基于OpenCV的Aruco标记高对比度边缘平滑处理咨询

原始Aruco标记图片：

我使用cv.fastNlMeansDenoisingColored进行噪声清除与旋转处理后，结果如下：

处理后仍存在锯齿状边缘，推测是相机传感器无法呈现单一像素颜色线条所致。需要在保留足够细节以确保标记边缘锐利、满足校准需求的前提下，处理此类边缘噪声。

补充信息 #

• 标记检测位置：

7: [[2567.125732421875, 1694.821533203125],
    [2681.59130859375, 1697.886962890625],
    [2690.694091796875, 1740.62255859375],
    [2570.4765625, 1738.4224853515625]]

• 源数据（150x150像素）：
  

解决方案 #

1. 双边滤波+自适应阈值组合 #

双边滤波可在降噪的同时精准保留边缘，再通过自适应阈值强化黑白对比，消除锯齿感：

import cv2

# 读取处理后的图片并转灰度
img = cv2.imread("processed_image.png")
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 双边滤波：参数d控制邻域大小，sigmaColor/sigmaSpace控制滤波强度
bilateral = cv2.bilateralFilter(gray, d=5, sigmaColor=75, sigmaSpace=75)
# 自适应阈值处理，根据局部区域调整阈值，强化边缘
thresh = cv2.adaptiveThreshold(bilateral, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 11, 2)

2. 形态学操作优化边缘 #

在阈值处理后，用形态学运算消除微小噪声点，同时填补边缘缺口，不破坏整体锐利度：

# 基于上述阈值结果
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (2,2))
# 开运算：先腐蚀后膨胀，消除白色噪声点
opening = cv2.morphologyEx(thresh, cv2.MORPH_OPEN, kernel)
# 闭运算：先膨胀后腐蚀，填补黑色小缺口
closing = cv2.morphologyEx(opening, cv2.MORPH_CLOSE, kernel)

3. 提取标记ROI后精细化处理 #

利用已知的标记角点，先将标记矫正为正矩形，再针对性处理，避免背景干扰：

import numpy as np

# 标记角点与目标矫正尺寸
pts_src = np.array([[2567.1257, 1694.8215], [2681.5913, 1697.887], [2690.6941, 1740.6226], [2570.4766, 1738.4225]], dtype=np.float32)
pts_dst = np.array([[0,0], [149,0], [149,149], [0,149]], dtype=np.float32)
# 计算透视变换矩阵并矫正
M = cv2.getPerspectiveTransform(pts_src, pts_dst)
warped = cv2.warpPerspective(gray, M, (150,150))
# Otsu自动阈值处理，适配标记的黑白对比度
final = cv2.threshold(warped, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)[1]

4. 调整fastNlMeansDenoisingColored参数 #

当前降噪参数可能过度模糊边缘，调小h和hColor参数，平衡降噪与边缘保留：

# 降低降噪强度，保留更多边缘细节
denoised = cv2.fastNlMeansDenoisingColored(img, None, h=3, hColor=3, templateWindowSize=7, searchWindowSize=21)

内容的提问来源于stack exchange，提问作者Drise