使用python 将我输入的骨架图片里的骨架进行曲线拟合 批量图片输入和批量图片输出

要对输入的骨架图片进行曲线拟合，可以使用Python的OpenCV库和SciPy库。

首先，需要将输入的骨架图片转换为二值图像，只保留骨架部分。然后，使用OpenCV的findContours函数找到骨架的轮廓，并使用approxPolyDP函数对轮廓进行曲线拟合。最后，将拟合后的曲线绘制在原始图像上，并输出结果。

以下是一个示例代码，可以批量处理输入的图片，并将结果输出到指定文件夹中：

import os
import cv2
import numpy as np
from scipy.interpolate import UnivariateSpline

# 定义曲线拟合函数
def fit_curve(points, degree=3):
    x = np.arange(len(points))
    y = points
    spl = UnivariateSpline(x, y, k=degree, s=0)
    return spl(x)

# 定义处理函数
def process_image(input_path, output_path):
    # 读取输入图片
    img = cv2.imread(input_path, cv2.IMREAD_GRAYSCALE)

    # 转换为二值图像
    _, binary = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY_INV)

    # 查找轮廓
    contours, hierarchy = cv2.findContours(binary, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

    # 对每个轮廓进行曲线拟合并绘制在原始图像上
    for c in contours:
        points = c.reshape(-1, 2)
        curve = fit_curve(points[:,1])
        curve_points = np.array([points[:,0], curve]).T.reshape((-1,1,2)).astype(np.int32)
        cv2.polylines(img, [curve_points], False, (255,0,0), thickness=2)

    # 输出结果图片
    cv2.imwrite(output_path, img)

# 批量处理图片
input_dir = "input/"
output_dir = "output/"
if not os.path.exists(output_dir):
    os.makedirs(output_dir)

for filename in os.listdir(input_dir):
    if filename.endswith(".png") or filename.endswith(".jpg"):
        input_path = os.path.join(input_dir, filename)
        output_path = os.path.join(output_dir, filename)
        process_image(input_path, output_path)

在上面的代码中，fit_curve函数使用的是SciPy库中的UnivariateSpline函数，可以根据输入的点集进行曲线拟合。process_image函数中，先使用OpenCV的findContours函数找到骨架的轮廓，然后对每个轮廓进行曲线拟合，并使用polylines函数将拟合后的曲线绘制在原始图像上。最后，使用imwrite函数将结果输出到指定的文件夹中。

使用时，只需要将要处理的图片放在input文件夹中，运行上面的代码即可，处理后的结果会输出到output文件夹中。