如何从指纹图像中删除背景？

Question

我有从滑动扫描仪拍摄的指纹图像。但是输出没有干净的背景。它看起来像这样：

dirty http://img208.imageshack.us/img208/2622/dirtyie0.png

我想删除背景，以便进一步处理更准确。像这样：

cleaned http://img515.imageshack.us/img515/7530/cleanhh6.png

怎么做？可以使用什么图像处理技术（如果有的话）？谢谢。

Answer 1

您可以检查像素周围区域的频谱。您拥有的频率成分越少，像素就越有可能成为背景的一部分。

最复杂的方法是运行像素块的FFT并直接检查光谱。由于指纹具有不同的频谱，因此应该很容易将背景与指纹分开。

使用Wavelet也值得一试。这使您可以直接将图像分割成感兴趣频率的子带。找到一个好的小波需要很多练习。

如果你想要一个非过度杀伤解决方案，如果运行图像的高通滤波器并将其用于简单的掩码查找通道，可能就可以了。以下是大致如何运作的概述：

1. 规范化图像：最暗的像素变为-1，最亮的像素变为1.如果您更喜欢使用字节，也可以使用-128 / 127.

2. 在图像上运行高斯模糊。试验半径。

3. 从模糊图像中减去标准化图像。通过饱和到-1和1来处理溢出。图像现在大致看起来像是边缘检测到的，但是使用灰色阴影而不是二进制掩模。

4. 对步骤3中的图像执行掩码传递。每个像素的绝对值越高，它作为指纹的一部分的可能性就越大。您可以通过选择一个好的阈值来生成掩码。

5. 使用蒙版准备源图像。

为了完整起见，您也可以使用图像形态学：

1. 在图像上运行边缘检测器。使用Canny探测器是一个不错的选择，但是一个简单的3x3边缘探测器内核也可以工作。

2. 在边缘上运行多次扩张传递。这将在每次通过时围绕所有白色像素生长边框并使边缘变粗。这样做直到指纹的所有区域都覆盖有白色像素。在你的例子中，我认为4或5次传球就足够了。

3. 您现在可以直接使用扩张图像作为遮罩。

链接：扩张http://homepages.inf.ed.ac.uk/rbf/HIPR2/dilate.htm

Answer 2

您可以尝试使用边缘检测滤镜。这有助于消除背景噪音，并可能会在其余处理过程中提高指纹特征。

Canny edge detector可能是首先尝试的好人。甚至有free web implementations you can try和public-domain Java implementation available。

编辑：好奇它是如何工作的，所以我在默认设置上尝试了网络实现 - 不是太糟糕。它似乎确实提出了一些“幻像”功能，但总的来说它看起来更容易处理。

alt text http://img356.imageshack.us/img356/5/ml00055edgedetectionwp7.png

Answer 3

尝试一些对比度增强（例如墨西哥帽），然后进行一些高级增强。 当使用Gabor过滤技术改善树木的CT图像时，我们取得了良好的效果。我们使用gabor滤镜，因为它们广泛用于指纹匹配系统，我们的图像有些相似。 之后，你所要做的只是一些（我建议局部自适应）阈值，你得到了你的二进制图像。

Answer 4

首先，我将对比度增加到100％以获得纯黑白图像（不是灰度）。

Answer 5

有许多类型的算法可以对指纹进行分割。其中一个适用于传感器（您的情况）的工作基于图像中每个像素的平均值和方差。以下是算法的步骤，您可以在此处找到：

Fingerprint Segmentation: An Investigation of Various Techniques and a Parameter Study of a Variance-Based Method

1. 加载尺寸为R x C像素的图像。这里指纹内的内容并不重要，所以我将其覆盖。您可以看到指纹周围的噪点（小点），这是从传感器获取的高质量图像，可能是您的图像质量差，背景噪点更多。

2。我没有像报纸那样执行图像的标准化。因此，下一步是定义大小为 w x w 的像素块，并将图像分成非重叠的块。

3。对于每个像素，移动块并计算均值和方差。将每个方差保存在矩阵中以进行进一步比较。你将不得不威胁边界。

4. 定义阈值。在 w = 15 的论文中，阈值 T = 210 。

5. 对于与阈值比较的每个差异，如果它小于背景，如果不是，则为指纹本身。

完成所有这些步骤后，您将获得背景噪点较少的图像。与此类似：

以下是论文中的算法：

对于其他算法，请参阅：

An Improved Fingerprint Segmentation Algorithm Based on Mean and Variance

Improved fingerprint image segmentation using new modified gradient based technique