针对1像素锯齿边缘的平滑方案 #

首先得说清楚为什么你用中值模糊+OTSU阈值没效果：3x3中值模糊确实会对1像素凸起/间隙产生灰度变化，但OTSU阈值是基于全局灰度分布的二元分割，模糊后的弱灰度差异会被直接拉回黑白二元状态，相当于又还原了原始边缘，所以看不到平滑效果。

下面是两种精准匹配你需求的技术方向：

一、像素级：形态学操作（高效处理1像素间隙/凸起） #

因为你的凸起厚度固定为1像素，形态学的开运算（去除凸起）和闭运算（填充间隙）刚好能精准处理，而且速度极快：

• 闭运算（填充1像素间隙）：先膨胀后腐蚀，能把边缘处的1像素空白间隙填满，同时不影响整体轮廓厚度
• 开运算（去除1像素凸起）：先腐蚀后膨胀，能把边缘外孤立的1像素凸起去掉

代码示例：

import cv2
import numpy as np

# 读取灰度图
image = cv2.imread('source.jpg', cv2.IMREAD_GRAYSCALE)

# 定义2x2的矩形结构元素（刚好匹配1像素的特征）
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (2, 2))

# 填充间隙：闭运算
filled_gaps = cv2.morphologyEx(image, cv2.MORPH_CLOSE, kernel)

# 去除凸起：开运算
removed_protrusions = cv2.morphologyEx(image, cv2.MORPH_OPEN, kernel)

# 可以根据需求组合两种操作，比如先填间隙再去凸起
final_smoothed = cv2.morphologyEx(filled_gaps, cv2.MORPH_OPEN, kernel)

如果担心矩形结构元素会过度平滑圆角，可以把结构元素换成十字形cv2.MORPH_CROSS，对曲线边缘更友好。

二、轮廓级：多边形逼近（保留整体形状的精细化平滑） #

如果你希望在平滑锯齿的同时，最大程度保留原始轮廓的整体形状，可以用轮廓提取+多边形逼近的方法，直接在轮廓层面去除1像素的小波动：

代码示例：

import cv2
import numpy as np

# 读取并二值化图像
image = cv2.imread('source.jpg', cv2.IMREAD_GRAYSCALE)
_, thresh = cv2.threshold(image, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)

# 提取外部轮廓
contours, _ = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 创建空白画布用于绘制平滑后的轮廓
smoothed_image = np.zeros_like(image)

for cnt in contours:
    # 计算轮廓周长
    perimeter = cv2.arcLength(cnt, True)
    # 多边形逼近：epsilon设为1.0，刚好过滤1像素级的锯齿波动
    # 也可以用周长的比例，比如epsilon = 0.001 * perimeter，适配不同大小的轮廓
    approx_contour = cv2.approxPolyDP(cnt, 1.0, True)
    # 绘制填充后的平滑轮廓
    cv2.drawContours(smoothed_image, [approx_contour], 0, 255, thickness=cv2.FILLED)

这种方法的优势是不会像形态学那样对所有区域“一刀切”，只会去除轮廓上的微小锯齿，适合需要保留复杂形状的场景。

额外提示：如果想尝试模糊方案 #

如果一定要用模糊，建议先高斯模糊，再用自适应阈值（而非OTSU），因为自适应阈值能根据局部灰度调整分割，保留模糊后的平滑效果：

blurred = cv2.GaussianBlur(image, (3,3), 0)
# 自适应阈值：局部11x11区域内的均值减2作为阈值
thresh = cv2.adaptiveThreshold(blurred, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 11, 2)

不过这种方法的精度不如前两种，因为模糊会让边缘整体变宽，适合对精度要求不高的场景。

内容的提问来源于stack exchange，提问作者SagRU