解决 OpenCV 'addWeighted' 函数错误：参数类型不匹配问题

在使用 OpenCV 的 addWeighted 函数进行图像处理时，你可能会遇到 -1: error: (-5:Bad argument) in function 'addWeighted' Overload resolution failed 的错误信息，并提示 ‘beta’ 参数无法被识别为浮点数。这通常是由于传递给 addWeighted 函数的参数类型不正确导致的。

错误分析

addWeighted 函数用于图像混合，其语法如下：pythondst = cv2.addWeighted(src1, alpha, src2, beta, gamma)

其中，beta 参数表示第二张图片的权重，必须是浮点数类型。如果 beta 的类型不正确，就会出现上述错误。

解决方案

错误信息中指出 'Argument 'beta' can not be treated as a double'，意味着传递给 beta 的值不能被视为浮点数。这可能是因为你在计算 beta 时使用了 cv2.meanStdDev 函数，而该函数返回的是一个 NumPy 数组，而不是单个值。

为了解决这个问题，可以使用 NumPy 库中的 item() 方法来获取 mean 和 std 的值，并确保它们是浮点数类型。

以下是修正后的代码：pythonimport cv2import numpy as np

... 其他代码 ...

光线补偿mean, std = cv2.meanStdDev(image)mean_val = mean.item() # 使用 item() 方法获取浮点数值std_val = std.item() # 使用 item() 方法获取浮点数值adjusted = cv2.addWeighted(image, 1, image, (127 - mean_val) / std_val, 0)

... 其他代码 ...

代码解释：

1. mean.item(): 获取 mean 数组中的值，并将其转换为浮点数类型。2. std.item(): 获取 std 数组中的值，并将其转换为浮点数类型。3. 将 mean_val 和 std_val 用于计算 beta，确保 beta 是浮点数类型。

通过使用 item() 方法，我们可以确保传递给 addWeighted 函数的参数类型正确，从而避免 'beta' 参数无法被识别为浮点数的错误。

希望这篇文章能够帮助你解决 OpenCV addWeighted 函数错误！