Python实现视频帧类iOS/Figma平滑圆角（解决粗糙问题）

问题根源分析 #

你之前的两种方案存在以下导致圆角粗糙的问题：

• PIL基础方案：直接用小尺寸圆形裁剪拼接alpha通道，无抗锯齿处理，边缘是硬像素过渡，自然会像素化。
• 超采样方案：未按超采样比例放大圆角半径，降采样后圆角精度不足；同时存在变量名错误（如im.width应为im_pil.width），且转换回OpenCV时丢失了alpha通道的平滑过渡信息。

正确实现方案 #

采用超采样抗锯齿+高精度alpha通道合成的方式，复刻iOS/Figma的平滑圆角效果，步骤如下：

1. 对视频帧进行4-8倍超采样，放大画布尺寸
2. 在超采样后的画布上绘制等比例放大的圆角矩形alpha通道
3. 使用LANCZOS高质量降采样还原到原帧尺寸，得到带平滑边缘的alpha通道
4. 将alpha通道合并到原帧，转换为OpenCV格式写入视频

完整代码实现 #

import cv2
import numpy as np
from PIL import Image, ImageDraw, ImageResampling

def add_smooth_rounded_corners(frame, radius, supersample=4):
    # 转换OpenCV帧为PIL RGBA图像
    img_rgb = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)
    im_pil = Image.fromarray(img_rgb).convert("RGBA")
    w, h = im_pil.size

    # 超采样参数计算
    ss_w, ss_h = w * supersample, h * supersample
    ss_radius = radius * supersample

    # 创建超采样后的alpha通道
    alpha = Image.new('L', (ss_w, ss_h), 0)
    draw = ImageDraw.Draw(alpha)
    # 绘制圆角矩形，填充白色（255为完全不透明）
    draw.rounded_rectangle(
        [0, 0, ss_w - 1, ss_h - 1],
        radius=ss_radius,
        fill=255
    )

    # 降采样回原尺寸，使用LANCZOS保证平滑
    alpha = alpha.resize((w, h), resample=ImageResampling.LANCZOS)

    # 将alpha通道合并到原图像
    im_pil.putalpha(alpha)

    # 转换回OpenCV BGR格式
    im_np = np.array(im_pil)
    return cv2.cvtColor(im_np, cv2.COLOR_RGBA2BGR)

# 视频处理主流程
if __name__ == "__main__":
    input_path = "input_video.mp4"
    output_path = "output_rounded.mp4"

    cap = cv2.VideoCapture(input_path)
    if not cap.isOpened():
        raise ValueError("无法打开输入视频")

    fps = cap.get(cv2.CAP_PROP_FPS)
    width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))
    height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))
    fourcc = cv2.VideoWriter_fourcc(*'mp4v')

    out = cv2.VideoWriter(output_path, fourcc, fps, (width, height))

    while cap.isOpened():
        ret, frame = cap.read()
        if not ret:
            break

        # 添加圆角，radius根据需求调整（比如iOS常用的20-40）
        rounded_frame = add_smooth_rounded_corners(frame, radius=30, supersample=6)
        out.write(rounded_frame)

    cap.release()
    out.release()
    cv2.destroyAllWindows()

关键细节说明 #

• 超采样比例：推荐用4-6倍，平衡平滑度和处理速度；追求极致效果可以用8倍，但会增加计算时间。
• 圆角半径：直接设置实际像素半径，代码会自动按超采样比例放大，确保降采样后边缘平滑。
• LANCZOS降采样：这是PIL中最适合图像缩小的算法，能最大程度保留边缘的平滑过渡，避免锯齿。
• RGBA格式处理：全程保留RGBA通道，确保alpha的半透明过渡信息不丢失，这是圆角平滑的核心。

内容的提问来源于stack exchange，提问作者Aviato