如何去除图片左边缘亮线并提升图像动态范围？

从bin文件生成图像后，左边缘出现贯穿高度的1像素白线，该白线拉低了图像整体动态范围，导致小数值区域难以分辨。生成图像的Python代码如下：

import matplotlib.pyplot as plt
import numpy as np
import time
from PIL import Image
import math
import numpy as np
import json
import pickle
import matplotlib.cm as cm
import PIL.ImageOps
#from libtiff import TIFFfile, TIFFimage
import tifffile

def micronToStep(v):
    #approximately 62nm/step
    return round((v * 1000)/62)

def normalizeData(data):
    return (data - np.min(data)) / (np.max(data) - np.min(data))

def moving_average(x, w):
    return np.convolve(x, np.ones(w), 'valid') / w

def annot_max(x,y, ax=None):
    xmax = x[np.argmax(y)]
    ymax = y.max()
    text= "x={:.3f}, y={:.3f}".format(xmax, ymax)
    if not ax:
        ax=plt.gca()
    bbox_props = dict(boxstyle="square,pad=0.3", fc="w", ec="k", lw=0.72)
    arrowprops=dict(arrowstyle="->",connectionstyle="angle,angleA=0,angleB=60")
    kw = dict(xycoords='data',textcoords="axes fraction",
              arrowprops=arrowprops, bbox=bbox_props, ha="right", va="top")
    ax.annotate(text, xy=(xmax, ymax), xytext=(0.94,0.96), **kw)


fo = open('saveData2.bin', 'rb')
data = pickle.load(fo)
fo.close()


print("xyStep: ", data['xyStep'])
print("xRange: ", data['xRange'])
print("yRange: ", data['yRange'])
print("zRange: ", data['zRange'])
print("zBase: ", data['zBase'])

dimX = math.ceil(data['xRange'] / data['xyStep'])
dimY = math.ceil(data['yRange'] / data['xyStep'])
print(dimX, dimY)
img = np.zeros((dimX, dimY)).astype('uint16')

zRange = data['zRange']
imgData = data['data']
minValue = 999999999
maxValue = -999999999


for i in range(0, dimX):
    for j in range(0, dimY):
        if type(imgData[i][j]) is np.ndarray:

            try:
                smoothed = moving_average(imgData[i][j], 10)
                height = smoothed.argmax() # / smoothed.shape[0]) * zRange
            except TypeError:
                height = 0

            #if imgData[i][j] is None:
            #    height = 0
            #    print("none", i,j)
            #else:
            #    height = imgData[i][j].argmax()

            img[i][j] = height
            minValue = min(minValue, height)
            maxValue = max(maxValue, height)
            
           
print("Min: ", minValue)
print("Max: ", maxValue)


tifffile.imwrite('saveData2.tif', img)

生成的图像左侧可见贯穿高度的1像素白线，以下是具体解决方法：

一、直接裁剪异常列（快速解决） #

白线对应数组的第一列（索引i=0），若确认该列属于无效采集数据，可直接裁剪掉这一列，同时重新计算有效区域的极值以恢复动态范围：

# 在计算完原minValue和maxValue之后，添加裁剪逻辑
img = img[1:, :]  # 移除第一列（所有行的i=0索引）
# 重新计算有效区域的min和max
minValue = np.min(img)
maxValue = np.max(img)
print("修正后 Min: ", minValue)
print("修正后 Max: ", maxValue)

# 写入tif文件
tifffile.imwrite('saveData2.tif', img)

二、排查并修复数据异常根源 #

如果第一列应为有效数据，可通过日志排查异常原因：

1. 在循环中添加第一列的数据日志：

for i in range(0, dimX):
    for j in range(0, dimY):
        if i == 0:
            # 打印第一列的每个数据项类型和内容
            print(f"i=0, j={j}, 数据类型={type(imgData[i][j])}, 数据内容={imgData[i][j]}")
        # 原循环逻辑...

2. 根据日志结果针对性修复：
   • 若第一列数据触发了TypeError导致height=0，可调整moving_average的处理逻辑，比如缩小平滑窗口或跳过空数据；
   • 若imgData[0][j]本身为无效值，可从源数据中排查采集环节的问题。

三、优化动态范围可视化（可选） #

如果后续需要对图像进行可视化，可使用normalizeData函数对裁剪后的图像数据做归一化，进一步提升小数值区域的辨识度：

normalized_img = normalizeData(img)
# 示例：使用matplotlib显示归一化后的图像
plt.imshow(normalized_img, cmap='viridis')
plt.colorbar()
plt.show()

内容的提问来源于stack exchange，提问作者Malum Phobos