如何对图像中的直线做降噪处理以去除边缘多余像素

适配该场景的最优方案是骨架提取（细化）+ 可选的线条宽度重建，思路是先把所有带冗余边缘的线条提取出中心单像素骨架，天然去除边缘多余像素，再根据需要调整线条宽度即可，比普通降噪、霍夫变换的适配性更高，不会出现直线检测漏检、交叉线条处理错误的问题。

依赖安装 #

执行以下命令安装所需库：
pip install opencv-python scikit-image numpy

核心实现代码 #

import cv2
import numpy as np
from skimage.morphology import thin

# 1. 读取图像并做二值化预处理
img = cv2.imread("输入图像路径.png")
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 全局二值化，线条为深色时用THRESH_BINARY_INV反转，保证线条为前景（白色）
_, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY_INV)

# 2. 骨架提取，自动剥离边缘的冗余像素，得到单像素宽度的核心线条
skeleton = thin(binary // 255)
skeleton = (skeleton * 255).astype(np.uint8)

# 3. 可选：去除骨架上的微小毛刺
kernel = np.ones((2, 2), np.uint8)
skeleton_clean = cv2.morphologyEx(skeleton, cv2.MORPH_OPEN, kernel, iterations=1)

# 4. 可选：恢复指定的线条宽度
line_width = 2
kernel = np.ones((line_width, line_width), np.uint8)
result = cv2.dilate(skeleton_clean, kernel, iterations=1)
# 反转回原图像的黑白风格（线条为深色，背景为浅色）
result = 255 - result

# 保存输出结果
cv2.imwrite("降噪输出结果.png", result)

可调参数说明 #

• 二值化逻辑：如果图像明暗不均，可替换全局阈值为自适应二值化cv2.adaptiveThreshold，避免局部二值化错误
• 毛刺去除核大小：核尺寸越大，可去除的毛刺长度越长，可根据实际噪点大小调整
• 膨胀核大小：控制最终输出的线条宽度，匹配原始图像的线条粗细

可选高精度几何直线重建方案 #

如果需要完全消除锯齿，输出严格的几何直线，可在骨架提取后加入LSD线段检测重建步骤：

# 基于上述得到的单像素骨架skeleton做线段检测
lsd = cv2.createLineSegmentDetector(0)
lines = lsd.detect(skeleton)[0]
# 创建和原图大小一致的空白画布
canvas = np.ones_like(gray) * 255
# 绘制所有检测到的直线，thickness参数控制线条宽度
for line in lines:
    x1, y1, x2, y2 = line[0]
    cv2.line(canvas, (int(x1), int(y1)), (int(x2), int(y2)), 0, thickness=2)
cv2.imwrite("高精度直线重建结果.png", canvas)

内容的提问来源于stack exchange，提问作者Thijser