Image processing 指纹图像增强

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将其骨架化。方法尝试； 局部直方图均衡化（11x11邻域）+具有自适应阈值的二值化+形态学细化（具有腐蚀+扩张+减影，即所谓的白顶帽）。我使用了OpenCV、Scipy和Scikit图像附带的内置函数。效果不太好。 我尝试了另一种方法，局部直方图+维纳滤波+自适应阈值二值化+骨架化。 结果是不同的，有些是完美的，有些是可怕的背景噪音和数十亿的虚假连接。在采取任何行动之前，我还尝试应用高斯模糊或中值模糊。 例如，图1是我使用维纳滤波的一个很好的结果示例。除了边界效应。在指纹的边界上，似乎存在数百万个错误连接，算法倾向于在指纹周围绘制边界。但我仍然认为这是一个好结果，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。所有的位都是按位排列的，不需要背景和黑色的谷和白色的脊。它仍然是相同的算法。对OpenCV或/或Python库中的指纹图像增强有何建议？ 注意：应请求添加了原始图像

---

您应该使用方向过滤器，例如Gabor过滤器

在谷歌上搜索（过滤、指纹增强）

工作原理： 1） 创建Gabor滤波器的集合（不同方向、不同比例…） 2） 使用集合中的每个过滤器卷积图像 3） 从图像中获取最大响应（对于每个像素，选择得分最高的过滤器）

现在，您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），同时您将丢弃噪声数据

是的，这将是缓慢的，但结果非常好

看看：

---

能否同时显示图1和图2的原始图像？添加了原始图像。感谢@Lennon310的支持。您是否考虑过局部方向估计和Gabor滤波器？如果没有，请在Google scholar上输入“gabor指纹”…谢谢你的回答。我创建了方向场，并将其用于离散傅里叶变换。这对我来说很好。既然它起作用了，我就不考虑加博了。但在我完成我的项目后，我将试用Gabor和Wiener（或Weiner）滤波器。