Python 检测由多个斑点形成的线条

在我对原始图像设置阈值后，我得到如下结果 和

红色圆圈部分是我想要检测的对齐斑点（因为这些斑点来自嘈杂的背景，我想去除它们），因此我可以在opencv中创建一个用于修复的遮罩，并去除这些强噪声

现在我只有一种方法可以从第一张图像中检测对齐的斑点。 所以我连接，扩张，腐蚀，做了霍夫检测

kernel = np.ones((1,10), np.uint8)
c_im = cv2.morphologyEx(invthresh, cv2.MORPH_CLOSE,kernel)
d_im = cv2.dilate(c_im, kernel, iterations=2)
c2_im = cv2.morphologyEx(d_im, cv2.MORPH_CLOSE,kernel)
e_im = cv2.erode(c2_im, kernel, iterations=2)

image_l = e_im
#line detection
rho = 1  
theta = np.pi / 180  
threshold = 15  
min_line_length = 150  
max_line_gap = 30  
line_image = np.copy(image_l) * 0  

# Run Hough
lines = cv2.HoughLinesP(image_l, rho, theta, threshold, np.array([]),
                    min_line_length, max_line_gap)
points = []
for line in lines:
    for x1, y1, x2, y2 in line:
        points.append(((x1 + 0.0, y1 + 0.0), (x2 + 0.0, y2 + 0.0)))
        cv2.line(line_image, (x1, y1), (x2, y2), (255, 0, 0), 5)

lines_edges = cv2.addWeighted(image_l, 0.8, line_image, 1, 0)
ret2, lines_mask = cv2.threshold(lines_edges,254,255,cv2.THRESH_BINARY)
cv2.imshow('lines_mask',lines_mask)

这是结果图像 和 在我的例子中，我可以使用它作为Mask_1，并将其与原始灰度图像中的另一个阈值矩阵相乘（得到较暗的像素）

但我的方法有几个问题

有时这些斑点的密度不够，我无法进行扩张和侵蚀（如下图）。要获得我想要的结果，哪种方法更通用

< P>（如果Q1没有足够好的解，那么我至少要检测图像1中的2个圆圈线，它们穿过边界，就像不是在无处的地方，而是触摸图像的边界），什么是检查一条直线是否越过边界的好方法。（如结果2所示，我不希望我划掉的部分。区分这些错误检测的部分的一种方法是它们是否接触两端的边界）

如果我想在我的图像中检测蓝色圆圈部分（因为我想从遮罩中消除它们），有什么好的方法来执行它？形状比那些斑点大

如有任何提示，我们将不胜感激。非常感谢