使用Mediapipe手部检测时，切片numpy数组创建mp.Image触发TypeError

问题场景 #

使用Mediapipe做手部检测时，运行以下代码触发TypeError：

cv_mat = cv2.imread("hand.jpg")
cv_mat = cv_mat[..., ::-1]
image = mp.Image(image_format=mp.ImageFormat.SRGB, data=cv_mat)

错误日志如下：

INFO: Created TensorFlow Lite XNNPACK delegate for CPU.
Traceback (most recent call last):
    image = mp.Image(image_format=mp.ImageFormat.SRGB, data=cv_mat)
TypeError: __init__(): incompatible constructor arguments. The following argument types are supported:
    1. mediapipe.python._framework_bindings.image.Image(image_format: mediapipe::ImageFormat_Format, data: numpy.ndarray[numpy.uint8])
    2. mediapipe.python._framework_bindings.image.Image(image_format: mediapipe::ImageFormat_Format, data: numpy.ndarray[numpy.uint16])
    3. mediapipe.python._framework_bindings.image.Image(image_format: mediapipe::ImageFormat_Format, data: numpy.ndarray[numpy.float32])

Invoked with: kwargs: image_format=<ImageFormat.SRGB: 1>, data=array([[[255, 255, 255],...

移除cv_mat = cv_mat[..., ::-1]后程序正常运行，疑问点：

• 报错根源是什么？
• 切片操作会不会改变数组类型？
• 为什么切片后的数组在OpenCV中能用，Mediapipe却报错？

问题分析与解决 #

• 切片不改变数组类型：[...,::-1]只是反转数组的通道顺序（把OpenCV默认的BGR格式转为RGB），数组的数据类型还是uint8，和原始数组完全一致，用print(cv_mat.dtype)就能验证。
• 真正报错原因：内存布局非连续：numpy的切片操作生成的是原数组的「视图」，而非独立的新数组，这个视图的内存地址是分散的（非连续）。Mediapipe的mp.Image构造函数要求输入的numpy数组必须是内存连续的，但OpenCV的大多数函数兼容非连续数组，这就是两者表现不同的核心原因。
• 解决办法：将切片后的数组转为内存连续的数组即可，有两种方式：
  1. 用numpy.ascontiguousarray()处理切片后的数组：

  import numpy as np
  import cv2
  import mediapipe as mp
  
  cv_mat = cv2.imread("hand.jpg")
  cv_mat = cv_mat[..., ::-1]
  cv_mat = np.ascontiguousarray(cv_mat)  # 转为连续内存数组
  image = mp.Image(image_format=mp.ImageFormat.SRGB, data=cv_mat)
  

  2. 直接用OpenCV的cv2.cvtColor完成通道转换，该函数返回的数组天然是内存连续的：

  import cv2
  import mediapipe as mp
  
  cv_mat = cv2.imread("hand.jpg")
  cv_mat = cv2.cvtColor(cv_mat, cv2.COLOR_BGR2RGB)
  image = mp.Image(image_format=mp.ImageFormat.SRGB, data=cv_mat)
  

内容的提问来源于stack exchange，提问作者Vladimir Ilyin