#1 楼
我发现的一种解决方案如下：以灰度值为阈值。
根据大小删除对象。
进行更多形态学操作。
评论
$ \ begingroup $
您能否详细介绍一下第3步，即您认为哪些形态学操作有用？
$ \ endgroup $
– Paul R
2012年7月2日在17:44
$ \ begingroup $
我想很好地解释我的答案：首先，我无法根据大小删除对象，因为您可以看到对象有点连接，因此我首先基于灰度阈值将小对象很好地分开在第3步中，我进行了扩展以使有用的对象继续，然后使用边缘细化获得细线
$ \ endgroup $
–crack_addict
2012年7月5日在3:04
#2 楼
您是否可以获取多张图像（即目标是静态图像）？如果这样，则可以“堆叠”图像以消除噪点。一个简单的均值或中值函数将消除图像堆栈中的随机噪声，仅留下信号（即白线）。
#3 楼
从最初的基于面积的滤波看来，结果可能并不令人满意，因为它去除了线性但面积不大的分量。查看要提取的前景的结构，我们可以看到它们是长物结构。可以考虑使用线性结构元素。但是这里的图像由各种角度和分支组成。我建议阅读以下论文，该论文介绍了道路网的区域照片所展示的路径开放。#4 楼
看来“噪音”是纹理/图案。您可能会尝试去除该图案，因此可以继续进行处理。
我认为形态学操作和边缘检测不能很好地工作（没有证据，只是在那种情况下的第一印象，因为看上去太像噪声和特征/所需的信息）。
如果我周末有时间，我会d使用一些纹理去除方法试一试，并随时通知您。
评论
这是视网膜的图像吗？在这种情况下，建议您从阅读有关该主题的大量文献开始，而不是使用sobel过滤器（或等效方法）来破解一种快速且肮脏的解决方案，并尝试“消除噪声”。这些问题已经一遍又一遍地解决了，它可能会节省您许多时间来了解过去的工作方式。然后，您可以开始真正的创新：)公平的观点，但是提供的一些链接可能会更好。毫无疑问，仍然有Google。
甚至更好，谷歌学者。我对这一精确知识不够了解，无法提供比Google更好的链接，抱歉：-/
@crack_addict：到目前为止您尝试了什么？
知道此过程的输出将用于什么也很高兴（要知道去除白线后的噪声清除效果如何）