使用Python去除图像中的线条

我正在尝试使用 Python 和 cv2、numpy、skimage 等从黑白图像中删除“阴影线”（如果图像中存在“阴影线”）。本质上，我的图像可以有 1 或 2 条曲线，如下例所示。但每条线都有一条 1-5 像素外的阴影线，需要删除。我怎样才能在Python中做到这一点？

原始	B列

这些是我希望实现的最终结果：

这是原始图像：

这是我当前的代码：

import numpy as np
import cv2
import matplotlib.pyplot as plt
from skimage import filters, morphology
from skimage.filters import threshold_otsu
from skimage.filters import threshold_yen
from skimage.filters import try_all_threshold
from scipy import ndimage, datasets,signal
from sklearn.preprocessing import PolynomialFeatures
from sklearn.linear_model import LinearRegression
from sklearn.linear_model import RANSACRegressor, LinearRegression
import os


#file_path1 = "C://Development/Imager/images/OCTImages/test_22feb2024_max_vol/max_vol_1-249-20240222-154852.tif" 
file_path1 = "C://Development/Imager/images/OCTImages/test_22feb2024_max_vol/max_vol_1-305-20240222-154854.tif" 
directory = 'C://Development/Imager/images/OCTImages/test_22feb2024_max_vol/'
output = directory+'done/'
threshold=50
pixel_filter_strength=92

isExist = os.path.exists(output)
if not isExist:
   # Create a new directory because it does not exist
   os.makedirs(output)
   
   def trim_image(image, top, bottom, left, right):
    # Get the dimensions of the image
    height, width = image.shape[:2]

    # Calculate the new dimensions
    new_top = top
    new_bottom = height - bottom
    new_left = left
    new_right = width - right

    # Ensure the dimensions are within the bounds of the image
    if new_top < 0 or new_bottom > height or new_left < 0 or new_right > width:
        raise ValueError("Trim dimensions exceed image bounds")

    # Crop the image
    trimmed_image = image[new_top:new_bottom, new_left:new_right]

    return trimmed_image

def load_image(file_path):
    """
    Load an OCT image from the given file path.
    
    Args:
    file_path (str): Path to the OCT image file
    
    Returns:
    numpy.ndarray: Loaded image as a numpy array
    """
    image = cv2.imread(file_path, cv2.IMREAD_GRAYSCALE)
    if image is None:
        raise ValueError(f"Unable to load image from {file_path}")
    return image



def edge_detect2(img):
    # Read the original image
    #img = cv2.imread('test.jpg') 
    # Display original image
    #cv2.imshow('Original', img)
    cv2.waitKey(0)
    
    # Convert to graycsale
   # img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    # Blur the image for better edge detection
    img_blur = cv2.GaussianBlur(img, (3,3), 0) 
    

    # Canny Edge Detection
    edges = cv2.Canny(image=img_blur, threshold1=100, threshold2=200) # Canny Edge Detection
    return edges

def dipit( image):
   noiseless_image_bw = cv2.fastNlMeansDenoising(image, None, 40, 7, 21) 
   return noiseless_image_bw

def processImage( file_path, filename):
    image = load_image(file_path)
    image = trim_image(image, 50, 485, 27, 36) #top, bottom, left, right
    #cleaned_image =remove_isolated_pixels(image, threshold)


    #image = segment_corneal_image(image)


    cleaned_image =dipit(image)
 
    cleaned_image =edge_detect2(cleaned_image)

    cv2.imshow('Cleaned Image', cleaned_image)
    cv2.waitKey(0)
    cv2.destroyAllWindows()


processImage( file_path1, "max_vol_1-511-20240222-154900")

以下是使用 Python 从黑白图像中去除阴影线的改进方法：

import cv2
import numpy as np

def remove_shadow_lines(image):
    """从黑白图像中去除阴影线。

    Args:
        image: 黑白图像（二维 numpy 数组）。

    Returns:
        去除阴影线的图像（二维 numpy 数组）。
    """

    # 1. 阈值化图像以创建二值图像。
    _, thresh = cv2.threshold(image, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)

    # 2. 使用形态学开运算细化线条。
    kernel = np.ones((3, 3), np.uint8)
    opening = cv2.morphologyEx(thresh, cv2.MORPH_OPEN, kernel, iterations=2)

    # 3. 找到连接组件（线条）。
    num_labels, labels, stats, _ = cv2.connectedComponentsWithStats(opening, 4, cv2.CV_32S)

    # 4. 移除小连接组件（阴影线）。
    for i in range(1, num_labels):
        area = stats[i, cv2.CC_STAT_AREA]
        if area < 50:  # 根据阴影线的预期大小调整阈值
            labels[labels == i] = 0

    # 5. 根据连接组件标签创建遮罩。
    mask = (labels > 0).astype(np.uint8) * 255

    # 6. 将遮罩应用于原始图像以去除阴影线。
    result = cv2.bitwise_and(image, image, mask=mask)

    return result

# 从文件中加载图像
image = cv2.imread("image.png", cv2.IMREAD_GRAYSCALE)

# 移除阴影线
result = remove_shadow_lines(image)

# 显示结果
cv2.imshow("Result", result)
cv2.waitKey(0)

这段代码执行以下操作：

1. 阈值化图像： 创建二值图像，以便轻松识别线条。
2. 形态学开运算： 细化线条并减少阴影线的影响。
3. 连接组件分析： 识别图像中的不同线条（包括阴影线）。
4. 移除小组件： 根据其大小移除阴影线，保留更大的主要线条。
5. 创建遮罩： 生成一个遮罩，突出显示剩余的线条。
6. 应用遮罩： 将遮罩应用于原始图像，仅保留没有阴影线的线条。

通过调整参数（例如开运算的迭代次数和小组件的面积阈值），可以针对特定图像微调此代码。