Python 中 OpenCV checkVector 的断言错误

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。

接下来，OpenCV 中的所有函数（例如 cv2.getAffineTransform）对 C++ 中的输入数据执行检查，如下所示：

inputMat.checkVector(3, CV_32F) == 3

由此产生的断言错误通常很神秘，有时在 Python 中无法正确捕获：

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

到底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时间在 StackOverflow 上谷歌搜索来找到这个问题的答案。

函数cv::Mat::checkVector()检查三件事：

1. 第一个参数指定的数组中的列数。

2. 由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 CV_32F 又名 float32 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 来源

3. 第三个不太明显的是检查输入是否连续。这是由第三个参数指定的，默认为 true。因此，从 Python 中的断言错误中无法直接看到此错误。

要检查 numpy 数组的连续布局，您可以查看该np.ndarray.flags参数。Numpy 数组通常是 C 连续创建的，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() 函数可以通过给定参数 使切片数组再次连续order='C'。