用python写一个图像边界线提取和骨架化提取代码 要求图像批量输入和图像批量输出

好的，我可以为您提供一个基于Python的图像边界线提取和骨架化提取代码，支持图像批量输入和图像批量输出。

首先，您需要安装以下库：

- NumPy：用于数学计算和数组操作
- OpenCV：用于图像处理和计算机视觉

可以使用以下命令安装这些库：

pip install numpy opencv-python

接下来，让我们看一下代码：

import cv2
import numpy as np
import os

# 设置输入和输出文件夹路径
input_folder = 'input_folder'
output_folder = 'output_folder'

# 创建输出文件夹
if not os.path.exists(output_folder):
    os.makedirs(output_folder)

# 遍历输入文件夹中的所有图像文件
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))

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

        # 进行边界线提取
        edges = cv2.Canny(gray, 100, 200)

        # 进行骨架化提取
        size = np.size(edges)
        skel = np.zeros(edges.shape, np.uint8)

        ret, edges = cv2.threshold(edges, 127, 255, 0)
        element = cv2.getStructuringElement(cv2.MORPH_CROSS, (3, 3))
        done = False

        while not done:
            eroded = cv2.erode(edges, element)
            temp = cv2.dilate(eroded, element)
            temp = cv2.subtract(edges, temp)
            skel = cv2.bitwise_or(skel, temp)
            edges = eroded.copy()

            zeros = size - cv2.countNonZero(edges)
            if zeros == size:
                done = True

        # 保存输出图像
        output_filename = os.path.join(output_folder, filename)
        cv2.imwrite(output_filename, skel)

首先，我们设置了输入和输出文件夹的路径。然后，我们遍历输入文件夹中的所有图像文件，并进行以下操作：

1. 读取图像并将其转换为灰度图像。
2. 进行边界线提取，使用 `cv2.Canny` 函数实现。
3. 进行骨架化提取，使用基于膨胀和腐蚀的算法实现。
4. 保存输出图像到输出文件夹中。

这个代码可以批量处理多个图像文件，您只需要将所有图像文件放在输入文件夹中即可。输出文件夹中将包含与输入文件夹中相同数量的图像文件，这些文件包含输入图像的边界线和骨架化结果。

希望这个代码对您有所帮助！