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
二向箔reverse1 天前
opencv基于SIFT特征匹配的简单指纹识别系统实现
人工智能·opencv·计算机视觉
dlraba8021 天前
基于 OpenCV 与 SIFT 算法的指纹识别系统实现:从匹配到可视化
人工智能·opencv·计算机视觉
格林威1 天前
机器视觉在半导体制造中有哪些检测应用
人工智能·数码相机·yolo·计算机视觉·视觉检测·制造·相机
格林威1 天前
机器视觉检测如何使用360 度全景成像镜头进行AI 瑕疵检测
人工智能·深度学习·数码相机·机器学习·计算机视觉·视觉检测·相机
dlraba8021 天前
Python 实战:票据图像自动矫正技术拆解与落地教程
人工智能·opencv·计算机视觉
max5006001 天前
使用OmniAvatar-14B模型实现照片和文字生成视频的完整指南
图像处理·人工智能·深度学习·算法·音视频
点云SLAM2 天前
结构光三维重建原理详解(1)
人工智能·数码相机·计算机视觉·三维重建·结构光重建·gray 编码·标定校正
多看书少吃饭2 天前
基于 OpenCV 的眼球识别算法以及青光眼算法识别
人工智能·opencv·计算机视觉
Blossom.1182 天前
从“能写”到“能干活”:大模型工具调用(Function-Calling)的工程化落地指南
数据库·人工智能·python·深度学习·机器学习·计算机视觉·oracle
无妄无望2 天前
目标计数论文阅读(1)Class-Agnostic Counting
论文阅读·计算机视觉