系统错误：<built-in function imread> 返回 NULL 没有设置错误（tkinter）</built-in>

Question

我正在使用我的 keras model 使用改进的 tkinter 程序来检测 2 个类别，以对蝴蝶物种进行分类。

import tkinter as tk
from tkinter import filedialog
from tkinter import *
from PIL import ImageTk, Image
import numpy
import cv2

import tensorflow as tf
model = tf.keras.models.load_model("64x300-CNN.model")

classes = ["real", "fake"]

top=tk.Tk()
top.geometry('800x600')
top.title('Butterfly Classification')
top.configure(background='#CDCDCD')
label=Label(top,background='#CDCDCD', font=('arial',15,'bold'))
sign_image = Label(top)

def prepare(filepath):
    IMG_SIZE = 50  # 50 in txt-based
    img_array = cv2.imread(filepath, cv2.IMREAD_GRAYSCALE)  # read in the image, convert to grayscale
    new_array = cv2.resize(img_array, (IMG_SIZE, IMG_SIZE))  # resize image to match model's expected sizing
    return new_array.reshape(-1, IMG_SIZE, IMG_SIZE, 1)  # return the image with shaping that TF wants.

def classify(file_path):
    global label_packed
    new_array = cv2.imread(file_path, 1)
    pred = model.predict([prepare(new_array)])
    sign = classes[pred]
    print(sign)
    label.configure(foreground='#011638', text=sign)

def show_classify_button(file_path):
    classify_b=Button(top,text="Classify Image",
    command=lambda: classify(file_path),padx=10,pady=5)
    classify_b.configure(background='#364156', foreground='white',
    font=('arial',10,'bold'))
    classify_b.place(relx=0.79,rely=0.46)

def upload_image():
    try:
        file_path=filedialog.askopenfilename()
        uploaded=Image.open(file_path)
        uploaded.thumbnail(((top.winfo_width()/2.25),
        (top.winfo_height()/2.25)))
        im=ImageTk.PhotoImage(uploaded)
        sign_image.configure(image=im)
        sign_image.image=im
        label.configure(text='')
        show_classify_button(file_path)
    except:
        pass

upload=Button(top,text="Upload an image",command=upload_image,
  padx=10,pady=5)

upload.configure(background='#364156', foreground='white',
    font=('arial',10,'bold'))

upload.pack(side=BOTTOM,pady=50)
sign_image.pack(side=BOTTOM,expand=True)
label.pack(side=BOTTOM,expand=True)
heading = Label(top, text="Butterfly Classification",pady=20, font=('arial',20,'bold'))

heading.configure(background='#CDCDCD',foreground='#364156')
heading.pack()
top.mainloop()

并得到了这个错误

SystemError：返回 NULL 未设置错误

我已尝试从此处提出的类似问题中进行修复，但没有运气，我认为通过 tkinter 而不是通过文件路径导入图像时出现问题？

使用cv2.imread: "<built-in function imread> returned NULL without setting an error"，好像打不开图片或获取数据

完整的错误信息

Tkinter 回调 Traceback 中的异常（最近一次调用最后一次）：
文件“C:\Users\1rock\anaconda3\envs\machL\lib\ tkinter_init _.py”，第 1883 行，调用return self.func(*args) 文件“C:/Users/1rock/anaconda3/envs/ machL/fly.py”，第 36 行，在命令 = lambda 中：classify(file_path),padx=10,pady=5) 文件“C:/Users/1rock/anaconda3/envs/machL/fly.py”，第 29 行，在分类 pred = model.predict([prepare(new_array)]) 文件“C:/Users/1rock/anaconda3/envs/machL/fly.py”，第 22 行，准备 img_array = cv2.imread(filepath, cv2 .IMREAD_GRAYSCALE) # 读入图像，转灰度 SystemError: returned NULL without setting an error

进程以退出代码 0 结束

Answer 1

您实现的准备 function 执行加载、调整大小、重塑图像的过程。 function cv2.imread的目的是从给定的文件路径打开图像。 但是您输入了 function prepare(new_array)其中new_array已经是图像本身，而不是文件路径。 我建议进行两个修复，尽管两者最终是相等的。

此外， model.predict以实数输出最后一层，而不是整数类型的 class 数字。 因此，在这种情况下，您必须使用model.predict_classes 。 此外，由于这些函数默认为批处理模式，尽管您只提供单个图像，但您必须假设预测是一个数组，并对其进行索引。

第一个修复是提供文件路径并在prepare function 中加载图像。

def prepare(filepath):
    IMG_SIZE = 50  # 50 in txt-based
    img_array = cv2.imread(filepath, cv2.IMREAD_GRAYSCALE)  # read in the image, convert to grayscale
    new_array = cv2.resize(img_array, (IMG_SIZE, IMG_SIZE))  # resize image to match model's expected sizing
    return new_array.reshape(-1, IMG_SIZE, IMG_SIZE, 1)  # return the image with shaping that TF wants.

def classify(file_path):
    global label_packed
    pred = model.predict_classes([prepare(file_path)])
    sign = classes[pred[0,0]]
    print(sign)
    label.configure(foreground='#011638', text=sign)

接下来是仅在prepare function 中执行整形。

def prepare(img_array):
    IMG_SIZE = 50  # 50 in txt-based
    new_array = cv2.resize(img_array, (IMG_SIZE, IMG_SIZE))  # resize image to match model's expected sizing
    return new_array.reshape(-1, IMG_SIZE, IMG_SIZE, 1)  # return the image with shaping that TF wants.

def classify(file_path):
    global label_packed
    new_array = cv2.imread(file_path, 1)
    pred = model.predict_classes([prepare(new_array)])
    sign = classes[pred[0,0]]
    print(sign)
    label.configure(foreground='#011638', text=sign)

我还想说，这种调整大小的过程非常低效。 输入管道的解决方案是在 Tensorflow 内部开发的预处理层。 您可以创建一个 model 作为输入管道。

input_pipeline=tf.keras.models.Sequential([
  tf.keras.layers.experimental.preprocessing.Resizing(h,w,..),
  tf.keras.layers.experimental.preprocessing...
])
...
new_array=input_pipeline.predict(img_array)

或使用tf.image.resize ，因为它们可以在没有显式循环的情况下处理批量图像，并提供更多可以简单应用的功能。