如何通过图像处理仅保留图像中的垂直线？附已尝试滤波步骤

当然有更针对性的方法来实现你的需求！先聊聊你当前流程里可以优化的点：Scharr卷积结合Sobel X的组合有点冗余，而且可能引入不必要的噪声干扰，另外阈值参数也可以更灵活调整。下面给你几个更高效的方案，帮你精准保留垂直线：

方案1：定向形态学滤波（最直接） #

形态学滤波可以通过自定义垂直结构元素，定向保留垂直线、过滤水平线。核心思路是用只对垂直结构生效的核，去除水平方向的干扰：

def process_image(self):
    image = cv2.cvtColor(self.img_diagonal, cv2.COLOR_BGR2GRAY)
    
    # 可选：先做高斯模糊去噪，减少后续检测的噪声干扰
    blurred = cv2.GaussianBlur(image, (3, 3), 0)
    
    # 创建垂直结构元素：(1, N) 中N的值根据垂直线的粗细调整，线越粗N越大
    vertical_kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (1, 5))
    # 开运算：先腐蚀去除水平方向的小噪声，再膨胀修复垂直线的断裂
    vertical_enhanced = cv2.morphologyEx(blurred, cv2.MORPH_OPEN, vertical_kernel)
    
    # 用Sobel X检测垂直边缘（强化线的对比度）
    sobelx = cv2.Sobel(vertical_enhanced, cv2.CV_64F, 1, 0, ksize=3)
    sobelx_abs = np.absolute(sobelx)
    # 归一化到0-255范围
    sobelx_norm = cv2.normalize(sobelx_abs, None, 0, 255, cv2.NORM_MINMAX, dtype=cv2.CV_8U)
    
    # 二值化阈值，可根据实际图像调整阈值（这里用50，你可以改成更适合的数值）
    ret, thresh = cv2.threshold(sobelx_norm, 50, 255, cv2.THRESH_BINARY)
    
    cv2.imwrite("Temp/ritmo--%d.png" % self.count, thresh)
    return thresh

方案2：自定义垂直卷积核 #

直接用只响应垂直线的卷积核做滤波，强化垂直方向的像素变化，抑制水平方向：

def process_image(self):
    image = cv2.cvtColor(self.img_diagonal, cv2.COLOR_BGR2GRAY)
    blurred = cv2.GaussianBlur(image, (3, 3), 0)
    
    # 自定义垂直检测核：增强垂直方向的灰度差异
    vertical_kernel = np.array([
        [-1, 2, -1],
        [-1, 2, -1],
        [-1, 2, -1]
    ], dtype=np.float32)
    
    # 卷积操作
    vertical_lines = cv2.filter2D(blurred, cv2.CV_64F, vertical_kernel)
    vertical_abs = np.absolute(vertical_lines)
    vertical_norm = cv2.normalize(vertical_abs, None, 0, 255, cv2.NORM_MINMAX, dtype=cv2.CV_8U)
    
    # 二值化+形态学微调
    ret, thresh = cv2.threshold(vertical_norm, 40, 255, cv2.THRESH_BINARY)
    vertical_kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (1, 3))
    final = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, vertical_kernel)
    
    cv2.imwrite("Temp/ritmo--%d.png" % self.count, final)
    return final

方案3：优化你现有的Sobel流程 #

如果你想基于现有代码调整，可以去掉冗余的Scharr卷积，直接用Sobel X结合垂直形态学操作：

def process_image(self):
    image = cv2.cvtColor(self.img_diagonal, cv2.COLOR_BGR2GRAY)
    
    # 闭运算填充缝隙（保留你原有的步骤）
    kernel = cv2.getStructuringElement(cv2.MORPH_RECT,(5,5))
    closing = cv2.morphologyEx(image, cv2.MORPH_CLOSE, kernel)
    
    # 直接用Sobel X检测垂直边缘，无需Scharr卷积
    sobelx = cv2.Sobel(closing, cv2.CV_64F, 1, 0, ksize=3)
    sobelx_abs = np.absolute(sobelx)
    sobelx_norm = cv2.normalize(sobelx_abs, None, 0, 255, cv2.NORM_MINMAX, dtype=cv2.CV_8U)
    
    # 用垂直核过滤水平线
    vertical_kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (1, 5))
    vertical_filtered = cv2.morphologyEx(sobelx_norm, cv2.MORPH_OPEN, vertical_kernel)
    
    ret, thresh2 = cv2.threshold(vertical_filtered, 127, 255, cv2.THRESH_BINARY)
    cv2.imwrite("Temp/ritmo--%d.png" % self.count, thresh2)
    return thresh2

关键提示 #

• 结构元素的大小：如果你的垂直线比较粗，把(1,5)改成(1,7)或(1,9)；如果线很细，用(1,3)。
• 阈值参数：根据你的原图亮度调整，比如把127改成50、80这类数值，找到最适合的保留效果。
• 去噪步骤：高斯模糊很重要，能减少噪声带来的伪边缘，让最终的垂直线更干净。

内容的提问来源于stack exchange，提问作者Paulo Oliveira