如何为剪影图像生成锯齿状边缘？

下面提供3种符合技术栈要求的实现思路，可根据使用场景选择：

方案1：OpenCV 轮廓扰动法（可控性最高，适合静态图像处理） #

核心逻辑是直接修改轮廓坐标生成不规则边缘，步骤如下：

• 读入剪影图像后用cv2.threshold处理为纯二值图，确保前景背景区分明确
• 调用cv2.findContours提取所有前景对象的外轮廓
• 对每个轮廓的坐标点做随机偏移：可以每隔2_{5个点添加±N像素的随机偏移（N根据锯齿需求调整，通常取2}8），偏移时注意不要破坏轮廓的闭合性
• 创建同尺寸空白画布，用cv2.drawContours填充扰动后的轮廓，得到最终结果

示例代码片段：

import cv2
import numpy as np

img = cv2.imread("silhouette.png", 0)
_, binary = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY)
contours, _ = cv2.findContours(binary, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
res = np.zeros_like(img)

for cnt in contours:
    jagged_cnt = []
    for i, point in enumerate(cnt):
        x, y = point[0]
        # 每3个点做一次扰动，偏移范围±3像素
        if i % 3 == 0:
            x += np.random.randint(-3, 4)
            y += np.random.randint(-3, 4)
        jagged_cnt.append([[x, y]])
    jagged_cnt = np.array(jagged_cnt, dtype=np.int32)
    cv2.drawContours(res, [jagged_cnt], -1, 255, -1)

cv2.imwrite("jagged_silhouette.png", res)

方案2：PIL 随机形态学变换（实现最简单，适合批量处理） #

核心逻辑用不规则结构核对边缘做随机腐蚀/膨胀，自然生成锯齿：

• 生成随机二值结构核：比如3x3~7x7大小的核，随机将部分位置设为1
• 对剪影图交替执行1~2次随机腐蚀、膨胀操作，边缘会因为核的不规则性出现锯齿
• 可以通过调整核大小、随机比例控制锯齿的粗细和密度

方案3：PyTorch 可微实现（适合嵌入深度学习训练流程） #

如果需要把锯齿化作为训练时的数据增强步骤，可采用全张量操作的方案：

• 提取剪影的边缘掩码（可用Sobel算子或高斯模糊差分实现）
• 对边缘掩码叠加标准差为1~3的随机高斯噪声，再做阈值化得到不规则的边缘偏移区域
• 将偏移区域和原剪影合并后，用小尺寸的平均池化做一次平滑，消除离散噪点
• 整个流程支持反向传播，不会打断训练链路

参数调整技巧 #

• 锯齿大小：调整坐标偏移范围、形态学核大小即可
• 锯齿密度：调整轮廓点扰动的间隔、噪声的标准差即可
• 差异化特征：给每个轮廓/对象设置不同的扰动参数，就能保证每个对象的边缘特征互不相同

内容的提问来源于stack exchange，提问作者Vaaal88