Question

OpenCV使用Numpy数组作为Python中的输入。这抽象了底层C ++数组的许多特征。

在OpenCV中的所有函数旁边（例如cv2.getAffineTransform）对C ++中的输入数据执行检查，例如：

inputMat.checkVector(3, CV_32F) == 3

由此产生的断言错误通常是隐秘的，有时无法正确捕获在Python中：

(-215:Assertion failed) src.checkVector(2, 5) == 3 && dst.checkVector(2, 5) == 3 in function 'cv::getAffineTransform'

究竟是什么会导致这些错误以及如何解释这些错误？

Answer 1

我现在要回答自己的问题，因为我浪费了大约三个小时的时间来在StackOverflow上找到答案。

函数cv::Mat::checkVector()检查三件事：

第一个参数指定的数组中的列数。
第二个参数中的枚举指定的数据类型。在Python中看到错误时，已经解析了枚举值（例如，对于CV_32F又称为float32，则为5）。可能的值为：

CV_8U 0 CV_8S 1 CV_16U 2 CV_16S 3 CV_32S 4 CV_32F 5 CV_64F 6 CV_USRTYPE1 7 Source
第三个也是最不明显的是检查输入是否连续。这由第三个参数指定，默认为true。因此，从Python中的断言错误不能直接看到此错误。

要检查numpy数组的连续布局，可以查看np.ndarray.flags参数。通常，将Numpy数组创建为C连续的，但可以通过切片等操作将其变为非连续的：

>> x = np.zeros((10, 68, 3))
>> x.flags
  C_CONTIGUOUS : True
  F_CONTIGUOUS : False
  OWNDATA : True
  WRITEABLE : True
  ALIGNED : True
  WRITEBACKIFCOPY : False
  UPDATEIFCOPY : False
>> x[:, [33, 36, 45]].flags
  C_CONTIGUOUS : False
  F_CONTIGUOUS : False
  OWNDATA : False
  WRITEABLE : True
  ALIGNED : True

np.ndarray.copy（）函数可以通过为其赋予参数order='C'来使切片数组再次连续。

Python中来自OpenCV checkVector的断言错误

1 个答案: