轮廓平滑方法

目录

[1. 形态学操作](#1. 形态学操作)

[2. 边缘平滑化](#2. 边缘平滑化)

[3. 轮廓近似](#3. 轮廓近似)

[python 有回归线平滑 2D 轮廓](#python 有回归线平滑 2D 轮廓)


1. 形态学操作

利用形态学操作(例如腐蚀、膨胀、开运算、闭运算等)可以使分割边界更加平滑和连续。腐蚀可以消除小的不连续区域,膨胀可以填充空洞,而开运算可以平滑边界并保留边缘信息,闭运算则可以填充小的孔洞。

python 复制代码
import cv2
import numpy as np

# 读取语义分割结果
segmentation_result = cv2.imread('segmentation_result.png', 0)  # 读取单通道图像

# 形态学操作
kernel = np.ones((5,5), np.uint8)
smoothed_result = cv2.morphologyEx(segmentation_result, cv2.MORPH_CLOSE, kernel)

2. 边缘平滑化

在分割边界上应用边缘平滑化算法(如高斯滤波、均值滤波、中值滤波等)可以减少噪声并使得边界更加平滑。

复制代码

python code

python 复制代码
smoothed_result = cv2.GaussianBlur(segmentation_result, (5, 5), 0)

3. 轮廓近似

利用轮廓近似算法(如Douglas-Peucker算法)可以对边界轮廓进行抽稀,从而使得轮廓更加平滑。

python 复制代码
contours, _ = cv2.findContours(segmentation_result, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

epsilon = 0.02 * cv2.arcLength(contours[0], True)
approx = cv2.approxPolyDP(contours[0], epsilon, True)
smoothed_result = np.zeros_like(segmentation_result)
cv2.drawContours(smoothed_result, [approx], -1, 255, thickness=cv2.FILLED)

python 有回归线平滑 2D 轮廓

python 复制代码
import cv2
import numpy as np
from scipy.interpolate import splprep, splev
import matplotlib.pyplot as plt

# 假设有一组轮廓点坐标
x = np.array([10, 20, 30, 40, 50])
y = np.array([5, 15, 10, 25, 20])

# 多项式拟合
tck, _ = splprep([x, y], s=0)  # s 参数控制拟合平滑度

# 生成新的平滑轮廓点
new_points = splev(np.linspace(0, 1, 100), tck)

# 创建一张空白图像
image = np.zeros((100, 100), dtype=np.uint8)

# 将平滑后的轮廓点转换为整数坐标,并绘制在图像上
smoothed_contour = np.array(new_points, dtype=np.int32).T.reshape((-1, 1, 2))
cv2.polylines(image, [smoothed_contour], isClosed=False, color=255, thickness=1)

# 将图像转换为RGB格式以供Matplotlib显示
image_rgb = cv2.cvtColor(image, cv2.COLOR_GRAY2RGB)
相关推荐
加油吧zkf4 分钟前
YOLO目标检测数据集类别:分类与应用
人工智能·计算机视觉·目标跟踪
Blossom.11826 分钟前
机器学习在智能制造业中的应用:质量检测与设备故障预测
人工智能·深度学习·神经网络·机器学习·机器人·tensorflow·sklearn
天天扭码30 分钟前
AI时代,前端如何处理大模型返回的多模态数据?
前端·人工智能·面试
难受啊马飞2.040 分钟前
如何判断 AI 将优先自动化哪些任务?
运维·人工智能·ai·语言模型·程序员·大模型·大模型学习
顺丰同城前端技术团队41 分钟前
掌握未来:构建专属领域的大模型与私有知识库——从部署到微调的全面指南
人工智能·deepseek
许泽宇的技术分享44 分钟前
用.NET9+Blazor+Semantic Kernel,打造企业级AI知识库和智能体平台——AntSK深度解读
人工智能
烟锁池塘柳01 小时前
【深度学习】强化学习(Reinforcement Learning, RL)主流架构解析
人工智能·深度学习·机器学习
一尘之中1 小时前
全素山药开发指南:从防痒处理到高可用食谱架构
人工智能
加油吧zkf2 小时前
水下目标检测:突破与创新
人工智能·计算机视觉·目标跟踪
加油吧zkf2 小时前
AI大模型如何重塑软件开发流程?——结合目标检测的深度实践与代码示例
开发语言·图像处理·人工智能·python·yolo