OpenCV Python处理天气图保留薄锋线的噪声过滤方法咨询

针对细锋线容易被通用开运算消除的问题，可采用定向形态学滤波+连通域特征筛选的组合方案，既可以过滤离散噪声，也能完整保留细锋线特征，具体实现步骤如下：

• 第一步：使用定向形态学开运算代替通用开运算
  锋线属于线性结构，有明确的走向，不要使用默认的圆形、矩形无方向结构核，改为构造匹配锋线走向的线性结构核，分别对不同方向做开运算后叠加，只会过滤对应方向上长度小于核长度的噪声，不会损伤同方向的长锋线。参考实现代码：

  import cv2
  import numpy as np
  
  # 可根据实际锋线走向、粗细调整核的类型和长度，以下为4个常用方向的线性核
  kernel_0 = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 1))  # 水平方向
  kernel_45 = np.array([[0,0,1],[0,1,0],[1,0,0]], dtype=np.uint8)  # 45度方向
  kernel_90 = cv2.getStructuringElement(cv2.MORPH_RECT, (1, 5))  # 垂直方向
  kernel_135 = np.array([[1,0,0],[0,1,0],[0,0,1]], dtype=np.uint8)  # 135度方向
  
  # 各方向分别做开运算后叠加结果
  res_0 = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel_0)
  res_45 = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel_45)
  res_90 = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel_90)
  res_135 = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel_135)
  
  filtered = cv2.bitwise_or(cv2.bitwise_or(res_0, res_45), cv2.bitwise_or(res_90, res_135))
  

• 第二步：通过连通域特征筛选二次去除残余噪声
  定向滤波后如果仍有零星小噪声，可通过连通域的几何特征过滤不符合锋线特征的区域：锋线的长宽比（最小外接矩形的长边/短边）通常远大于1，面积也远大于离散噪声，可根据实际图像调整阈值。参考实现代码：

  # 8连通域检测
  num_labels, labels, stats, _ = cv2.connectedComponentsWithStats(filtered, connectivity=8)
  result = np.zeros_like(filtered)
  # 遍历所有连通域，跳过背景（索引0）
  for i in range(1, num_labels):
      width = stats[i, cv2.CC_STAT_WIDTH]
      height = stats[i, cv2.CC_STAT_HEIGHT]
      area = stats[i, cv2.CC_STAT_AREA]
      # 阈值可根据实际场景调整，此处设置长宽比大于4、面积大于10的区域为锋线
      if max(width, height) / min(width, height) > 4 and area > 10:
          result[labels == i] = 255
  

• 可选优化步骤：如果处理后锋线有轻微断裂，可以用1x3或3x1的小尺寸线性核做一次闭运算补全断点，不会过度加粗锋线。

内容的提问来源于stack exchange，提问作者Gregor D1