].pt[1]))

cv2.line(result, pt_a, pt_b, (255, 0, 0))

cv2.imshow('Camara', result)

key = cv2.waitKey(30)                                 
if key == ESC:
    break

cv2.destroyAllWindows()
camera.release()

出现错误:

追踪(最近一次通话): 文件“sift.py”,第39行,in 结果[hdif:hdif + h2,:w2] = imgTrainColor ValueError:无法将形状(700,227,3)的输入数组广播为形状(0,227,3)

1 个答案:

答案 0 :(得分:0)

不详细挖掘您的代码

 result[hdif:hdif+h2, :w2] = imgTrainColor

 ... from shape (700,227,3) into shape (0,227,3)

我认为imgTrainColor是3d形状(700,227,3)。

result必须有(3,)最后一个维度; :w2必须切片227个值。但hdif:hdif+h2正在切片0,可能是因为h2为0。

换句话说,您试图将imgTrainColor值放入result的一个太小的块中。

我可以留下你找出h2错误的原因吗?另一种可能性是hdif太大(> 700)。您可能需要在此错误之前打印这些索引值。

哦,并清理缩进。