[已解决]为什么出现错误if src_img.ndim != 3: AttributeError: 'NoneType' object has no ...

愿你

1. import sys
   
2. import os
   
3. import numpy as np
   
4. import cv2
   
5. import tensorflow as tf
   
6. 
   
7. from sklearn.model_selection import train_test_split
   
8. 
   
9. 
   
10. class plate_cnn_net:
    
11.     def __init__(self):
    
12.         self.img_w,self.img_h = 136,36
    
13.         self.y_size = 2
    
14.         self.batch_size = 100
    
15.         self.learn_rate = 0.001
    
16. 
    
17.         self.x_place = tf.placeholder(dtype=tf.float32, shape=[None, self.img_h, self.img_w, 3], name='x_place')
    
18.         self.y_place = tf.placeholder(dtype=tf.float32, shape=[None, self.y_size], name='y_place')
    
19.         self.keep_place = tf.placeholder(dtype=tf.float32, name='keep_place')
    
20. 
    
21.     def cnn_construct(self):
    
22.         x_input = tf.reshape(self.x_place, shape=[-1, self.img_h, self.img_w, 3])
    
23. 
    
24.         cw1 = tf.Variable(tf.random_normal(shape=[3, 3, 3, 32], stddev=0.01), dtype=tf.float32)
    
25.         cb1 = tf.Variable(tf.random_normal(shape=[32]), dtype=tf.float32)
    
26.         conv1 = tf.nn.relu(tf.nn.bias_add(tf.nn.conv2d(x_input, filter=cw1, strides=[1, 1, 1, 1], padding='SAME'), cb1))
    
27.         conv1 = tf.nn.max_pool(conv1, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='SAME')
    
28.         conv1 = tf.nn.dropout(conv1, self.keep_place)
    
29. 
    
30.         cw2 = tf.Variable(tf.random_normal(shape=[3, 3, 32, 64], stddev=0.01), dtype=tf.float32)
    
31.         cb2 = tf.Variable(tf.random_normal(shape=[64]), dtype=tf.float32)
    
32.         conv2 = tf.nn.relu(tf.nn.bias_add(tf.nn.conv2d(conv1, filter=cw2, strides=[1, 1, 1, 1], padding='SAME'), cb2))
    
33.         conv2 = tf.nn.max_pool(conv2, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='SAME')
    
34.         conv2 = tf.nn.dropout(conv2, self.keep_place)
    
35. 
    
36.         cw3 = tf.Variable(tf.random_normal(shape=[3, 3, 64, 128], stddev=0.01), dtype=tf.float32)
    
37.         cb3 = tf.Variable(tf.random_normal(shape=[128]), dtype=tf.float32)
    
38.         conv3 = tf.nn.relu(tf.nn.bias_add(tf.nn.conv2d(conv2, filter=cw3, strides=[1, 1, 1, 1], padding='SAME'), cb3))
    
39.         conv3 = tf.nn.max_pool(conv3, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='SAME')
    
40.         conv3 = tf.nn.dropout(conv3, self.keep_place)
    
41. 
    
42.         conv_out = tf.reshape(conv3, shape=[-1, 17 * 5 * 128])
    
43. 
    
44.         fw1 = tf.Variable(tf.random_normal(shape=[17 * 5 * 128, 1024], stddev=0.01), dtype=tf.float32)
    
45.         fb1 = tf.Variable(tf.random_normal(shape=[1024]), dtype=tf.float32)
    
46.         fully1 = tf.nn.relu(tf.add(tf.matmul(conv_out, fw1), fb1))
    
47.         fully1 = tf.nn.dropout(fully1, self.keep_place)
    
48. 
    
49.         fw2 = tf.Variable(tf.random_normal(shape=[1024, 1024], stddev=0.01), dtype=tf.float32)
    
50.         fb2 = tf.Variable(tf.random_normal(shape=[1024]), dtype=tf.float32)
    
51.         fully2 = tf.nn.relu(tf.add(tf.matmul(fully1, fw2), fb2))
    
52.         fully2 = tf.nn.dropout(fully2, self.keep_place)
    
53. 
    
54.         fw3 = tf.Variable(tf.random_normal(shape=[1024, self.y_size], stddev=0.01), dtype=tf.float32)
    
55.         fb3 = tf.Variable(tf.random_normal(shape=[self.y_size]), dtype=tf.float32)
    
56.         fully3 = tf.add(tf.matmul(fully2, fw3), fb3, name='out_put')
    
57. 
    
58.         return fully3
    
59. 
    
60.     def train(self,data_dir,model_save_path):
    
61.         print('ready load train dataset')
    
62.         X, y = self.init_data(data_dir)
    
63.         # print("===")
    
64.         # print(X)
    
65.         # print(y)
    
66.         # print("===")
    
67.         print('success load ' + str(len(y)) + ' datas')
    
68.         train_x, test_x, train_y, test_y = train_test_split(X, y, test_size=0.2, random_state=0)
    
69. 
    
70.         out_put = self.cnn_construct()
    
71.         predicts = tf.nn.softmax(out_put)
    
72.         predicts = tf.argmax(predicts, axis=1)
    
73.         actual_y = tf.argmax(self.y_place, axis=1)
    
74.         accuracy = tf.reduce_mean(tf.cast(tf.equal(predicts, actual_y), dtype=tf.float32))
    
75.         cost = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(logits=out_put, labels=self.y_place))
    
76.         opt = tf.train.AdamOptimizer(self.learn_rate)
    
77.         train_step = opt.minimize(cost)
    
78. 
    
79.         with tf.Session() as sess:
    
80.             init = tf.global_variables_initializer()
    
81.             sess.run(init)
    
82.             step = 0
    
83.             saver = tf.train.Saver()
    
84.             while True:
    
85.                 train_index = np.random.choice(len(train_x), self.batch_size, replace=False)
    
86.                 train_randx = train_x[train_index]
    
87.                 train_randy = train_y[train_index]
    
88.                 _, loss = sess.run([train_step, cost], feed_dict={self.x_place: train_randx,
    
89.                                                                   self.y_place: train_randy, self.keep_place: 0.75})
    
90.                 step += 1
    
91.                 print(step, loss)
    
92. 
    
93.                 if step % 10 == 0:
    
94.                     test_index = np.random.choice(len(test_x), self.batch_size, replace=False)
    
95.                     test_randx = test_x[test_index]
    
96.                     test_randy = test_y[test_index]
    
97.                     acc = sess.run(accuracy, feed_dict={self.x_place: test_randx,
    
98.                                                         self.y_place: test_randy, self.keep_place: 1.0})
    
99.                     print('accuracy:' + str(acc))
    
100.                     if acc > 0.99 and step > 500:
     
101.                         saver.save(sess, model_save_path, global_step=step)
     
102.                         break
     
103. 
     
104.     def test(self,x_images,model_path):
     
105.         out_put = self.cnn_construct()
     
106.         predicts = tf.nn.softmax(out_put)
     
107.         probabilitys = tf.reduce_max(predicts, reduction_indices=[1])
     
108.         predicts = tf.argmax(predicts, axis=1)
     
109.         saver = tf.train.Saver()
     
110.         with tf.Session() as sess:
     
111.             sess.run(tf.global_variables_initializer())
     
112.             saver.restore(sess, model_path)
     
113.             preds, probs = sess.run([predicts, probabilitys], feed_dict={self.x_place: x_images, self.keep_place: 1.0})
     
114.         return preds,probs
     
115. 
     
116.     def list_all_files(self,root):
     
117.         files = []
     
118.         list = os.listdir(root)
     
119.         for i in range(len(list)):
     
120.             element = os.path.join(root, list[i])
     
121.             if os.path.isdir(element):
     
122.                 files.extend(self.list_all_files(element))
     
123.             elif os.path.isfile(element):
     
124.                 files.append(element)
     
125.         return files
     
126. 
     
127.     def init_data(self,dir):
     
128.         print(dir)
     
129.         X = []
     
130.         y = []
     
131.         if not os.path.exists(dir):
     
132.             raise ValueError('没有找到文件夹')
     
133.         files = self.list_all_files(dir)
     
134.         print()
     
135.         labels = [os.path.split(os.path.dirname(file))[-1] for file in files]
     
136.         print(labels)
     
137.         print(len(labels))
     
138. 
     
139.         for i, file in enumerate(files):
     
140.             src_img = cv2.imread(file)
     
141.             if src_img.ndim != 3:
     
142.                 continue
     
143.             resize_img = cv2.resize(src_img, (136, 36))
     
144.             X.append(resize_img)
     
145.             y.append([[0, 1] if labels[i] == 'has' else [1, 0]])
     
146. 
     
147.         X = np.array(X)
     
148.         y = np.array(y).reshape(-1, 2)
     
149.         return X, y
     
150. 
     
151.     def init_testData(self,dir):
     
152.         test_X = []
     
153.         if not os.path.exists(dir):
     
154.             raise ValueError('没有找到文件夹')
     
155.         files = self.list_all_files(dir)
     
156.         for file in files:
     
157.             src_img = cv2.imread(file, cv2.COLOR_BGR2GRAY)
     
158.             if src_img.ndim != 3:
     
159.                 continue
     
160.             resize_img = cv2.resize(src_img, (136, 36))
     
161.             test_X.append(resize_img)
     
162.         test_X = np.array(test_X)
     
163.         return test_X
     
164. 
     
165. 
     
166. if __name__ == '__main__':
     
167.     cur_dir = sys.path[0]
     
168.     print(cur_dir)
     
169.     data_dir = os.path.join(cur_dir, './carIdentityData/cnn_plate_train')
     
170.     print(data_dir)
     
171.     test_dir = os.path.join(cur_dir, './carIdentityData/cnn_plate_test')
     
172.     train_model_path = os.path.join(cur_dir, './carIdentityData/model/plate_recongnize/model.ckpt')
     
173.     model_path = os.path.join(cur_dir,'./carIdentityData/model/plate_recongnize/model.ckpt-510')
     
174. 
     
175.     train_flag = 0
     
176.     net = plate_cnn_net()
     
177. 
     
178.     if train_flag == 1:
     
179.         # 训练模型
     
180.         net.train(data_dir,train_model_path)
     
181.     else:
     
182.         # 测试部分
     
183.         test_X = net.init_testData(test_dir)
     
184.         preds,probs = net.test(test_X,model_path)
     
185.         for i in range(len(preds)):
     
186.             pred = preds[i].astype(int)
     
187.             prob = probs[i]
     
188.             if pred == 1:
     
189.                 print('plate',prob)
     
190.             else:
     
191.                 print('no',prob)
     

复制代码

最佳答案

月排行榜 / 总排行榜

BngThea

2020-3-29 11:11:59

不是很清楚了吗，此时src_img 是 None
再打印一下此时的file文件，肯定不是图片

跳转到最佳答案楼层

愿你

1. if src_img.ndim != 3:
   
2. AttributeError: 'NoneType' object has no attribute 'ndim'

复制代码

刚刚提交的时候无法使用代码格式。

为什么会出现错误：if src_img.ndim != 3:
AttributeError: 'NoneType' object has no attribute 'ndim'

明明前一分钟运行的时候还没有这个错误，为什么现在运行就有了。该有的文件夹都有阿
求明白的人指点迷津~

愿你

刚刚提交的时候无法使用代码格式。

1. import sys
   
2. import os
   
3. import numpy as np
   
4. import cv2
   
5. import tensorflow as tf
   
6. 
   
7. from sklearn.model_selection import train_test_split
   
8. 
   
9. 
   
10. class plate_cnn_net:
    
11.     def __init__(self):
    
12.         self.img_w,self.img_h = 136,36
    
13.         self.y_size = 2
    
14.         self.batch_size = 100
    
15.         self.learn_rate = 0.001
    
16. 
    
17.         self.x_place = tf.placeholder(dtype=tf.float32, shape=[None, self.img_h, self.img_w, 3], name='x_place')
    
18.         self.y_place = tf.placeholder(dtype=tf.float32, shape=[None, self.y_size], name='y_place')
    
19.         self.keep_place = tf.placeholder(dtype=tf.float32, name='keep_place')
    
20. 
    
21.     def cnn_construct(self):
    
22.         x_input = tf.reshape(self.x_place, shape=[-1, self.img_h, self.img_w, 3])
    
23. 
    
24.         cw1 = tf.Variable(tf.random_normal(shape=[3, 3, 3, 32], stddev=0.01), dtype=tf.float32)
    
25.         cb1 = tf.Variable(tf.random_normal(shape=[32]), dtype=tf.float32)
    
26.         conv1 = tf.nn.relu(tf.nn.bias_add(tf.nn.conv2d(x_input, filter=cw1, strides=[1, 1, 1, 1], padding='SAME'), cb1))
    
27.         conv1 = tf.nn.max_pool(conv1, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='SAME')
    
28.         conv1 = tf.nn.dropout(conv1, self.keep_place)
    
29. 
    
30.         cw2 = tf.Variable(tf.random_normal(shape=[3, 3, 32, 64], stddev=0.01), dtype=tf.float32)
    
31.         cb2 = tf.Variable(tf.random_normal(shape=[64]), dtype=tf.float32)
    
32.         conv2 = tf.nn.relu(tf.nn.bias_add(tf.nn.conv2d(conv1, filter=cw2, strides=[1, 1, 1, 1], padding='SAME'), cb2))
    
33.         conv2 = tf.nn.max_pool(conv2, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='SAME')
    
34.         conv2 = tf.nn.dropout(conv2, self.keep_place)
    
35. 
    
36.         cw3 = tf.Variable(tf.random_normal(shape=[3, 3, 64, 128], stddev=0.01), dtype=tf.float32)
    
37.         cb3 = tf.Variable(tf.random_normal(shape=[128]), dtype=tf.float32)
    
38.         conv3 = tf.nn.relu(tf.nn.bias_add(tf.nn.conv2d(conv2, filter=cw3, strides=[1, 1, 1, 1], padding='SAME'), cb3))
    
39.         conv3 = tf.nn.max_pool(conv3, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='SAME')
    
40.         conv3 = tf.nn.dropout(conv3, self.keep_place)
    
41. 
    
42.         conv_out = tf.reshape(conv3, shape=[-1, 17 * 5 * 128])
    
43. 
    
44.         fw1 = tf.Variable(tf.random_normal(shape=[17 * 5 * 128, 1024], stddev=0.01), dtype=tf.float32)
    
45.         fb1 = tf.Variable(tf.random_normal(shape=[1024]), dtype=tf.float32)
    
46.         fully1 = tf.nn.relu(tf.add(tf.matmul(conv_out, fw1), fb1))
    
47.         fully1 = tf.nn.dropout(fully1, self.keep_place)
    
48. 
    
49.         fw2 = tf.Variable(tf.random_normal(shape=[1024, 1024], stddev=0.01), dtype=tf.float32)
    
50.         fb2 = tf.Variable(tf.random_normal(shape=[1024]), dtype=tf.float32)
    
51.         fully2 = tf.nn.relu(tf.add(tf.matmul(fully1, fw2), fb2))
    
52.         fully2 = tf.nn.dropout(fully2, self.keep_place)
    
53. 
    
54.         fw3 = tf.Variable(tf.random_normal(shape=[1024, self.y_size], stddev=0.01), dtype=tf.float32)
    
55.         fb3 = tf.Variable(tf.random_normal(shape=[self.y_size]), dtype=tf.float32)
    
56.         fully3 = tf.add(tf.matmul(fully2, fw3), fb3, name='out_put')
    
57. 
    
58.         return fully3
    
59. 
    
60.     def train(self,data_dir,model_save_path):
    
61.         print('ready load train dataset')
    
62.         X, y = self.init_data(data_dir)
    
63.         # print("===")
    
64.         # print(X)
    
65.         # print(y)
    
66.         # print("===")
    
67.         print('success load ' + str(len(y)) + ' datas')
    
68.         train_x, test_x, train_y, test_y = train_test_split(X, y, test_size=0.2, random_state=0)
    
69. 
    
70.         out_put = self.cnn_construct()
    
71.         predicts = tf.nn.softmax(out_put)
    
72.         predicts = tf.argmax(predicts, axis=1)
    
73.         actual_y = tf.argmax(self.y_place, axis=1)
    
74.         accuracy = tf.reduce_mean(tf.cast(tf.equal(predicts, actual_y), dtype=tf.float32))
    
75.         cost = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(logits=out_put, labels=self.y_place))
    
76.         opt = tf.train.AdamOptimizer(self.learn_rate)
    
77.         train_step = opt.minimize(cost)
    
78. 
    
79.         with tf.Session() as sess:
    
80.             init = tf.global_variables_initializer()
    
81.             sess.run(init)
    
82.             step = 0
    
83.             saver = tf.train.Saver()
    
84.             while True:
    
85.                 train_index = np.random.choice(len(train_x), self.batch_size, replace=False)
    
86.                 train_randx = train_x[train_index]
    
87.                 train_randy = train_y[train_index]
    
88.                 _, loss = sess.run([train_step, cost], feed_dict={self.x_place: train_randx,
    
89.                                                                   self.y_place: train_randy, self.keep_place: 0.75})
    
90.                 step += 1
    
91.                 print(step, loss)
    
92. 
    
93.                 if step % 10 == 0:
    
94.                     test_index = np.random.choice(len(test_x), self.batch_size, replace=False)
    
95.                     test_randx = test_x[test_index]
    
96.                     test_randy = test_y[test_index]
    
97.                     acc = sess.run(accuracy, feed_dict={self.x_place: test_randx,
    
98.                                                         self.y_place: test_randy, self.keep_place: 1.0})
    
99.                     print('accuracy:' + str(acc))
    
100.                     if acc > 0.99 and step > 500:
     
101.                         saver.save(sess, model_save_path, global_step=step)
     
102.                         break
     
103. 
     
104.     def test(self,x_images,model_path):
     
105.         out_put = self.cnn_construct()
     
106.         predicts = tf.nn.softmax(out_put)
     
107.         probabilitys = tf.reduce_max(predicts, reduction_indices=[1])
     
108.         predicts = tf.argmax(predicts, axis=1)
     
109.         saver = tf.train.Saver()
     
110.         with tf.Session() as sess:
     
111.             sess.run(tf.global_variables_initializer())
     
112.             saver.restore(sess, model_path)
     
113.             preds, probs = sess.run([predicts, probabilitys], feed_dict={self.x_place: x_images, self.keep_place: 1.0})
     
114.         return preds,probs
     
115. 
     
116.     def list_all_files(self,root):
     
117.         files = []
     
118.         list = os.listdir(root)
     
119.         for i in range(len(list)):
     
120.             element = os.path.join(root, list[i])
     
121.             if os.path.isdir(element):
     
122.                 files.extend(self.list_all_files(element))
     
123.             elif os.path.isfile(element):
     
124.                 files.append(element)
     
125.         return files
     
126. 
     
127.     def init_data(self,dir):
     
128.         print(dir)
     
129.         X = []
     
130.         y = []
     
131.         if not os.path.exists(dir):
     
132.             raise ValueError('没有找到文件夹')
     
133.         files = self.list_all_files(dir)
     
134.         print()
     
135.         labels = [os.path.split(os.path.dirname(file))[-1] for file in files]
     
136.         print(labels)
     
137.         print(len(labels))
     
138. 
     
139.         for i, file in enumerate(files):
     
140.             src_img = cv2.imread(file)
     
141.             if src_img.ndim != 3:
     
142.                 continue
     
143.             resize_img = cv2.resize(src_img, (136, 36))
     
144.             X.append(resize_img)
     
145.             y.append([[0, 1] if labels[i] == 'has' else [1, 0]])
     
146. 
     
147.         X = np.array(X)
     
148.         y = np.array(y).reshape(-1, 2)
     
149.         return X, y
     
150. 
     
151.     def init_testData(self,dir):
     
152.         test_X = []
     
153.         if not os.path.exists(dir):
     
154.             raise ValueError('没有找到文件夹')
     
155.         files = self.list_all_files(dir)
     
156.         for file in files:
     
157.             src_img = cv2.imread(file, cv2.COLOR_BGR2GRAY)
     
158.             if src_img.ndim != 3:
     
159.                 continue
     
160.             resize_img = cv2.resize(src_img, (136, 36))
     
161.             test_X.append(resize_img)
     
162.         test_X = np.array(test_X)
     
163.         return test_X
     
164. 
     
165. 
     
166. if __name__ == '__main__':
     
167.     cur_dir = sys.path[0]
     
168.     print(cur_dir)
     
169.     data_dir = os.path.join(cur_dir, './carIdentityData/cnn_plate_train')
     
170.     print(data_dir)
     
171.     test_dir = os.path.join(cur_dir, './carIdentityData/cnn_plate_test')
     
172.     train_model_path = os.path.join(cur_dir, './carIdentityData/model/plate_recongnize/model.ckpt')
     
173.     model_path = os.path.join(cur_dir,'./carIdentityData/model/plate_recongnize/model.ckpt-510')
     
174. 
     
175.     train_flag = 0
     
176.     net = plate_cnn_net()
     
177. 
     
178.     if train_flag == 1:
     
179.         # 训练模型
     
180.         net.train(data_dir,train_model_path)
     
181.     else:
     
182.         # 测试部分
     
183.         test_X = net.init_testData(test_dir)
     
184.         preds,probs = net.test(test_X,model_path)
     
185.         for i in range(len(preds)):
     
186.             pred = preds[i].astype(int)
     
187.             prob = probs[i]
     
188.             if pred == 1:
     
189.                 print('plate',prob)
     
190.             else:
     
191.                 print('no',prob)
     

复制代码

为什么会出现错误：if src_img.ndim != 3:
AttributeError: 'NoneType' object has no attribute 'ndim'

明明前一分钟运行的时候还没有这个错误，为什么现在运行就有了。该有的文件夹都有阿
求明白的人指点迷津~

BngThea

说明cv2读取的文件不对，检查一下路径

愿你

BngThea 发表于 2020-3-28 14:58
说明cv2读取的文件不对，检查一下路径

检查过了  奇怪的是 我上一秒都还能执行 下一秒就不能了

BngThea

愿你 发表于 2020-3-28 15:27
检查过了  奇怪的是 我上一秒都还能执行 下一秒就不能了

你检查一下files变量，是不是有些不是图片

愿你

BngThea 发表于 2020-3-28 15:31
你检查一下files变量，是不是有些不是图片

都是图片呀

BngThea

愿你 发表于 2020-3-29 09:55
都是图片呀

用try捕捉一下异常，然后打印对应的 src_img

愿你

BngThea 发表于 2020-3-29 09:59
用try捕捉一下异常，然后打印对应的 src_img

1.     def init_testData(self,dir):
   
2.         test_X = []
   
3.         if not os.path.exists(dir):
   
4.             raise ValueError('没有找到文件夹')
   
5.         files = self.list_all_files(dir)
   
6.         for file in files:
   
7.             src_img = cv2.imread(file, cv2.COLOR_BGR2GRAY)
   
8.             try:
   
9.                 if src_img.ndim != 3:
   
10.                     continue
    
11.             except Exception as ex:
    
12.                 print("发生异常")
    
13.                 print(src_img)
    
14.             resize_img = cv2.resize(src_img, (136, 36))
    
15.             test_X.append(resize_img)
    
16.         test_X = np.array(test_X)
    
17.         return test_X

复制代码

报错信息：

1. Traceback (most recent call last):
   
2.   File "D:/pycharm/djangocode/project6/python_LPR/newcode/plateNeuralNet.py", line 200, in <module>
   
3.     test_X = net.init_testData(test_dir)
   
4.   File "D:/pycharm/djangocode/project6/python_LPR/newcode/plateNeuralNet.py", line 177, in init_testData
   
5.     resize_img = cv2.resize(src_img, (136, 36))
   
6. cv2.error: OpenCV(3.4.3) C:\projects\opencv-python\opencv\modules\imgproc\src\resize.cpp:4044: error: (-215:Assertion failed) !ssize.empty() in function 'cv::resize'
   
7. 
   
8. 发生异常
   
9. None

复制代码

BngThea

不是很清楚了吗，此时src_img 是 None
再打印一下此时的file文件，肯定不是图片

愿你

BngThea 发表于 2020-3-29 11:11
不是很清楚了吗，此时src_img 是 None
再打印一下此时的file文件，肯定不是图片

可能是因为有几张有了中文 现在可以啦 谢谢~

lzl134514

你好，我也出现和你一样的问题，但我测试后发现src_img返回值为空，file返回值为E:\新建文件夹 (4)\CarPlateIdentity-master\code\carIdentityData/cnn_char_train\0\111-4.jpg，这是什么错误啊？