项目场景：

提示：这里简述项目相关背景：

用python处理图像时
error: (-215:Assertion failed) !_src.empty() in function ‘cv::cvtColor’

原因分析：

提示：这里填写问题的分析：

逐个读取文件里所有的.jpg文件，然后传给一个函数，其中用到了cvtColor为empty，说明数据没传进到cvtColor

解决方案：

提示：这里填写该问题的具体解决方案：

  1. 图片路径不可以是中文（相对路径和绝对路径都不可以哦~）
  2. 图片传输出现了问题，图片传输时被损坏
# opencv # python
Logo
音视频领域的无限可能，等你我来创造！

音视频技术社区，一个全球开发者共同探讨、分享、学习音视频技术的平台，加入我们，与全球开发者一起创造更加优秀的音视频产品！

更多推荐

FFmpeg硬件加速实战：从编解码原理到性能优化指南

软件编解码在处理高分辨率视频时往往会遇到性能瓶颈。以常见的1080p视频转码为例，纯软件方式（如libx264）的CPU占用率可达300%-400%（8核机器），而转码速度仅能达到30fps左右。这在实际业务中会带来严重的吞吐量问题，尤其是在需要实时处理的场景下。 主流硬件加速方案对比 NVIDIA NVENC：支持H.264/H.265/AV1编码需要CUDA环境和专用GPU（如RTX系列）

avatar 音视频技术专区

FFmpeg硬件编码实战：AI辅助开发中的性能优化与避坑指南

在AI视频处理任务中，实时性和资源消耗往往是开发者最头疼的问题。今天我们就来聊聊如何用FFmpeg的硬件编码功能，让视频处理速度飞起来！ 一、为什么需要硬件编码？ 当我们在做AI视频分析时，常常会遇到这些情况： CPU占用率长期90%+，其他服务都卡顿处理1080p视频时FPS不到10帧边缘设备发热严重导致降频 这些问题的根源在于：H.264/H.265编码实在太吃CPU了！用软件编码处理4K视

avatar 音视频技术专区

FFmpeg硬件编码实战：如何提升视频转码效率300%

背景痛点 在视频处理场景中，软件编码（如libx264）的CPU占用率常常成为性能瓶颈。通过top命令可以看到，一个1080P视频转码任务就可能吃满单个CPU核心： 当面临高并发转码需求时，这种资源消耗会迅速拖垮服务器性能。这时候就需要硬件编码出场了——通过GPU的专用电路来分担计算压力。 主流硬件编码方案对比 目前主流的硬件编码方案各有特点： Intel QSV：集成显卡方案，兼容性好但H.2

avatar 音视频技术专区