自定义decode_prediction后，VGG19预测遇OpenCV imshow未实现错误

错误原因 #

这个报错是因为你的OpenCV库编译时没有包含图形界面（GUI）支持（比如GTK+、Cocoa等），或者当前运行环境没有桌面显示能力（比如Kaggle、服务器这类无GUI环境），导致cv2.imshow无法执行。

具体解决方法 #

1. 本地Ubuntu/Debian环境（有桌面） #

如果是本地有桌面的Ubuntu/Debian系统，按以下步骤处理：

• 先安装GUI依赖：

  sudo apt-get update
  sudo apt-get install libgtk2.0-dev pkg-config
  

• 如果是用pip安装的OpenCV，卸载现有包并安装带GUI支持的版本：

  pip uninstall opencv-python
  pip install opencv-contrib-python
  

• 如果是源码编译的OpenCV，重新编译时cmake会自动检测已安装的依赖，启用GTK支持。

2. 无桌面环境（如Kaggle、Colab、云服务器） #

这类环境没有图形界面，cv2.imshow完全无法工作，推荐两种替代方案：

方案A：用Matplotlib显示图片

替换原代码中cv2.imshow和cv2.waitKey的部分，改用Matplotlib（支持无桌面环境的在线显示）：

import matplotlib.pyplot as plt

# 替换原显示代码
original_rgb = cv2.cvtColor(original, cv2.COLOR_BGR2RGB)  # OpenCV读入的是BGR格式，Matplotlib用RGB
plt.imshow(original_rgb)
plt.title(f"Label: {label}, {prob * 100:.2f}%")
plt.axis('off')  # 隐藏坐标轴
plt.show()

方案B：保存标注后的图片到本地

如果不需要实时显示，直接把标注好的图片保存到指定目录，之后再查看：

# 先创建输出目录（避免报错）
os.makedirs("../output", exist_ok=True)
# 保存标注后的图片
cv2.imwrite(f"../output/{filename}_pred.jpg", original)

额外代码优化建议 #

你的预测代码还有几个可以提升效率的问题：

• 不要在循环内重复加载模型：load_model操作很耗时，把它移到循环外面，只加载一次。
• 避免重复读取图片：cv2.imread(file)在代码中执行了两次，只需要读一次即可。
• 无用的参数解析：你定义了argparse的--image参数，但实际用的是固定目录，要么删除这部分代码，要么改成用参数指定图片目录。

优化后的核心代码片段：

import os
import json
import cv2
import numpy as np
from keras.preprocessing import image as image_utils
from keras.applications.imagenet_utils import preprocess_input
from keras.models import load_model

# 提前加载模型，只加载一次
print("[INFO] loading network...")
m = load_model('/kaggle/working/model_hemato.h5')

# 设置路径并创建输出目录
img_path = "../input/img_val"
os.makedirs("../output", exist_ok=True)
files = os.listdir(img_path)

print("[INFO] loading and processing images...")
for filename in files:
    file = os.path.join(img_path, filename)
    # 仅读取一次原图
    original = cv2.imread(file)

    # 图片预处理（用于模型预测）
    image = image_utils.load_img(file, target_size=(224, 224))
    image = image_utils.img_to_array(image)
    image = np.expand_dims(image, axis=0)
    image = preprocess_input(image)

    print("[INFO] classifying image...")
    predictions = m.predict(image)
    P = decode_prediction(predictions)
    print(P)

    # 打印预测结果
    for (i, (imagenetID, label, prob)) in enumerate(P[0]):
        print("{}. {}: {:.2f}%".format(i + 1, label, prob * 100))

    # 给原图添加标注
    (imagenetID, label, prob) = P[0][0]
    cv2.putText(original, "Label: {}, {:.2f}%".format(label, prob * 100), 
                (10, 30), cv2.FONT_HERSHEY_SIMPLEX, 0.8, (0, 255, 0), 2)
    
    # 保存标注后的图片（替代imshow）
    cv2.imwrite(f"../output/{filename}_pred.jpg", original)

内容的提问来源于stack exchange，提问作者user979974