从手绘曲线到可变厚度遮罩：几何算法与MATLAB实现详解

1. 从“手绘曲线”到“可变厚度遮罩”的核心挑战

在图像处理或者交互式图形应用中，我们经常会遇到一个看似简单但实现起来颇有门道的问题：用户用鼠标或触控笔，在屏幕上自由地画了一条开放的、不闭合的曲线，然后希望基于这条曲线生成一个遮罩（Mask）。这个遮罩不是简单的单像素线，而是具有一定“厚度”的，甚至这个厚度在曲线的不同位置还可以变化。比如，你想模拟一支真实的画笔，笔触的粗细会随着压力或速度变化；或者，你想在医学图像上，沿着一条手绘的路径，高亮显示一个具有一定宽度的感兴趣区域。

这个需求听起来很直观，但当你真正动手去实现时，会发现它涉及从交互逻辑、几何计算到像素级操作的一系列问题。核心的挑战在于，“开放的自由曲线”本身是一个一维的路径，而“可变厚度的遮罩”是一个二维的像素区域。如何将前者优雅、准确且高效地转换为后者，就是我们要解决的核心问题。网络上相关的讨论往往聚焦于某个特定工具（如MATLAB的imfreehand）的用法，但背后的原理和通用实现思路才是更值得深挖的干货。

2. 理解基础工具：imfreehand,impoly与createMask

在深入可变厚度遮罩之前，我们先厘清几个基础概念，这有助于理解更复杂需求的实现路径。这些术语常出现在像MATLAB的Image Processing Toolbox这样的环境中，但其思想是通用的。

2.1imfreehand：捕获自由形态

imfreehand是一个交互式工具，它允许用户在图像上通过点击和拖拽来绘制一条任意形状的、闭合或开放的曲线。其核心输出是一系列有序的坐标点(x, y)，这些点描述了用户鼠标移动的轨迹。对于开放曲线，起点和终点不重合。

注意：imfreehand创建的是一个“可拖动”的图形对象，其本身并不是遮罩。你需要从该对象中提取位置信息。

2.2impoly：定义多边形区域

与imfreehand的“自由绘制”不同，impoly用于创建和编辑一个多边形。用户通过点击来定义多边形的顶点。它天然是用于定义闭合区域的。虽然你也可以用很多点来近似一条曲线，但其交互模式是点-点连接，而非连续拖拽。

2.3createMask：从图形对象到二值图像

createMask是一个方法，它作用于像imfreehand或impoly创建的图形对象上。它的功能非常明确：根据该对象当前在图像坐标系中的形状，生成一个与之大小相同的二值逻辑矩阵（即遮罩）。对于impoly定义的多边形，createMask会生成一个内部为1（白色/真），外部为0（黑色/假）的遮罩。对于imfreehand，如果曲线是闭合的，其行为类似多边形填充；如果曲线是开放的，标准的createMask会将其视为一个非常细长的、几乎无面积的多边形，生成的遮罩可能几乎全为0，或者只有单像素宽的线（取决于实现和抗锯齿），这显然不是我们想要的“有厚度的遮罩”。

因此，直接对一条开放的imfreehand曲线使用createMask，无法得到可变厚度的遮罩。我们必须自己动手，基于曲线路径坐标，构建我们想要的遮罩区域。

3. 构建遮罩的核心算法：从路径到区域

既然基础工具不直接支持，我们就需要设计算法。整个过程可以分解为几个关键步骤，我将结合原理和伪代码来解释。

3.1 步骤一：路径采样与表示

首先，我们从交互工具（如imfreehand）获取一系列离散的坐标点P = [p1, p2, ..., pn]，其中pi = (xi, yi)。这些点是鼠标采样得到的，可能分布不均匀。为了后续计算稳定，我们通常需要进行路径重采样，确保点与点之间的欧氏距离大致相等。

% 伪代码：简单线性插值重采样 function resampled_P = resamplePath(P, desired_spacing) cumulative_dist = 计算P中相邻点的累计距离; new_parametric_locations = 在总距离上按desired_spacing等间距采样; resampled_P = 根据new_parametric_locations，对P进行线性插值得到新点集; end

均匀采样的路径是我们后续定义“厚度”的基准线。

3.2 步骤二：计算路径法线

要在路径两侧“扩张”出厚度，我们需要知道每个路径点处的“侧向”方向，即法线方向。对于二维平面曲线，在某一点的法线方向垂直于该点的切线方向。

1. 计算切线：对于路径点pi，其切线向量ti可以通过前后相邻点差分来近似。例如，中心差分：ti = (p(i+1) - p(i-1)) / 2。对于端点，可以使用前向或后向差分。
2. 计算法线：将切线向量(dx, dy)逆时针旋转90度，得到单位法线向量ni = (-dy, dx) / sqrt(dx^2 + dy^2)。这个ni指向路径的“一侧”（例如左侧）。另一侧的法线就是-ni。

% 伪代码：计算路径点法线 function normals = calculateNormals(P) tangents = zeros(size(P)); for i = 2:length(P)-1 tangents(i, :) = P(i+1, :) - P(i-1, :); end % 处理端点 tangents(1, :) = P(2, :) - P(1, :); tangents(end, :) = P(end, :) - P(end-1, :); normals = zeros(size(tangents)); for i = 1:length(tangents) dx = tangents(i, 1); dy = tangents(i, 2); length_t = sqrt(dx^2 + dy^2); if length_t > 0 % 单位法线（逆时针旋转90度） normals(i, :) = [-dy, dx] / length_t; else normals(i, :) = [0, 0]; % 对于重复点，法线无定义 end end end

3.3 步骤三：应用可变厚度

这是实现“可变厚度”的关键。我们需要为路径上的每个点pi定义一个厚度值ri（可以是半径，也可以是单侧厚度）。这个厚度序列可以来自用户输入（如绘制时的压力数据），也可以是一个函数（如根据曲率变化）。

对于每个点pi和其法线ni，我们可以得到该点处用于构建遮罩的两个边界点：

• 上边界点：p_upper_i = pi + ri * ni
• 下边界点：p_lower_i = pi - ri * ni

将所有的p_upper_i和p_lower_i分别连接起来，就得到了两条包围原始路径的曲线，它们之间的区域就是我们的目标遮罩区域。注意：如果厚度ri变化剧烈，直接连接这些边界点可能会产生自相交或尖刺，需要考虑平滑处理。

3.4 步骤四：区域填充与栅格化

现在我们有了两条边界曲线（上下边界），它们与原始路径的首尾端点共同形成了一个（近似）闭合的多边形。这个多边形可能不是凸的。我们的目标是将这个多边形内部的所有像素标记为1，外部标记为0。

1. 构造多边形顶点序列：通常，我们可以按顺序连接上边界点，再逆序连接下边界点，形成一个闭合的多边形顶点列表V。
2. 使用多边形填充算法：最常用的是扫描线填充算法。对于图像中的每一行（扫描线），计算该行与多边形所有边的交点，然后对这些交点按x坐标排序，两两配对之间的像素就是需要填充的内部像素。
3. MATLAB 实现捷径：在MATLAB中，我们可以利用poly2mask函数。将多边形顶点V的x坐标和y坐标分别作为输入，并指定生成遮罩的图像尺寸，poly2mask会高效地完成栅格化填充。

% 伪代码：生成最终遮罩 function mask = createVariableWidthMask(P, normals, radius_array, image_size) % P: 重采样后的路径点 Nx2 % normals: 法线向量 Nx2 % radius_array: 每个点处的半径（厚度） Nx1 % image_size: [height, width] upper_boundary = P + radius_array .* normals; lower_boundary = P - radius_array .* normals; % 构造多边形顶点序列：上边界 -> 下边界（逆序）-> 回到起点 polygon_vertices = [upper_boundary; flipud(lower_boundary); upper_boundary(1, :)]; mask = poly2mask(polygon_vertices(:,1), polygon_vertices(:,2), image_size(1), image_size(2)); end

4. 高级议题与实战避坑指南

掌握了基本算法，在实际编码中你还会遇到几个典型的“坑”。这里分享我的实战经验。

4.1 路径端点的处理

上面的方法在路径中部效果很好，但在起点和终点，多边形是强行闭合的，这会导致端头形状是平的，像被切断了一样，很不自然。为了模拟真实的画笔笔触，我们希望端头是圆形的。

解决方案：在路径的起点和终点额外添加“端帽”。一个简单有效的方法是：

1. 在起点p1处，沿着与起始切线垂直的方向（即法线方向），以r1为半径画一个半圆（或整圆）。
2. 在终点pn处同理。
3. 将这个端帽多边形的顶点加入到总的polygon_vertices中。

% 伪代码：添加圆形端帽 function vertices_with_caps = addRoundCaps(P, normals, radius_array, start_cap, end_cap) vertices = []; if start_cap theta = linspace(-pi/2, pi/2, 10)'; % 在法线两侧各90度范围内采样 start_normal = normals(1, :); cap_vertices = P(1, :) + radius_array(1) * [cos(theta), sin(theta)] * [start_normal; -start_normal]; % 需要根据法线旋转坐标 vertices = [vertices; cap_vertices]; end % 添加主路径边界顶点... if end_cap % 类似地处理终点，角度范围可能是 pi/2 到 3*pi/2 % ... vertices = [vertices; cap_vertices_end]; end vertices_with_caps = vertices; end

4.2 厚度剧烈变化与自相交

当相邻点的半径ri和r(i+1)相差很大时，上下边界点连线后可能形成非常尖锐的角，甚至导致边界线自相交。自相交会使poly2mask产生不可预料的结果（如空洞或奇异形状）。

解决方案：

1. 厚度平滑：在生成半径数组radius_array后，对其进行低通滤波（如移动平均、高斯滤波），避免相邻点厚度突变。
2. 使用更鲁棒的轮廓生成方法：不直接连接上下边界点，而是将每个路径点pi及其半径ri视为一个“圆盘”。目标遮罩就是所有这些圆盘的并集。这可以通过距离变换来实现：
   • 先创建一个和图像一样大的空矩阵D，初始值为无穷大。
   • 对于每个圆盘，计算图像中每个像素到该圆盘中心pi的距离，如果小于半径ri，则更新D为该较小距离。
   • 最后，遮罩mask = D < 0（或者D <= 某些阈值）。这种方法天然避免了自相交，并且端头也是圆形的，但计算量比多边形方法大。
3. MATLAB中的bwdist应用：可以先生成一个只包含路径中心线的单像素宽遮罩（使用poly2mask或bwmorph），然后利用bwdist计算其距离变换。但这种方法难以直接实现可变厚度，因为bwdist给出的是到最近中心线像素的等距扩张。要实现可变厚度，需要更复杂的加权距离变换或逐点处理。

4.3 性能优化：大图像与长路径

如果图像很大（如4K）或路径非常长（采样点很多），多边形顶点数量会激增，导致poly2mask计算变慢。

优化策略：

1. 路径简化：在重采样后，使用道格拉斯-普克算法等简化算法，在允许的误差范围内减少路径点数。这对自由手绘曲线尤其有效，能去除大量冗余点。
2. 下采样计算：如果遮罩精度要求不是极高，可以先将路径坐标按比例缩放，在较小的尺寸下生成遮罩，然后再用imresize放大回原图尺寸。imresize使用插值，放大后的遮罩边缘会有点模糊，但通常可以接受。
3. 并行计算：如果采用“圆盘并集”或距离变换的方法，并且有大量独立的曲线要处理，可以考虑使用parfor循环（需要Parallel Computing Toolbox）。

5. 完整实现流程与代码框架

将上述所有步骤整合，一个健壮的、支持可变厚度开放曲线的遮罩生成函数框架如下：

function mask = freehandCurveToMask(path_points, radius_func, image_size, varargin) % path_points: Nx2， 来自imfreehand或其他交互工具的原始点 % radius_func: 函数句柄，输入为（点索引，归一化距离，原始点坐标等），输出该点半径。或直接是半径数组。 % image_size: [rows, cols] % varargin: 可选参数，如'smoothing'（平滑系数），'cap'（是否添加端帽） % 1. 解析输入参数 p = inputParser; addParameter(p, 'smoothing', 0.1); addParameter(p, 'cap', true); parse(p, varargin{:}); % 2. 路径预处理（重采样、平滑） resampled_points = resamplePathUniformly(path_points); if p.Results.smoothing > 0 resampled_points = smoothPath(resampled_points, p.Results.smoothing); end % 3. 计算法线 normals = calculateNormals(resampled_points); % 4. 计算每个点的半径 if isa(radius_func, 'function_handle') t = linspace(0, 1, size(resampled_points, 1))'; % 归一化路径长度 radii = arrayfun(@(i) radius_func(i, t(i), resampled_points(i,:)), 1:size(resampled_points,1)); radii = radii(:); else radii = radius_func(:); % 假设是数组 end % 可选：对半径进行平滑 radii = smooth(radii, 5); % 5. 生成边界点 upper = resampled_points + radii .* normals; lower = resampled_points - radii .* normals; % 6. 构造多边形顶点（考虑端帽） if p.Results.cap [upper, lower] = addRoundCapsToBoundaries(upper, lower, normals, radii); end polygon_x = [upper(:,1); flipud(lower(:,1))]; polygon_y = [upper(:,2); flipud(lower(:,2))]; % 7. 栅格化填充 mask = poly2mask(polygon_x, polygon_y, image_size(1), image_size(2)); % 8. （可选）后处理：去除可能因计算误差产生的孤立小点 mask = bwareaopen(mask, 5); end

这个框架提供了很高的灵活性。radius_func可以是常数函数（固定厚度）、根据绘制速度变化的函数（速度慢半径大）、甚至是从硬件读取的压力数据映射的函数。

6. 超越基础：与Mask R-CNN思想的碰撞

文章开头提到了“Mask R-CNN”这个热词。虽然Mask R-CNN是用于实例分割的深度学习模型，但其“Mask”生成的思想与我们这里的几何生成有异曲同工之妙。Mask R-CNN通过一个全卷积网络为每个目标预测一个低分辨率（如28x28）的掩码，然后通过双线性插值上采样到原图尺寸。这本质上是一个从稀疏、高层表示到稠密像素映射的过程。

在我们的问题中，路径点序列和半径序列就是一种高层、稀疏的表示。我们的算法（多边形填充或距离变换）就是确定的“解码器”，将这个稀疏表示“上采样”为稠密的像素级遮罩。理解这种“表示-解码”的范式，有助于我们将问题抽象化。例如，你可以训练一个简单的神经网络，输入是图像和几个路径点，输出是半径序列，从而实现智能的、基于图像内容的可变厚度笔画预测，这就在传统图像处理和深度学习之间架起了一座有趣的桥梁。

最后，实现这样一个功能，最深的体会是对“边界”的处理决定了效果的精致程度。无论是端帽的圆形、厚度变化处的平滑过渡，还是避免自相交的稳健算法，功夫都花在如何让生成的二维区域看起来是自然、连续、由一条一维曲线“生长”出来的。这不仅仅是数学和代码，更是一种对视觉表现的追求。