求得不规则物体的长度

解决方案：
skimage.morphology 中的 skeletonize 函数用于将图像中的物体转换为其骨架（skeleton）。骨架是一个由像素组成的细线结构，代表了图像中物体的主要形状。

from skimage.morphology import skeletonize
from skimage import data

# 读取图像
image = data.horse()

# 将图像转换为二值图像（灰度图像或彩色图像均可）
# 这里使用灰度图像作为示例
gray_image = image[:,:,0]

# 对二值图像应用骨架化操作
skeleton = skeletonize(gray_image)

# 显示原始图像和骨架化后的图像
import matplotlib.pyplot as plt

plt.figure(figsize=(8, 4))

plt.subplot(1, 2, 1)
plt.imshow(gray_image, cmap='gray')
plt.title('Original Image')
plt.axis('off')

plt.subplot(1, 2, 2)
plt.imshow(skeleton, cmap='gray')
plt.title('Skeletonized Image')
plt.axis('off')

plt.show()

具体应用举例：
Intercept为三通道或者二通道的图像数据

from                         skimage.morphology import skeletonize
def get_skeleton(blobs):
    """
    骨骼提取
    """
    skeleton = skeletonize(blobs)  # ndarray, 为TRUE的元素代表骨骼线的位置
    # skeleton_pts = np.argwhere(skeleton)
    return skeleton

length = 0
# 求skeleton
# Intercept为三通道或者二通道的图像数据
# Intercept_gray = cv2.cvtColor(Intercept, cv2.COLOR_RGB2GRAY)  # 转为灰度图
s_skeleton = get_skeleton(Intercept)
cv2.imshow("s_skeleton", s_skeleton)

# 将骨骼图转为灰度图
gqr_image_gray = cv2.cvtColor(s_skeleton, cv2.COLOR_RGB2GRAY)  # 转为灰度图
cv2.imshow("gqr_image_gray", gqr_image_gray)
cv2.waitKey(0)

s_contours, _ = cv2.findContours(gqr_image_gray, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

for s_contour in s_contours:
    length += cv2.arcLength(s_contour, True) / 2