嘿，这个需求我之前处理过好多次，不管用ImageJ/Fiji还是Python都能完美实现，刚好和你提到的「掩码+中值滤波混合」思路完全契合，我给你拆解成具体可操作的步骤：

一、用ImageJ/Fiji实现的步骤 #

• 第一步：打开图像并定位水平线
  把你的灰度图拖进Fiji界面，先用Rectangle Tool框出水平线区域，或者更精准一点：打开Image > Adjust > Threshold，拖动滑块把黑色水平线单独高亮出来（因为它灰度极低，很容易和其他区域区分），选好后点击Create Selection生成选区。

• 第二步：生成修复用的掩码
  保持选区激活，新建一张和原图尺寸、位深完全一致的空白灰度图（File > New > Image，选8-bit，尺寸直接复制原图的宽高）。然后用Edit > Fill把选区填成黑色，剩下的区域留白色——这张图就是我们的掩码：黑色区域是需要修复的水平线，白色区域是要保留原图的部分。

• 第三步：对原图做中值滤波
  切回原图像，执行Process > Filters > Median，核大小选3或5（根据水平线的粗细调整，粗线选5，细线选3，别太大不然会模糊其他细节），得到一张水平线被平滑掉的滤波图像。

• 第四步：掩码混合完成修复
  现在有原图、滤波图、掩码三张图，打开Image > Calculator，输入运算公式：(Original * (1 - Mask/255)) + (Filtered * (Mask/255))，点击OK。这个公式的逻辑很简单：掩码的黑色区域（值为0）会用滤波图的内容替换，白色区域（值为255）则完全保留原图，完美实现局部修复。

二、用Python（OpenCV + NumPy）实现的步骤 #

如果习惯用代码自动化处理，用OpenCV和NumPy就能快速搞定，直接给你可运行的代码+解释：

import cv2
import numpy as np

# 1. 加载灰度图像，备份原图
img = cv2.imread("your_image.png", cv2.IMREAD_GRAYSCALE)
original = img.copy()

# 2. 生成修复掩码：先通过阈值提取黑色水平线
# 这里的30是阈值，根据你图像的实际灰度调整，把黑色水平线转成白色
_, mask = cv2.threshold(img, 30, 255, cv2.THRESH_BINARY_INV)
# 用形态学闭操作补全水平线的细微缺口，确保掩码连续
kernel = np.ones((3, 15), np.uint8)  # 横向核，适配水平线的形状
mask = cv2.morphologyEx(mask, cv2.MORPH_CLOSE, kernel)
# 把掩码转成0-1的浮点数，方便后续混合计算
mask = mask / 255.0

# 3. 对原图做中值滤波，平滑掉水平线
filtered = cv2.medianBlur(original, 5)  # 核大小按需调整，3或5都可以

# 4. 掩码混合：用滤波图替换掩码覆盖的区域
result = (original * (1 - mask)) + (filtered * mask)
# 转成图像需要的uint8格式
result = result.astype(np.uint8)

# 保存或查看结果
cv2.imwrite("fixed_image.png", result)
cv2.imshow("修复后图像", result)
cv2.waitKey(0)
cv2.destroyAllWindows()

额外小技巧 #

如果你的水平线位置是固定的（比如总是在第100-105行），可以直接手动生成掩码，更精准：

# 手动指定第100到105行为修复区域
mask = np.zeros_like(img, dtype=np.float32)
mask[100:105, :] = 1  # 这里的行范围根据实际情况改

备注：内容来源于stack exchange，提问作者Atheer