调用cv2.merge()触发(-215)断言失败错误，求解决办法

错误信息 #

调用cv2.merge()时触发如下断言失败错误：

error: (-215:Assertion failed) mv[i].size == mv[0].size && mv[i].depth() == depth in function 'merge'

代码与运行输出 #

代码 #

# 将RGB转换为CIELAB色彩空间
image_lab = cv2.cvtColor(input_image, cv2.COLOR_BGR2LAB)

# 将输入图像拆分为独立的颜色通道（BGR顺序）
b, g, r = cv2.split(input_image)

# 计算每个颜色通道的均值
mean_r = np.mean(r)
mean_g = np.mean(g)
mean_b = np.mean(b)

# 计算灰度图像的均值
mean_gray = np.mean(input_image)

# 计算每个通道的修正值
r_corrected = r - 0.3 * (mean_gray - mean_r) * g * (1 - r)
b_corrected = b + 0.3 * (mean_gray - mean_b) * g * (1 - b)

# 确保所有通道均值相同
mean_r_corrected = np.mean(r_corrected)
mean_b_corrected = np.mean(b_corrected)
mean_correction = (mean_r_corrected + mean_b_corrected) / 2

# 应用颜色修正使所有通道均值一致
r_corrected = r_corrected + mean_correction - mean_r_corrected
b_corrected = b_corrected + mean_correction - mean_b_corrected

# 检查通道形状与数据类型
print("b_corrected的形状:", b_corrected.shape)
print("g的形状:", g.shape)
print("r_corrected的形状:", r_corrected.shape)

print("b_corrected的数据类型:", b_corrected.dtype)
print("g的数据类型:", g.dtype)
print("r_corrected的数据类型:", r_corrected.dtype)

# 将修正后的通道与原始绿色通道合并
corrected_image = cv2.merge([b_corrected, g, r_corrected])

# 显示修正后的图像
cv2.imshow('Corrected Image', corrected_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

运行输出 #

驱动器已挂载在/content/drive；若要强制重新挂载，请调用drive.mount("/content/drive", force_remount=True)。
b_corrected的形状: (313, 373)
g的形状: (313, 373)
r_corrected的形状: (313, 373)
b_corrected的数据类型: float64
g的数据类型: uint8
r_corrected的数据类型: float64
---------------------------------------------------------------------------
error                                     Traceback (most recent call last)
<ipython-input-27-9def3a429c8c> in <cell line: 13>()
     51 
     52     # 将修正后的通道与原始绿色通道合并
---> 53     corrected_image = cv2.merge([b_corrected, g, r_corrected])
     54 
     55     # 显示修正后的图像

error: OpenCV(4.8.0) /io/opencv/modules/core/src/merge.dispatch.cpp:129: error: (-215:Assertion failed) mv[i].size == mv[0].size && mv[i].depth() == depth in function 'merge'

错误原因 #

从输出的通道信息可直接定位问题：
所有通道的尺寸（shape）完全一致，但数据类型不统一——b_corrected和r_corrected为float64类型，而原始g通道是uint8类型。cv2.merge()要求所有输入通道的尺寸、数据类型必须完全匹配，类型不一致会触发断言失败。

解决方法 #

方法1：将修正后的浮点通道转换为uint8类型 #

图像显示/存储通常使用uint8（取值范围0-255），先将修正后的浮点值钳制在合法范围，再转换类型：

# 合并前添加以下代码，修正通道类型与范围
r_corrected = np.clip(r_corrected, 0, 255).astype(np.uint8)
b_corrected = np.clip(b_corrected, 0, 255).astype(np.uint8)

# 执行合并
corrected_image = cv2.merge([b_corrected, g, r_corrected])

方法2：将原始g通道转换为浮点类型 #

若需保留浮点精度进行后续计算，可先将g通道转为float64，合并后再按需转回uint8：

# 将g通道转换为float64类型
g_float = g.astype(np.float64)

# 合并浮点通道
corrected_image_float = cv2.merge([b_corrected, g_float, r_corrected])

# 若要显示图像，再转换为uint8并钳制范围
corrected_image = np.clip(corrected_image_float, 0, 255).astype(np.uint8)

通用排查思路 #

遇到cv2.merge()的断言错误时，优先检查：

• 所有待合并通道的**尺寸（shape）**是否完全一致（包括高度、宽度）
• 所有通道的**数据类型（dtype）**是否相同
• 浮点运算后的通道值是否超出目标类型的取值范围（比如uint8的0-255），需用np.clip截断

内容的提问来源于stack exchange，提问作者REKA