背景

来了个自家的工作，精确分割某类目标。图像分辨率较低，环境噪声较多。

失败方案1

在AI吊打一切的时代，自然优先想到用AI来做。实例分割的SOTA全都是大模型，我要在笔记本上训练还是比较困难，于是选择到了YOLOv8-seg，毕竟他家提供的一键训练导出是真的简单。

模型训练出来发现这个分割的边缘是真的能凑合就凑合。简单来说，分割的边缘只是比检测框稍靠近一点点目标罢了，目标的复杂细节根本分割不出来，即使我制作了高精度数据集还是一样。

于是我又尝试着找一些边缘细化的方案。首先肯定有注重于边缘细化的端到端实例分割模型，但我看了看他们的demo视频，我觉得不行，很拉胯。然后又找了一些针对多边形的后期细化方案，一个看起来比较可行的方案是多边形的每一个顶点沿法线移动。这个工作没开源，但基本思路看起来还是没问题的。然而不想在这里浪费时间做实验了，毕竟我又不是做科研的。

失败方案2

既然AI做不好，自然想到用老一套：降噪，梯度。在背景中已经提到，这次工作的图像环境噪声较多，而且这个噪声并不是所谓的随机噪声，单纯是环境中存在很多无法预测的高频背景。

在一个比较理想的情况下，我希望通过目标检测模型先获取一些检测框，然后根据检测框抠一个矩形图片出来，这样就能去掉绝大多数环境噪声了。然后对截取的图像进行直方图均衡化，各种滤波降噪，用Canny算子直接提取图像中剩余的边缘，将边缘进行形态学闭运算，使其连通，形成指示目标轮廓的多边形。提取面积最大的多边形，即为目标的轮廓。

理想很丰满，现实很骨感。这个噪声根本去不掉。。。并且目标部分区域和背景颜色实在是太相近了，即使进行了闭运算，边缘也很难连通。