传统的确定线宽的方法是通过距离变换。这是一种计算前景像素到背景距离的算法。此距离在线的中心线上将达到最大，并且将是线宽的一半。
由于你的线近似垂直，我们只需沿每一行（或列）取距离变换的最大值。这些值的平均数将大约是平均宽度。
如果沿每一行（或列）取最大值不能很好地在线的中心线上采样，那么就需要更复杂的算法来提取这条中心线上的值。
此处我使用 DIPlib 进行演示，其他库也将拥有距离变换功能。[声明：我是 DIPlib 的作者之一。]
import diplib as dip
import numpy as np
img = dip.ImageRead('UVduo.png')
img = img > 128
dt = dip.EuclideanDistanceTransform(img)
width = dip.Maximum(dt, process=[True, False])
print(2 * np.mean(width))
这段代码输出 15.26，表示线宽的平均像素值。
需要注意的是，width 是沿 y 轴线上每一位置的线宽。这是实际的线宽，而不是水平截距的长度。
由于线从图像顶部延伸到底部（即 width 中的每个值都有意义），我们可以简单地对 width 取平均值来得到平均宽度。同时，我们也可以直接读取 width 中的值，通过 np.asarray(width) 将其转换为 NumPy 数组。或者使用其他图像处理库，例如在 OpenCV 中可以使用 cv.distanceTransform 函数。
这里做了一个实验，与另一个答案中提到的 np.sum() 方法进行比较，该方法计算图像每一行的像素数量。目的是证明这种方法并不是计算图像每一行的像素数量，而是给出了沿整条线的实际宽度测量值。
代码将原始图像以 -0.3π 到 0.3π 之间的角度进行旋转。然后应用距离变换并取每一行的最大值。同时计算每一行的像素总和。这两个向量都被绘制出来。
import diplib as dip
import numpy as np
import matplotlib.pyplot as plt
fig, ax = plt.subplots(1, 2)
img = dip.ImageRead('UVduo.png')
for angle in [-0.3, -0.25, -0.2, -0.1, 0, 0.1, 0.2, 0.25, 0.3]:
angle *= np.pi
rot = dip.Rotation2D(img, angle, boundaryCondition="add zeros") > 128
dt = dip.EuclideanDistanceTransform(rot)
width = 2 * dip.Maximum(dt, process=[True, False])
ax[0].plot(width)
sum = np.sum(rot, axis=1)
ax[1].plot(sum)
plt.show()
生成的图表如下所示：
虽然这些图表看起来有些混乱，因为图像旋转会使其膨胀，而且在旋转后线并没有与很多行相交。但关键点是很明显的：
