Python图像处理【17】指纹增强和细节提取

0. 前言

指纹识别和验证是最古老，最流行和广泛使用的生物特征技术。众所周知，每个人都有独特且不变的指纹，指纹是指尖表面上的凸起 (ridges，也称脊线)和凹陷 (valleys，也称谷线)的模式图案。由于大多数自动指纹识别系统都是基于被称为细节 (minutiae) 的局部凸起特征，准确地标记细节并拒绝虚假的标记非常重要。但是，由于皮肤和印模条件的变化，指纹图像质量下降和损坏。因此，需要在细节提取之前采用图像增强技术。自动指纹匹配的关键步骤是从输入指纹图像中可靠地提取细节。
在本节中，我们将首先使用带有噪声的二值指纹图像利用数学形态操作来实现指纹增强技术。然后，我们将介绍如何从预处理的指纹图像中提取细节。

1. 形态学操作基础

形态图像处理是指与图像特征形状(即形态学)相关的一组非线性操作的应用。这些操作特别适合处理二值图像，在二值图像中像素表示为 0 (背景，黑色) 或 1 (前景，白色)。
在形态学操作中，使用一个小模板图像的结构元素 (structuring element, SE) 来检测输入图像中的所有可能位置，然后，算法使用集合算子将其与对应像素的邻域进行比较。形态操作测试 SE 是否与相应的邻域相匹配，或者是否与之相交。我们使用 scikit-Image.Morphology 和 Scipy.BDimage 模块的形态学函数来增强指纹图像，所采用的形态学操作如下：
基本形态学操作：

<