Algorithm 如何在绝对灰度图像中检测直线，而不是通过二值图像？

最近，我试图寻找一些在CT扫描中检测线条的方法。我发现所有的Hough变换家族和一些其他算法都需要处理边缘检测后生成的轮廓。我发现轮廓不是我想要的，并且通过这两个步骤产生了许多短线条。我对此感到困惑。有人能告诉我吗怎么办？有些方法或算法直接用于灰度图像，但不用于二值图像？使用opencv或numpy是完美的！非常感谢！ 下面是测试图片。我正在检测左上方的直线并过滤掉其他直线

---

你的背景相当一致，因此我会：

检测轮廓

与任何非背景色的像素一样，该像素是相邻的背景色

分割/标记轮廓点，形成有序的“多段线”

创建ID缓冲区并设置ID=0（背景或对象像素）

查找任何尚未处理的轮廓像素 如果没有找到，请停止

按ID对ID缓冲区中的等高线进行整体填充

增量ID

去2号

现在ID缓冲区包含标记的轮廓

为每个轮廓创建形成轮廓“多段线”的有序像素列表

为了加快速度，您可以从#2记住每个轮廓起点，甚至可以在步骤#2中直接执行此步骤

检测等高线“多段线”中的直线。

也就是说，简单的直线在相邻点之间具有相似的坡度角。你也可以应用回归或其他方法。。。坡度或单位方向向量必须在彼此至少相距5个像素的像素上计算，否则光栅化-像素化将破坏结果

看一些相关的东西：

---

你的背景相当一致，因此我会：
• 检测轮廓
  与任何非背景色的像素一样，该像素是相邻的背景色

• 分割/标记轮廓点，形成有序的“多段线”

• 创建ID缓冲区并设置ID=0（背景或对象像素）
• 查找任何尚未处理的轮廓像素 如果没有找到，请停止
• 按ID对ID缓冲区中的等高线进行整体填充
• 增量ID
• 去2号
现在ID缓冲区包含标记的轮廓
• 为每个轮廓创建形成轮廓“多段线”的有序像素列表
  为了加快速度，您可以从#2记住每个轮廓起点，甚至可以在步骤#2中直接执行此步骤

• 检测等高线“多段线”中的直线。
  也就是说，简单的直线在相邻点之间具有相似的坡度角。你也可以应用回归或其他方法。。。坡度或单位方向向量必须在彼此至少相距5个像素的像素上计算，否则光栅化-像素化将破坏结果

看一些相关的东西：
---

欢迎来到Stackoverflow。你能发布一张图片和/或你试图提供的代码吗？我已经在我的问题后粘贴了我的图片。你有什么想法吗？欢迎来到Stackoverflow。你可以发布一张图片和/或你试图提供的代码吗？我已经在我的问题后粘贴了我的图片。你有什么想法吗？谢谢你的慷慨！！！我会用这种方式做一些体验。谢谢你的慷慨！！！我将以这种方式做一些经验。