Opencv-Python图像预处理之手掌指纹提取

IPROMISE.

已于 2022-05-06 01:38:02 修改

阅读量4.5k

点赞数 6

文章标签： opencv python 计算机视觉

于 2022-05-06 01:21:31 首次发布

本文链接：https://blog.csdn.net/weixin_45263375/article/details/124601262

版权

Opencv-Python图像预处理之手掌指纹提取@TOC

读取图像

首先用到Opencv的imread（）函数将要预处理的图像进行读取

'''
读取图像
'''
img = cv2.imread("/home/wei/test.jpg", -1)
img = cv2.resize(img, (960, 640))          #由于原图太大，所以压缩一下图像的小

图像会度化（这应该是所有预处理必须作的）

使用Opencv的cvtColor()函数，参数设置cv2.COLOR_RGB2GRAY（RGB图像转GRAY）

'''
图像灰度化
'''
img_gray = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)

图像会度化

由于图像进行了二值转化之后，细纹路并没有很明显，此时需要进行对比度增加来突出掌纹``

'''
图像灰度化
'''
img_gray = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)
cv2.imshow("img_gray", img_gray)

在这里插入图片描述左边为原图，右边为增强对比度后的图像

图像边缘检测（Laplacian）

'''
边缘检测Laplacian
'''
img_Laplacian = cv2.Laplacian(o, cv2.CV_8U, o, ksize = 5)
cv2.imshow('img_Laplacian', img_Laplacian)

在这里插入图片描述在进行了边缘检测之后，会发现，即使纹路提取出来了，但是存在很多噪点，以及纹路并不清晰干练，接下来要进行形态学操作。

开运算

先进行腐蚀再进行膨胀就叫做开运算。开运算 (image)= 膨胀 (腐蚀 (image))

图像被腐蚀后，去除了噪声，但会压缩图像；对腐蚀过的图像进行膨胀处理，可以去除噪声并保持原有形状。

'''
开运算
'''
kernel = np.ones((2,2), np.uint8)
erosio1 = cv2.erode(img_Laplacian, kernel, iterations = 1)
dilate1 = cv2.dilate(erosio1, kernel, iterations = 1)
res = np.hstack((erosio1,dilate1))
cv2.imshow("res", res)

在这里插入图片描述

左边是进行了腐蚀，右边则是对腐蚀后的图像进行膨胀操作（开运算）。
很明显，边界部分的很多噪点已经处理了，并且掌纹线路更加清晰。
随后在进行简单的双边滤波再次进行去噪就能得到效果图。

'''
滤波
'''
img_final = cv2.bilateralFilter(dilate1, 150, 80, 80)
cv2.imshow('img_final', img_final)

在这里插入图片描述

可能最终效果并不是很好，欢迎各位前辈指导
最后附上完整代码！！！

import cv2
import os
import numpy as np

'''
读取图像
'''
img = cv2.imread("/home/wei/test.jpg", -1)
img = cv2.resize(img, (960, 640))          #由于原图太大，所以压缩一下图像的小

'''
图像灰度化
'''
img_gray = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)
cv2.imshow("img_gray", img_gray)

'''
增加图像对比度
'''
scal = 1.7
o = img_gray * float(scal)
o[o>255] = 255
o = np.round(o)
o = o.astype(np.uint8)
img_par = np.hstack((img_gray, o))
cv2.imshow("img_par", img_par)


'''
边缘检测Laplacian
'''
img_Laplacian = cv2.Laplacian(o, cv2.CV_8U, o, ksize = 5)
cv2.imshow('img_Laplacian', img_Laplacian)

'''
开运算
'''
kernel = np.ones((2,2), np.uint8)
erosio1 = cv2.erode(img_canny, kernel, iterations = 1)
dilate1 = cv2.dilate(erosio1, kernel, iterations = 1)
res = np.hstack((erosio1,dilate1))
cv2.imshow("res", res)

'''
滤波
'''
img_final = cv2.bilateralFilter(dilate1, 150, 80, 80)
cv2.imshow('img_final', img_final)
cv2.waitKey()
cv2.destroyAllWindows()