使用切片翻转图像后调用cv2.rectangle报错的原因与解决方法

原因解释 #

NumPy切片[::-1]垂直翻转图像时，生成的是原数组的非连续内存视图——它只是改变了数组的访问步长，并没有重新排列内存中的数据顺序。而OpenCV的cv2.rectangle等底层函数依赖cv::Mat结构，该结构默认要求输入数组是连续内存布局的，非连续的数组视图无法匹配cv::Mat的内存布局要求，因此触发参数不兼容的报错。

而cv2.flip函数在执行翻转时，会重新分配内存并复制数据，生成的是连续内存的数组，完全符合OpenCV函数的输入要求，所以能正常运行。虽然两种方式得到的图像数值一致，但内存布局的差异导致了兼容性问题。

解决办法 #

有三种简单可行的方案：

• 方案1：转换为连续数组
  使用NumPy的np.ascontiguousarray()将切片后的非连续视图转换为连续数组：

  import numpy as np
  import cv2
  
  # 读取二值图像
  img = cv2.imread("binary_img.png", cv2.IMREAD_GRAYSCALE)
  # 切片翻转后转成连续数组
  flipped_img = np.ascontiguousarray(img[::-1])
  # 正常绘制矩形
  cv2.rectangle(flipped_img, (10,10), (100,100), 255, 2)
  

• 方案2：直接使用cv2.flip
  既然cv2.flip本身就能生成兼容的连续数组，直接用它完成垂直翻转即可（参数0代表垂直翻转）：

  flipped_img = cv2.flip(img, 0)
  cv2.rectangle(flipped_img, (10,10), (100,100), 255, 2)
  

• 方案3：生成切片的副本
  调用数组的copy()方法，生成切片视图的连续内存副本：

  flipped_img = img[::-1].copy()
  cv2.rectangle(flipped_img, (10,10), (100,100), 255, 2)
  

内容的提问来源于stack exchange，提问作者meysam