获取每一行中的最高值将始终输出一个值，而不是忽略值不够高的情况。考虑使用阈值，以便您可以丢弃不够高的值。
然而，这并不是一个非常有效的方法。一个更好更简单的解决方案是使用OpenCV函数inRange();定义所有三个通道中红色的下限和上限，这将返回一个二进制图像，其中图像强度在BGR范围内，具有白色像素。
这是在python中，但它做的工作，应该很容易看到如何使用函数：

import cv2
import numpy as np

img = cv2.imread('image.png')
lowerb = np.array([0, 0, 120])
upperb = np.array([100, 100, 255])
red_line = cv2.inRange(img, lowerb, upperb)

cv2.imshow('red', red_line)
cv2.waitKey(0)

这将产生输出：x1c 0d1x
这可以通过寻找轮廓或其他方法来进一步处理，以将这些点变成一条漂亮的曲线。

我真的很抱歉没有任何代码的简短回答，但我建议你采取轮廓和处理它们。
我不知道你需要什么，所以这里有两个方法：

• 只是收集尽可能多的轮廓在一条线（使用中心，并尝试找到直线与最小的平均值）
• 作为第一种方法，但尝试将分离的线条结合起来....这要困难得多，但这可能会给予你几乎完整的激光线从图像。

--
举个例子，你的图片：

import cv2
import numpy as np
import math

img = cv2.imread('image.png')
hsv = cv2.cvtColor(img, cv2.COLOR_RGB2HSV)
# filtering red area of hue
redHueArea = 15
redRange = ((hsv[:, :, 0] + 360 + redHueArea) % 360) 
hsv[np.where((2 * redHueArea) > redRange)] = [0, 0, 0] 
# filtering by saturation
hsv[np.where(hsv[:, :, 1] < 95)] = [0, 0, 0]
# convert to rgb
rgb = cv2.cvtColor(hsv, cv2.COLOR_HSV2RGB)
# select only red grayscaled channel with low threshold  
gray = cv2.cvtColor(rgb, cv2.COLOR_RGB2GRAY)
gray = cv2.threshold(gray, 15, 255, cv2.THRESH_BINARY)[1]
# contours processing
(_, contours, _) = cv2.findContours(gray.copy(), cv2.RETR_LIST, 1)
for c in contours:
    area = cv2.contourArea(c)
    if area < 8: continue
    epsilon = 0.1 * cv2.arcLength(c, True) # tricky smoothing to a single line
    approx = cv2.approxPolyDP(c, epsilon, True)
    cv2.drawContours(img, [approx], -1, [255, 255, 255], -1)

cv2.imshow('result', img)
cv2.waitKey(0)

在你的情况下，它的工作完美，但是，正如我已经说过的，你将需要做更多的工作与轮廓。