import cv2
import glob

定义函数来识别白色颗粒数量

def count_white_particles(image):
# 转换为灰度图像
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# 对图像进行二值化
_, thresh = cv2.threshold(gray, 170, 255, cv2.THRESH_BINARY)

# 去除噪声
thresh = cv2.medianBlur(thresh, 5)

# 查找图像中的轮廓
contours, _ = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 绘制颗粒并计算数量
count = 0
for contour in contours:
    area = cv2.contourArea(contour)
    if area > 135:  # 过滤掉过小的颗粒
        count += 1
return count

获取文件夹中所有图片文件名

img_paths = glob.glob("D:\bysj\*.jpg")

循环处理每个图片文件

for img_path in img_paths:
# 读取图片
img = cv2.imread(img_path)

# 计算白色颗粒数量
count = count_white_particles(img)

# 显示结果
cv2.namedWindow('Image', cv2.WINDOW_NORMAL)
cv2.imshow('Image', img)
cv2.putText(img, "Number of white particles: " + str(count), (10,30), cv2.FONT_HERSHEY_SIMPLEX, 0.75, (0, 0, 255), 2)
cv2.waitKey(0)

# 输出颗粒数量
print("Number of white particles in", img_path, ":", count)

不知道你这个问题是否已经解决, 如果还没有解决的话:

• 你可以看下这个问题的回答https://ask.csdn.net/questions/241467
• 这篇博客你也可以参考下：主文件夹下多个子文件夹里面长方形图像按照长边批量填充为正方形，多余像素用其他色填充
• 除此之外, 这篇博客: 计算机视觉 ： 图像形态学处理方法，包括图像的直方图均衡化和傅里叶变换，以及图像梯度与边缘检测中的 图像梯度与边缘检测 部分也许能够解决你的问题, 你可以仔细阅读以下内容或者直接跳转源博客中阅读:
  

  练习涉及到的方法主要是Sobel(src,ddepth,dx,dy,ksize)，其中ddepth表示图像的深度，dx和dy分别表示水平和竖直方向，ksize是Sobel算子的大小。练习时分别对图像进行了水平方向和竖直方向的检测，改变算子大小对图像进行对比，还比较了不同算子之间的差异。

  具体练习结果截图如下。

  滴！改变算子大小的图像对比：
  

  滴！不同算子之间的差异对比：
  

  另外，针对canny算子进行了更深入的学习。

  1. 使用高斯滤波器，以平滑图像，滤波噪声。
  2. 计算图像中每个像素点的梯度强度和方向
  3. 应用非极大值(Non-Maximum Suppression)抑制
  4. 应用双阈值(Double-Threshold)检测来确定真实的和潜在的边缘
  5. 通过抑制孤立的弱边缘最终完成边缘检测

  具体练习结果截图如下。

  滴！边缘检测canny算子不同参数对比：
  

• 您还可以看一下 吴刚老师的【吴刚大讲堂】电商视觉的排版与应用方法课程中的 订单页面的表单视觉优化及细节处理方法小节, 巩固相关知识点
  

如果你已经解决了该问题, 非常希望你能够分享一下解决方案, 写成博客, 将相关链接放在评论区, 以帮助更多的人 ^-^

仅供参考，尽管是C++：

#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/imgproc/imgproc_c.h"
#include "opencv2\highgui\highgui_c.h"
using namespace std;
using namespace cv;
Mat img,smallImg,gray,bw;
vector<Vec4i> hierarchy;
vector<vector<Point> > contours;
int threshval=128;
Rect r;
Rect maxrect,brect;
int idx,n;
const static Scalar colors[15]={
    CV_RGB(  0,  0,128),
    CV_RGB(  0,128,  0),
    CV_RGB(  0,128,128),
    CV_RGB(128,  0,  0),
    CV_RGB(128,  0,128),
    CV_RGB(128,128,  0),
    CV_RGB(128,128,128),
    CV_RGB(160,160,160),
    CV_RGB(  0,  0,255),
    CV_RGB(  0,255,  0),
    CV_RGB(  0,255,255),
    CV_RGB(255,  0,  0),
    CV_RGB(255,  0,255),
    CV_RGB(255,255,  0),
    CV_RGB(255,255,255),
};
Scalar color;
void gamma_correct(Mat& img, Mat& dst, double gamma) {
    Mat tmp;

    img.convertTo(tmp, CV_32FC1, 1.0/255.0, 0.0);
    pow(tmp, gamma, tmp);
    tmp.convertTo(dst , CV_8UC1,     255.0, 0.0);
}
int main() {
    cvNamedWindow("display",1);
    img=imread("image.jpg",1);
    r.x     =img.cols*1/10;
    r.y     =img.rows*1/5;
    r.width =img.cols*8/10;
    r.height=img.rows*3/5;
    smallImg=img(r);
    cvtColor(smallImg,gray,CV_BGR2GRAY);
//  medianBlur(gray,gray,5);
    equalizeHist(gray,gray);
    gamma_correct(gray,gray,4.0);
    imshow("display",gray);
    waitKey(0);

    bw=(gray>threshval);
    imshow("display",bw);
    waitKey(0);

//  Mat Structure1=getStructuringElement(MORPH_RECT   ,Size(6,6));
    Mat Structure1=getStructuringElement(MORPH_ELLIPSE,Size(6,6));
    dilate(bw,bw,Structure1, Point(-1,-1));
    imshow("display",bw);
    waitKey(0);

    Mat Structure0=getStructuringElement(MORPH_RECT   ,Size(3,3));
    Mat Structure0=getStructuringElement(MORPH_ELLIPSE,Size(3,3));
    erode(bw,bw,Structure0,Point(-1,-1));
    imshow("display",bw);
    waitKey(0);

    findContours(bw,contours,hierarchy,RETR_EXTERNAL,CHAIN_APPROX_SIMPLE);
    if (!contours.empty()&&!hierarchy.empty()) {
        idx=0;
        n=0;
        vector<Point> approx;
        for (;idx>=0;idx=hierarchy[idx][0]) {
            color=colors[idx%15];
//          drawContours(smallImg,contours,idx,color,1,8,hierarchy);
            approxPolyDP(Mat(contours[idx]), approx, arcLength(Mat(contours[idx]), true)*0.005, true);//0.005为将毛边拉直的系数
            const Point* p = &approx[0];
            int m=(int)approx.size();
            polylines(smallImg, &p, &m, 1, true, color);
            circle(smallImg,Point(p[0].x,p[0].y),3,color);
            circle(smallImg,Point(p[1].x,p[1].y),2,color);
            for (int i=2;i<m;i++) circle(smallImg,Point(p[i].x,p[i].y),1,color);
            n++;
            if (1==n) {
                maxrect=boundingRect(Mat(contours[idx]));
            } else {
                brect=boundingRect(Mat(contours[idx]));
                CvRect mr;
                mr.x=maxrect.x;
                mr.y=maxrect.y;
                mr.width=maxrect.width;
                mr.height=maxrect.height;
                CvRect br;
                br.x=brect.x;
                br.y=brect.y;
                br.width=brect.width;
                br.height=brect.height;
                maxrect=cvMaxRect(&mr,&br);
            }
        }
        circle(smallImg,Point(maxrect.x+maxrect.width/2,maxrect.y+maxrect.height/2),2,CV_RGB(255,0,0));
    }
    imshow("display",smallImg);
    waitKey(0);
    cvDestroyWindow("display");
    return 0;
}