我们在着色器的法线贴图上有一些视觉伪影，因为一些单像素带与周围环境形成鲜明对比。需要明确的是，边缘不是问题，只有这些单个像素带。
在这种情况下，使用典型的 Sobel 边缘检测之类的东西是行不通的，因为在这样的频带之上，它会检测到 0。我可以考虑对内核进行其他修改，这些修改可能会起作用，例如
-1 -2 -1
2 4 2
-1 -2 -1
但我认为可能有一种“正确”的数学方法来进行这样的操作。
最后，我想使用周围的像素来平滑这些线条（因此是选择性模糊）。这些线可以出现在任何方向，所以如果我要使用上面的内核，我需要在两个方向上应用它并添加它以获得类似于应用 Sobel 内核时的线强度。
我假设您的图像中有 1 个像素宽度的线条比其周围环境更亮或更暗，您希望找到它们并将它们从图像中移除，并用本地邻域的平均值替换移除的像素。
我为此开发了一种算法，它适用于我的示例数据（因为您没有提供任何数据）。它有两个部分：
线路识别
我想不出一种简单但有效的过滤器来检测线（它们是连接的，因此可能需要查看相关性）。所以我使用了一个简单的单像素检测过滤器：
-1 -1 -1
-1 8 -1
-1 -1 -1
然后是一些合适的阈值。
将掩码外部的数据外推到掩码
一个非常优雅的解决方案（仅使用卷积）是将掩码之外的数据与高斯进行卷积，然后采用负掩码并将其与相同的高斯进行卷积，然后按像素划分。蒙版内的结果是所需的模糊。
它在数学上是什么：数据的加权平均。
这是我的幻像数据：
这是线条的识别
最终结果表明失真被抑制了十倍：
最后是我的代码（在 Matlab 中）：
%% create phantom data with lines (1pixel wide bands)
[x, y] = ndgrid(1:100, 1:100);
original = 3 * x - 2 * y + 100 * sin(x / 2) + 120 * cos(y / 3); % funny shapes
bw = original > mean(original(:)); % black and white
distortion = bwmorph(bw,'remove'); % some lines
data = original + max(original(:)) * distortion; % phantom
% show
figure();
subplot(1,3,1); imagesc(original); axis image; colormap(hot); title('original');
subplot(1,3,2); imagesc(distortion); axis image; title('distortion');
subplot(1,3,3); imagesc(data); axis image; title('image');
%% line detection
% filter by single pixel filter
pixel_filtered = filter2([-1,-1,-1;-1,8,-1;-1,-1,-1], data);
% create mask by simple thresholding
mask = pixel_filtered > 0.2 * max(pixel_filtered(:));
% show
figure();
subplot(1,2,1); imagesc(pixel_filtered); axis image; colormap(hot); title('filtered');
subplot(1,2,2); imagesc(mask); axis image; title('mask');
%% line removal and interpolation
% smoothing kernel: gaussian
smooth_kernel = fspecial('gaussian', [3, 3], 1);
smooth_kernel = smooth_kernel ./ sum(smooth_kernel(:)); % normalize to one
% smooth image outside mask and divide by smoothed negative mask
smoothed = filter2(smooth_kernel, data .* ~mask) ./ filter2(smooth_kernel, ~mask);
% withing mask set data to smoothed
reconstruction = data .* ~mask + smoothed .* mask;
% show
figure();
subplot(1,3,1); imagesc(reconstruction); axis image; colormap(hot); title('reconstruction');
subplot(1,3,2); imagesc(original); axis image; title('original');
subplot(1,3,3); imagesc(reconstruction - original); axis image; title('difference');