为什么cv2.rectangle有时返回np.ndarray，而有时cv2.UMat

Question

我目前正在对某些图像进行可视化处理，并发现了opencv的cv2.rectangle的这种奇怪行为：

• 当输入图像是np.ndarray时，例如arr，cv2.rectangle（）返回np.ndarray，并且用矩形绘制arr。

• 当输入图像是arr的某种变体时，例如arr [:, ::，[2，0，1]]，cv2.rectangle（）返回cv2.UMat，并且未绘制矩形。

我当前的环境是：

• Python 3.7
• Opencv 4.1

以下是代码：

1. 首先生成随机图像。

import numpy as np
import cv2
import copy

img = np.random.randint(0, 255, (100, 120, 3)).astype("uint8")

1. 现在添加一个矩形

a = copy.deepcopy(img)
ret = cv2.rectangle(a, (0, 0), (10, 10), color=(255, 255, 255), thickness=2)

1. 您会发现：

   • ret是一个np.ndarray
   • ret的可视化和显示一个矩形的显示

2. 尝试另一种方式：

b = copy.deepcopy(img)
c = b[:, :, [2, 1, 0]]
ret = cv2.rectangle(c, (0, 0), (10, 10), color=(255, 255, 255), thickness=2)

1. 您会发现：

   • ret是cv2.UMat
   • ret或c的可视化显示未绘制矩形

我真的很好奇我的代码有什么问题吗？还是背后隐藏着什么？

Answer 1

由于我偶然发现了这个问题，我会努力回答这个问题，并且在评论中我看到了很多正确的东西！

OpenCV只能处理连续数组，这意味着必须以某种方式在内存中对它们进行布局。切片np.array时，numpy仅更改读取顺序以提高速度（而不是耗时的复制），并因此使其不连续（找到{{3} }。

@Das Masek和@Eric的陈述都是正确的。使用索引数组对np.array进行切片会创建{strong>总是，如记录的here所示。但是，不幸的是，numpy复制了数组，但不会将其更改回连续的数组（在我看来，这是不良行为）。

解决方案将是以下之一：

1. copy() np.array；通过显式复制，numpy将布局更改回连续的状态，这与使用index-array-slicing一样。您可以使用flags检查数组的a.flags，依此类推。如果您要自动执行某些操作，这无疑是最昂贵的，因为您每次都按字面意思进行复制。
2. 对我来说，更优雅的版本是使用np.ascontiguousarray()。仅当数组已经不连续且不会copy时，此函数才会更改数组的布局。

---

另一个需要注意的是：根据here，所有OpenCV绘图函数实际上都是一个None返回值，因为它们是就位函数。因此，我建议这样使用它们。