将图像的锯齿状边缘变得平滑的方法

项目背景

使用PaddleSeg 192x192 模型分割出来的目标有锯齿状边缘,想通过传统算法将这种锯齿状边缘的变得平滑,虽然试了很过方法,但是效果还是不太理想

常用的集中方法

当使用分割算法(如分水岭分割、阈值分割等)分割出目标后,有几种方法可以将目标的锯齿状边缘变得平滑。以下是一些常用的方法:

  1. 双边滤波:如前面示例所示,双边滤波是一种能够平滑图像边缘并减少锯齿状边缘的有效方法。它同时考虑了空间信息和颜色信息,以确保平滑处理不会损失目标的边缘细节。

  2. 高斯滤波:高斯滤波是一种线性滤波方法,可以用来平滑图像。通过调整高斯滤波的内核大小和标准差,可以实现不同程度的平滑效果。较大的内核和较小的标准差通常会产生更平滑的结果。

  3. 中值滤波:中值滤波是一种非线性滤波方法,它用目标周围的像素值的中值来替代目标像素值。这种方法对于去除孤立的噪声和锯齿状边缘非常有效。

  4. 边缘保留滤波:边缘保留滤波(如基于导向滤波的方法)可以在保留图像边缘的同时,平滑非边缘区域。这种方法通常用于保留目标的细节。

通常,双边滤波是一种通用方法,可以保持边缘细节并减少锯齿状边缘,但你也可以尝试其他方法,以获得最适合你应用的效果。

OpenCV中实现的调用

  1. 双边滤波

    #include <opencv2/opencv.hpp>

    int main() {
    cv::Mat inputImage = cv::imread("input.jpg");
    cv::Mat smoothedImage;

    复制代码
     // 应用双边滤波
     cv::bilateralFilter(inputImage, smoothedImage, 9, 75, 75);
    
     cv::imshow("原始图像", inputImage);
     cv::imshow("双边滤波后的图像", smoothedImage);
    
     cv::waitKey(0);
    
     return 0;

    }

  2. 高斯滤波

    #include <opencv2/opencv.hpp>

    int main() {
    cv::Mat inputImage = cv::imread("input.jpg");
    cv::Mat smoothedImage;

    复制代码
     // 应用高斯滤波
     cv::GaussianBlur(inputImage, smoothedImage, cv::Size(5, 5), 0);
    
     cv::imshow("原始图像", inputImage);
     cv::imshow("高斯滤波后的图像", smoothedImage);
    
     cv::waitKey(0);
    
     return 0;

    }

  3. 中值滤波

    #include <opencv2/opencv.hpp>

    int main() {
    cv::Mat inputImage = cv::imread("input.jpg");
    cv::Mat smoothedImage;

    复制代码
     // 应用中值滤波
     cv::medianBlur(inputImage, smoothedImage, 5);
    
     cv::imshow("原始图像", inputImage);
     cv::imshow("中值滤波后的图像", smoothedImage);
    
     cv::waitKey(0);
    
     return 0;

    }

  4. 边缘保留滤波

    #include <opencv2/opencv.hpp>

    int main() {
    cv::Mat inputImage = cv::imread("input.jpg");
    cv::Mat smoothedImage;

    复制代码
     // 创建一个导向滤波的导向图像
     cv::Mat guideImage;
     cv::cvtColor(inputImage, guideImage, cv::COLOR_BGR2GRAY);
    
     // 应用导向滤波
     cv::ximgproc::guidedFilter(guideImage, inputImage, smoothedImage, 10, 0.1);
    
     cv::imshow("原始图像", inputImage);
     cv::imshow("边缘保留滤波后的图像", smoothedImage);
    
     cv::waitKey(0);
    
     return 0;

    }

请注意,示例中的图像处理函数和参数值可能需要根据你的具体应用和图像特性进行调整。确保你的OpenCV库已正确配置和链接到你的项目,以便编译和运行这些示例代码。

相关推荐
AndrewHZ13 小时前
【图像处理基石】暗光增强算法入门:从原理到实战(Python+OpenCV)
图像处理·python·opencv·算法·计算机视觉·cv·暗光增强
七元权14 小时前
论文阅读-FoundationStereo
论文阅读·深度学习·计算机视觉·零样本·基础模型·双目深度估计
~光~~17 小时前
【环境配置 安装 】RK3588+Ubuntu20.04+cmake3.22+opencv4.54
opencv·ubuntu·rk3588
hazy1k17 小时前
K230基础-获取触摸坐标
图像处理·stm32·单片机·嵌入式硬件·k230
研梦非凡17 小时前
ShapeLLM: 用于具身交互的全面3D物体理解
人工智能·深度学习·计算机视觉·3d·架构·数据分析
CoovallyAIHub18 小时前
YOLO26学界首评:四大革新点究竟有多强?
深度学习·算法·计算机视觉
2401_8414956418 小时前
【计算机视觉】霍夫变换函数的参数调整
人工智能·python·算法·计算机视觉·霍夫变换·直线检测·调整策略
bylander19 小时前
【论文阅读】通义实验室,VACE: All-in-One Video Creation and Editing
论文阅读·人工智能·计算机视觉·音视频
人类发明了工具19 小时前
【三维重建-对极几何】极线约束(Epipolar Constraint)
图像处理·数码相机·三维重建
AndrewHZ20 小时前
【图像处理基石】GIS图像处理入门:4个核心算法与Python实现(附完整代码)
图像处理·python·算法·计算机视觉·gis·cv·地理信息系统