Python 中 OpenCV checkVector 的断言错误

Question

OpenCV 在 Python 中使用 Numpy 数组作为输入。这抽象了底层 C++ 数组的许多特性。

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神秘的，有时在 Python:

中没有被正确捕获

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

究竟是什么导致了这些错误以及如何解释它们？

Answer 1

我现在要回答我自己的问题，因为我浪费了大约三个小时的谷歌搜索来在 Whosebug 上找到这个问题的答案。

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。当在 Python 中看到错误时，枚举值已经被解析（例如 5 表示 CV_32F 又名 float32）。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
第三个不太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.

要检查 numpy 数组的连续布局，您可以查看 np.ndarray.flags 参数。 Numpy 数组通常创建为 C 连续的，但可以通过切片等操作变得不连续：

>> 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() 函数可以通过给它参数 order='C'.

使切片数组再次连续

Python 中 OpenCV checkVector 的断言错误

Assertion error from OpenCV checkVector in Python

python

numpy

opencv

affinetransform