指纹图像增强答案

【问题标题】：Fingerprint Image Enhancement指纹图像增强
【发布时间】：2013-12-08 16:31:51
【问题描述】：

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。我尝试过的方法；局部直方图均衡（11x11 邻域）+ 具有自适应阈值的二值化 + 形态细化（使用 Erode+Dilate+Substract 所谓的 White Top Hat）。我使用了 OpenCV、Scipy 和 Scikit-Image 自带的内置函数。没有很好地工作。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。结果各不相同，有些非常好，有些则因背景噪音和数十亿错误连接而很糟糕。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 是我使用维纳滤波得到的很好的示例之一。除了边缘效应。在指纹的边界上，似乎有数百万个错误连接，算法倾向于在指纹周围画一个边界。但我仍然接受这是一个很好的结果，但也需要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。所有位都只是按位不具有背景和黑色的山谷和白色的山脊。它仍然是相同的算法。在 OpenCV 或/和任何 Python 库中对指纹图像增强有什么建议吗？注意：由于请求添加了原始图像。

【问题讨论】：

你能展示你的 fig.1 和 fig.2 的原始图像吗？
添加了原始图像。感谢支持@lennon310
你考虑过局部方向估计和 Gabor 滤波器吗？如果没有，请在 Google 学者上添加“gabor 指纹”...

标签： image-processing computer-vision

【解决方案1】：

您应该使用方向过滤器，例如 Gabor 过滤器。

在 Google 上搜索（过滤器集成、指纹增强）

它是如何工作的： 1）创建一组Gabor滤波器（不同的方向，不同的尺度......） 2) 将图像与集成中的每个滤波器进行卷积 3) 从图像中获取最大响应（为每个像素选择得分最高的过滤器）

现在您将知道最适合每个像素（线段 + 方向）的方向和过滤器尺寸，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

【讨论】：

感谢您的回答。我创建了方向场并将其用于离散傅里叶变换。这对我来说效果很好。由于它有效，我将忽略 Gabor。但在我完成我的项目后，我将试用 Gabor 和 Wiener（或 Weiner）过滤器。