Android平台OpenCV图像背景移除输出质量不达预期问题咨询

现有代码的核心问题 #

目前实现可正常运行但输出质量不达标的核心原因，集中在参数配置错误、冗余逻辑干扰、后处理缺失三个方面：

• 无效冗余逻辑
  • 阈值类型变量重复赋值：初始设为Imgproc.THRESH_BINARY_INV后立刻被覆盖为Imgproc.THRESH_BINARY，没有任何实际作用
  • 平滑操作完全失效：模糊核尺寸设为Size(1.0, 1.0)，相当于不对图像做任何降噪处理，原始噪点会直接干扰后续阈值计算
• 形态学操作参数不合理
  • 膨胀环节用11x11椭圆核仅迭代1次，无法有效填充掩膜内部的细小孔洞
  • 腐蚀环节用3x3核连续迭代7次，会过度侵蚀前景边缘，直接造成轮廓锯齿、主体细节丢失
  • 形态学处理完成后，再次基于H通道均值做二值反转，逻辑链路错位，会直接破坏已经生成的掩膜完整性
• 融合效果生硬
  • 直接用硬边缘的二值掩膜执行copyTo，没有做边缘羽化，前景和纯白背景的衔接处会有非常明显的割裂感

针对性优化方案 #

• 清理无效逻辑：删掉重复的阈值类型赋值，将1x1的模糊核替换为5x5高斯模糊，先对H通道做降噪平滑，再计算直方图均值，减少随机噪点对阈值取值的干扰
• 调整形态学参数：将腐蚀迭代次数从7次下调到1-2次，膨胀迭代次数调整为2-3次，在填充掩膜孔洞的同时，避免过度腐蚀损耗前景轮廓细节
• 升级阈值判定逻辑：放弃单值硬切割的判定方式，设置±20的阈值容差，将H值落在均值上下20区间内的像素判定为背景，大幅提升对相近颜色像素的抗干扰能力
• 增加边缘羽化步骤：对最终生成的二值掩膜做3x3高斯模糊，生成带半透明过渡的软边缘掩膜后再执行图像融合，可有效消除边缘锯齿感

优化后的核心代码片段 #

private fun doBackgroundRemoval(frame: Mat): Mat? {
    val hsvImg = Mat()
    val hsvPlanes: List<Mat> = ArrayList()
    val thresholdImg = Mat()

    // 转换为HSV色彩空间并拆分通道
    Imgproc.cvtColor(frame, hsvImg, Imgproc.COLOR_BGR2HSV)
    Core.split(hsvImg, hsvPlanes)

    // 先对H通道做高斯平滑降噪，再计算平均阈值
    Imgproc.GaussianBlur(hsvPlanes[0], hsvPlanes[0], Size(5.0, 5.0), 0.0)
    val threshValue: Double = getHistAverage(hsvImg, hsvPlanes[0])

    // 基于范围阈值生成二值掩膜
    Imgproc.threshold(
        hsvPlanes[0],
        thresholdImg,
        threshValue - 20,
        255.0,
        Imgproc.THRESH_BINARY_INV
    )

    // 调整形态学操作的核尺寸与迭代次数
    val dilateKernel = Imgproc.getStructuringElement(Imgproc.MORPH_ELLIPSE, Size(5.0, 5.0))
    val erodeKernel = Mat.ones(3, 3, CvType.CV_8U)
    Imgproc.dilate(thresholdImg, thresholdImg, dilateKernel, Point(-1.0, -1.0), 2)
    Imgproc.erode(thresholdImg, thresholdImg, erodeKernel, Point(-1.0, -1.0), 1)

    // 掩膜边缘羽化，消除锯齿
    Imgproc.GaussianBlur(thresholdImg, thresholdImg, Size(3.0, 3.0), 0.0)

    // 生成纯白背景的前景结果
    val foreground = Mat(
        frame.size(), CvType.CV_8UC3,
        Scalar(255.0, 255.0, 255.0)
    )
    frame.copyTo(foreground, thresholdImg)

    val imgBitmap = Bitmap.createBitmap(foreground.cols(), foreground.rows(), Bitmap.Config.ARGB_8888)
    Utils.matToBitmap(foreground, imgBitmap)
    imageView.setImageBitmap(imgBitmap)

    return foreground
}

可结合实际场景的输入图像色彩分布，动态调整阈值容差、形态学迭代次数，匹配不同需求下的输出质量标准。

内容的提问来源于stack exchange，提问作者kulvinder