含噪模糊图像的水平边缘检测优化方案咨询

现有一张含噪模糊图像，其中存在一条肉眼清晰可见的水平粗黑边缘，但使用OpenCV检测时遇到困难。

待检测原始图像：

注：需调整对比度和亮度才能看清该边缘，此处仅展示原始图像。

应用ROI后，目标是检测这条水平走向的粗黑边缘。以下是当前尝试的代码：

import numpy as np
from PIL import Image
import cv2

file = "input3.tif"
im = Image.open(file)
imarray = np.array(im)
roi = imarray[230:310, 460:660]
img8 = (roi/2).astype('uint8')
cv2.imshow('img8', img8)

blur = cv2.bilateralFilter(img8,9,5,150)
cv2.imshow('blur', blur)

kernel = np.array([[0,-1,0],[-1,5,-1],[0,-1,0]])
sharpened = cv2.filter2D(blur, -1, kernel)
cv2.imshow('sharpened', sharpened)

edges = cv2.Canny(sharpened,150, 250, apertureSize=3)
lines = cv2.HoughLinesP(edges, 1, np.pi/180, 20, minLineLength=100, maxLineGap=8)
for line in lines:
    for x1, y1, x2, y2 in line:
        cv2.line(img8, (x1, y1), (x2, y2), (0, 0, 255), 2)
cv2.imshow('out', img8)

当前得到的不理想结果：

优化方案 #

针对仅检测水平粗黑边缘的需求，可从预处理、边缘提取、直线筛选三个阶段针对性调整：

1. 预处理：增强目标边缘与背景差异 #

• 替换简单亮度调整：原代码(roi/2).astype('uint8')仅降低亮度，改用cv2.convertScaleAbs精准提升对比度、压低背景亮度，放大目标边缘的视觉差异：

  # 替换原img8生成代码
  alpha = 2.0  # 对比度增益
  beta = -50   # 亮度偏移（负数降低亮度）
  img8 = cv2.convertScaleAbs(roi, alpha=alpha, beta=beta)
  

• 调整双边滤波参数：原参数对噪声抑制不足，调大sigmaColor增强色彩相似区域的融合，同时匹配sigmaSpace，平衡降噪与边缘保留：

  blur = cv2.bilateralFilter(img8, 9, 40, 40)
  

2. 边缘提取：针对性捕捉水平边缘 #

• 用Sobel算子替代Canny：Canny会检测全方向边缘，而Sobel可单独提取垂直方向梯度（对应水平边缘），更贴合需求：

  # 替换Canny边缘检测步骤
  # 提取垂直方向梯度（捕捉水平边缘）
  sobel_y = cv2.Sobel(blur, cv2.CV_64F, 0, 1, ksize=3)
  sobel_y = cv2.convertScaleAbs(sobel_y)
  # 阈值过滤弱边缘，保留目标区域
  _, edges = cv2.threshold(sobel_y, 50, 255, cv2.THRESH_BINARY)
  

• 若坚持用Canny，大幅降低阈值：原150-250的阈值过高，会过滤掉目标边缘，建议调整为20-80：

  edges = cv2.Canny(sharpened, 20, 80, apertureSize=3)
  

3. 直线检测：强制筛选水平直线 #

• 限制HoughLinesP的检测角度：仅检测接近水平的角度（-5°到5°），避免无关直线干扰：

  theta_min = -5 * np.pi / 180
  theta_max = 5 * np.pi / 180
  lines = None
  # 遍历小角度范围，匹配水平直线
  for theta in np.arange(theta_min, theta_max, np.pi/180):
      temp_lines = cv2.HoughLinesP(edges, 1, theta, threshold=20, minLineLength=100, maxLineGap=8)
      if temp_lines is not None:
          lines = temp_lines if lines is None else np.vstack((lines, temp_lines))
  

• 添加斜率过滤：对检测到的直线计算斜率，只保留斜率绝对值<0.1的近似水平直线：

  if lines is not None:
      for line in lines:
          x1, y1, x2, y2 = line[0]
          if x2 != x1:
              slope = abs((y2 - y1)/(x2 - x1))
              if slope < 0.1:
                  cv2.line(img8, (x1, y1), (x2, y2), (0, 0, 255), 2)
  

完整优化后代码示例 #

import numpy as np
from PIL import Image
import cv2

file = "input3.tif"
im = Image.open(file)
imarray = np.array(im)
roi = imarray[230:310, 460:660]

# 优化对比度与亮度
alpha = 2.0
beta = -50
img8 = cv2.convertScaleAbs(roi, alpha=alpha, beta=beta)
cv2.imshow('adjusted', img8)

# 降噪处理
blur = cv2.bilateralFilter(img8, 9, 40, 40)
cv2.imshow('blur', blur)

# 提取水平边缘
sobel_y = cv2.Sobel(blur, cv2.CV_64F, 0, 1, ksize=3)
sobel_y = cv2.convertScaleAbs(sobel_y)
_, edges = cv2.threshold(sobel_y, 50, 255, cv2.THRESH_BINARY)
cv2.imshow('edges', edges)

# 检测并筛选水平直线
theta_min = -5 * np.pi / 180
theta_max = 5 * np.pi / 180
lines = None
for theta in np.arange(theta_min, theta_max, np.pi/180):
    temp_lines = cv2.HoughLinesP(edges, 1, theta, threshold=20, minLineLength=100, maxLineGap=8)
    if temp_lines is not None:
        lines = temp_lines if lines is None else np.vstack((lines, temp_lines))

if lines is not None:
    for line in lines:
        x1, y1, x2, y2 = line[0]
        if x2 != x1:
            slope = abs((y2 - y1)/(x2 - x1))
            if slope < 0.1:
                cv2.line(img8, (x1, y1), (x2, y2), (0, 0, 255), 2)

cv2.imshow('out', img8)
cv2.waitKey(0)
cv2.destroyAllWindows()

内容的提问来源于stack exchange，提问作者DozerD