使用CV2与Numpy调整图像适配Keras模型时遇报错求助

问题原因分析 #

你遇到的cv::hal::resize断言错误，主要是因为OpenCV的resize函数不支持int32类型的图像数组，而且你用PIL读取图像后直接转成int32，同时漏掉了旧代码里的灰度转换、图像反转步骤，这些都导致cv2无法正常处理图像。

你的旧核心逻辑是：读取灰度图→反转图像→缩放到28x28→调整形状适配Keras，新代码里不仅数据类型不符合要求，还缺失了关键的预处理步骤。

修复后的代码方案 #

下面提供两种可靠的实现方式，完美替代废弃的scipy函数，同时适配Keras模型：

方案1：纯PIL+Numpy实现（更简洁，避开cv2的类型坑）

import numpy as np
from PIL import Image

def load_and_preprocess_image(infilename):
    # 1. 读取灰度图（对应旧代码的mode='L'）
    img = Image.open(infilename).convert('L')
    # 2. 转numpy数组并反转图像
    img_array = np.invert(np.asarray(img, dtype=np.uint8))
    # 3. 缩放到28x28尺寸
    img_resized = Image.fromarray(img_array).resize((28, 28))
    # 4. 调整形状为Keras需要的格式
    final_array = np.asarray(img_resized).reshape(1, 28, 28, 1)
    # 可选：查看处理后的图像
    img_resized.show()
    return final_array

# 调用函数处理图像
x = load_and_preprocess_image("output.png")

方案2：结合OpenCV实现

如果一定要用cv2，需确保图像是uint8类型，并正确处理灰度转换：

import numpy as np
import cv2

def load_and_preprocess_image(infilename):
    # 1. 直接读取灰度图
    img = cv2.imread(infilename, cv2.IMREAD_GRAYSCALE)
    # 2. 反转图像（对应旧代码的np.invert）
    img_inverted = cv2.bitwise_not(img)
    # 3. 缩放到28x28（cv2对uint8类型的图像处理无压力）
    img_resized = cv2.resize(img_inverted, dsize=(28, 28))
    # 4. 调整形状适配Keras
    final_array = img_resized.reshape(1, 28, 28, 1)
    # 可选：查看处理后的图像
    cv2.imshow("Processed Image", img_resized)
    cv2.waitKey(0)
    cv2.destroyAllWindows()
    return final_array

# 调用函数处理图像
x = load_and_preprocess_image("output.png")

关键注意点 #

• 数据类型：OpenCV和PIL处理图像默认用uint8（0-255范围），不要随意转成int32，否则会触发处理错误。
• 灰度转换：必须显式将图像转为灰度格式，否则彩色图的3通道会导致后续reshape操作出错。
• 图像反转：这个步骤和旧代码的np.invert对应，不能漏掉，否则输入Keras的图像明暗会和训练数据不匹配，影响模型预测结果。

内容的提问来源于stack exchange，提问作者user12657351