numpy 图像数组在使用opencv(cv2)绘制时绘制不了的问题，或者提示不是umat格式。

最新推荐文章于 2025-06-02 07:16:08 发布
原创 最新推荐文章于 2025-06-02 07:16:08 发布 · 1.5k 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

使用cv2函数时需opencv的图像格式umat，若用numpy图像数组会有绘制问题或报错，且难找到numpy转umat格式方法。作者采用opencv先将numpy数组存为图像再读取的方式实现格式转换。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

由于opencv图像有其自己的格式，所以在使用cv2的函数时，需要opencv的图像格式umat，如果使用numpy的图像数组，会存在绘制不了或者直接报umat的错误。然而搜索了半天没有看到numpy转umat格式方法。

因此，我使用opencv先讲numpy数组存储为图像在将其读取出来，就能够转换格式。

cv2.imwrite('1.jpg', image)
image=cv2.imread('1.jpg')

 

OpenCV：AI人工智能视觉技术的核心引擎
AI智能探索者的博客
05-15 749
本文旨在全面解析OpenCV在AI视觉技术中的核心地位，涵盖从基础图像处理到深度学习集成的完整技术栈。我们将重点探讨OpenCV 4.x版本的最新特性及其在工业界的实际应用。文章将从OpenCV的基础架构开始，深入核心算法实现，然后通过实际案例展示其应用，最后讨论性能优化和未来趋势。OpenCV：开源计算机视觉库，提供从基础图像处理到高级机器学习算法的完整工具集DNN模块：OpenCV中的深度神经网络模块，支持多种框架模型的推理特征检测：识别图像中独特点的算法，如SIFT、SURF、ORB等。
《OpenCV学习之路》Transparent API与UMat
阿木寺的博客
03-12 8560
Summary：Transparent API与UMatAuthor： AmusiDate： 2018-03-12UMat（Unified Matrix）[1]是OpenCV3.0引入的新特性，属于OpenCV Transparent API（T-api or TAPI），主要用来提升性能。1 Transparent API（T-api or TAPI）介绍UMat之前，先介...
Python-OpenCV图像处理-02-numpy数组操作
Vuko_Coding Zone
01-19 1486
 创建新图像： 利用数组操作 import cv2 as cv import numpy as np 像素属性读取：  这里的图像说白了就是二维的数组每个数组元素的数值代表颜色，由（bgr）三张单色的图片混合而成。这里叫做通道数： def access_pixels(image):#像素属性读取函数 print(image.shape) height = image....
opencv python画图失效
a137376864的博客
10-25 527
python numpy 存储分为连续和不连续 但是 opencv的程序都是在连续存储空间中进行的 如果opencv的画图程序不起作用，找不到原因，应该就是这个问题 在画图之前调用 img = np.ascontiguousarray(img)即可 ...
cv2.UMat
Teng的博客
04-21 1082
3. 极佳性能：由于`cv2.UMat`采用了UMA技术，可以有效减少CPU和GPU之间的数据传输，提高了矩阵操作的效率，在进行GPU加速计算时可以获得更好的性能表现。4. 高度兼容：`cv2.UMat`可以与其他OpenCV的数据类型（如`cv2.Mat`）进行无缝协作，并且支持许多常见的计算机视觉操作，如转置、缩放、裁剪等。总的来说，`cv2.UMat`提供了一种基于统一内存架构的矩阵操作方式，使得开发人员可以更加方便地在不同的硬件平台上使用OpenCV来进行计算机视觉相关的任务。
cv2 drawKeypoints 使用自定义数组来绘制关键点
@司南牧|知乎|博客|易懂教程|李韬
10-22 1778
def draw_features(img, features): """Draw features""" # Convert to OpenCV KeyPoints cv_kps = [] for f in features: cv_kps.append(cv2.KeyPoint(f.pt[0], f.pt[1], f.size)) # ...
OpenCV图像处理框架实战：从零到一打造企业级计算机视觉应用
全栈
06-02 1000
本文从零到一系统讲解OpenCV图像处理框架的核心技术与实战应用，涵盖基础操作、核心算法、企业级开发案例及高级优化技巧。通过详细代码示例和分步解析，帮助开发者快速掌握OpenCV在计算机视觉领域的应用，从图像读取、处理到部署的完整开发流程，助力打造高性能企业级视觉应用。
OpenCV计算机视觉实战(Python版)_07-图像金字塔与轮廓检测
maxkeren的博客
08-07 656
图像金字塔 cv2.pyrDown(x) cv2.pyrUp(x) 高斯金字塔 拉普拉斯金字塔 金字塔的每一层特征可以采取不同的方式获得，这样每一层的特征都不同。 图像金字塔是一组图像的集合，集合中的所有图像都是通过对某一图像连续降采样得到的一组图像序列。 cv2.pyrUp: 上采样 cv2.pyrDown: 下采样 有两种经典的金字塔：高斯金字塔和拉普拉斯金字塔，前者采用向下采样，后者是向上采样需要的缺失的信息。 向下采样(生成高斯金字塔)的具体操作为： 从
新手小白包会(python) | OpenCV入门教程，带你踏入计算机视觉领域
m0_71212744的博客
06-19 5650
OpenCV是一个功能强大的计算机视觉库，为开发者提供了丰富的算法和工具。通过入门教程的学习，我们掌握了OpenCV的基础知识和常用功能，如图像读取、显示、处理和轮廓检测等。这些基础技能为我们在计算机视觉领域进一步探索和实践打下了坚实的基础。
【Opencv学习】01-对图像进行简单的操作
祖国花朵的博文
01-14 1267
详细介绍opencv的一些基操
python的numpy的数据如何转换为c++的cv::mat
勇气凛凛
07-13 657
需要将python 处理得到的numpy bgr24数据，通过接口传递给c++，并转换为cv::mat。
测试cv2 Umat
weixin_43014882的博客
03-08 899
import cv2 import time # 引入time模块 t0 = time.time() def UMat_cal(img): img = cv2.UMat(img) img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) print(img) img = cv2.GaussianBlur(img, (7, 7), 1.5) img = cv2.Canny(img, 0, 50) img = cv2.UMa
Day2 numpy入门及图像转换
ningchewinbell的博客
07-04 256
1.numpy入门 # 数组的基本操作 import numpy as np # 1.Array（数组） # a.rank a = np.array([1,2,3]) type(a) # numpy.ndarray a.shape # (3,) a = a.reshape((1,-1)) a.shape # (1, 3) a = np.array([1,2,3,4,5,6]) a.shape #...
OpenCV学习笔记三：在图像上绘图和书写
m0_61740928的博客
05-09 1019
仍然使用笔记一的可爱熊猫图，在上面进行绘画和书写。 第一段：准备工作 首先导入cv2和numpy(后面用于生成数组) 然后用cv2.imread（）载入图片 import cv2 import numpy as np image = cv2.imread("red_panda.jpg") shape = image.shape 第二段：定义颜色 定义颜色，这个蛮好玩的 。括号里的三个数字分别代表blue（0-255），green（0-255），red（0-255）（也就是BGR），可以根据以
cv::mat与numpy相互转换
FantasyJXF的博客
12-18 9007
cv::mat与numpy相互转换
python中GPU版本的opencv常用方法介绍
热门推荐
submarineas的博客
07-21 2万+
引言 本篇是以python的视角介绍相关的函数还有自我使用中的一些问题，本想在这篇之前总结一下opencv编译的全过程，但遇到了太多坑，暂时不太想回看做过的笔记，所以主要总结python下GPU版本的opencv。 bitwise_and() bitwise_not() bitwise_or() bitwise_xor() compare() divide()：除 exp() log() max() min() multiply() threshold()：二值化，但要指定设定阈值 blendLinea
使用开源代码完成 Python numpy.ndarray 转 C++ cv::Mat
dell5200的博客
03-08 2935
前言 本文解决了上一篇文章中的接口问题(cv::Mat to numpy.ndarray)，使用的工具是github上Gregory Kramida的一个项目pyboostcvconverter。关于该项目的介绍和使用方式在其Readme中有详细的介绍，因此本文主要介绍使用过程中会出现的若干问题和解决办法。 问题 1. cmake-gui 路径设置 在Readme中，作者Gregory Kram...
Traceback (most recent call last): File "C:\Users\86135\Desktop\project\face_recognition.py", line 75, in <module> faces = detect_faces(image) File "C:\Users\86135\Desktop\project\face_recognition.py", line 40, in detect_faces gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) cv2.error: OpenCV(4.9.0) :-1: error: (-5:Bad argument) in function 'cvtColor' > Overload resolution failed: > - src is not a numpy array, neither a scalar > - Expected Ptr<cv::UMat> for argument 'src' 获取人脸时发生了如上的报错，如何解决？
最新发布
06-18
<think>我们正在解决OpenCV的cv2.cvtColor函数报错问题，错误信息为：cv2.error:OpenCV(4.x.x):-1:error:(-5:Badargument)infunction'cvtColor'>Overloadresolutionfailed:>-srcisnotanumpyarray,neitherascalar>-ExpectedPtr<cv::UMat>forargument'src'根据引用[1][2][3][4][5]中的错误信息，核心问题是传递给OpenCV函数的参数不是预期的numpy数组（或UMat对象）。具体到cvtColor函数，第一个参数`src`（即原始图像）必须是一个有效的numpy数组（或UMat），但实际传递的可能不是。###错误原因分析1.**图像变量不是numpy数组**：可能由于以下原因：-图像未正确加载（例如文件路径错误，导致`cv2.imread`返回`None`）-变量名拼写错误（如引用[2]中`origin_iamge`可能是`origin_image`的拼写错误）-变量被意外覆盖（例如在代码中重新赋值）2.**图像数据被修改为只读**：引用[4]提到当尝试在图像上绘制矩形时，因为图像数组被标记为只读（readonly）而导致错误。类似地，如果传递给`cvtColor`的图像数组是只读的，也可能导致问题。3.**图像数据格式问题**：虽然错误信息没有直接指出，但有时图像数据格式不正确（如不是3通道的BGR图像）也可能导致转换失败。###解决方案步骤####1.检查图像加载是否正确确保使用`cv2.imread`加载图像时，返回了有效的图像数组：```pythonimportcv2#加载图像image=cv2.imread("path/to/image.jpg")#检查是否成功加载ifimageisNone:print("错误：无法加载图像，请检查文件路径")exit()else:print("图像加载成功，尺寸:",image.shape)```####2.检查变量名和变量类型确保传递给`cv2.cvtColor`的变量确实是一个numpy数组：```python#检查变量类型print("变量类型:",type(image))#如果是None，则说明加载失败；如果是其他类型，则说明传递了错误的对象```####3.修复变量名拼写错误如引用[2]中的错误，代码中使用了`origin_iamge`（拼写错误）：```python#错误示例（变量名拼写错误）origin_iamge=cv2.imread("image.jpg")gray=cv2.cvtColor(origin_iamge,cv2.COLOR_BGR2GRAY)#这里会报错，因为变量名应该是origin_image#正确写法origin_image=cv2.imread("image.jpg")gray=cv2.cvtColor(origin_image,cv2.COLOR_BGR2GRAY)```####4.处理只读数组问题如果图像数组被设置为只读（readonly），则无法进行修改（包括转换颜色空间）。解决方法：```python#方法1：复制数组（创建可写副本）image_writable=image.copy()#创建可写副本gray=cv2.cvtColor(image_writable,cv2.COLOR_BGR2GRAY)#方法2：如果图像来自其他库（如PIL），需要正确转换fromPILimportImageimportnumpyasnppil_image=Image.open("image.jpg")#将PIL图像转换为OpenCV格式（BGR）image=np.array(pil_image)[:,:,::-1].copy()#转换为可写的numpy数组gray=cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)```####5.检查图像通道数确保图像是3通道（BGR格式）或4通道（BGRA），因为灰度转换需要这些输入：```python#检查图像通道数ifimage.ndim!=3:print("图像通道数异常:",image.ndim)#单通道图像无需转换#其他情况可能需要处理```###完整调试示例```pythonimportcv2importnumpyasnpdefsafe_cvtColor(image):"""安全的颜色转换函数，处理各种异常情况"""ifimageisNone:raiseValueError("输入图像为None")ifnotisinstance(image,np.ndarray):raiseTypeError(f"输入图像必须是numpy数组，实际类型为{type(image)}")ifimage.ndim!=3:raiseValueError(f"输入图像必须是3通道，实际通道数{image.ndim}")#创建可写副本（避免只读问题）image=image.copy()returncv2.cvtColor(image,cv2.COLOR_BGR2GRAY)#示例使用try:img=cv2.imread("test.jpg")gray_img=safe_cvtColor(img)cv2.imshow("GrayImage",gray_img)cv2.waitKey(0)exceptExceptionase:print(f"发生错误:{e}")```###常见问题扩展1.**为什么图像数组会变成只读？**-当图像数据来自某些只读源（如内存映射文件）或某些库（如PyTorch的tensor转numpy时设置`writable=False`）时，数组可能被标记为只读[^4]。2.**如何避免变量名错误？**-使用IDE的代码补全功能-在关键步骤添加类型检查3.**OpenCV函数通用参数检查方法**```pythondefcheck_opencv_input(img,func_name=""):ifimgisNone:raiseValueError(f"{func_name}:图像为None")ifnotisinstance(img,np.ndarray):raiseTypeError(f"{func_name}:输入类型错误，期望numpy数组，实际类型{type(img)}")ifimg.flags.writeableisFalse:img=img.copy()#创建可写副本returnimg```###相关问题§§相关问题§§1.如何正确加载图像以避免OpenCV返回None?2.如何处理来自PyTorchTensor的OpenCV图像转换?3.OpenCV中如何检测图像数组是否为只读?4.如何修复OpenCV的imwrite函数出现的类似错误?5.如何避免OpenCV函数调用时的变量名错误?</think>### OpenCV `cv2.cvtColor` 错误解决方案 #### 错误原因分析 `cv2.error: (-5:Bad argument) src is not a numpy array` 的根本原因是传递给 `cv2.cvtColor` 的图像数据不是有效的NumPy数组[^1][^2]。常见原因包括： 1. **图像加载失败**： - 文件路径错误导致 `cv2.imread()` 返回 `None` - 不支持的图像格式 - 文件权限问题 2. **变量类型错误**： - 传递了非图像数据（如字符串、None对象） - 变量名拼写错误（如引用[2]中的 `origin_iamge`） 3. **只读数组问题**： - NumPy数组被标记为只读（常见于从某些数据源转换的图像）[^4] 4. **数据来源问题**： - 来自PyTorch/TensorFlow的Tensor未正确转换 - 其他图像库（PIL等）的图片对象未转换 #### 解决方案步骤 ##### 1. 验证图像加载 ```python import cv2 import numpy as np # 正确加载图像 image = cv2.imread("path/to/image.jpg") # 使用实际路径替换 # 检查加载结果 if image is None: print("错误：图像加载失败！请检查文件路径和格式") exit() else: print(f"图像加载成功，类型：{type(image)}，尺寸：{image.shape}") ``` ##### 2. 检查变量类型和拼写 ```python # 确保变量名正确（注意拼写） # 错误示例：origin_iamge → 正确应为 origin_image print(f"变量类型: {type(image)}") # 应显示 <class 'numpy.ndarray'> # 手动创建测试图像（排除加载问题） test_image = np.zeros((300, 300, 3), dtype=np.uint8) # 创建300x300黑色图像 gray_test = cv2.cvtColor(test_image, cv2.COLOR_BGR2GRAY) print("测试图像转换成功！") ``` ##### 3. 处理只读数组问题 ```python # 检查数组是否只读 print(f"数组可写: {image.flags.writeable}") # 应输出 True # 如果不可写，创建副本 if not image.flags.writeable: print("检测到只读数组，创建可写副本...") image = image.copy() # 关键步骤：创建可写副本[^4] # 执行转换 gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) ``` ##### 4. 处理不同来源的图像数据 **PyTorch Tensor 转换：** ```python import torch # 假设 tensor_image 是PyTorch Tensor tensor_image = torch.randn(3, 256, 256) # 示例数据 # 正确转换步骤： # 1. 转换为CPU # 2. 转换为NumPy # 3. 转换通道顺序 (C,H,W) → (H,W,C) # 4. 转换为uint8 numpy_image = tensor_image.cpu().numpy().transpose(1, 2, 0) numpy_image = (numpy_image * 255).astype(np.uint8) # 归一化到0-255 gray_image = cv2.cvtColor(numpy_image, cv2.COLOR_RGB2GRAY) ``` **PIL 图像转换：** ```python from PIL import Image import numpy as np pil_image = Image.open("image.jpg") # 转换为NumPy数组并转换颜色通道 numpy_image = np.array(pil_image)[:, :, ::-1].copy() # RGB→BGR[^3] gray_image = cv2.cvtColor(numpy_image, cv2.COLOR_BGR2GRAY) ``` #### 完整调试流程 ```python def safe_cvt_color(image): """安全的颜色转换函数""" # 1. 检查是否为None if image is None: raise ValueError("输入图像为None") # 2. 检查是否为NumPy数组 if not isinstance(image, np.ndarray): raise TypeError(f"需NumPy数组，实际类型: {type(image)}") # 3. 检查数组可写性 if not image.flags.writeable: image = image.copy() # 4. 执行转换 return cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # 使用示例 try: gray = safe_cvt_color(image) cv2.imshow("Result", gray) cv2.waitKey(0) except Exception as e: print(f"转换失败: {str(e)}") ``` #### 错误预防技巧 1. **路径处理最佳实践**： ```python import os.path image_path = os.path.abspath("relative/path/to/image.jpg") if not os.path.exists(image_path): print(f"文件不存在: {image_path}") ``` 2. **添加类型检查装饰器**： ```python def validate_image_input(func): def wrapper(img, *args, **kwargs): if not isinstance(img, np.ndarray): raise TypeError("输入必须是NumPy数组") if img.size == 0: raise ValueError("空数组") return func(img, *args, **kwargs) return wrapper @validate_image_input def convert_to_gray(img): return cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) ``` 3. **使用OpenCV的dnn模块作为备选**： ```python # 当cvtColor失败时可尝试 def alternative_gray_conversion(image): blob = cv2.dnn.blobFromImage(image, scalefactor=1.0, size=(image.shape[1], image.shape[0])) gray = cv2.cvtColor(blob.squeeze().transpose(1,2,0), cv2.COLOR_RGB2GRAY) return gray ``` > **关键点**：OpenCV操作要求输入必须是可写的NumPy数组。当遇到`(-5:Bad argument)`错误时，首先检查变量类型和数组属性[^1][^2][^4]。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值