请问有没有好的皮肤的模型可以用？

[zpf_147]

最近需要做一些静脉识别中图像预处理相关的工作，但是皮肤介质（移动模糊可忽略）的散射效果有点严重，现在想尝试看能不能把图像中的皮肤去掉，请问各位大神有没有好用的皮肤模型可以用呀，百度搜不到
图片是从相关论文里面截的

[zpf_147]

引用 4 楼 zhao4zhong1 的回复:

自适应二值化 和 二值化 不是一回事！ 先平均或高斯模糊，再自适应二值化？

不好意思，刚才没说清楚，我用的就是自适应二值化，因为有相机热噪声等噪声，在此基础上又细化了，得到了初步的静脉脉络。但这个是直接从模糊图像上进行分割的，信息含量少，我需要先得到一个更清晰的图片，然后在此基础上进行局部二值化以及细化操作，这样得到的特征点在有些低质量图片上会多很多。所以我的工作重点在于去模糊，请问大佬有没有什么好的方法？

[赵4老师]

仅供参考：https://docs.opencv.org/3.4.0/d4/dc6/tutorial_py_template_matching.html

[赵4老师]

再供参考：http://dlib.net/ml.html

[zpf_147]

引用 7 楼 zhao4zhong1 的回复:

仅供参考：https://docs.opencv.org/3.4.0/d4/dc6/tutorial_py_template_matching.html

赵4老师，这个应该属于后续的识别部分了吧

[赵4老师]

叒供参考：https://docs.opencv.org/3.4.0/d5/d69/tutorial_py_non_local_means.html

[赵4老师]

引用 10 楼 qq_36402190 的回复:

[quote=引用 7 楼 zhao4zhong1 的回复:] 仅供参考：https://docs.opencv.org/3.4.0/d4/dc6/tutorial_py_template_matching.html

赵4老师，这个应该属于后续的识别部分了吧[/quote] 静脉的分布是可以用模板匹配的。我觉得。

[zpf_147]

或者给个指导建议啥的我自己去网上搜呀

[赵4老师]

自适应二值化

[zpf_147]

引用 2 楼 zhao4zhong1 的回复:

自适应二值化

我现在二值化和骨架细化都做过了，但是这只能将部分静脉从原图中分割出来，因为原图质量不高，噪声比较多，最后就算再自适应对比度增强得到的增强效果也并不好。 ps：因为皮肤散射的缘故，静脉宽度比实际宽度是要宽一些的，灰度级变化也比实际情况要平缓很多。而且每个点的皮肤厚度可能不一样、干性皮肤可能还会有部分反光的现象，所以如果不知道皮肤模型只有传统的增强方法效果并不是很好。

[赵4老师]

自适应二值化 和 二值化 不是一回事！ 先平均或高斯模糊，再自适应二值化？

[赵4老师]

伽马校正 直方图均匀化 ？ 仅供参考：

#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/imgproc/imgproc_c.h"
using namespace std;
using namespace cv;
Mat img,smallImg,gray,bw;
vector<Vec4i> hierarchy;
vector<vector<Point> > contours;
int threshval=128;
Rect r;
Rect maxrect,brect;
int idx,n;
const static Scalar colors[15]={
    CV_RGB(  0,  0,128),
    CV_RGB(  0,128,  0),
    CV_RGB(  0,128,128),
    CV_RGB(128,  0,  0),
    CV_RGB(128,  0,128),
    CV_RGB(128,128,  0),
    CV_RGB(128,128,128),
    CV_RGB(160,160,160),
    CV_RGB(  0,  0,255),
    CV_RGB(  0,255,  0),
    CV_RGB(  0,255,255),
    CV_RGB(255,  0,  0),
    CV_RGB(255,  0,255),
    CV_RGB(255,255,  0),
    CV_RGB(255,255,255),
};
Scalar color;
void gamma_correct(Mat& img, Mat& dst, double gamma) {
	Mat	temp;
	CvMat tmp;

	img.convertTo(temp,	CV_32FC1, 1.0/255.0, 0.0);
	tmp=temp;
	cvPow(&tmp,	&tmp, gamma);
	temp.convertTo(dst , CV_8UC1 , 255.0	, 0.0);
}
int main() {
    cvNamedWindow("display",1);
    img=imread("image.jpg",1);
    r.x=img.cols/10;
    r.y=img.rows/3;
    r.width=img.cols*8/10;
    r.height=img.rows*2/3;
    smallImg=img(r);
    cvtColor(smallImg,gray,CV_BGR2GRAY);
//  medianBlur(gray,gray,5);
    equalizeHist(gray,gray);
    gamma_correct(gray,gray,4.0);
    imshow("display",gray);
    waitKey(0);

	bw=(gray>threshval);
    imshow("display",bw);
    waitKey(0);

	Mat	Structure0=getStructuringElement(MORPH_RECT,Size(3,3));
    erode(bw,bw,Structure0,Point(-1,-1));
	Mat	Structure1=getStructuringElement(MORPH_RECT,Size(6,6));
    dilate(bw,bw,Structure1, Point(-1,-1));
    imshow("display",bw);
    waitKey(0);

    findContours(bw,contours,hierarchy,RETR_EXTERNAL,CHAIN_APPROX_SIMPLE);
    if (!contours.empty()&&!hierarchy.empty()) {
        idx=0;
        n=0;
        vector<Point> approx;
        for (;idx>=0;idx=hierarchy[idx][0]) {
            color=colors[idx%15];
//          drawContours(smallImg,contours,idx,color,1,8,hierarchy);
            approxPolyDP(Mat(contours[idx]), approx, arcLength(Mat(contours[idx]), true)*0.005, true);//0.005为将毛边拉直的系数
            const Point* p = &approx[0];
            int m=(int)approx.size();
            polylines(smallImg, &p, &m, 1, true, color);
            circle(smallImg,Point(p[0].x,p[0].y),3,color);
            circle(smallImg,Point(p[1].x,p[1].y),2,color);
			for	(int i=2;i<m;i++) circle(smallImg,Point(p[i].x,p[i].y),1,color);
            n++;
            if (1==n) {
                maxrect=boundingRect(Mat(contours[idx]));
            } else {
                brect=boundingRect(Mat(contours[idx]));
                CvRect mr(maxrect),br(brect);
                maxrect=cvMaxRect(&mr,&br);
            }
        }
        circle(smallImg,Point(maxrect.x+maxrect.width/2,maxrect.y+maxrect.height/2),2,CV_RGB(255,0,0));
    }
    imshow("display",smallImg);
    waitKey(0);
    cvDestroyWindow("display");
    return 0;
}

[zpf_147]

引用 11 楼 zhao4zhong1 的回复:

[quote=引用 10 楼 qq_36402190 的回复:] [quote=引用 7 楼 zhao4zhong1 的回复:] 仅供参考：https://docs.opencv.org/3.4.0/d4/dc6/tutorial_py_template_matching.html

赵4老师，这个应该属于后续的识别部分了吧[/quote] 静脉的分布是可以用模板匹配的。我觉得。[/quote] 恩我知道，不过去模糊效果不行，还没到识别这一步，您上面给的Nldenosing我也试过了，感觉和均值滤波效果差不太多。

[shiter]

试试深度学习吧，所有单纯算法解决不了的问题，用大量数据试试

[zpf_147]

引用 13 楼 wangyaninglm 的回复:

试试深度学习吧，所有单纯算法解决不了的问题，用大量数据试试

然而：1、静脉图像需要专门设备获取，并没有大量数据可用；2、如果用深度学习，能指导个方向么？去模糊的，谢谢