指纹图像增强

Question

​

​

​

​

我将从指纹图像中提取特征。到目前为止，我已经尝试了许多方法来简单地增强图像并对其进行骨架处理。我尝试过的方法:局部直方图均衡(11x11邻域)+自适应阈值二值化+形态学细化(使用Erode+Dilate+Substract，即所谓的白顶帽)。我使用了OpenCV、Scipy和Scikit-Image附带的内置函数。效果不是很好。我尝试了一种不同的方法，局部直方图+维纳滤波+自适应阈值二值化+骨架。结果是不同的，一些是完美的，一些是可怕的背景噪音和数十亿错误的连接。我还尝试在采取任何行动之前应用高斯或中值模糊。例如，图1是我使用维纳过滤得到的一个很好的结果示例。除了边界效应。在指纹的边界上，似乎有数百万的错误连接，算法倾向于在指纹周围绘制边界。但我仍然认为这是一个很好的结果，但也需要一些建议来克服这种边界效应。另一方面，如您所见，图2是一个可怕的部分。所有的位都是按位的，而不是背景和谷都是黑色的，脊线是白色的。它仍然是相同的算法。有没有关于OpenCV和/或Python库中的指纹图像增强的建议？注:新增原始镜像到期请求。

​

​

​

​

Answer 1

你应该使用方向过滤器，例如Gabor过滤器。

在谷歌上搜索它(滤波器集成，指纹enhacemeNt)

它的工作原理: 1)创建Gabor滤波器的集合(不同方向，不同比例...) 2)将图像与集合中的每个滤波器卷积3)从图像中获得最大响应(对于每个像素，选择给出最高分数的滤波器)

现在你将知道什么方向和什么过滤器大小最适合每个像素(线段+方向)，同时你将丢弃噪声数据。

是的，它将是缓慢的，但结果非常好。

查看：http://www.cse.iitk.ac.in/users/biometrics/pages/111.JPG