指纹图像增强

Question

我打算让从指纹图像特征提取。到目前为止，我尝试了很多方法来简单地增强图像并对其进行缩略化。我试过的方法; 局部直方图均衡化（11x11邻域）+自适应阈值化+形态学细化的二值化（使用Erode + Dilate + Substract所谓的白色顶帽）。我使用了OpenCV，Scipy和Scikit-Image的内置函数。工作不太好。 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+骨架化。 结果不尽相同，有些非常好，有些因背景噪音和数十亿的错误连接而变得糟糕透顶。我还尝试在采取任何操作之前应用高斯或中值模糊。例如图1是维纳滤波的一个很好的例子。除边界效应外。在指纹的边界上，似乎有数百万的错误连接，并且算法倾向于在指纹周围绘制边界。但是，我仍然认为这是一个好的结果，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是一个可怕的作品。所有的比特都是按比例没有背景和山谷黑色和山脊白色。它仍然是相同的算法。任何关于在OpenCV或/和任何Python库中指纹图像增强的建议？ 注意：应要求添加了原始图像。

Answer 1

您应该使用方向滤波器e.g Gabor滤波器。

搜索它在谷歌（过滤ensamble，指纹enhacemeNt）

它的工作原理： 1）创建Gabor滤波器（不同方向，不同尺度的合奏......） 2）卷积图像，每个过滤器在集合 3）获取图像的最大响应（对于每个像素选择过滤器，得到最高分数）

现在您将知道什么方向和哪种滤镜尺寸适合每个像素（线段+方向）和同时你会丢弃嘈杂的数据。

是的，它会很慢，但结果是非常好的。

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