批量将图像转为BGR图片代码

如果你想要批量将多张图像转换为BGR格式的图像，可以使用以下代码：

import cv2
import os

# 待转换图像所在目录
input_dir = 'input_images/'

# 转换后的图像保存目录
output_dir = 'output_images/'

# 创建输出目录（如果不存在）
if not os.path.exists(output_dir):
    os.makedirs(output_dir)

# 遍历待转换图像目录中的所有图像文件
for filename in os.listdir(input_dir):
    # 读取原始图像
    img = cv2.imread(os.path.join(input_dir, filename))

    # 将图像转换为BGR格式
    bgr_img = cv2.cvtColor(img, cv2.COLOR_RGB2BGR)

    # 保存转换后的图像
    cv2.imwrite(os.path.join(output_dir, filename), bgr_img)

在上面的代码中，`input_dir`变量指定待转换图像所在的目录，`output_dir`变量指定转换后的图像保存的目录。首先，使用`os.makedirs`函数创建输出目录（如果不存在）。然后，使用`os.listdir`函数遍历待转换图像目录中的所有图像文件，对每张图像执行转换操作，并使用`cv2.imwrite`函数保存转换后的图像到输出目录中。

相关问题

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

这个任务需要使用图像处理和曲线拟合的相关库，下面是一个可能的实现思路：

1. 使用OpenCV库读取图片，并将其转化为灰度图像。
2. 使用Canny边缘检测算法提取骨架边缘。
3. 使用Hough变换或其他直线检测算法检测骨架中的直线段，将其转化为线段的起点和终点坐标。
4. 使用scipy库中的curve_fit函数对每个线段进行曲线拟合，得到一条曲线的方程。
5. 将拟合后的曲线绘制在原图上，并使用OpenCV库保存输出图片。

以下是一份示例代码，其中使用了OpenCV和scipy库：

import cv2
import numpy as np
from scipy.optimize import curve_fit
import os

# 定义曲线拟合的函数
def curve_func(x, a, b, c, d):
    return a * x ** 3 + b * x ** 2 + c * x + d

# 定义批量处理函数
def process_images(input_dir, output_dir):
    # 遍历输入目录下的所有图片
    for filename in os.listdir(input_dir):
        if filename.endswith('.jpg') or filename.endswith('.png'):
            # 读取图片并转为灰度图像
            img = cv2.imread(os.path.join(input_dir, filename))
            gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
            
            # 使用Canny算法提取边缘
            edges = cv2.Canny(gray, 50, 150, apertureSize=3)
            
            # 使用Hough变换检测直线段
            lines = cv2.HoughLinesP(edges, rho=1, theta=np.pi/180, threshold=100, minLineLength=20, maxLineGap=5)
            
            # 对每个直线段进行曲线拟合并绘制在原图上
            for line in lines:
                x1, y1, x2, y2 = line[0]
                x = np.linspace(x1, x2, 100)
                y = np.linspace(y1, y2, 100)
                popt, _ = curve_fit(curve_func, x, y)
                a, b, c, d = popt
                curve_x = np.linspace(x1, x2, 100)
                curve_y = curve_func(curve_x, a, b, c, d)
                for i in range(100):
                    cv2.circle(img, (int(curve_x[i]), int(curve_y[i])), 1, (0, 255, 0), -1)
                    
            # 保存输出图片
            cv2.imwrite(os.path.join(output_dir, filename), img)

# 执行批量处理
process_images('input_dir', 'output_dir')

需要注意的是，该实现只能拟合一次曲线，如果骨架中存在多条曲线，则需要进行进一步的处理。

用python调用opencv批量裁剪图片为28*28的图片且图片中心不变后图片后批量储存

在Python中使用OpenCV批量裁剪并保存28x28尺寸的图片，保持图片中心位置不变，可以按照以下步骤操作：

1. 导入所需的库：`os`, `cv2` 和 `numpy`。假设你已经安装了PIL（ pillow 库）来帮助调整图像大小，因为它提供更方便的方法。

import os
import cv2
from PIL import Image

2. 定义一个函数来裁剪和保存图片：

def crop_and_save_images(input_folder, output_folder, img_size=(28, 28)):
    for filename in os.listdir(input_folder):
        if filename.endswith(".jpg") or filename.endswith(".png"):  # 指定只处理常见的图片格式
            img_path = os.path.join(input_folder, filename)
            
            try:
                original_image = cv2.imread(img_path)
                
                # 获取原图中心点的坐标
                center_point = (original_image.shape[1] // 2, original_image.shape[0] // 2)
                
                # 创建一个新的黑色背景的Image对象，大小为img_size
                resized_image = Image.new('RGB', img_size, color='black')
                
                # 使用PIL将原图缩小到指定大小，并保持中心点不变
                cropped_image = Image.fromarray(original_image).resize(img_size, resample=Image.BILINEAR)
                cropped_image = cropped_image.crop(((center_point[0]-img_size[0]//2), (center_point[1]-img_size[1]//2),
                                                  (center_point[0]+img_size[0]//2), (center_point[1]+img_size[1]//2)))
                
                # 将裁剪后的图像转为OpenCV格式
                resized_image_pil = np.array(resized_image)
                resized_image_opencv = cv2.cvtColor(resized_image_pil, cv2.COLOR_RGB2BGR)
                
                # 保存裁剪后的图片到指定的输出目录
                save_path = os.path.join(output_folder, filename)
                cv2.imwrite(save_path, resized_image_opencv)
                
            except Exception as e:
                print(f"Error processing {filename}: {e}")

3. 调用这个函数，传入你的输入文件夹和输出文件夹路径：

crop_and_save_images(input_folder="your_input_directory", output_folder="your_output_directory")

记得替换上述代码中的 `your_input_directory` 和 `your_output_directory` 为你实际的文件夹路径。