如何通过阈值处理提升skimage旋转后的图像质量？

初始图像为黑白线条图，执行旋转操作后图像出现模糊，尝试通过阈值处理去除模糊时得到锯齿状图像，调整阈值参数后图像要么全黑要么全白，如何优化图像质量或调整阈值得到清晰图像？

操作流程 #

• 初始图像：初始黑白线条图
• 旋转代码：

from skimage.transform import rotate
image = cv2.imread('122.png')
rotated = rotate(image,34,cval=1,resize = True)

• 旋转后图像：旋转后模糊图像
• 阈值处理代码：

ret, thresh_hold = cv2.threshold(rotated, 0, 100, cv2.THRESH_BINARY)
plt.imshow(thresh_hold)

• 处理后图像：锯齿状图像

1. 修复旋转环节的核心问题 #

skimage.transform.rotate默认会将图像转换为0-1范围的浮点型，而你用OpenCV的threshold时使用了0-100的阈值区间，两者范围不匹配，这是阈值调整失效的根本原因。同时旋转时的插值方法选择不当会加剧模糊，优化后的旋转代码：

from skimage.transform import rotate
import cv2
import numpy as np

# 以灰度模式读取图像，避免多通道干扰
image = cv2.imread('122.png', cv2.IMREAD_GRAYSCALE)
# 使用最邻近插值（order=0），适合二值图旋转，减少模糊；cval设为255对应白色背景
rotated = rotate(image, 34, cval=255, resize=True, order=0)
# 将浮点型图像转回0-255范围的8位无符号整数
rotated = np.uint8(rotated * 255)

2. 适配的阈值处理 #

现在图像是标准0-255范围的灰度图，使用匹配的阈值参数进行二值化：

# 背景为白色（255），目标线条为黑色，用THRESH_BINARY_INV反转阈值，保留黑色线条
ret, thresh_hold = cv2.threshold(rotated, 200, 255, cv2.THRESH_BINARY_INV)

# 若存在局部亮度不均，改用自适应阈值效果更好
thresh_hold = cv2.adaptiveThreshold(rotated, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, 
                                    cv2.THRESH_BINARY_INV, 11, 2)

3. 可选：形态学修复细节 #

如果处理后仍有小噪点或轻微锯齿，用形态学操作优化：

# 创建2x2的结构元素
kernel = np.ones((2,2), np.uint8)
# 闭操作填补线条缝隙，开操作去除白色背景上的噪点
thresh_hold = cv2.morphologyEx(thresh_hold, cv2.MORPH_CLOSE, kernel)
thresh_hold = cv2.morphologyEx(thresh_hold, cv2.MORPH_OPEN, kernel)

内容的提问来源于stack exchange，提问作者user20658672