Python香蕉成熟度检测代码运行时cv2.resize报错求助

错误根因 #

cv2.error: 断言失败：!ssize.empty()报错的核心原因是cv2.resize()接收的输入图像为空值，该空值来源于cv2.imread()读取文件失败后返回的None，具体触发点有3个：

• 遍历目录时未过滤非图片文件，系统生成的缓存文件、子目录会被os.listdir()纳入遍历范围，cv2无法解析这类非图片资源，返回None
• 路径手动拼接错误，代码中直接用字符串相加拼接文件路径，缺少系统标准路径分隔符，导致文件找不到读取失败
• 存在无效冗余代码，averagecolor函数中return后的代码不会执行，循环外的无意义imread调用还可能引发变量作用域冲突

修复步骤 #

1. 增加图片读取校验逻辑 #

每次调用cv2.imread()后判断返回值是否为None，直接跳过读取失败的文件

2. 统一用os.path.join()拼接路径 #

避免不同操作系统的路径分隔符差异导致的路径错误

3. 过滤非图片后缀文件 #

仅处理jpg、png等常见图片格式的文件

修复后完整代码 #

import cv2
import os
import numpy as np

def averagecolor(image):
    return np.mean(image, axis=(0, 1))

path = r"C:/Users/Rafael/Desktop/Banana_Ripeness-master/Data/"
trainX = []
trainY = []
# 支持的图片后缀
ALLOWED_IMG_SUFFIX = ('.jpg', '.jpeg', '.png', '.bmp')

for label in ('Unriped','Riped', 'No Banana Found'):
    print ("Loading training images for the label: "+label)
    label_path = os.path.join(path, label)
    # 遍历子文件夹
    for filename in os.listdir(label_path):
        # 过滤非图片文件
        if not filename.lower().endswith(ALLOWED_IMG_SUFFIX):
            continue
        img_path = os.path.join(label_path, filename)
        img = cv2.imread(img_path)
        # 校验读取结果
        if img is None:
            print(f"跳过无法读取的文件：{img_path}")
            continue
        img_re = cv2.resize(img, (640,480))
        img_features = averagecolor(img_re)
        trainX.append(img_features)
        trainY.append(label)

Test = os.path.join(path, "Test")
for filename in os.listdir(Test):
    if not filename.lower().endswith(ALLOWED_IMG_SUFFIX):
        continue
    test_img_path = os.path.join(Test, filename)
    test_img = cv2.imread(test_img_path)
    if test_img is None:
        print(f"跳过无法读取的测试文件：{test_img_path}")
        continue
    test_img_feat = averagecolor(test_img)
    calculated_distances = []
    for i in trainX:
        calculated_distances.append(np.linalg.norm(test_img_feat-i))
    prediction = trainY[np.argmin(calculated_distances)]
    print(f"{filename}:{prediction}")

额外优化建议 #

• 如果训练集的No Banana Found类别中存放的是无香蕉的背景图，建议调整分类逻辑，先做香蕉目标检测再判断成熟度，准确率会更高
• 可以增加距离阈值判断，当最小距离超过阈值时统一返回No Banana Found，避免误判

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