opencv-python 用Gabor滤波器实现指静脉血管区域二值化纹理特征提取

本文介绍了如何利用opencv-python的Gabor滤波器对指静脉图像进行纹理特征提取。通过调整参数找到合适的Gabor滤波器设置,对图像进行滤波并二值化处理,然后通过形态学操作得到最终的血管区域特征。虽然参数调整过程复杂,但最终实现了初步的特征提取效果。
摘要由CSDN通过智能技术生成

 

之前写的都是有关于ROI的区域提取,但是对于提取到的区域我们需要提取它的特征,才可以在后期的特征匹配中排上用场。

这篇文章主要记录我是如何对指静脉图片做二值纹理特征提取的

原理:

一种比较特征提取简单的方法:用Gabor滤波器提取各个方向上的纹理,然后将他们融合在一起,做二值化处理。原理非常简单,但是我进行的过程十分艰辛。首先要了解什么是gabor滤波器,这篇文章可以让你有一个大概的认知。

而在opencv-python中,要获取一个gabor滤波器也很简单。

kern=cv.getGaborKernel(ksize, sigma, theta, lambd, gamma[, psi[, ktype]])

一句代码就可以了,看到这长长的参数列表你就应该明白我说的为什么过程会十分艰辛。因为gabor滤波器受到参数影响,所以你可能要花上大量的时间去寻找适合的参数。

这篇博客可以让你对各个参数有一个第一映像,但是这篇博客用的是C++,参数列表可能有点不一样,我按照python的参数列表做了一份明了的总结:

"""
gaborkernel 参数含义:
第一个参数:size 核的大小,一般为奇数
第二个参数:σ表示高斯函数的标准差&#x
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值