OpenCV轮廓检测求助：如何精准识别图像轨迹而非传感器噪点

我具备一定的OpenCV使用经验，但在检测图像轮廓时遇到难题：目前能检测到的黑色圆形是传感器污渍，我真正需要识别的是下图中红色标注的目标轨迹。

我尝试过以下方法，但效果不尽人意：

• Canny边缘检测及cv.ADAPTIVE_THRESH_GAUSSIAN_C方法（效果相对最佳），但参数难调且不同图像结果差异大；
• cv.fastNlMeansDenoising去噪、Canny前加高斯模糊，效果提升不明显。

检测液滴相对容易，但轨迹检测困难。我考虑过逐行扫描图像的方案，但觉得繁琐且不知如何入手。我使用Python版OpenCV，求解决建议。

补充信息 #

附上原始图像及CLAHE增强对比度后的裁剪图：

CLAHE实现代码如下：

def inc_contrast(img,  cLimit=100.0, tGridSize=21):
    # converting to LAB color space
    lab = cv.cvtColor(img, cv.COLOR_BGR2LAB)
    l_channel, a, b = cv.split(lab)

    # Applying CLAHE to L-channel
    clahe = cv.createCLAHE(clipLimit=cLimit, tileGridSize=(tGridSize, tGridSize))
    cl = clahe.apply(l_channel)

    # merge the CLAHE enhanced L-channel with the a and b channel
    limg = cv.merge((cl, a, b))

    # Converting image from LAB Color model to BGR color spcae
    enhanced_img = cv.cvtColor(limg, cv.COLOR_LAB2RGB)
    return enhanced_img

将CLAHE处理后的图像在GIMP中做去斑（半径3、黑电平7、白电平248）和高斯差分（半径1=10、半径2=4.2、不透明度100）后效果较好，但想在Python/OpenCV中完成所有处理。

内容的提问来源于stack exchange，提问作者Jennifer B