Python OpenCV检测并跟踪图像上最暗的线条，并覆盖网格

我试图在心电图上重新创建追踪，然后将它们覆盖到新的网格上，但我一直在思考如何最好地追踪实际的追踪。在下面的图片中，我想在基本上带有网格的白色背景上重新创建6个单独的轨迹。任何帮助都将不胜感激

我已经设法找到了边缘，并从jpg中裁剪了这张照片，所以我只剩下这张照片：

我试图用OpenCV的findContours或Hough线变换来检测跟踪，但高斯模糊后的边缘发现给我留下了：。。这不是很有帮助

hough线如下所示：

有人能给我指出正确的方向吗？提前谢谢

编辑：

我做了局部直方图，然后是高斯模糊和另一个Canny边缘检测。局部直方图图像为：

然后canny边缘检测是：

---

您可以尝试使用索贝尔和拉普拉斯检测器，如下所示

img = cv2.imread('experiment.png')
img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
img = cv2.GaussianBlur(img,(3,3),0)
laplacian = cv2.Laplacian(img,cv2.CV_64F)    
sobelx = cv2.Sobel(img,cv2.CV_64F,1,0,ksize=1) 

figure = plt.figure(figsize=(10,10))

sobel = figure.add_subplot(1,2,1)
sobel.imshow(sobelx,cmap='gray')
sobel.set_title('Sobel in x')
sobel.set_axis_off()

laplacianfig = figure.add_subplot(1,2,2)
laplacianfig.imshow(laplacian,cmap='gray')
laplacianfig.set_title('Laplacian')
laplacianfig.set_axis_off()

给你以下输出

---

如您所见，Sobel运算符可用于检测线。也许你可以画出那些像素强度低于平均值的点

最佳canny边缘检测？在那之前，尝试预处理你的图像我用canny找到了那些边缘，结果就是这样，是否有某些设置需要调整？找到图像的中值，并在此基础上设置阈值…我只是尝试了局部直方图均衡化。然后执行上述操作