öffnen fp = io.BytesIO (fp.read()) AttributeError: 'str' Objekt hat kein Attribut 'lesen' in PIL/image.py

Question

Ich bin ein wenig neu in Python speziell Imaging-Bibliothek, die ich derzeit bin arbeiten mit. Ich arbeite mit einem Gesichtserkennungscode und lasse ihn in meinem Raspberry Pi 2 B + mit Jessie laufen. Ich benutze Opencv 2.4.9 und Python 2.7. Der Code, mit dem ich gerade arbeite, hat bis vor ein paar Minuten funktioniert, aber jetzt bekomme ich immer einen Fehler. Ich habe den Code nicht geändert oder etwas aktualisiert.

Was ich versucht habe: Ich deinstalliert Kissen und installierte verschiedene Versionen, aber es funktioniert immer noch nicht.

Ich verstehe einfach nicht, was sich geändert hat. Ich habe versucht, indem ich die Variablennamen immer noch nicht geändert habe.

import cv 
import cv2 
import sys 
import os 
import datetime 
import time 
from PIL import Image 
import numpy as np 


def EuclideanDistance(p, q): 
    p = np.asarray(p).flatten() 
    q = np.asarray(q).flatten() 
    return np.sqrt(np.sum(np.power((p-q),2))) 


class EigenfacesModel(): 

    def __init__(self, X=None, y=None, num_components=0): 
     self.num_components = 0 
     self.projections = [] 
     self.W = [] 
     self.mu = [] 
     if (X is not None) and (y is not None): 
      self.compute(X,y) 

    def compute(self, X, y): 
     [D, self.W, self.mu] = pca(asRowMatrix(X),y, self.num_components) 
     # store labels 
     self.y = y 
     # store projections 
     for xi in X: 
      self.projections.append(project(self.W, xi.reshape(1,-1), self.mu)) 

    def predict(self, X): 
     minDist = np.finfo('float').max 
     minClass = -1 
     Q = project(self.W, X.reshape(1,-1), self.mu) 
     for i in xrange(len(self.projections)): 
      dist = EuclideanDistance(self.projections[i], Q) 
      #print i,dist 
      if dist < minDist: 
       minDist = dist 
       minClass = self.y[i] 
     print "\nMinimum distance ", minDist   
     return minClass,minDist 


def asRowMatrix(X): 
    if len(X) == 0: 
     return np.array([]) 
    mat = np.empty((0, X[0].size), dtype=X[0].dtype) 
    for row in X: 
     mat = np.vstack((mat, np.asarray(row).reshape(1,-1))) 
    return mat 

def read_images(filename, sz=None): 
    c = 0 
    X,y = [], [] 
    with open(filename) as f: 
     for line in f: 
      line = line.rstrip() 
      im = Image.open(line) 
      im = im.convert("L") 
      # resize to given size (if given) 
      if (sz is None): 
       im = im.resize((92,112), Image.ANTIALIAS) 
      X.append(np.asarray(im, dtype=np.uint8)) 
      y.append(c) 
      c = c+1 

    print c 
    return [X,y] 

def pca(X, y, num_components=0): 
    [n,d] = X.shape 
    print n 
    if (num_components <= 0) or (num_components>n): 
     num_components = n 
    mu = X.mean(axis=0) 
    X = X - mu 
    if n>d: 
     C = np.dot(X.T,X) 
     [eigenvalues,eigenvectors] = np.linalg.eigh(C) 
    else: 
     C = np.dot(X,X.T) 
     [eigenvalues,eigenvectors] = np.linalg.eigh(C) 
     eigenvectors = np.dot(X.T,eigenvectors) 
     for i in xrange(n): 
      eigenvectors[:,i] = eigenvectors[:,i]/np.linalg.norm(eigenvectors[:,i]) 
    # or simply perform an economy size decomposition 
    # eigenvectors, eigenvalues, variance = np.linalg.svd(X.T, full_matrices=False) 
    # sort eigenvectors descending by their eigenvalue 
    idx = np.argsort(-eigenvalues) 
    eigenvalues = eigenvalues[idx] 
    eigenvectors = eigenvectors[:,idx] 
    # select only num_components 
    num_components = 25 
    eigenvalues = eigenvalues[0:num_components].copy() 
    eigenvectors = eigenvectors[:,0:num_components].copy() 
    return [eigenvalues, eigenvectors, mu] 

def project(W, X, mu=None): 
    if mu is None: 
     return np.dot(X,W) 
    return np.dot(X - mu, W) 




def reconstruct(W, Y, mu=None): 
    if mu is None: 
     return np.dot(W.T,Y) 
    return np.dot(W.T,Y) + mu 

#if __name__ == "__main__": 

def FaceRecognitionWrapper(Database_Address,TestImages_Address): 

    out_dir = "Output_Directory" 

    [X,y] = read_images(Database_Address) 
    y = np.asarray(y, dtype=np.int32) 
    #print len(X) 

    model = EigenfacesModel(X[0:], y[0:]) 
    # get a prediction for the first observation 
    [X1,y1] = read_images(TestImages_Address) 
    y1 = np.asarray(y1, dtype=np.int32) 
    OutputFile = open("Output.txt",'a') 
    for i in xrange(len(X1)): 
     predicted,difference = model.predict(X1[i]) 
     predicted1 = int(predicted/10) + 1 
     if difference <= 1000: 
      print i+1 , "th image was recognized as individual" , predicted+1 
      OutputFile.write(str(predicted1)) 
      OutputFile.write("\n") 
     else: 
      os.chdir(out_dir) 
      print i+1,"th image could not be recognized. Storing in error folder." 

      errorImage = Image.fromarray(X1[i]) 
      current_time = datetime.datetime.now().time() 
      error_img_name=current_time.isoformat()+'.png' 
      errorImage.save(error_img_name) 
      os.chdir('..') 
    OutputFile.close() 





#Create Model Here 

cascPath = '/home/pi/opencv-2.4.9/data/haarcascades/haarcascade_frontalface_default.xml' 
faceCascade = cv2.CascadeClassifier(cascPath) 
Test_Files = [] 

video_capture = cv2.VideoCapture(0) 

i = 0 

while True: 
    # Capture frame-by-frame 
    ret, frame = video_capture.read() 

    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) 

    faces = faceCascade.detectMultiScale(
     gray, 
     scaleFactor=1.1, 
     minNeighbors=5, 
     minSize=(30, 30), 
     flags=cv2.cv.CV_HAAR_SCALE_IMAGE 
    ) 

    # Draw a rectangle around the faces 
    for (x, y, w, h) in faces: 
     dummy_image = frame 
     cv2.rectangle(dummy_image, (x, y), (x+w, y+h), (0, 255, 0), 2) 
     dummy_image=dummy_image[y:y+h, x:x+w] 
     dirname = 'detection_output' 
     os.chdir(dirname) 
     current_time = datetime.datetime.now().time() 
     final_img_name=current_time.isoformat()+'.png' 
     Test_Files.append(final_img_name) 
     dummy_image = cv2.cvtColor(dummy_image, cv2.COLOR_BGR2GRAY) 
     cv2.imwrite(final_img_name,dummy_image) 
     os.chdir('..') 


    # Display the resulting frame 
    cv2.imshow('Video', frame) 

    if cv2.waitKey(1) & 0xFF == ord('q'): 
     break 
    i = i + 1 

    if i % 20 == 0: 
     dirname = 'detection_output' 
     os.chdir(dirname) 
     TestFile = open('CameraFeedFaces.txt',"w") 
     for Files in Test_Files: 
      TestFile.write(os.getcwd()+"/"+Files+"\n") 
     TestFile.close() 
     os.chdir("..") 
     #Call testing.py 
     FaceRecognitionWrapper("/home/pi/train_faces/temp.txt",os.getcwd()+"/detection_output/CameraFeedFaces.txt") 
     #Open Output File and Copy in a separate folder where distance greater than threshold 
     #Then delete all the files in the folder 
     break 


# When everything is done, release the capture 
video_capture.release() 
cv2.destroyAllWindows() 

Und hier ist der Traceback:

Traceback (most recent call last): 
    File "hel.py", line 213, in <module> 
    FaceRecognitionWrapper("/home/pi/train_faces/temp.txt",os.getcwd()+"/detection_output/CameraFeedFaces.txt") 
    File "hel.py", line 127, in FaceRecognitionWrapper 
    [X,y] = read_images(Database_Address) 
    File "hel.py", line 68, in read_images 
    im = Image.open(line) 
    File "/usr/local/lib/python2.7/dist-packages/PIL/Image.py", line 2277, in open 
    fp = io.BytesIO(fp.read()) 
AttributeError: 'str' object has no attribute 'read' 

Output when code was working

ich es irgendwo gelesen, und wenn ich versuche, und bearbeiten im = Image.open (open (Linie, 'rb')) Ich bekomme diesen Fehler anstelle des vorherigen

Traceback (most recent call last): 
    File "hel.py", line 208, in <module> 
    FaceRecognitionWrapper("/home/pi/train_faces/temp.txt",os.getcwd()+"/detection_output/CameraFeedFaces.txt") 
    File "hel.py", line 122, in FaceRecognitionWrapper 
    [X,y] = read_images(Database_Address) 
    File "hel.py", line 63, in read_images 
    im = Image.open(open(line,'rb')) 
IOError: [Errno 2] No such file or directory: '' 

Answer 1

Ihre Betreffzeile ist c onfusing. Sie haben dieses Problem behoben und dann einen anderen Fehler angezeigt.

IOError: [Errno 2] No such file or directory: '' 

Die Meldung zeigt, dass Sie eine Datei ohne Namen zu öffnen versuchen, und das bedeutet, dass die Eingabedatei Sie lesen mindestens eine Leerzeile hat. Wenn es in Ordnung für diese Datei Leerzeilen zu haben, fahren nur solche wie:

def read_images(filename, sz=None): 
    c = 0 
    X,y = [], [] 
    with open(filename) as f: 
     for line in f: 
      line = line.rstrip() 
      if line: 
       im = Image.open(open(line,'rb')) 
       im = im.convert("L" 
       # resize to given size (if given) 
       if (sz is None): 
        im = im.resize((92,112), Image.ANTIALIAS) 
       X.append(np.asarray(im, dtype=np.uint8)) 
       y.append(c) 
       c = c+1 

Andernfalls Sie einen berechtigten Fehler haben, und Sie sollen die Ausnahme abfangen und behandeln.