从含噪图像中检测直线的问题排查与解决方案求助

我正在尝试从含噪图像中检测直线，当前执行的处理步骤如下：

1. 读取灰度图像 #

img= cv2.imread('/content/spec_un45_3900000.jpg',cv2.IMREAD_GRAYSCALE)

2. 反转图像并中值模糊 #

img = 255 - cv2.medianBlur(img, 3) #反转并模糊

3. 形态学开运算去除背景白点 #

#去除背景中的白点
kernel = np.ones((1, 2), np.uint8)  
opening = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel,iterations=2)

4. Canny边缘检测 #

edges = cv2.Canny(opening,0,100,apertureSize = 3)
cv2_imshow(edges)

5. 霍夫直线检测 #

#霍夫直线检测
lines = cv2.HoughLinesP(image=edges,
                        rho=1,
                        theta=np.pi/180,
                        threshold=100,
                        lines=np.array([]),
                        minLineLength=5,
                        maxLineGap=200)
for i in range(lines.shape[0]):
                cv2.line(out,
             (lines[i][0][0],
              lines[i][0][1]),
             (lines[i][0][2],
              lines[i][0][3]),
             (0,255, 255), 1, cv2.LINE_AA)

我已参考《How to detect lines in noisy line images?》中的方法，但仍存在问题，现请求协助排查该流程并提供解决方案。

问题排查与优化方案 #

1. 预处理阶段优化

• 模糊策略调整：当前3×3中值滤波对噪声抑制不足，可尝试5×5尺寸的中值滤波，或先高斯模糊再中值滤波，同时去除高斯噪点和椒盐噪点，减少后续边缘检测的干扰。
• 形态学操作改进：当前(1,2)的开运算核仅针对水平噪声，若图像存在垂直/斜向噪声，改用3×3正方形核；或增加闭运算步骤，填补直线上的断裂区域，让边缘更连续。

2. 边缘检测参数调优

• Canny阈值(0,100)过于宽泛，会引入大量噪声边缘。建议先对开运算后的图像做二值化（如cv2.threshold(opening, 127, 255, cv2.THRESH_BINARY)），再用Canny；或调整Canny高低阈值至(50,150)，过滤弱噪声边缘。

3. 霍夫直线检测参数优化

• minLineLength：当前设为5过小，会检测大量短噪声线段，建议增大至20-50，仅保留长直线片段。
• maxLineGap：200过大易导致无关线段错误连接，建议减小至20-50，确保仅合并连续的直线片段。
• threshold：100可根据实际结果调整，直线过少则降低阈值，过多则升高，找到平衡值。

4. 替代方案尝试

• 若霍夫变换效果不佳，可尝试用RANSAC算法对边缘点进行直线拟合，过滤噪声点干扰。
• 针对结构化直线图像，使用方向滤波器（如特定方向的Sobel算子）增强目标直线方向的边缘，抑制其他方向噪声。

内容的提问来源于stack exchange，提问作者Emm