数字图像处理Project1——指纹图片的增强

要求

去掉给定指纹区域附近的雾气。

方法

1, Make a histogram of the origin picture, observe the gray distribution of the pixel.
2, Choose the appropriate threshold and then turn the picture into binarization.
3, Define a mask matrix and turn the black pixel into white and turn the white pixel into black, so that we can use the erosion and dilation easily.
4, Use the method of morphology such as erosion and dilation, as well as Open and Close operation, to obtain a basic area of the finger image without the noises, which are around the finger.
5, After obtain the area of finger, turn this area into the origin picture by multiply the input picture.
6, Choose the part of the picture which been smoothing slightly to fulfill the result picture, where lost some detail after masking.
7, Turn the result picture into binarization to have a better look of the result.

效果

源码（Matlab）

%picture 5
clear all;
x =  imread('5.bmp');
[M,N]=size(x);
x_5 = x;g = im2bw(x,80/255);mask=zeros(M,N);
g =uint8(g);
for i=1:Mfor j=1:Nif(g(i,j)==0)mask(i,j)=1;end  end
endB1 = ones(6);
B2 = ones(3);f1 = imdilate(mask,B2);
f1=imerode(f1,B2);f1=imdilate(f1,B1);
f1=imdilate(f1,B1);
f1=imdilate(f1,B1);
f1=imdilate(f1,B1);
f1=imdilate(f1,B1);
f1=imdilate(f1,B1);
f1=imdilate(f1,B1);f1=imerode(f1,B1);
f1=imerode(f1,B1);
f1=imerode(f1,B1);for i =1:11f1=imdilate(f1,B1);
endfor i =1:13f1=imerode(f1,B1);
endg =x.*uint8(f1);
for i=1:Mfor j=1:Nif(g(i,j)==0)g(i,j)=255; endend
endg_5 = im2bw(g,220/255);%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%picture 8
x =  imread('8.bmp');
[M,N]=size(x);
x_8 = x;g = im2bw(x,80/255);mask=zeros(M,N);
g =uint8(g);
for i=1:Mfor j=1:Nif(g(i,j)==0)mask(i,j)=1;end  end
endB1 = ones(6);
B2 = ones(3);f1 = imdilate(mask,B2);
f1=imerode(f1,B2);f1=imdilate(f1,B1);
f1=imdilate(f1,B1);
f1=imdilate(f1,B1);
f1=imdilate(f1,B1);
f1=imdilate(f1,B1);
f1=imdilate(f1,B1);
f1=imdilate(f1,B1);f1=imerode(f1,B1);
f1=imerode(f1,B1);
f1=imerode(f1,B1);for i =1:8f1=imdilate(f1,B1);
endfor i =1:11f1=imerode(f1,B1);
endg =x.*uint8(f1);
for i=1:Mfor j=1:Nif(g(i,j)==0)g(i,j)=255; endend
endg_8 = im2bw(g,240/255);%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%picture 18x =  imread('18.bmp');
[M,N]=size(x);
x_18 = x;
g_orign = x;t = 190;
for i=1:Mfor j=1:Nif (g_orign(i,j)>=t)g_orign(i,j)=255;elseg_orign(i,j)=0;endend
endg = im2bw(x,100/255);mask=zeros(M,N);
g =uint8(g);
for i=1:Mfor j=1:Nif(g(i,j)==0)mask(i,j)=1;end  end
endB1 = ones(6);
B2 = ones(3);f1 = imdilate(mask,B2);
f1=imerode(f1,B2);f1=imdilate(f1,B1);
f1=imdilate(f1,B1);
f1=imdilate(f1,B1);
f1=imdilate(f1,B1);
f1=imdilate(f1,B1);f1=imerode(f1,B1);
f1=imerode(f1,B1);
f1=imerode(f1,B1);
f1=imerode(f1,B1);
f1=imerode(f1,B1);
f1=imerode(f1,B1);
f1=imerode(f1,B1);
f1=imerode(f1,B1);
f1=imerode(f1,B1);
f1=imerode(f1,B1);
f1=imerode(f1,B1);
f1=imerode(f1,B1);
f1=imerode(f1,B1);for i =1:19f1=imdilate(f1,B1);
endfor i =1:13f1=imerode(f1,B1);
endg =x.*uint8(f1);
for i=1:Mfor j=1:Nif(g(i,j)==0)g(i,j)=255; endend
endfor i=2*M/3:Mfor j=1:Ng(i,j) = g_orign(i,j);end
endg_18 = im2bw(g,220/255);%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%picture 22x_rgb =  imread('22.jpg');
x = rgb2gray(x_rgb);
[M,N]=size(x);
x_22 = x;
x_orign = x;g = im2bw(x,35/255);mask=zeros(M,N);
g =uint8(g);
for i=1:Mfor j=1:Nif(g(i,j)==0)mask(i,j)=1;end  end
endB1 = ones(9);
B2 = ones(3);f1 = imdilate(mask,B2);
f1=imerode(f1,B2);f1=imdilate(f1,B1);
f1=imdilate(f1,B1);
f1=imdilate(f1,B1);f1=imerode(f1,B1);
f1=imerode(f1,B1);
f1=imerode(f1,B1);
f1=imerode(f1,B1);for i =1:13f1=imdilate(f1,B1);
endfor i =1:13f1=imerode(f1,B1);
endg =x.*uint8(f1);
for i=1:Mfor j=1:Nif(g(i,j)==0)g(i,j)=255;         endend
endfor i=M/2:Mfor j=1:Ng(i,j) = x_orign(i,j);end
endSE = [0 1 0;1 1 1;0 1 0;];
g_22 = imerode(g,SE);%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%output the result
figure(1)
subplot(2,4,1)
imshow(x_5),title('Orign5');
subplot(2,4,2);
imshow(g_5),title('Result5');
subplot(2,4,3)
imshow(x_8),title('Orign8');
subplot(2,4,4);
imshow(g_8),title('Result8');subplot(2,4,5)
imshow(x_18),title('Orign18');
subplot(2,4,6);
imshow(g_18),title('Result18');
subplot(2,4,7)
imshow(x_22),title('Orign22');
subplot(2,4,8);
imshow(g_22),title('Result22');

数字图像处理Project1——指纹图片的增强相关推荐

数字图像处理-3.7混合空间增强法-骨骼图基于opencv3.4.3的实现
引子刚开始看冈萨雷斯的<数字图像处理>时,3.7节混合空间增强法中图3.4.3中的全身骨骼图的印象非常深刻.牛XX啊,这么模糊,都能变得这么清楚.虽然书中也给出了大段大段的解释,但是能 ...
数字图像处理实验四图像频域增强
一.实验目的 (1)了解图像增强的目的及意义,加深对图像增强的感性认识,巩固所学的图像增强的理论知识和相关算法. (2)熟练掌握低通.高通.带通.同态滤波器的使用方法,明确不同性质的滤波器对图像的影响 ...
【数字图像处理】BMP图片的读取显示存储(C语言实现)
(一)背景介绍这段时间接到了一个新活,是关于图像处理的一个探地摄像头的项目.所以也差不多是时候开始学习一下数字图像处理的知识了.本来我们的方案是直接移植opencv,编译一下以后其他就基本啥都不用管 ...
数字图像处理笔记二 - 图片缩放(最近邻插值(Nearest Neighbor interpolation))
图片缩放的两种常见算法: 最近邻域内插法(Nearest Neighbor interpolation) 双向性内插法(bilinear interpolation) 本文主要讲述最近邻插值(Near ...
【数字图像处理】三.MFC实现图像灰度、采样和量化功能详解
本文主要讲述基于VC++6.0 MFC图像处理的应用知识,主要结合自己大三所学课程<数字图像处理>及课件进行讲解,主要通过MFC单文档视图实现显示BMP格式图片,并通过Bitmap进行灰度 ...
opencv-python数字图像处理学习7：提取一副彩色图像中红色，用HIS模型处理，RGB模型对比显示
提取一副彩色图像中红色,用HIS模型处理,RGB模型对比显示参考文献引入显示HIS模型提取的红色 RGB模型提取红色参考文献 bgr_2_hsi.color_slicing来自:数字图像处理 ...
数字图像处理（二）灰度、量化、采样
转自https://blog.csdn.net/eastmount/article/details/46010637 本文主要讲述基于VC++6.0 MFC图像处理的应用知识,主要结合自己大三所学课程 ...
【python】数字图像处理课程设计：彩色图像复原
先上效果图,对于jpg图片,在一分钟内处理完成,以下分别是原始图片,彩色图像,自动裁剪等优化后的图像. 对于tif图片,在三分钟内处理完成,以下分别是原始图片,彩色图像,裁剪等优化后的图像.(原图为6 ...
数字图像处理05--彩色增强
数字图像处理 1. 简述并举例说明彩色增强技术的分类伪彩色增强由于人类对颜色的识别能力远强于灰度识别,需要将灰度图像按照线性映射成不同的彩色提高人对图像的识别能力,并提高图片的可视度亮度切割基 ...
数字图像处理笔记-02（图像空域增强技术及联合运用）
数字图像处理笔记-02(图像空域增强技术及联合运用) (一) 图像增强 1.1 基本概念由于图像在传输或者处理过程中会引入噪声或使图像变模糊,从而降低了图像质量,甚至淹没了特征,给分析带来了困难. ...

数字图像处理Project1——指纹图片的增强

要求

方法

效果

源码（Matlab）

数字图像处理Project1——指纹图片的增强相关推荐

最新文章

热门文章