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使其骨架化。方法我试过; 局部直方图均衡（11x11邻域）+二值化与自适应阈值+形态细化（与Erode + Dilate + Substract所谓的白色顶帽）。我使用内置函数附带OpenCV，Scipy和Scikit-Image。工作得不好。   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+ Skeletonize。   结果是变化的，有些是完美的，有些是背景噪音和数十亿虚假连接可怕。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是我用Wiener过滤得到的好结果之一。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，并且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，但也需要建议来克服这种边界效应。   另一方面，如你所见，图2是一个可怕的部分。所有的位都是按位，没有背景和山谷黑色和山脊白色。它仍然是相同的算法。有关OpenCV或/和Python的任何库中的指纹图像增强的建议吗？ 注意：根据请求添加原始图像。

Answer 1

您应该使用方向过滤器，例如Gabor过滤器。

在Google上搜索（过滤器，无效指纹enhacemeNt）

它是如何工作的：     1）创建一组Gabor过滤器（不同的方向，不同的尺度......）     2）使用整体中的每个滤波器卷积图像     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）

现在您将知道每个像素的最佳方向和滤镜尺寸（线段+方向），同时您将丢弃噪声数据。

是的，它会很慢，但结果非常好。

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