opencv-python 指静脉的ROI(感兴趣区域）的指节提取（原理+代码）

静脉采集过程中，由于手指自由度比较大，所以可能会有手指旋转，平移等现象，这有可能使得同一个手指的两次采集图像差别较大。这是我们不希望看到的。所以对图像进行ROI的提取非常有必要，也是图像预处理的一个过程。

本文：阐述我是如何对一张图片进行指节的区分的

原理：由于指节的两端有关节腔，而关节腔内部主要是软骨和组织液，这样会使得在图片中关节腔的位置会比较亮，而根据这一特点，我们就可以方便的知道指节是哪个位置了。

代码及其原理：

import cv2 as cv 
import numpy as np
from matplotlib import pyplot as plt

test_1= cv.imread('test_1.bmp',0)
test0=cv.imread('test.bmp',0)
gray_map=test0[240]
gray_map_1=test_1[240]
plt.plot(gray_map);plt.show()
plt.plot(gray_map_1);plt.show()

 

test0和test_1是我们用来实践的两张图（不同手指，网页存在拉伸）：

在代码中，两句plt.plot()可以让我们清楚的看到在图像腰部的位置（[240]）的灰度分布

 

接下来只要找到左右灰度值最高的地方就大概是关节腔的位置了。

代码上我用的是登山算法找到山顶，但是这个有很多的小山顶混淆视听，但是我们最后只要其中两个，直接看代码

def find_peak(arr):
    peaks=[]
    step=1
    pos=1
    while(pos<600):   #实际上两个peak主要分布在100-200和450-550
        if (arr[pos]>=arr[pos+step])and(arr[pos]>arr[pos-step]):
            if ((arr[pos]>arr[pos+20])and(arr[pos]>arr[pos-20])):  #这个if语句可以滤除很多的噪音peak
                peaks.append(pos)
        pos=pos+step
    peak1=0
    peak2=340  #取的图片中间位置，但是有可能存在后面的关节腔灰度值比中间位置低的情况
    print(peaks)
    for i in peaks:   #这个循环从好多个peak中找到我们要的两个最大的peak
        if (i<340):
            if arr[i]>=arr[peak1] :
                peak1=i
        else:
             if arr[i]>=arr[peak2] : 
                peak2=i 
    #if(peak2-peak1)<200 :    
        #print("EOI error in peak")
    return peak1,peak2

 如果是平滑的曲线用登山算法很简单，但是这里我们需要找两个peak，而且曲线存在非常多的锯齿状peak，这都是我们不需要的。

（算法不保证不会受噪音干扰） 

效果：

这是截取的图像

在实际运用中可以多取几条线上的peak然后求平均值

接下来准备想想怎么把背景去除（背景在识别中没有任何用处）