基於梯度場和Hessian特征值分別獲得圖像的方向場
阿新 • • 發佈：2017-08-27
htm name tar 我們 值範圍 con tco png mali 一、?我們想要求的方向場的定義為：
對於任意一點(x,y),該點的方向可以定義為其所在脊線(或谷線)位置的切線方向與水平軸之間的夾角：
將一條直線順時針或逆時針旋轉 180°,直線的方向保持不變。因此,指紋方向場的取值範圍一般定義為[0,π)或[-π/2, π/2),前閉後開區間的意義在於保證方向場取值的唯一性。二、基於梯度場計算方向場論文 《Analyzing Oriented Patterns》 網址：https://wenku.baidu.com/view/f741d931cc175527072208f7.html 概述：核心思想便是對其二倍角的分量進行平均,流程：給定指紋圖像I ,其梯度可以表示為
，表示x方向的梯度和y方向的梯度 
W簡單理解就是卷積運算方向場的計算公式為:
繼續可得方向場一致性：
當所有的方向都互相平行時,方向場一致性取最大值 1;反之,當所有的方向都相反時,方向場一致性取最小值 0;在這兩種極端情況之間,其值相應的也在 0與 1 之間變化。因此,方向場一致性可以作為方向場有序程度的度量。所以最後結果要做一個0-1之間的normalize.實現：//變量 Mat img = cv::imread( "e:/template/finger.bmp",0); Mat matX;Mat matY; Mat Gxx;Mat Gyy;Mat Gxy;//和論文標識對應 Mat matTheta 
三、基於hessian特征值的方向場原理：參考frangi相關知識代碼：https://github.com/ntnu-bioopt/libfrangigithub frangi項目調用：//hessian方法 frangi2d_opts_t opts; opts.sigma_start = DEFAULT_SIGMA_START; opts.sigma_end = DEFAULT_SIGMA_END; opts.sigma_step = DEFAULT_SIGMA_STEP; opts.BetaOne = DEFAULT_BETA_ONE; //ignore blob-like structures? opts.BetaTwo = DEFAULT_BETA_TWO; //appropriate background suppression for this specific image, but can change. opts.BlackWhite = true; Mat J;Mat Scale;Mat directions; img.convertTo(img,CV_32FC1,1.0/255); frangi2d(img,J,Scale,directions,opts);
結果:
來自為知筆記(Wiz)
對於任意一點(x,y),該點的方向可以定義為其所在脊線(或谷線)位置的切線方向與水平軸之間的夾角：
將一條直線順時針或逆時針旋轉 180°,直線的方向保持不變。因此,指紋方向場的取值範圍一般定義為[0,π)或[-π/2, π/2),前閉後開區間的意義在於保證方向場取值的唯一性。二、基於梯度場計算方向場論文 《Analyzing Oriented Patterns》 網址：https://wenku.baidu.com/view/f741d931cc175527072208f7.html 概述：核心思想便是對其二倍角的分量進行平均,流程：給定指紋圖像I ,其梯度可以表示為，表示x方向的梯度和y方向的梯度W簡單理解就是卷積運算方向場的計算公式為:繼續可得方向場一致性：當所有的方向都互相平行時,方向場一致性取最大值 1;反之,當所有的方向都相反時,方向場一致性取最小值 0;在這兩種極端情況之間,其值相應的也在 0與 1 之間變化。因此,方向場一致性可以作為方向場有序程度的度量。所以最後結果要做一個0-1之間的normalize.實現：//變量 Mat img = cv::imread( "e:/template/finger.bmp",0); Mat matX;Mat matY; Mat Gxx;Mat Gyy;Mat Gxy;//和論文標識對應 Mat matTheta三、基於hessian特征值的方向場原理：參考frangi相關知識代碼：https://github.com/ntnu-bioopt/libfrangigithub frangi項目調用：//hessian方法 frangi2d_opts_t opts; opts.sigma_start = DEFAULT_SIGMA_START; opts.sigma_end = DEFAULT_SIGMA_END; opts.sigma_step = DEFAULT_SIGMA_STEP; opts.BetaOne = DEFAULT_BETA_ONE; //ignore blob-like structures? opts.BetaTwo = DEFAULT_BETA_TWO; //appropriate background suppression for this specific image, but can change. opts.BlackWhite = true; Mat J;Mat Scale;Mat directions; img.convertTo(img,CV_32FC1,1.0/255); frangi2d(img,J,Scale,directions,opts);結果:
來自為知筆記(Wiz)
基於梯度場和Hessian特征值分別獲得圖像的方向場