如何结合Hessian与stdfilt结果去除图像水平噪声并填充双曲线区域

我有一张标记为“1”的原始图像，使用Hessian滤波器处理后得到结果“2”，在MATLAB中应用Standard滤波器（stdfilt）处理后得到结果“3”。希望将这两个处理结果融合为一张图像，实现以下目标：

• 去除水平线条（即图像中的噪声）
• 填充双曲线区域

相关图像：

• 原始图像(1)：
• Hessian处理结果(2)：
• stdfilt处理结果(3)：
• Hessian处理结果副本：
• stdfilt处理结果副本：

核心思路 #

借助stdfilt对噪声的敏感性定位水平线条，结合Hessian对边缘的检测能力，通过掩码去噪+形态学填充两步实现目标：

1. 从stdfilt结果中提取水平噪声掩码，精准标记需要去除的区域
2. 用掩码清除Hessian结果中的噪声，保留双曲线边缘
3. 对去噪后的Hessian结果做形态学操作，填充双曲线内部空洞

MATLAB 实现代码 #

% 1. 读取图像并转为灰度（若原图像为彩色）
img_hessian = rgb2gray(imread('wQfhp.jpg')); % 替换为你的Hessian结果文件路径
img_stdfilt = rgb2gray(imread('vHAZK.jpg')); % 替换为你的stdfilt结果文件路径

% 2. 生成水平噪声掩码
% 阈值化stdfilt结果，分离高噪声区域
level = graythresh(img_stdfilt);
bw_stdfilt = imbinarize(img_stdfilt, level);

% 用水平结构元素提取水平线条
horizontal_se = strel('line', 30, 0); % 长度30，角度0（水平），可按需调整
bw_horizontal = imopen(bw_stdfilt, horizontal_se); % 开操作保留水平结构
bw_mask = bwareaopen(bw_horizontal, 50); % 过滤小面积误检区域

% 3. 去除Hessian图像中的水平噪声
img_hessian_denoised = img_hessian;
img_hessian_denoised(bw_mask) = 0; % 将噪声区域置为背景（黑色）

% 4. 填充双曲线区域
% 二值化去噪后的Hessian图像
bw_hessian = imbinarize(img_hessian_denoised, graythresh(img_hessian_denoised));
% 形态学闭操作填充空洞+平滑边缘
se = strel('disk', 5); % 圆盘结构元素，大小按需调整
bw_filled = imclose(bw_hessian, se);
% 若双曲线为闭合区域，也可使用区域填充：bw_filled = imfill(bw_hessian, 'holes');

% 5. 输出结果
result = uint8(bw_filled) * 255;
imshow(result);
imwrite(result, 'fusion_result.jpg');

参数调整技巧 #

• 水平噪声去除：若仍有残留噪声，可增大strel('line', 30, 0)的长度参数（如40），或提高bwareaopen的面积阈值；若误删有效区域，则减小对应参数。
• 双曲线填充：填充不足时增大strel('disk', 5)的圆盘半径，过度填充则减小；针对非闭合双曲线，优先用闭操作而非imfill。

内容的提问来源于stack exchange，提问作者Kashif