[Python ]在影像處理中使用 raise 關鍵字手動觸發錯誤

更新於 2024/09/09發佈於 2024/09/09閱讀時間約 1 分鐘

在 Python 中，你可以使用 raise 關鍵字手動觸發錯誤。這對於測試異常處理或在特定情況下停止程式執行非常有用。

本文主說明在影像處理中常見的異常情況，展示如何使用 raise 來觸發不同類型的錯誤。

1. 檔案不存在 (`FileNotFoundError`)

在影像處理中，如果要讀取的影像檔案不存在，可以手動觸發 FileNotFoundError。

import cv2

def load_image(file_path):
    image = cv2.imread(file_path)
    if image is None:
        raise FileNotFoundError(f"檔案不存在: {file_path}")
    return image

try:
    img = load_image("non_existent_image.jpg")
except FileNotFoundError as e:
    print(f"捕捉到錯誤: {e}")

2. 不支持的影像格式 (`ValueError`)

當影像格式不正確時，你可以手動觸發 ValueError，避免後續處理錯誤。

import cv2

def check_image_format(image, required_channels=3):
    if image is None:
        raise ValueError("無法讀取影像")
    if len(image.shape) != 3 or image.shape[2] != required_channels:
        raise ValueError(f"需要 {required_channels} 通道的影像，但得到 {len(image.shape)} 通道")
    return True

try:
    # 讀取原圖
    image = cv2.imread('F:/python/opencv/ball/123_out.png')
    # 將圖像轉為灰階
    gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    check_image_format(gray_image, 3)  # 檢查是否為 RGB 三通道影像
except ValueError as e:
    print(f"捕捉到錯誤: {e}")

3. 大小不匹配 (`ValueError`)

當你處理多張影像且要求影像大小一致時，如果影像尺寸不匹配，可以觸發 ValueError。

import cv2

def check_same_size(image1, image2):
    if image1.shape != image2.shape:
        raise ValueError("影像大小不匹配")
    return True

try:
    img1 = cv2.imread("image1.jpg")
    img2 = cv2.imread("image2.jpg")
    check_same_size(img1, img2)
except ValueError as e:
    print(f"捕捉到錯誤: {e}")

4. 無效的參數類型 (`TypeError`)

當函數參數的類型不正確時，觸發 TypeError。

import cv2

def resize_image(image, width, height):
    if not isinstance(width, int) or not isinstance(height, int):
        raise TypeError("寬度和高度必須是整數")
    return cv2.resize(image, (width, height))

try:
    img = cv2.imread("example_image.jpg")
    resized_img = resize_image(img, "800", 600)  # 傳入錯誤類型的寬度
except TypeError as e:
    print(f"捕捉到錯誤: {e}")

5. 影像處理失敗 (`RuntimeError`)

當某個影像處理操作無法成功執行時，可以手動觸發 RuntimeError。

import cv2

def apply_canny_edge_detection(image):
    edges = cv2.Canny(image, 100, 200)
    if edges is None:
        raise RuntimeError("Canny 邊緣檢測失敗")
    return edges

try:
    img = cv2.imread("example_image.jpg", 1)  # 讀取灰階影像
    edges = apply_canny_edge_detection(img)
except RuntimeError as e:
    print(f"捕捉到錯誤: {e}")

6. 過多的雜訊 (`ValueError`)

當影像雜訊過多或不符合預期標準時，可以觸發 ValueError。

import cv2
import numpy as np

def check_image_noise_level(image, threshold):
    noise_level = np.std(image)
    if noise_level > threshold:
        raise ValueError(f"影像雜訊過高: {noise_level}, 超過閾值: {threshold}")
    return True

try:
    img = cv2.imread("noisy_image.jpg", 0)
    check_image_noise_level(img, 25)
except ValueError as e:
    print(f"捕捉到錯誤: {e}")

7. 找不到輪廓 (`ValueError`)

在找不到圖像中的輪廓時，可以手動觸發 ValueError。

import cv2

def find_largest_contour(image):
    contours, _ = cv2.findContours(image, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    if len(contours) == 0:
        raise ValueError("無法找到任何輪廓")
    largest_contour = max(contours, key=cv2.contourArea)
    return largest_contour

try:
    img = cv2.imread("example_image.jpg", 0)  # 讀取灰階影像
    largest_contour = find_largest_contour(img)
except ValueError as e:
    print(f"捕捉到錯誤: {e}")