回答此问题可获得 20 贡献值,回答如果被采纳可获得 50 分。
<p>我一直在尝试在python中实现指纹的局部脊方向。我用梯度法,用sobel算子得到我需要的梯度。但结果发现,这种方法有很多缺陷,特别是90度左右。我可以包括我目前为止已经完成的代码,但是由于它不能按我的要求工作,我不知道是否需要它。我也研究过线段法,但是,我正在研究潜在指纹,所以很难知道是应该在线段中寻找最大的黑色还是白色。我也尝试过实现一个算法来检测连续线的最大集中区域,但是我不能让它工作。对其他算法有什么建议吗?在</p>
<p>编辑:</p>
<p>我正在使用一个函数将我的函数应用于块,但这几乎不相关</p>
<pre><code>def lro(im_np):
orientsmoothsigma = 3
Gxx = cv2.Sobel(im_np,-1,2,0)
Gxy = cv2.Sobel(im_np,-1,1,1)
Gyy = cv2.Sobel(im_np,-1,0,2)
Gxx = scipy.ndimage.filters.gaussian_filter(Gxx, orientsmoothsigma)
Gxy = numpy.multiply(scipy.ndimage.filters.gaussian_filter(Gxy, orientsmoothsigma), 2.0)
Gyy = scipy.ndimage.filters.gaussian_filter(Gyy, orientsmoothsigma)
denom = numpy.sqrt(numpy.add(numpy.power(Gxy,2), (numpy.power(numpy.subtract(Gxx,Gyy),2))))# + eps;
sin2theta = numpy.divide(Gxy,denom) # Sine and cosine of doubled angles
cos2theta = numpy.divide(numpy.subtract(Gxx,Gyy),denom)
sze = math.floor(6*orientsmoothsigma);
if not sze%2: sze = sze+1
cos2theta = scipy.ndimage.filters.gaussian_filter(cos2theta, orientsmoothsigma) # Smoothed sine and cosine of
sin2theta = scipy.ndimage.filters.gaussian_filter(sin2theta, orientsmoothsigma)#filter2(f, sin2theta); # doubled angles
orientim = math.pi/2. + numpy.divide(numpy.arctan2(sin2theta,cos2theta),2.)
return orientim
</code></pre>