算法应用一:【指纹识别】+【图像分割】一种面向“感兴趣区域”的指纹图像分割算法

本文探讨了在指纹识别中如何使用图像分割技术,特别是阈值处理方法,从背景中提取指纹区域。介绍了图像分割的重要性,包括边缘检测和阈值处理,如实验法、直方图谷底法、迭代选择阈值法和最小均方误差法,重点阐述了最大类间方差法(Otsu's方法)在确定最佳阈值中的应用。
摘要由CSDN通过智能技术生成

请使用任何图像处理方法和编程语言,从图的背景中分割出感兴趣区域的指纹区域。

解释为什么你选择使用这种方法。(请注意,将提供jpg图像作为输入。)

I=imread('1.jpg');
f=rgb2gray(I);
f1=im2bw(f,192/240);
BW1=double(f1);
BW=edge(BW1,'sobel',0.4);         %sobel算子可以和robets算子、canny算子作比较。

r_max=90;
r_min=20;step_r=10;step_angle=pi/6;p=0.3;

% p:阈值,0,1之间的数
% %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% output
% hough_space:参数空间,h(a,b,r)表示圆心在(a,b)半径为r的圆上的点数
% hough_circl:二值图像,检测到的圆
% para:检测到的圆的 圆心、半径

[m,n] = size(BW);
size_r = round((r_max-r_min)/step_r)+1;
size_angle = round(2*pi/step_angle);
hough_space = zeros(m,n,size_r);
[rows,cols] = find(BW);
ecount = size(rows);

% Hough变换
% 将图像空间(x,y)对应到参数空间(a,b,r)
% a = x-r*cos(angle)
% b = y-r*sin(angle)

for i=1:ecount
    for r=1:size_r
        for k=1:size_angl
  • 1
    点赞
  • 17
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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