低光照与正常光照图像白线检测优化：适配滤镜咨询

我明白你现在的困境——固定参数的预处理流程在光照差异极大的两张图上根本没法兼顾效果：大核高斯模糊把低光照下本就微弱的白线直接糊没了，固定的Canny阈值在暗图里触发不了有效边缘，亮图里又容易过检。下面是一套能同时兼容两类图像的自适应处理方案：

核心思路 #

针对光照差异，我们要做「自适应增强+动态阈值检测」：既要保留亮图的清晰边缘，又要把暗图里的白线“拉出来”，再做精准的边缘检测。

步骤1：选择更适配的色彩通道 #

直接转灰度可能会丢失白线的色彩对比度（比如白线在RGB里的R/G/B分量可能远高于背景），建议优先从HSV色彩空间提取V通道（亮度通道），或者Lab空间的L通道——这两个通道聚焦于亮度信息，能更好区分白线与背景，不管亮暗图都比直接灰度化靠谱。

步骤2：自适应亮度增强（CLAHE） #

普通直方图均衡会把亮图的细节压暗、暗图的噪声放大，而**限制对比度自适应直方图均衡（CLAHE）**可以分块增强：既提升暗图的白线亮度，又不会破坏亮图的原有对比度，完美适配两类场景。

步骤3：动态调整高斯模糊核 #

你之前用125的核太大了，直接把白线都模糊没了！建议根据图像整体亮度动态调整：亮图用小核（5-9）保留细节，暗图用稍大的核（11-15）过滤噪声。

步骤4：自适应阈值的Canny边缘检测 #

固定阈值肯定不行，我们可以基于图像的均值/中位数亮度，或者用Otsu阈值法自动计算最优阈值，再套用到Canny里（通常低阈值设为高阈值的1/3）。

步骤5：形态学后处理 #

低光照下检测出的白线可能是断裂的，用膨胀+腐蚀的闭运算可以把碎片连起来，同时去掉小噪声点。

改进后的代码实现 #

import cv2
import numpy as np
import matplotlib.pyplot as plt
import mpimg

def detect_white_lines(img):
    # 步骤1：转换到HSV空间，提取亮度通道V
    hsv = cv2.cvtColor(img, cv2.COLOR_RGB2HSV)
    v_channel = hsv[:, :, 2]
    
    # 步骤2：应用CLAHE增强亮度
    clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8,8))
    enhanced_v = clahe.apply(v_channel)
    
    # 步骤3：动态调整高斯模糊核大小
    img_mean = np.mean(enhanced_v)
    # 亮图用小核，暗图用稍大的核（可根据实际情况调整亮度阈值）
    kernel_size = 5 if img_mean > 120 else 11
    blurred = cv2.GaussianBlur(enhanced_v, (kernel_size, kernel_size), 0)
    
    # 步骤4：用Otsu法自动计算Canny阈值
    _, otsu_thresh = cv2.threshold(blurred, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)
    low_threshold = otsu_thresh // 3
    high_threshold = otsu_thresh
    edges = cv2.Canny(blurred, low_threshold, high_threshold)
    
    # 步骤5：形态学闭运算，连接断裂的白线
    kernel = np.ones((3,3), np.uint8)
    edges = cv2.morphologyEx(edges, cv2.MORPH_CLOSE, kernel)
    
    return edges

# 测试代码
filenm = "your_image_path.jpg"
img = mpimg.imread(filenm)
edges = detect_white_lines(img)
plt.imshow(edges, cmap='Greys_r')
plt.show()

参数调优建议 #

• clipLimit：CLAHE的对比度限制，暗图可以调到2.5-3增强效果，亮图保持1.5-2即可。
• tileGridSize：CLAHE的分块大小，(8,8)是通用值，可根据图像分辨率调整。
• 高斯核大小：如果你的白线很细，核不要超过15，避免糊掉白线。
• 形态学核：粗白线可用(5,5)的核，细白线用(3,3)就行。

这套方案的核心是让每个处理步骤都能根据图像的实际光照动态调整，不管亮图还是暗图，都能把白线的对比度拉到适合边缘检测的程度，再配合自适应阈值的Canny，就能实现稳定的白线检测了。

内容的提问来源于stack exchange，提问作者min2bro