OpenCV 3.2移除黑色背景时触发cvtColor断言错误的解决咨询

这个错误我之前处理过，核心原因很明确：你调用Imgproc.cvtColor(frame, hsvImg, Imgproc.COLOR_BGR2HSV)时传入的frame是Canny边缘检测后的单通道灰度图，但COLOR_BGR2HSV要求输入必须是3通道（BGR）或4通道（BGRA）的8位无符号/32位浮点图像，这就触发了OpenCV的断言检查失败。

方案一：修正输入逻辑（最直接的修复） #

背景移除的逻辑应该基于原始彩色图像，而不是Canny边缘图。你需要调整doBackgroundRemoval的调用参数，同时优化方法内部的代码：

1. 修改调用处 #

把传入Canny结果改为传入原始彩色图：

// 原代码
// Mat fg= this.doBackgroundRemoval(frameImg);
// 修改后
Mat fg= this.doBackgroundRemoval(colorImg);

2. 优化doBackgroundRemoval方法 #

修正变量作用域，确保HSV转换的合法性：

private Mat doBackgroundRemoval(Mat frame) throws Exception{
    // 局部化变量，避免成员变量带来的意外问题
    Mat hsvImg = new Mat();
    List<Mat> hsvPlanes = new ArrayList<>();
    Mat thresholdImg = new Mat();

    // 现在输入是3通道BGR图像，符合COLOR_BGR2HSV的要求
    Imgproc.cvtColor(frame, hsvImg, Imgproc.COLOR_BGR2HSV);
    Core.split(hsvImg, hsvPlanes);

    // 计算H通道的直方图阈值
    double threshValue = this.getHistAverage(hsvImg, hsvPlanes.get(0));
    Imgproc.threshold(hsvPlanes.get(0), thresholdImg, threshValue, 179.0, Imgproc.THRESH_BINARY_INV);

    // 模糊+形态学操作填充缝隙、平滑边缘
    Imgproc.blur(thresholdImg, thresholdImg, new Size(5, 5));
    // 使用结构化元素替代空Mat，效果更可控
    Mat structElement = Imgproc.getStructuringElement(Imgproc.MORPH_RECT, new Size(6,6));
    Imgproc.dilate(thresholdImg, thresholdImg, structElement, new Point(-1, -1), 1);
    Imgproc.erode(thresholdImg, thresholdImg, structElement, new Point(-1, -1), 1);
    Imgproc.threshold(thresholdImg, thresholdImg, threshValue, 179.0, Imgproc.THRESH_BINARY);

    // 生成白色背景的前景图
    Mat foreground = new Mat(frame.size(), CvType.CV_8UC3, new Scalar(255, 255, 255));
    frame.copyTo(foreground, thresholdImg);
    return foreground;
}

方案二：基于Canny边缘图的背景移除（如果想保留边缘输入） #

如果坚持要用Canny结果做背景移除，不需要转HSV，直接对单通道边缘图做形态学操作生成掩码即可：

private Mat doBackgroundRemovalFromEdges(Mat edgeFrame, Mat originalColorImg) throws Exception{
    // 将单通道边缘图转为3通道，方便后续操作
    Mat edge3Channel = new Mat();
    Core.merge(Arrays.asList(edgeFrame, edgeFrame, edgeFrame), edge3Channel);

    // 形态学膨胀+腐蚀，填充边缘内部的空白区域
    Mat structElement = Imgproc.getStructuringElement(Imgproc.MORPH_RECT, new Size(10,10));
    Imgproc.dilate(edge3Channel, edge3Channel, structElement, new Point(-1,-1), 3);
    Imgproc.erode(edge3Channel, edge3Channel, structElement, new Point(-1,-1), 3);

    // 生成掩码
    Mat mask = new Mat();
    Imgproc.cvtColor(edge3Channel, mask, Imgproc.COLOR_BGR2GRAY);
    Imgproc.threshold(mask, mask, 10, 255, Imgproc.THRESH_BINARY);

    // 用掩码提取原始图的前景
    Mat foreground = new Mat(originalColorImg.size(), CvType.CV_8UC3, new Scalar(255,255,255));
    originalColorImg.copyTo(foreground, mask);
    return foreground;
}

额外小提示 #

对于支票这类对比度比较明显的文档图像，也可以尝试更简单的Otsu自动阈值分割，直接处理灰度图：

Mat mask = new Mat();
Imgproc.threshold(grayImg, mask, 0, 255, Imgproc.THRESH_BINARY_INV | Imgproc.THRESH_OTSU);

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