基于OpenCV的掌纹提取：噪点去除与主掌纹提取技术求助

你的现有实现步骤 #

步骤1：预处理（灰度化与高斯除法） #

import cv2
img = cv2.imread('palm.png', -1)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
smooth = cv2.GaussianBlur(gray, (95, 95), 0)
division = cv2.divide(gray, smooth, scale=192)
cv2.imshow('division', division)
cv2.waitKey(0)
cv2.destroyAllWindows()

输出：完成灰度化与高斯模糊除法运算后的图像，初步突出掌纹区域

步骤2：生成黑白掩码 #

import numpy as np
import cv2

img = cv2.imread('gray.png')
image = cv2.cvtColor(img, cv2.COLOR_BGR2HLS)
# 白色区域掩码
lower_white = np.uint8([0, 185, 0])
upper_white = np.uint8([255, 255, 255])
white_mask = cv2.inRange(image, lower_white, upper_white)
# 灰色区域掩码
lower_gray = np.uint8([169, 169, 169])
upper_gray = np.uint8([198, 198, 198])
gray_mask = cv2.inRange(image, lower_gray, upper_gray)
# 合并掩码
mask = cv2.bitwise_or(white_mask, gray_mask)
cv2.imshow("mask", mask)
cv2.waitKey(0)
cv2.destroyAllWindows()

输出：生成的黑白掩码存在大量细碎噪点（尤其拇指周围），无法清晰提取目标掌纹

解决方案：分三步去除噪点并提取核心掌纹 #

1. 形态学操作清理掩码噪点 #

针对掩码中的细碎噪点，用开运算先消除小噪点，再用闭运算填补掌纹线条的微小断裂：

# 定义结构元素（椭圆核更贴合掌纹形态）
kernel_open = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (3, 3))
kernel_close = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (5, 5))

# 开运算：先腐蚀后膨胀，去除小噪点
mask_clean = cv2.morphologyEx(mask, cv2.MORPH_OPEN, kernel_open, iterations=2)
# 闭运算：先膨胀后腐蚀，修复掌纹线条断裂
mask_clean = cv2.morphologyEx(mask_clean, cv2.MORPH_CLOSE, kernel_close, iterations=1)

2. 手掌区域分割，排除拇指周边无关区域 #

通过轮廓检测提取手掌主体，过滤掉拇指附近的孤立噪点：

# 提取掩码中的外部轮廓
contours, _ = cv2.findContours(mask_clean, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
# 筛选面积最大的轮廓（即手掌主体）
max_contour = max(contours, key=cv2.contourArea)
# 创建手掌区域掩码
palm_mask = np.zeros_like(mask_clean)
cv2.drawContours(palm_mask, [max_contour], -1, 255, cv2.FILLED)
# 保留手掌区域内的掌纹，过滤外部噪点
final_mask = cv2.bitwise_and(mask_clean, palm_mask)

3. 骨架细化与核心掌纹筛选 #

将掌纹线条细化为单像素，再通过霍夫直线检测筛选出长度达标核心掌纹：

# 骨架细化函数
def skeletonize(img):
    skel = np.zeros(img.shape, np.uint8)
    element = cv2.getStructuringElement(cv2.MORPH_CROSS, (3, 3))
    while True:
        opened = cv2.morphologyEx(img, cv2.MORPH_OPEN, element)
        temp = cv2.subtract(img, opened)
        eroded = cv2.erode(img, element)
        skel = cv2.bitwise_or(skel, temp)
        img = eroded.copy()
        if cv2.countNonZero(img) == 0:
            break
    return skel

# 对最终掩码进行骨架细化
skel = skeletonize(final_mask)

# 霍夫直线检测提取核心掌纹（调整阈值适配你的图像）
min_line_len = 200
max_line_gap = 20
lines = cv2.HoughLinesP(skel, 1, np.pi/180, 50, minLineLength=min_line_len, maxLineGap=max_line_gap)

# 绘制核心掌纹
core_lines = np.zeros_like(skel)
if lines is not None:
    for x1, y1, x2, y2 in lines[:, 0]:
        cv2.line(core_lines, (x1, y1), (x2, y2), 255, 1)

效果说明 #

• 经过上述处理后，final_mask 可输出清晰的主掌纹（匹配你目标中的主掌纹效果）
• core_lines 可提取出三条核心掌纹（匹配你目标中的核心掌纹效果）

内容的提问来源于stack exchange，提问作者JamXscape