OpenCV Python中的距离变换自动将CV_8UC3转换为CV_32SC1，创建一个断言错误答案

【问题标题】：Distance Transform in OpenCV Python automatically converting CV_8UC3 to CV_32SC1 creating an assertion errorOpenCV Python中的距离变换自动将CV_8UC3转换为CV_32SC1，创建一个断言错误
【发布时间】：2016-11-09 12:55:14
【问题描述】：

我正在尝试按照教程将分水岭算法应用于图像：OpenCv WaterShed Docs。我之前在灰度图像上应用了高斯滤波和形态变换后的 Otsu 阈值处理，以根据代码提高图像质量：

img = cv2.imread('Results\Feb_16-0.jpg',0)
kernel = np.ones((1,1),np.uint8)
opening = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)
blur = cv2.GaussianBlur(opening,(1,1),0)
ret3,th4 = cv2.threshold(blur,0,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU)

按照代码应用距离变换作为分水岭算法的第一阶段：

# sure background area
sure_bg = cv2.dilate(opening,kernel,iterations=1)
# Finding sure foreground area
dist_transform = cv2.distanceTransform(opening,cv2.DIST_L2,3)

产生错误：

error: (-215) src.type() == CV_8UC3 && dst.type() == CV_32SC1 in function cv::watershed

其中正在尝试将 8 位 3 通道图像转换为 32 位单通道图像。如何防止这种情况发生，同时使用距离变换？

【问题讨论】：

你能解决吗？
很遗憾我没能解决
我似乎根本没有收到此错误。你能上传你正在使用的图片吗？
此外，使用 1 的内核大小进行卷积不会改变任何内容。尝试将内核大小更改为 3 或更大

标签： python opencv computer-vision opencv3.0 watershed

【解决方案1】：

当您输入cv2.distanceTransform 的数组格式不正确时，会出现此错误。它应该是 np.uint8（不是 int8）类型的二维数组。

例如

import cv2 as cv
import numpy as np

testim = np.zeros((11,11), dtype = uint8)
testim[2:6,1:6] = 255
testim[3,3] = 0
print(testim)
dist = cv.distanceTransform(testim, cv.DIST_L2, 5)
print(testim)

如果您正在读取格式不正确的图像，您必须先将其转换为灰色（只有一个通道）并确保它是 uint8 格式。这可以通过imagename.astype(np.uint8) 完成

这是在 opencv 版本 3.3.1、python 3.5 中测试的。

【讨论】：

【解决方案2】：

在函数cv2.watershed(img,markers) 中，您的输入参数img 必须有3 个通道。完整的工作代码：

#Load image in grayscale
img = cv2.imread('Results\Feb_16-0.jpg',0)

kernel = np.ones((1,1),np.uint8)
opening = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)
blur = cv2.GaussianBlur(opening,(1,1),0)
ret3,th4 = cv2.threshold(blur,0,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU)

# sure background area
sure_bg = cv2.dilate(opening,kernel,iterations=1)
# Finding sure foreground area
dist_transform = cv2.distanceTransform(opening,cv2.DIST_L2,3)

ret, sure_fg = cv2.threshold(dist_transform,0.7*dist_transform.max(),255,0)
sure_fg = np.uint8(sure_fg)
unknown = cv2.subtract(sure_bg,sure_fg)

ret, markers = cv2.connectedComponents(sure_fg)
markers = markers+1
markers[unknown==255] = 0
markers = markers.astype('int32')

#now load same image as color image
img = cv2.imread('Results\Feb_16-0.jpg',1)

markers = cv2.watershed(img,markers)
img[markers == -1] = [255,0,0]

【讨论】：