用python实现将 骨架化的图像的点用曲线连接起来 批量图片输入和批量图片保存

以下是一个简单的示例代码，实现了将骨架化图像的点用曲线连接起来，并批量读取和保存图像。

import cv2
import numpy as np
import os

# 定义连接骨架点的函数
def connect_points(img, points):
    for i in range(len(points)-1):
        p1 = points[i]
        p2 = points[i+1]
        cv2.line(img, tuple(p1), tuple(p2), 255, thickness=1)

# 定义批量处理函数
def process_images(input_folder, output_folder):
    # 遍历输入文件夹中的所有图像
    for filename in os.listdir(input_folder):
        if filename.endswith(".png"):
            # 读取图像
            img = cv2.imread(os.path.join(input_folder, filename), cv2.IMREAD_GRAYSCALE)
            # 骨架化处理
            skel = cv2.ximgproc.thinning(img)
            # 查找骨架上的点
            skel_points = np.transpose(np.nonzero(skel))
            # 连接骨架点
            skel_lines = np.zeros_like(skel)
            connect_points(skel_lines, skel_points)
            # 保存图像
            cv2.imwrite(os.path.join(output_folder, filename), skel_lines)

# 测试
input_folder = "input_folder"
output_folder = "output_folder"
process_images(input_folder, output_folder)

在上面的示例代码中，我们首先定义了一个`connect_points`函数，用于连接骨架化图像的点。该函数接受两个参数，一个是骨架化图像，另一个是骨架点的坐标数组。在函数内部，我们使用`cv2.line`函数将相邻的骨架点连接起来。

接下来，我们定义了一个`process_images`函数，用于批量读取和保存图像。该函数接受两个参数，一个是输入文件夹路径，另一个是输出文件夹路径。在函数内部，我们使用`os.listdir`函数遍历输入文件夹中的所有图像，然后依次进行骨架化处理和骨架点连接操作。最后，我们使用`cv2.imwrite`函数将结果保存到输出文件夹中。

要使用该代码，您需要将输入文件夹中的所有图像保存为`.png`格式，并将输入文件夹和输出文件夹的路径分别替换为实际的路径。