ValueError:无法将输入数组从shape (150,150)广播到shape (28,28) - cv2.resize()奇怪错误
这个错误是由于使用OpenCV的cv2.resize()函数时，尝试将一个形状为(150,150)的输入数组广播到形状为(28,28)的目标数组而引起的。这个错误通常发生在图像处理中，当尝试调整图像大小时，目标大小与原始图像的大小不兼容。
要解决这个问题，可以采取以下步骤：
- 确保输入数组的形状是正确的。检查输入数组的维度是否为(150,150)。如果不是，可以使用numpy的reshape()函数调整数组的形状。
- 确保目标大小是正确的。检查目标大小是否为(28,28)。如果不是，可以调整目标大小为所需的大小。
- 使用cv2.resize()函数调整图像大小时，确保选择合适的插值方法。cv2.resize()函数的第三个参数是插值方法，默认为双线性插值。你可以尝试其他插值方法，如最近邻插值或双三次插值，看是否能解决问题。
- 如果以上步骤都没有解决问题，可能是由于其他代码逻辑或数据处理问题导致的。可以检查其他与图像处理相关的代码，确保没有其他错误。
关于cv2.resize()函数的更多信息和使用方法，你可以参考腾讯云的图像处理服务，链接地址为：https://cloud.tencent.com/product/im
相关·内容
但是cv2.resize()和skimage.transform.resize都抛出了: ValueError:无法将输入数组从形状(150,150)广播到形状(28,28) for i inrange(len(X_train)):
X_train[i] = resize(X_train[i], (150,150))
浏览 13提问于2020-03-25得票数 0
5回答
由于下面的错误，我试图添加通道
img = cv2.imread(f,0)print(resized.shape) 但是我需要一个像(48,48,1
浏览 1提问于2018-03-12得票数 5
我试图通过排除目标数组的边距来将数组保存到更大的数组中。它在大多数情况下都有效，但有时目标数组的形状似乎会在没有明显原因的情况下发生变化。我真的不明白错误是从哪里来的，因为两个形状都是用相同的变量(Size_X和Size_Y)定义的。Image_target_no_margins = cv2.resize((Result_cllRuntime['writeResult']['depthData']*-1), ds
浏览 25提问于2021-01-08得票数 0
回答已采纳
3回答
python中的图像尺寸错误
、、、、
(grayA, grayB, full=True)print("SSIM: {}".format(score))raise ValueError('Input images must have the same dimensions.')ValueError: Input images must have the same dimensions.
如何解决此问题？
浏览 31提问于2018-02-23得票数 5
问题是我得到了以下错误： ValueError:无法将输入数组从形状(6)广播到形状(1) 为什么？有没有人能帮我？0.4]] str=np.zeros([1,n]) str[i] = 1000 * F[i]
# ValueError: could not broadcast input array from shape</em
浏览 14提问于2019-05-08得票数 1
回答已采纳
background[top_left_height:top_left_height+height][top_left_width:top_left_width+width][:] = img 但我收到了错误消息ValueError:无法将输入数组从形状(48,64,3)广播到形状(0,1520,3) 下面的代码显示了我使用的图像。background = cv2.imread("sample_data/background.jpg
浏览 29提问于2021-04-15得票数 0
learning_rate=config.LEARNING_RATE, layers='heads')
1774 batch_gt_boxes[b, :gt_box
浏览 0提问于2019-09-10得票数 2
我正在尝试创建一个二维数组X，其中行的数量与句子数据集中的句子的数量相同，其中每一行都是描述该句子的向量。我尝试了下面的代码，但它给出了ValueError # Calculate the length of sentences
浏览 32提问于2020-11-29得票数 1
回答已采纳
我试图用来自for循环的数据填充一个零矩阵，但一直收到错误："ValueError:无法将输入数组从shape (10,1)广播到shape (10)“import numpy aspass
为什么datan，nRuns.shape<
浏览 1提问于2018-10-30得票数 0
我使用Keras2和TensorFlow作为后端，并尝试将水平矩形图像(宽度:150 x高度:100 x ch:3)输入网络。因此，我将Keras模型API输入定义为以下代码，但发生了错误。img = cv2.imread('input/train/{}.jpg'.format(id))
inputs = Input(shapeValueError</e
浏览 5提问于2017-09-04得票数 6
1回答
vector = np.array([1,1,1])M[:]=vector.astype(object) 这显然会给我一个错误，即： ValueError:无法将输入数组从形状(2)广播到形状(3,3) 那么，有没有什么方法可以将我的3d向量存储到我的4x4M矩阵的每个单元中？我知道如果我迭代ndarray我就能做到 for i in range(np.shape</e
浏览 15提问于2020-10-11得票数 0
1回答
我尝试了以下几种方法： new_image = process_img.reshape(process_img.shape[0]/3*process_img.shape[1]/3*process_img.shape[2]/3) 错误如下:无法将输入数组从形状(966,339,3)广播到形状(322,113,3) 但是没有工作，有谁可以帮助我吗？
浏览 20提问于2020-11-23得票数 0
False]}
grid.fit(x,y)
在grid.fit调用中，我得到了这个错误我还尝试将x和y转换为np数据，但没有成功。
浏览 4提问于2020-02-16得票数 0
回答已采纳
我有5个很大的numpy数组，我想把它们合并成一个numpy数组。使用np.concatenate没有帮助，因为内存错误:无法分配...所以我决定使用np.memmap。我的数组的形状如下：#print(arrayB.shape) (16058, 280, 212, 3)#print
浏览 22提问于2020-03-13得票数 0
回答已采纳
我有以下输出的python代码：#####################
#**shape of startx_buff = (2,120,20)**#***Error: data2['sac'][&
浏览 0提问于2017-02-02得票数 0
1回答
条件性能是毫无疑问的，但是当我尝试将提取的数据(维度为(20,64))插入到维度为(85,3600，64)的预定义存储矩阵(3600，因为应该从数据中提取维度为(20,64)的180部分数据，因此180*20 =3600)时，会出现下面提到的错误。错误： ValueError:无法将输入数组从shape (20,64)广播到shape (0,64) storage
浏览 20提问于2020-12-09得票数 0
1回答
我不知道如何让数据集从我的x和y值开始工作。X是35个输入，y是1个输出，有148个样本。使用此代码，我得到错误："ValueError:无法将输入数组从shape (148,35)广播到shape (35)“
需要知道如何正确地为pybrain准备一个数据集。
浏览 4提问于2015-07-07得票数 0
1回答
我试图使用以下代码压缩图像： new_n = im.shape[0]/ factor for i in range(new_mat.shape[0]):
curr_range1 = range(i*factor,min((i+1)*factor,im.shapenew_mat[i,:] = im[curr_range1,:].mean(axis=0)
浏览 3提问于2015-06-07得票数 1
回答已采纳
因此，我将数据集从np.array转换为tf.data.Dataset.from_tensor_slices张量，但无法解决数据形状不兼容问题。= [28,28]), tf.keras.layers.Dense(30, activationepochs = 10,，
浏览 3提问于2021-08-17得票数 0
1回答
我正在尝试将具有形状(150x150x3)的彩色图像分为30类。当我对模型进行拟合时，我得到了错误： ValueError:检查模型输入时出错:传递给模型的Numpy数组列表不是模型预期的大小。我的代码： model = Sequential()
model.add(Dense(150, activationsparse_categorical_crossentropy' ,metri
浏览 15提问于2019-02-06得票数 0
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频活动推荐
腾讯云开发者
