用python实现 将输入的骨架化的图像进行曲线拟合 批量图片输入和批量图片保

存

实现步骤：

1. 导入必要的库，包括opencv、numpy、os等
2. 定义函数，读取文件夹中的所有图片并进行骨架化处理
3. 定义函数，将骨架化图像进行曲线拟合，并输出拟合后的图像
4. 定义函数，将拟合后的图像保存到指定文件夹中
5. 调用函数，实现批量处理图片

代码如下：

import cv2
import numpy as np
import os

# 读取文件夹中的所有图片并进行骨架化处理
def skel_batch(folder_path):
    # 获取文件夹中的所有图片路径
    file_list = os.listdir(folder_path)
    for file in file_list:
        # 判断是否为图片文件
        if file.endswith('.jpg') or file.endswith('.png'):
            # 读取图片
            img = cv2.imread(os.path.join(folder_path, file))
            # 转换为灰度图
            gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
            # 二值化
            ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
            # 骨架化
            size = np.size(thresh)
            skel = np.zeros(thresh.shape, np.uint8)
            element = cv2.getStructuringElement(cv2.MORPH_CROSS, (3, 3))
            done = False
            while not done:
                eroded = cv2.erode(thresh, element)
                temp = cv2.dilate(eroded, element)
                temp = cv2.subtract(thresh, temp)
                skel = cv2.bitwise_or(skel, temp)
                thresh = eroded.copy()
                zeros = size - cv2.countNonZero(thresh)
                if zeros == size:
                    done = True
            # 显示骨架化图像
            cv2.imshow('Skeleton', skel)
            cv2.waitKey(0)
            cv2.destroyAllWindows()

# 将骨架化图像进行曲线拟合，并输出拟合后的图像
def curve_fitting(skel):
    # 轮廓检测
    contours, hierarchy = cv2.findContours(skel, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
    # 提取轮廓
    cnt = contours[0]
    # 进行曲线拟合
    rows, cols = skel.shape
    [vx, vy, x, y] = cv2.fitLine(cnt, cv2.DIST_L2, 0, 0.01, 0.01)
    lefty = int((-x*vy/vx) + y)
    righty = int(((cols-x)*vy/vx)+y)
    # 绘制直线
    line = cv2.line(skel,(cols-1,righty),(0,lefty),(255,255,255),1)
    # 显示拟合后的图像
    cv2.imshow('Fitting', line)
    cv2.waitKey(0)
    cv2.destroyAllWindows()
    return line

# 将拟合后的图像保存到指定文件夹中
def save_batch(folder_path, save_path):
    # 获取文件夹中的所有图片路径
    file_list = os.listdir(folder_path)
    for file in file_list:
        # 判断是否为图片文件
        if file.endswith('.jpg') or file.endswith('.png'):
            # 读取图片
            img = cv2.imread(os.path.join(folder_path, file))
            # 转换为灰度图
            gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
            # 二值化
            ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
            # 骨架化
            size = np.size(thresh)
            skel = np.zeros(thresh.shape, np.uint8)
            element = cv2.getStructuringElement(cv2.MORPH_CROSS, (3, 3))
            done = False
            while not done:
                eroded = cv2.erode(thresh, element)
                temp = cv2.dilate(eroded, element)
                temp = cv2.subtract(thresh, temp)
                skel = cv2.bitwise_or(skel, temp)
                thresh = eroded.copy()
                zeros = size - cv2.countNonZero(thresh)
                if zeros == size:
                    done = True
            # 进行曲线拟合
            line = curve_fitting(skel)
            # 保存拟合后的图像
            cv2.imwrite(os.path.join(save_path, file), line)

# 批量处理图片
folder_path = './images' # 输入文件夹
save_path = './result' # 输出文件夹
skel_batch(folder_path) # 骨架化处理
save_batch(folder_path, save_path) # 曲线拟合并输出

注意事项：

1. 需要提前创建好输入文件夹和输出文件夹
2. 输入文件夹中的图片必须为jpg或png格式的
3. 输出文件夹中的图片格式与输入文件夹中的图片格式相同