使用Python平滑图像轮廓求助：去白背景后轮廓不光滑

我之前处理类似的颜色聚类分割任务时，也碰到过边缘锯齿、不够光滑的问题，分享几个亲测有效的方案，都是专门针对边缘优化、不会糊掉主体内容的：

• 形态学闭开运算组合
  这是最省心的基础方法，先用闭运算填充边缘的小缺口，再用开运算去掉边缘的细碎毛刺，选圆形结构元素比方形的效果更柔和。给你个OpenCV的示例代码：

  import cv2
  import numpy as np
  
  # 假设mask是你颜色聚类得到的二值前景掩码
  # 用3x3圆形核，尺寸可根据边缘粗糙程度调整
  kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (3,3))
  # 闭运算填充边缘小空洞
  mask_closed = cv2.morphologyEx(mask, cv2.MORPH_CLOSE, kernel)
  # 开运算去除边缘凸起毛刺
  mask_smoothed = cv2.morphologyEx(mask_closed, cv2.MORPH_OPEN, kernel)
  # 用平滑后的掩码和原图合成
  result = cv2.bitwise_and(original_img, original_img, mask=mask_smoothed)
  

  注意别用太大的核，不然会把主体的细节也磨掉。

• 轮廓近似（Douglas-Peucker算法）
  先从二值掩码里提取轮廓，再用算法简化轮廓上的细碎点，保留整体形状的同时让边缘变平滑。OpenCV里的cv2.approxPolyDP就能实现：

  # 提取最外层轮廓
  contours, _ = cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
  # 计算近似轮廓，epsilon是平滑阈值，越小越贴近原轮廓，越大越平滑
  epsilon = 0.001 * cv2.arcLength(contours[0], True)
  approx_contour = cv2.approxPolyDP(contours[0], epsilon, True)
  # 生成新的平滑掩码
  new_mask = np.zeros_like(mask)
  cv2.drawContours(new_mask, [approx_contour], -1, 255, thickness=cv2.FILLED)
  # 合成最终图像
  result = cv2.bitwise_and(original_img, original_img, mask=new_mask)
  

  核心是调整epsilon的值，找到平滑度和细节保留的平衡点。

• 主动轮廓模型（Snake算法）
  如果你的主体轮廓比较清晰，可以用Snake算法让轮廓自动贴合真实边缘，同时保持平滑。它会根据图像梯度信息调整轮廓，完全不会影响主体的清晰度，用scikit-image的实现很方便：

  from skimage.segmentation import active_contour
  from skimage.draw import circle_perimeter
  
  # 先获取初始轮廓（比如从mask提取的外接轮廓，这里用圆形示例）
  init = circle_perimeter(100, 100, 80)  # 需根据你的图像调整初始位置和大小
  # 用梯度图引导轮廓收缩平滑
  snake = active_contour(gradient_img, init, alpha=0.015, beta=10, gamma=0.001)
  # 用生成的snake轮廓创建新掩码，再和原图合成
  

  这个方法适合主体形状相对规则的场景，能得到非常自然的光滑轮廓。

• 双边滤波仅作用于边缘区域
  双边滤波本身就能在平滑边缘的同时保留纹理，但直接整张图处理效率低。可以先提取边缘区域，只对边缘附近的像素做滤波，主体区域保持原样：

  # 提取边缘掩码
  edges = cv2.Canny(original_img, 50, 150)
  # 膨胀边缘得到需要处理的区域
  edge_region = cv2.dilate(edges, cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (2,2)), iterations=1)
  # 对整张图做双边滤波
  filtered_img = cv2.bilateralFilter(original_img, 9, 75, 75)
  # 仅替换边缘区域的像素，主体保留原图
  result = np.where(edge_region[:, :, None] == 255, filtered_img, original_img)
  

  这样既能磨平边缘锯齿，又不会损失主体的清晰细节。

你可以单独用某一种方法，也可以组合起来（比如先做形态学运算，再做轮廓近似），根据自己的图像效果调整参数就行。

内容的提问来源于stack exchange，提问作者pensfute