从手绘曲线到可变厚度遮罩：交互式图像标注与掩膜生成技术详解

1. 项目概述从手绘曲线到可变厚度遮罩在图像处理或计算机视觉的实际项目中我们经常会遇到一个看似简单却颇为棘手的需求用户希望用鼠标在图像上自由地画一条线然后基于这条线生成一个具有一定宽度的“遮罩”Mask。这条线不是闭合的是开放的它的宽度不是均匀的而是可以变化的比如中间粗、两头细或者根据某种规则动态调整。这听起来像是Photoshop里的画笔工具但在编程实现尤其是在MATLAB、PythonOpenCV, scikit-image或类似环境中如何将这种直观的交互转化为精确的、可供后续算法处理的二值图像掩膜就是一个值得深入探讨的技术问题了。这个需求的核心可以归结为“如何将一个开放、自由手绘的、具有可变厚度的曲线转换为一个二值掩膜图像”。它融合了人机交互捕获用户绘制、几何计算将曲线转化为区域和图像处理生成最终掩膜等多个环节。无论是用于标注训练数据如为Mask R-CNN准备掩膜标签、创建图像编辑的蒙版还是在科学可视化中突出显示某些轨迹这个功能都极具实用价值。本文将从思路拆解、核心算法、到具体实现步骤完整地走一遍这个流程并分享其中容易踩坑的细节。2. 核心思路与方案选型要实现这个目标我们不能简单地调用一个现成的“画变宽线”的函数就了事。我们需要一个系统性的方案。整个流程可以分解为三个核心阶段交互式曲线捕获如何让用户方便、自然地绘制出那条初始的、单像素宽度的开放曲线。曲线到区域的膨胀如何根据用户指定的或程序计算的“厚度”信息将这条细线“加粗”变成一个具有可变宽度的带状区域。区域到掩膜的栅格化如何将这个几何意义上的带状区域准确地映射到离散的像素网格上生成最终的二值掩膜矩阵。2.1 交互式曲线捕获方案对比首先我们需要获取用户画的曲线。在MATLAB环境中有几个相关的函数常被混淆imfreehand,impoly,imline。imfreehand顾名思义完全自由手绘。它会返回一个h对象通过getPosition(h)可以获取一系列密集的、用户鼠标移动轨迹上的点坐标(x, y)。这对于捕获任意形状的闭合或开放区域的边界很有效但如果我们只是画一条线它返回的点集会包含大量冗余点且首尾可能不连接开放曲线。impoly用于绘制和编辑多边形。用户点击创建顶点顶点之间用直线连接。它更适合绘制由直线段构成的闭合多边形。对于光滑的自由曲线它需要用户点击很多点来近似体验不流畅。imline用于绘制一条直线段只有起点和终点。对于“自由手绘的开放曲线”imfreehand是最接近需求的工具尽管它本意是绘制区域。我们可以通过只取它返回的点集并明确不将其视为闭合图形来使用它。注意imfreehand在绘制结束时默认会尝试闭合曲线如果首尾点距离较近。为了避免这一点可以在创建对象时设置参数或者在后处理中明确我们的曲线是开放的。在Python生态中我们可以使用matplotlib的widgets模块如PolygonSelector的变通使用或专门的可视化库如napari来交互式获取点集。但更常见的做法是先在一个简单的绘图界面用OpenCV的鼠标回调或matplotlib的事件处理记录鼠标移动的坐标。方案选择为了聚焦核心算法我们假设已经通过某种交互方式获得了一个有序的点序列P [(x1, y1), (x2, y2), ..., (xn, yn)]代表用户绘制的中心线。这些点可能是稠密的来自imfreehand也可能是稀疏的来自impoly的顶点需要插值。2.2 可变厚度膨胀算法解析这是本项目的技术核心。如何将一条线膨胀成可变厚度的带一个直观但低效的想法是遍历图像每个像素计算其到中心线的最短距离如果距离小于该点处的“局部半径”厚度的一半则将该像素设为前景。这种方法计算量巨大O(N*M)N像素数M曲线点数。更高效、更几何化的方法是基于线段和圆的合成。将曲线离散为线段将有序点序列P的每两个相邻点连接起来得到一系列短线段。如果点足够密这些线段就很好地近似了原曲线。为每个线段定义厚度我们需要一个厚度函数T(i)或T(t)其中i是点索引t是沿曲线的归一化长度0到1。这个函数定义了曲线每个位置的半径厚度的一半。例如T(t) 10 5*sin(2*pi*t)会产生一个周期性变化的厚度。生成“胶囊”区域对于每一个线段我们不再把它当成一条细线而是把它当成一个“胶囊”Capsule——即一个长方形加上两端的半圆。这个胶囊的中心轴就是该线段其半径取线段两端点对应厚度的平均值或者进行更精细的插值。区域合并将所有线段生成的胶囊区域多边形近似进行合并布尔并集操作。由于胶囊之间会有重叠合并后就能得到一个光滑的、宽度变化的带状区域。为什么选择胶囊近似计算高效判断一个点是否在胶囊内比计算到复杂曲线的最短距离简单得多。结果平滑当线段足够短且半径变化平缓时胶囊并集的外边界会非常接近真实的“等距线”Offset Curve视觉效果光滑。易于栅格化胶囊可以用多边形长方形两个半圆多边形来近似而多边形的栅格化有非常成熟的算法如扫描线填充。2.3 栅格化方案选择得到代表带状区域的几何描述一组多边形的并集后我们需要将其“画”到一个全零的二值图像矩阵上。这就是栅格化。多边形填充法将合并后的区域分解为若干个简单多边形在胶囊近似中每个胶囊可分解为1个矩形和2个半圆多边形。然后使用图形学中的扫描线填充算法逐个多边形进行填充。MATLAB的poly2mask函数、Python的skimage.draw.polygon或matplotlib.path.Path的contains_points方法都能高效完成此任务。距离变换法先创建一个和输出图像一样大的空矩阵。将中心线点集或许加上样条插值后的更密点集的对应像素位置设为1。然后计算该二值图像的欧氏距离变换bwdistin MATLAB,scipy.ndimage.distance_transform_edtin Python。最后将距离小于该点处局部半径R(x,y)的所有像素设为1。这种方法概念直接但难点在于如何高效地为每个像素分配正确的局部半径R。一种近似是使用距离变换后的值作为索引去查询一个预先计算好的、沿中心线的半径查找表。方案选择对于追求高精度和可控性的情况多边形填充法是更优选择。它直接对应我们的几何模型厚度控制精确且不依赖于图像分辨率在矢量层面计算。我们将采用这种方法。3. 核心算法实现细节3.1 交互点获取与曲线预处理假设我们在MATLAB中通过imfreehand获取了点集。% 显示图像 imshow(yourImage); h imfreehand(Closed, false); % ‘Closed’参数设为false强调我们画的是开放曲线 wait(h); % 等待用户绘制完成 centerline_points getPosition(h); % 得到一个 Nx2 的矩阵[x1, y1; x2, y2; ...] delete(h); % 删除图形对象获得的centerline_points可能非常密集且含有噪声手抖。直接使用可能导致后续胶囊数量爆炸。因此预处理是必要的曲线平滑使用滑动平均、Savitzky-Golay滤波器或样条插值后再重采样以平滑抖动。% 简单滑动平均示例 windowSize 5; b (1/windowSize)*ones(1, windowSize); a 1; smoothed_x filter(b, a, centerline_points(:,1)); smoothed_y filter(b, a, centerline_points(:,2)); % 注意filter会导致相位延迟需要处理边界或使用filtfilt进行零相位滤波 smoothed_points [smoothed_x, smoothed_y];重采样根据曲线总长度和期望的线段精度对平滑后的曲线进行均匀重采样。这能确保后续胶囊的基线段长度大致相等避免某些区域过于稀疏或密集。% 计算累积弦长 diffs diff(smoothed_points); seg_lengths sqrt(sum(diffs.^2, 2)); cumulative_length [0; cumsum(seg_lengths)]; total_length cumulative_length(end); % 期望的采样点数和间距 num_samples 100; % 例如目标100个点 target_spacing total_length / (num_samples - 1); new_lengths 0:target_spacing:total_length; % 线性插值获取新点 resampled_points interp1(cumulative_length, smoothed_points, new_lengths, linear);经过预处理我们得到了一个有序的、平滑的、均匀采样的中心线点集P_resampled。3.2 可变厚度函数的定义与应用厚度是沿曲线变化的。我们需要定义一个函数为曲线上的每个点或每个线段分配一个半径值r。定义方式基于曲线参数最常用的是基于归一化弧长s(0到1)。例如线性变化r(s) r_start (r_end - r_start) * s正弦变化r(s) r_base r_amp * sin(2*pi*freq*s phase)高斯变化r(s) r_max * exp(-((s - center)/width).^2)模拟中间粗两头细基于图像属性厚度可以根据曲线经过位置的图像灰度、梯度等属性动态变化。这需要先访问图像数据。我们需要为P_resampled中的每个点计算对应的半径。假设我们定义一个高斯型厚度s (0:(num_samples-1)) / (num_samples-1); % 归一化弧长参数 center 0.5; width 0.2; r_max 15; radius_at_points r_max * exp(-((s - center)/width).^2) 1; % 加1确保最小厚度现在radius_at_points是一个向量长度与P_resampled相同存储每个中心线点处的半径。3.3 胶囊生成与多边形近似对于每一对相邻的中心线点P[i]和P[i1]以及它们对应的半径R[i]和R[i1]计算线段方向向量v P[i1] - P[i]归一化得到单位向量u v / ||v||。法向量n [-u_y, u_x]。构造胶囊的四个角点胶囊可以看作线段向两侧各平移半径距离。但半径在变化我们取两端半径的平均值R_avg (R[i] R[i1]) / 2作为该段的统一半径这是一种简化但有效的近似。角点1:P1 P[i] R_avg * n角点2:P2 P[i] - R_avg * n角点3:P[i1] - R_avg * n角点4:P[i1] R_avg * n这四点构成一个平行四边形代表了胶囊的“矩形部分”。添加端盖半圆为了得到圆滑的端点需要在胶囊的两端加上半圆。对于起点P[i]以该点为圆心R[i]为半径在垂直于线段方向的两侧各取一系列点例如从角度angle(n)pi/2到angle(n)-pi/2构成一个半圆多边形。终点P[i1]同理但方向相反。多边形顶点排序将起点半圆的多边形顶点、平行四边形的四个顶点、终点半圆的多边形顶点按顺序连接起来形成一个闭合的多边形这个多边形就近似代表了当前胶囊的区域。实操心得实际上为了简化计算和提高性能我们常常省略半圆的精确多边形近似特别是当线段较短、半径变化平缓时。直接用上述平行四边形矩形来近似每个线段胶囊然后将所有矩形进行合并。这样得到的区域在端点处是平头而非圆头。如果追求端点圆滑可以在整个中心线的起点和终点单独添加两个整圆。这种“矩形端点圆”的近似在大多数情况下视觉效果已经足够好且实现简单。3.4 多边形合并与栅格化我们得到了一个多边形列表每个胶囊对应一个多边形。这些多边形有大量重叠。我们需要计算它们的并集。多边形并集计算这是计算几何中的一个经典问题。我们可以使用多边形裁剪Polygon Clipping库。在MATLAB中没有内置的多边形布尔运算函数但可以借助polybool函数Mapping Toolbox或第三方函数。在Python中shapely库是处理几何对象布尔运算的利器。# Python with shapely 示例 from shapely.geometry import Polygon, MultiPolygon from shapely.ops import unary_union capsule_polygons [] # 存储所有胶囊多边形的shapely.Polygon对象 for capsule_vertices in all_capsule_vertices: poly Polygon(capsule_vertices) capsule_polygons.append(poly) # 计算所有多边形的并集 union_polygon unary_union(capsule_polygons) # union_polygon 可能是一个Polygon或MultiPolygon如果不连通栅格化到图像得到最终的多边形或复合多边形后将其栅格化到指定尺寸的图像上。MATLAB使用poly2mask。需要将多边形的顶点坐标通常是(x,y)转换为poly2mask需要的(row, column)格式注意坐标系的转换poly2mask使用像素索引(1,1)是左上角。% 假设 union_polygon_x, union_polygon_y 是并集多边形的顶点坐标 % imageSize 是 [height, width] bwMask poly2mask(union_polygon_x, union_polygon_y, imageSize(1), imageSize(2));Python (scikit-image)使用skimage.draw.polygon。import numpy as np from skimage.draw import polygon # 假设 union_polygon 是一个shapely Polygon if union_polygon.geom_type Polygon: exterior_coords list(union_polygon.exterior.coords) # polygon函数需要 (rr, cc) 索引 # 注意shapely坐标是(x,y)图像索引是(row, col)即(y, x) yy, xx zip(*[(coord[1], coord[0]) for coord in exterior_coords]) rr, cc polygon(np.array(yy), np.array(xx), shapeimage_shape) mask np.zeros(image_shape, dtypebool) mask[rr, cc] True # 如果有洞内环需要单独处理用多边形填充后再扣掉4. 完整实现步骤与代码框架下面我们以Python为例结合matplotlib交互、shapely几何运算和scikit-image绘图勾勒一个完整的实现框架。MATLAB的实现思路完全类似。4.1 步骤一环境准备与交互绘制import numpy as np import matplotlib.pyplot as plt from matplotlib.widgets import Button from scipy.interpolate import splprep, splev import shapely.geometry as geom from shapely.ops import unary_union from skimage.draw import polygon, disk class FreehandDrawer: def __init__(self, image): self.image image self.fig, self.ax plt.subplots() self.ax.imshow(self.image, cmapgray) self.line_points [] # 存储绘制点 (x, y) self.line, self.ax.plot([], [], r-, lw2) # 实时线 self.cid_press self.fig.canvas.mpl_connect(button_press_event, self.on_press) self.cid_motion self.fig.canvas.mpl_connect(motion_notify_event, self.on_motion) self.cid_release self.fig.canvas.mpl_connect(button_release_event, self.on_release) self.drawing False # 添加完成按钮 ax_button plt.axes([0.8, 0.05, 0.1, 0.075]) self.btn_finish Button(ax_button, Finish) self.btn_finish.on_clicked(self.finish_drawing) plt.show() def on_press(self, event): if event.inaxes ! self.ax: return self.drawing True self.line_points.append((event.xdata, event.ydata)) self.update_line() def on_motion(self, event): if not self.drawing or event.inaxes ! self.ax: return self.line_points.append((event.xdata, event.ydata)) self.update_line() def on_release(self, event): self.drawing False def update_line(self): if self.line_points: xs, ys zip(*self.line_points) self.line.set_data(xs, ys) self.fig.canvas.draw_idle() def finish_drawing(self, event): plt.close(self.fig) def get_points(self): return np.array(self.line_points) # 使用示例 # image plt.imread(your_image.jpg) # drawer FreehandDrawer(image) # centerline_points drawer.get_points() # 获取原始点集4.2 步骤二曲线预处理与重采样def preprocess_curve(points, num_target_points200, smoothing5): 对原始手绘点进行平滑和均匀重采样。 points: Nx2 数组原始点。 num_target_points: 目标重采样点数。 smoothing: 样条平滑因子越大曲线越平滑。 # 确保点序正确且无重复 points np.unique(points, axis0) # 去重 if len(points) 4: # 点太少直接线性插值 t np.linspace(0, 1, len(points)) t_new np.linspace(0, 1, num_target_points) x_new np.interp(t_new, t, points[:,0]) y_new np.interp(t_new, t, points[:,1]) return np.column_stack((x_new, y_new)) # 使用样条插值和平滑 # 注意参数u是累积弦长归一化 tck, u splprep([points[:,0], points[:,1]], ssmoothing, perFalse) # perFalse表示开放曲线 u_new np.linspace(u.min(), u.max(), num_target_points) x_new, y_new splev(u_new, tck) return np.column_stack((x_new, y_new)) # 使用 # smoothed_points preprocess_curve(centerline_points, num_target_points150, smoothing2)4.3 步骤三定义厚度函数并生成胶囊多边形def generate_variable_thickness_mask(centerline_points, thickness_func, image_shape): 核心函数生成可变厚度遮罩。 centerline_points: Nx2 数组预处理后的中心线点。 thickness_func: 函数输入归一化弧长s (0到1)返回该点的半径。 image_shape: 输出掩膜的形状 (height, width)。 n_points len(centerline_points) # 1. 计算每个中心线点的半径 # 计算累积弧长用于归一化 diffs np.diff(centerline_points, axis0) seg_lengths np.sqrt(np.sum(diffs**2, axis1)) cumulative_length np.insert(np.cumsum(seg_lengths), 0, 0) total_length cumulative_length[-1] s_normalized cumulative_length / total_length if total_length 0 else np.linspace(0, 1, n_points) radii thickness_func(s_normalized) # 调用厚度函数 # 2. 为每一段线段生成胶囊多边形矩形近似 capsule_polygons [] for i in range(n_points - 1): p1 centerline_points[i] p2 centerline_points[i1] r1 radii[i] r2 radii[i1] r_avg (r1 r2) / 2.0 # 线段方向向量 v p2 - p1 length np.linalg.norm(v) if length 1e-9: # 忽略重合点 continue u v / length # 法向量 n np.array([-u[1], u[0]]) # 胶囊矩形的四个顶点 pt1 p1 r_avg * n pt2 p1 - r_avg * n pt3 p2 - r_avg * n pt4 p2 r_avg * n # 创建矩形多边形shapely rect_poly geom.Polygon([pt1, pt2, pt3, pt4]) capsule_polygons.append(rect_poly) # 3. 为起点和终点添加圆形端盖可选为了更圆滑 # 这里我们选择为每个点添加一个圆但会导致重叠区域计算量增大。 # 更高效的做法是只在整个路径的起点和终点加圆或者不加。 # 本例采用简化版不加端盖或仅为i0和in_points-2时加圆。 if i 0: # 路径起点 circle_start geom.Point(p1).buffer(r1) # buffer创建圆多边形 capsule_polygons.append(circle_start) if i n_points - 2: # 路径终点 circle_end geom.Point(p2).buffer(r2) capsule_polygons.append(circle_end) # 4. 合并所有多边形 if capsule_polygons: union_polygon unary_union(capsule_polygons) else: union_polygon geom.Polygon() # 5. 栅格化 mask np.zeros(image_shape, dtypebool) if union_polygon.is_empty: return mask if union_polygon.geom_type Polygon: # 处理单个多边形 exterior list(union_polygon.exterior.coords) yy, xx zip(*[(coord[1], coord[0]) for coord in exterior]) rr, cc polygon(np.array(yy), np.array(xx), shapeimage_shape) mask[rr, cc] True # 处理洞内环 for interior in union_polygon.interiors: yy, xx zip(*[(coord[1], coord[0]) for coord in interior.coords]) rr, cc polygon(np.array(yy), np.array(xx), shapeimage_shape) mask[rr, cc] False elif union_polygon.geom_type MultiPolygon: # 处理多个多边形不连通的情况 for poly in union_polygon.geoms: exterior list(poly.exterior.coords) yy, xx zip(*[(coord[1], coord[0]) for coord in exterior]) rr, cc polygon(np.array(yy), np.array(xx), shapeimage_shape) mask[rr, cc] True for interior in poly.interiors: yy, xx zip(*[(coord[1], coord[0]) for coord in interior.coords]) rr, cc polygon(np.array(yy), np.array(xx), shapeimage_shape) mask[rr, cc] False return mask # 定义厚度函数示例高斯型变化 def gaussian_thickness(s, center0.5, width0.2, max_radius20, min_radius3): s是归一化弧长0到1 radius max_radius * np.exp(-((s - center)/width)**2) min_radius return radius # 使用 # mask generate_variable_thickness_mask(smoothed_points, gaussian_thickness, image.shape[:2])4.4 步骤四可视化与结果验证# 加载图像并交互绘制 image plt.imread(demo_image.jpg) drawer FreehandDrawer(image) centerline_raw drawer.get_points() # 曲线预处理 centerline_smooth preprocess_curve(centerline_raw, num_target_points150, smoothing3) # 生成掩膜 final_mask generate_variable_thickness_mask(centerline_smooth, gaussian_thickness, image.shape[:2]) # 可视化结果 fig, axes plt.subplots(1, 3, figsize(15,5)) axes[0].imshow(image, cmapgray) axes[0].plot(centerline_raw[:,0], centerline_raw[:,1], r.-, alpha0.5, labelRaw) axes[0].plot(centerline_smooth[:,0], centerline_smooth[:,1], b-, lw2, labelSmoothed) axes[0].set_title(Original Image with Centerline) axes[0].legend() axes[1].imshow(final_mask, cmapgray) axes[1].set_title(Generated Variable-Thickness Mask) # 将掩膜叠加到原图 masked_image image.copy() if len(masked_image.shape) 2: # 灰度图 masked_image np.stack([masked_image]*3, axis-1) # 转为RGB masked_image[final_mask, 0] 255 # 在红色通道高亮掩膜区域 axes[2].imshow(masked_image) axes[2].set_title(Mask Overlay on Image) plt.tight_layout() plt.show()5. 常见问题、优化与避坑指南在实际操作中你几乎一定会遇到下面这些问题。这里是我的经验总结。5.1 性能瓶颈与优化问题当中心线点很多1000或图像很大时生成大量胶囊多边形并进行布尔并集运算可能很慢。优化策略降低分辨率如果最终掩膜不需要与原图完全一致的分辨率可以先在小尺寸上生成掩膜再通过imresize放大。布尔运算的复杂度与坐标值范围有关小尺寸下更快。简化中心线在预处理阶段使用道格拉斯-普克算法等曲线简化算法在保持形状的前提下大幅减少点数。近似合并不必精确计算所有多边形的并集。可以先将所有胶囊多边形的顶点收集起来然后用一个凸包或凹壳算法如Alpha Shape来生成一个大致的外边界多边形。这种方法速度更快但会丢失凹形细节和内部孔洞。直接栅格化法回归到距离变换的思路。先将中心线点带半径信息栅格化到一个高精度的距离场图中然后通过阈值生成掩膜。可以使用scipy.ndimage.distance_transform_edt的逆过程或自定义一个逐像素的快速近似算法。5.2 边缘锯齿与平滑度问题生成的掩膜边缘有明显的锯齿Aliasing特别是在斜线或曲线部分。解决方案抗锯齿栅格化skimage.draw.polygon产生的是硬边界。可以使用skimage.draw.polygon_perimeter获取边界然后结合skimage.filters.gaussian进行平滑或者使用matplotlib.path.Path的contains_points方法并配合更精细的网格采样。生成距离场后软阈值不生成二值掩膜而是生成一个有符号距离场SDF其中每个像素的值是到中心线有向距离内部为正外部为负的绝对值减去该处的局部半径。然后对这个距离场应用一个sigmoid函数进行软阈值化得到边缘平滑的软掩膜值在0到1之间。这对于后续的某些图像合成任务非常有用。# 伪代码思路 sdf compute_signed_distance_field(centerline_points, radii, image_shape) soft_mask 1 / (1 np.exp(-beta * (-sdf))) # beta控制边缘硬度5.3 厚度函数的定义与连续性问题厚度在相邻线段间变化剧烈导致生成的带状区域出现“关节”状的凸起或凹陷不自然。解决方案平滑厚度函数确保传递给厚度函数的参数s是连续的如归一化弧长并且厚度函数本身是平滑的例如使用样条插值来拟合用户指定的几个控制点的厚度值。胶囊半径插值在生成胶囊时不要简单使用两端半径的平均值(r1r2)/2。可以对线段上的每个点进行线性插值r(t) r1 (r2 - r1) * t其中t是从0到1的线段参数。然后将胶囊的“矩形部分”替换为一系列更细的梯形来近似这能更好地反映厚度的连续变化但计算更复杂。对于大多数情况平均值近似已经足够好。5.4 交互体验的打磨实时预览在用户绘制时实时显示当前厚度参数下的掩膜预览体验会好很多。这需要将生成掩膜的代码优化到足够快例如使用上述的简化版算法或距离变换的GPU加速。厚度交互除了绘制曲线还可以让用户交互式地调整厚度函数。例如在曲线旁边显示一个控制柄拖动可以改变局部宽度。5.5 坐标系统与精度图像坐标 vs 像素索引这是一个永恒的坑。matplotlib事件返回的xdata,ydata是数据坐标。poly2mask和skimage.draw.polygon接受的是像素索引坐标通常(row, column)对应(y, x)。转换时务必小心。在栅格化前确保多边形顶点坐标是浮点数并且落在图像范围内[0, width)和[0, height)。整数坐标截断误差将浮点坐标转换为整数像素索引时直接int()取整可能导致最大1个像素的偏差。通常使用np.round()或np.floor()但要保持一致。skimage.draw.polygon内部会处理浮点坐标。这个从自由手绘曲线生成可变厚度掩膜的项目完美地串联了交互、几何和图像处理。它没有唯一的“标准答案”但本文提供的基于“胶囊近似-多边形合并-栅格化”的流水线在灵活性、精度和性能之间取得了很好的平衡。你可以根据具体需求轻松地替换其中的任何一个模块比如用更快的距离变换法替代多边形合并或者用更精确的圆头胶囊模型来提升视觉效果。