opencv-python 指静脉的手指轮廓提取实现

由于指静脉由于采集时候手指的不固定，所以同一手指的不同照片可能会有旋转。我们提取手指的轮廓就是为了拟合出手指的中线，从而对手指的图片进行旋转矫正。

在opencv中提供了好几种方法供我们用来提取图片中物体的边界与轮廓。有Sobel算子，拉普拉斯算法等等，但是应用在我的图片上一点都不友好：

中间的是原图，不知道是不是因为我没有对原图进行平滑处理，如果用这两种算子来进行进一步的处理的话，难度巨大。但是在opencv中，还有一种十分友好的边缘检测的方法，他就是cv.Canny()

想了解原理和用法的话这里讲的非常清楚：

Canny的原理

接下来展示一下这个函数的效果（网页原因图片被拉伸了）

效果很好，与轮廓无关的部分大大减少。

示例的源码：

import cv2 as cv 
import numpy as np

from matplotlib import pyplot as plt

clahe_test=cv.imread('clahe_test.bmp',0)

sobelx = cv.Sobel(clahe_test,cv.CV_64F,1,0,ksize=5)
laplacian = cv.Laplacian(clahe_test,cv.CV_64F)
canny=cv.Canny(clahe_test,90,150)
#finger_edges=get_edges(canny)
cv.imshow("sobelx",sobelx)
cv.imshow("canny ",canny )
cv.imshow("clahe_test",clahe_test)
cv.imshow("laplacian",laplacian)
cv.waitKey(0)
cv.destroyAllWindows()

但是仅仅得到canny的效果还不够，因为我们要的仅仅是手指的轮廓，其他位置的任何轮廓对我们来说都是多余的。所以我另外编写了一个函数用来专门提取我们需要的部分。

观察Canny，我们发现中间部分都是空白，我们要的仅仅只是最靠近中间的部分，所以在函数中，我直接提取了靠近中间的像素点的坐标，然后把一张空白图像的对应坐标改变为白色（255）

以下是函数的源码：

def get_edges(img):   # img : single channel img which has been processed by cv.Canny
    rows,cols=img.shape
    center=rows/2
    index=[]
    up_index=[]
    for i in range(cols):
        temp_index=np.argwhere(img[:,i]==255)
        temp_index=temp_index.tolist()
        for j in temp_index:
            if j[0]<center:
                up_index.append(center-j[0])      
        up=len(up_index)-1
        up_index.clear()
        down = up+1
        try:
            index.append([temp_index[up][0],i] )
            index.append([temp_index[down][0],i])
        except IndexError:
            index.append(index[-2])
            index.append(index[-1])
    result_img=np.zeros((rows,cols),dtype="uint8")
    for j in index:
        result_img[j[0],j[1]]=255  #put the Corresponding coordinate into 255
    return result_img

函数的说明：

try的部分的意义是：如果当列的上半部分没有找到灰度值为255的像素点，那么就以最近添加的两个像素点的坐标代替。

因为我在实际中遇到了这种图片：

看第二列，图片的下半部分没有255的值了，程序中down = up+1，而up=len(up_index)-1，他是上面半部分索引值的最后一个，由于下半部分没有255的值了，所以up同时也是temp_index的最后一个，这时候temp_index[down][0]必定会超出边界。但是加入了异常处理就不会有这种顾虑了。

接下来看看效果图：

还行，有了它接下来就可以继续做中线的拟合了

感受：python的一些基础操作还不熟悉，np中的基础操作也记不太清了，但是贵在学习，继续积累

我太难了，有帮助的话，点个赞噢亲