成功解决error: (-215:Assertion failed) src_depth != CV_16F && src_depth != CV_32S in function ‘conve

高斯小哥

已于 2024-02-09 11:38:31 修改

阅读量2k

点赞数 13

分类专栏： BUG解决方案合集文章标签： bug opencv python pycharm

于 2023-11-28 17:57:51 首次发布

本文链接：https://blog.csdn.net/qq_41813454/article/details/134673255

版权

BUG解决方案合集专栏收录该内容

183 篇文章

订阅专栏

本文探讨了在使用OpenCV时遇到的错误(-215:Assertionfailed)，源于图像数据类型不符合cv2.imshow的需求。解决方法是将生成的随机噪声图像从int32类型转换为uint8。通过实例和解释，阐述了处理图像数据时数据类型和范围的重要性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

成功解决error: (-215:Assertion failed) src_depth != CV_16F && src_depth != CV_32S in function ‘conve

🌳引言🌳

在计算机视觉和图像处理领域，OpenCV是一个非常流行的库，用于处理和操作图像数据。然而，在使用OpenCV的过程中，我们有时会遇到一些错误，其中之一就是"error: (-215:Assertion failed) src_depth != CV_16F && src_depth != CV_32S in function ‘convolve’"。在本文中，我们从一个需求场景出发，探究该BUG在此需求场景的解决方案。

🌳需求场景🌳

现在欲生成一个随机噪声灰度图像，像素值是范围[0, 256)内的整数，图像形状为(512, 512)，并显示图像，源码如下

```python
import numpy as np
import cv2

def generate_noise_image():
    """
    生成随机噪声图像。
    
    Returns:
        np.ndarray: 形状为[512, 512]的随机噪声图像。
    """
    img = np.random.randint(0, 256, size=[512, 512])
    cv2.imshow("noise img", img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()
    return img

当运行上面的代码时，出现如下报错：

cv2.error: OpenCV(4.8.1)
D:/a/opencv-python/opencv-python/opencv/modules/highgui/src/precomp.hpp:155:
error: (-215:Assertion failed) src_depth != CV_16F && src_depth !=
CV_32S in function ‘convertToShow’

完整Bug截图如下所示：

这个错误说明的是输入图像的深度不应该是CV_16F或CV_32S。这两种深度表示图像数据是半浮点数（16位）或整数（32位），对于大多数的图像操作(如显示图像)，我们需要的是8位无符号整数（CV_8U）或者32位浮点数（CV_32F）的图像。

错误原因分析

在代码中，我们通过np.random.randint()来生成噪声图像。np.random.randint() 是 NumPy 库中的一个函数，可用于生成随机整数。

函数的基本语法如下：

numpy.random.randint(low, high=None, size=None, dtype='l')

参数说明如下：

参数	说明
`low`	生成随机整数的下限（包含该值）
`high`	生成随机整数的上限（不包含该值，如果未指定，则默认为100）
`size`	生成的随机整数的形状。例如，`size=5` 会生成一个包含5个随机整数的数组
`dtype`	返回数组的数据类型。例如，`dtype='i'` 会返回一个整数数组(32位)

由np.random.randint()函数生成的numpy数组，其元素默认的数据类型是32位整数(int32)，而cv2.imshow函数要求输入数组数据类型是无符号8位整数(uint8)。因此，将数组数据类型从int32更改为uint8即可。

解决方案

我们只需要把代码中的img，通过 np.array()重新封装一下，并指定元素的数据类型为np.uint8即可：

import numpy as np
import cv2

def generate_noise_image():
    """
    生成随机噪声图像。
    
    Returns:
        np.ndarray: 形状为[512, 512]的随机噪声图像。
    """
    img = np.random.randint(0, 256, size=[512, 512])
    
	img = np.array(img, dtype=np.uint8) # revise
	
    cv2.imshow("noise img", img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()
    return img

运行结果：

程序运行成功，报错解决~

🌳总结🌳

在处理图像数据时，我们需要特别注意数据类型和范围的问题。在OpenCV中，大部分的函数都要求输入的图像数据是8位无符号整数或32位浮点数。如果我们的图像数据不是这两种类型，我们就需要将其转换过来。同时，我们还需要注意图像数据的范围是否合适。如果不合适，我们需要对其进行归一化或截断操作。

🌳参考文档🌳

OpenCV Python 教程

🌳结尾🌳

亲爱的读者，首先感谢您抽出宝贵的时间来阅读我们的博客。我们真诚地欢迎您留下评论和意见💬。
俗话说，当局者迷，旁观者清。您的客观视角对于我们发现博文的不足、提升内容质量起着不可替代的作用。
如果博文给您带来了些许帮助，那么，希望您能为我们点个免费的赞👍👍/收藏👇👇，您的支持和鼓励👏👏是我们持续创作✍️✍️的动力。
我们会持续努力创作✍️✍️，并不断优化博文质量👨‍💻👨‍💻，只为给您带来更佳的阅读体验。
如果您有任何疑问或建议，请随时在评论区留言，我们将竭诚为你解答~
愿我们共同成长🌱🌳，共享智慧的果实🍎🍏！