如何在不同二值图像运行骨架提取代码及解决imresize废弃问题

一、适配其他输入图像的处理步骤 #

1. 统一输入预处理流程
   所有输入图像必须先转灰度图，再做二值化处理（骨架提取仅针对单通道二值图，前景目标为白色）：

   import cv2
   import numpy as np
   
   # 读取图像
   img = cv2.imread("your_image_path.jpg")
   # 转灰度图
   gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
   # 二值化（调整阈值确保目标为白色，背景为黑色）
   _, binary_img = cv2.threshold(gray_img, 127, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)
   

2. 匹配原代码输入格式
   确保处理后的图像是2D数组（形状为(height, width)），若存在多余通道维度，用squeeze()去除：

   if len(binary_img.shape) > 2:
       binary_img = np.squeeze(binary_img)
   

3. 按需调整缩放逻辑
   若原代码固定缩放至特定尺寸，可根据新图像的实际大小调整缩放比例，保持宽高比避免变形，比如：

   target_size = (256, 256)  # 原代码目标尺寸
   scale_h = target_size[0] / binary_img.shape[0]
   scale_w = target_size[1] / binary_img.shape[1]
   scale = min(scale_h, scale_w)
   resized_img = cv2.resize(binary_img, (int(binary_img.shape[1]*scale), int(binary_img.shape[0]*scale)))
   

二、替换scipy.misc.imresize后的形状异常修复 #

问题核心：scipy.misc.imresize的尺寸参数顺序是(height, width)，而cv2.resize的dsize参数顺序是(width, height)，参数顺序颠倒导致形状识别错误。

替换规则 #

将原代码中scipy.misc.imresize的调用，按以下方式替换：

1. 原固定尺寸缩放代码：

   # 原代码
   resized = scipy.misc.imresize(img, (256, 256))
   

   替换为：

   # 替换后（注意dsize是(宽度, 高度)）
   resized = cv2.resize(img, (256, 256), interpolation=cv2.INTER_LINEAR)
   

2. 原按比例缩放代码：

   # 原代码
   scale = 0.5
   new_h = int(img.shape[0] * scale)
   new_w = int(img.shape[1] * scale)
   resized = scipy.misc.imresize(img, (new_h, new_w))
   

   替换为：

   # 替换后（调换new_w和new_h的顺序）
   resized = cv2.resize(img, (new_w, new_h), interpolation=cv2.INTER_LINEAR)
   

验证方法 #

替换后打印图像形状，确认输出为(height, width)的2D数组：

print(resized.shape)

内容的提问来源于stack exchange，提问作者nazgooolll Zkh