AI写得代码，有警告提示。不知道怎么修改

Warning (from warnings module):
  File "<__array_function__ internals>", line 180
VisibleDeprecationWarning: Creating an ndarray from ragged nested sequences (which is a list-or-tuple of lists-or-tuples-or ndarrays with different lengths or shapes) is deprecated. If you meant to do this, you must specify 'dtype=object' when creating the ndarray.

# 导入所需的库
import cv2
import numpy as np
from PIL import Image
import PySimpleGUI as sg
import io
import matplotlib.pyplot as plt

# 读取图片
image_path = sg.popup_get_file("请选择需要检查的图片")
img = cv2.imread(image_path)

# 定义多个特定颜色的范围
color_ranges = [np.array([[0, 255, 255], [0, 255, 255]], dtype=np.uint8),
                np.array([[255, 0, 30], [255, 0, 30]], dtype=np.uint8)]


# 提取每个颜色的部分
masks = []
for color_range in color_ranges:
    mask = cv2.inRange(img, color_range[0], color_range[1])
    masks.append(mask)

# 进行轮廓检测
contours = []
for mask in masks:
    cont, _ = cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)  # cv2.CHAIN_APPROX_NONE表明保持的原有轮廓信息完整 
    contours.append(cont)

# 合并contours中的所有轮廓信息，将其转换为单个numpy数组
contours = np.concatenate(contours, axis=0)

# 绘制轮廓内部分的新mask，并将每个颜色的mask进行组合
mask_new = np.zeros_like(masks[0], dtype=np.uint8)
cv2.drawContours(mask_new, contours, -1, (255, 255, 255), -1)

# 将新mask和原图进行叠加，只显示mask内的部分
res = cv2.bitwise_and(img, img, mask=mask_new)

# 将叠加后的图像编码成字符串
img_bytes = cv2.imencode('.png', res)[1].tobytes()

# 将字符串转成Image对象
image = Image.open(io.BytesIO(img_bytes))

# 转换为numpy数组并修改RGB值
image_np = np.array(image)
image_np[(image_np == [30, 0, 255]).all(axis=2)] = [255, 255, 255]
image_np[(image_np == [0, 0, 0]).all(axis=2)] = [255, 255, 255]
image_np[(image_np == [255, 0, 0]).all(axis=2)] = [255, 255, 255]

# 处理之后的图片转换为Image对象并保存
image_processed = Image.fromarray(image_np)

# 这里可以将image_processed保存到本地或者进行其他操作
img_bytes = io.BytesIO()
image_processed.save(img_bytes, format='PNG')
img = cv2.imdecode(np.frombuffer(img_bytes.getvalue(), dtype=np.uint8), 1)

# 转换为灰度图像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 使用Canny算法检测边缘
edges = cv2.Canny(gray, 0, 0)

# 使用findContours函数找到轮廓
contours, hierarchy = cv2.findContours(edges, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 遍历每个轮廓   
centers = []
colors = []
for c in contours:
    # 计算轮廓的矩和中心点坐标
    M = cv2.moments(c)
    # 如果M["m00"]为零，说明轮廓面积为零，跳过该轮廓
    if M["m00"] == 0:
        continue
    
    cx = int(M["m10"] / M["m00"])
    cy = int(M["m01"] / M["m00"])
    centers.append((cx, cy))
    
    # 获取中心点坐标对应的像素值，并转换为BGR格式
    pixel = img[cy][cx]
    pixel_bgr = tuple(map(int, pixel))
    colors.append(pixel_bgr)

# 读取原图
img_ori = cv2.imread(image_path)

# 在原图上标注
alpha = 1
for i in range(len(colors)):
    for j in range(i+1, len(colors)):
        # 设置颜色相似度阈值，根据需要调整
        threshold = 1
        
        # 如果颜色的BGR值都在阈值范围内，则认为是相同颜色，并绘制红色线段连接中心点
        if all(abs(colors[i][k] - colors[j][k]) < threshold for k in range(3)):
            # 绘制起点圆点
            cv2.circle(img_ori, centers[i], radius=5, color=(0, 0, 255), thickness=-1)
            # 绘制终点圆点
            cv2.circle(img_ori, centers[j], radius=5, color=(0, 0, 255), thickness=-1)
            # 绘制线段
            cv2.line(img_ori, centers[i], centers[j], (0, 0 ,255), 3)

# 将标注后的图像显示，并调整大小适应屏幕尺寸
plt.figure(figsize=(20,20))
plt.imshow(cv2.cvtColor(img_ori, cv2.COLOR_BGR2RGB))
plt.show()

• 你看下这篇博客吧, 应该有用👉 ：AI笔记: 计算机视觉之角点检测示例
• 除此之外, 这篇博客: AI实现换脸中的 数据的可视化 部分也许能够解决你的问题, 你可以仔细阅读以下内容或跳转源博客中阅读:
  

• 在实验开始之前，让我们先来安装一下实验所需的工具包，代码如下：
  
  
  
  数据集主要由两个文件夹构成，一个文件名为 trump ，一个为 cage 。接下来，我们利用 Python 遍历这两个文件夹，并获得所有文件的路径。
  
  
  接下来，我们利用 Python 中的 OpenCV 库，对图片进行批量加载。
  
  这里我们分别加载了两个人物的前三张图片。从上面的运行结果可以看出，每张图片大小为 256×256 。那么怎样才能一次性，将这些图片同时展示出来呢？核心思想便是将这 6 张图片拼在一起，形成一个 512×768 的图片（一行三张，一共两行）。整体的思路如下图所示：
  首先让我们来实现 stack_images 函数。为了方便以后使用，我们将 stack_images 写成一个可以将图片集合转变成一张图片的函数。
  终于，我们可以将 A_images ，B_images 两个图片集合进行展示了。由于 OpenCV 无法在 Notebook 上进行图片的展示。因此我们只能利用 OpenCV 读取图片，再利用 Matplotlib 进行展示。

• 您还可以看一下 唐宇迪老师的Ai工程师-自然语言处理实战课程课程中的 实例演示小节, 巩固相关知识点