python批量快速自适应阈值化处理图像并保存到文件夹

要批量快速自适应阈值化处理图像并保存到文件夹，您可以使用以下代码：

import cv2
import os

# 输入文件夹路径和输出文件夹路径
input_folder = 'input_folder'
output_folder = 'output_folder'

# 确保输出文件夹存在
if not os.path.exists(output_folder):
    os.makedirs(output_folder)

# 遍历输入文件夹中的图像文件
for filename in os.listdir(input_folder):
    if filename.endswith('.jpg') or filename.endswith('.png'):
        # 读取图像
        img = cv2.imread(os.path.join(input_folder, filename), 0)
        
        # 自适应阈值化处理
        th = cv2.adaptiveThreshold(img, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 11, 2)
        
        # 构造输出文件路径
        output_path = os.path.join(output_folder, filename)
        
        # 保存处理后的图像
        cv2.imwrite(output_path, th)

print("图像处理完成！")

在上面的代码中，您需要将`input_folder`和`output_folder`分别设置为输入文件夹和输出文件夹的路径。首先，代码会确保输出文件夹存在，如果不存在则创建它。然后，使用`os.listdir()`函数遍历输入文件夹中的图像文件。对于每个图像文件，首先使用`cv2.imread()`函数读取图像，并使用`cv2.adaptiveThreshold()`函数进行自适应阈值化处理。接下来，构造输出文件路径，并使用`cv2.imwrite()`函数将处理后的图像保存到输出文件夹中。

运行代码后，它将批量处理输入文件夹中的所有图像，并将处理后的图像保存到输出文件夹中。希望对您有帮助！