我现在需要找到一系列图像中几条特定线条的位置。这些图像是从GoPro视频导出的，镜头俯视着一个倾斜的地板（类似波箱里的沙滩）。我的最终目标（不过不是这次提问的重点）是分析图像中粒子在波浪经过前后的位置。这次提问的核心是：我要识别出分隔波箱墙壁和地板的线条，这样就能把图像中显示地板的区域转换成矩形，还能把多个相机拍摄的图像拼接起来展示整个地板。当我手动标记出这些分隔线时，变换和拼接的效果都很好，但每次实验相机都会轻微移动，所以我想找个自动化的方法来节省时间。

我手动标记出目标线条的示例图如下：

相机在不同图像间会有轻微移动，这也是我想自动化的原因。不过我知道，我要找的线条总是贯穿整个图像，从左边缘到右边缘，而且角度非常接近水平。

我试过用skimage的霍夫变换，直接在原图上用，也在边缘检测后的结果上用，但效果很差。下面是一段代码示例，还有对应的结果，参考了skimage官方的霍夫变换示例：

from skimage.transform import hough_line, hough_line_peaks
from skimage.filters import scharr
from skimage.color import rgb2lab
import matplotlib.image as mpimg

im = mpimg.read('image.png')

edges = scharr(rgb2lab(im[:,:,:])[:,:,0]) # 在L通道上执行边缘检测
angles = np.linspace(0.95*np.pi/2, 1.05*np.pi/2, 100) # 只考虑很窄范围的角度

h, theta, d = hough_line(edges, angles)
peaks = hough_line_peaks(h, theta, d, threshold=0.99*np.amax(h)) # 用很高的阈值，默认是0.5*max(h)

plt.imshow(im)
for _, angle, dist in zip(*peaks):
    (x0, y0) = dist * np.array([np.cos(angle), np.sin(angle)])
    plt.axline((x0, y0), slope=np.tan(angle + np.pi / 2), lw=0.5, alpha=0.75, c='r')

对应的结果图：

结果识别出了一大堆错误的线条，完全不是我要找的那些。

我还试了概率霍夫变换：

from skimage.transform import probabilistic_hough_line

lines = probabilistic_hough_line(edges, threshold=10, line_length=5000, theta=angles)

plt.imshow(im)

for l in lines:
    plt.plot([l[0][0], l[1][0]], [l[0][1], l[1][1]], c='r', alpha=0.75, lw=0.5)

对应的结果图：

这次看起来我要找的线条好像被识别出来了，但同时也有一大堆其他无关线条。我试过调整threshold参数，但没看到明显效果。

我知道可能没法完美自动找到目标线条，因为图像里还有其他线条，但目前的结果实在太离谱了。非常欢迎各位给出建议。

补充更新：

我发现如果先做轻微的高斯模糊，然后用Canny边缘检测器代替Scharr，效果要好很多：

from skimage.feature import canny

l = rgb2lab(im[:,:,:])[:,:,0]
edges = canny(gaussian(l, 3), 1, 10, 20)

对应的边缘检测结果图：

对应的霍夫变换结果图：

最新更新：这里是原始图像：

备注：内容来源于stack exchange，提问作者Tor