day13 - 对指纹图片进行噪声消除

在指纹识别的过程中，指纹图片通常都是现场采集的，受环境的影响会有产生很多的噪声点，如果直接使用，会对指纹的识别产生很大的影响，而指纹识别的应用场景又都是一些比较严肃不容有错的场合，所以去除噪声又不损坏原始图像的结构就显得更为重要。

本期我们介绍使用图像的开、闭运算进行指纹图片的噪声消除。

完成本期内容，你可以：

• 了解图像开、闭运算的原理和应用

• 掌握使用图像开、闭运算的使用

若要运行案例代码，你需要有：

• 操作系统：Ubuntu 16 以上 或者 Windows10

• 工具软件：VScode 或者其他源码编辑器

• 硬件环境：无特殊要求

• 核心库：python 3.6.13， opencv-contrib-python 3.4.11.39，opencv-python 3.4.2.16

点击下载源码

---

开、闭运算

开运算就是将图像先进行腐蚀操作，在进行膨胀操作。开运算可以用来抹除图像外部的细节（或者噪声）。

闭运算是将图像先进行膨胀操作，在进行腐蚀操作。闭运算可以抹除图像内部的细节（或者噪声）。

形态学方法

OpenCV将形态学方法封装成了cv2.morphologyEx()方法。

函数原型：dst = cv2.morphologyEx(src, op, kernel, anchor, iterations, borderType, borderValue)
dst为输出图像。

参数描述如下：

• src：被处理的图像
• kernel：操作中使用的核
• anchor：可选参数，核锚点的位置
• iterations：可选参数，迭代次数，默认值为1
• borderType：可选参数，边界样式，建议采用默认值
• borderValue：可选参数，边界值，建议采用默认值
• op：操作类型

参数值	含义
cv2.MORPH_ERODE	腐蚀操作
cv2.MORPH_DILATE	膨胀操作
cv2.MORPH_OPEN	开运算，先腐蚀后膨胀
cv2.MORPH_CLOSE	闭运算，先膨胀后腐蚀
cv2.MORPH_GRADIENT	梯度运算，膨胀图减腐蚀图，可以得到简易的轮廓
cv2.MORPH_TOPHAT	顶帽运算，原始图像减开运算图像
cv2.MORPH_BLACKHAT	黑帽运算，闭运算图像减原始图像

---

具体步骤

1. 创建项目结构

创建项目名为对指纹图像进行噪声消除，项目根目录下新建code文件夹储存代码，新建dataset文件夹储存数据，项目结构如下：

对指纹图像进行噪声消除                     # 项目名称
├── code                               # 储存代码文件
├── dataset                            # 储存数据文件

注：如项目结构已存在，无需再创建。

2. 使用膨胀操作对图像进行修复

1. 在 code文件夹下创建fingerprint.py文件；
2. 导入所需的库，OpenCV、numpy；
3. 读取dataset文件夹下的fingerprint.png图片，并进行展示；
4. 创建一个7*7的都为1 的数组作为滤波核；
5. 对图像进行开运算处理，并展示结果；

代码实现

# 导入OpenCV、numpy
import cv2
import numpy as np

# 读取图像
img = cv2.imread("../dataset/fingerprint.png")
cv2.imshow("img1",img)

# 创建一个值都为1的7*7的数组
k = np.ones((7,7),np.uint8)
# 使用开运算
o = cv2.morphologyEx(img,cv2.MORPH_OPEN,k)

cv2.imshow("result1",o)
cv2.waitKey()
cv2.destroyAllWindows()

效果截图

经过开运算之后，指纹图像中的噪声已经全部去除，对指纹的轮廓结构也并未产生影响，经过处理以后的图像就是一张只包含指纹信息的图像，在进行指纹识别会有更高的精确度。

点击下载源码