import cv2
import numpy as np
# 读取第一张指纹图像
zhiwen1 = cv2.imread('zw1.png')
# 定义2×2的结构元素（形态学运算的"工具"，uint8类型）
kernel = np.ones((2,2),np.uint8)- 结构元素（kernel） ：形态学运算的核心工具，类似滤波中的 "核"，决定了运算的范围和强度。这里用
np.ones()创建全 1 矩阵，尺寸越大，运算效果越明显（后续闭运算用了 4×4 的核）。
开运算（cv2.MORPH_OPEN）：去除图像中的小噪点
# 对zhiwen1执行开运算
zhiwen1_new = cv2.morphologyEx(zhiwen1, cv2.MORPH_OPEN, kernel)- 原理 ：开运算 = 先腐蚀（Erode）后膨胀（Dilate）
- 腐蚀：消除图像中的细小噪声和突出的小区域（让前景物体 "收缩"）；
- 膨胀：在腐蚀的基础上恢复前景物体的原有大小（但噪声已被消除）。
- 效果 ：
能有效去除图像中的孤立小噪点、细小白点或毛刺，同时基本保持前景物体的整体形状和尺寸不变。适合处理指纹图像中可能存在的杂点干扰。 - 参数 ：
kernel为 2×2，说明运算范围较小，适合去除细微噪声。
闭运算（cv2.MORPH_CLOSE）：填补图像中的小孔洞
# 读取第二张指纹图像
zhiwen2 = cv2.imread('zw2.png')
# 定义4×4的结构元素（更大的核，处理更明显的孔洞）
kernel = np.ones((4,4),np.uint8)
# 对zhiwen2执行闭运算
zhiwen2_new = cv2.morphologyEx(zhiwen2, cv2.MORPH_CLOSE, kernel)原理：闭运算 = 先膨胀（Dilate）后腐蚀（Erode）
- 膨胀：填充前景物体中的小孔洞和凹陷（让前景物体 "扩张"）；
- 腐蚀：在膨胀的基础上恢复前景物体的原有大小（但孔洞已被填补）
- 效果 ：
主要用于填补图像中前景物体内部的小孔洞、裂缝或凹陷，使物体轮廓更完整。这里用 4×4 的核，说明目标孔洞较大，需要更强的填充效果。 - 对比开运算：开运算针对 "外部噪声"，闭运算针对 "内部孔洞"。
梯度运算（cv2.MORPH_GRADIENT）：提取物体边缘
# 重新读取第一张指纹图像
zhiwen1 = cv2.imread('zw1.png')
# 先单独演示膨胀和腐蚀（辅助理解梯度运算）
pz_zhiwen1 = cv2.dilate(zhiwen1, kernel, iterations=1) # 膨胀：前景物体扩大
fs_zhiwen1 = cv2.erode(zhiwen1, kernel, iterations=1) # 腐蚀：前景物体缩小
# 执行梯度运算
td_zhiwen1 = cv2.morphologyEx(zhiwen1, cv2.MORPH_GRADIENT, kernel)- 原理 ：梯度运算 = 膨胀结果 - 腐蚀结果
膨胀会使物体边缘 "外扩"，腐蚀会使物体边缘 "内缩"，两者的差值恰好是物体的边缘轮廓。 - 效果 ：
能提取前景物体的边缘信息，得到物体的轮廓线。对于指纹图像，可突出指纹的纹路边缘，便于后续的特征提取（如指纹的脊线和谷线）。 - 单独显示膨胀和腐蚀 ：代码中先展示了
pz_zhiwen1（膨胀）和fs_zhiwen1（腐蚀）的效果，帮助理解梯度运算的来源。
Sobel 算子：检测水平 / 垂直方向边缘
Sobel 算子通过计算图像梯度来检测边缘，可分别检测水平、垂直或对角线方向的边缘，代码中主要展示水平（x 方向）和垂直（y 方向）检测：
基础 Sobel 运算（存在缺陷）
# dx=1, dy=0 表示检测x方向（水平）边缘（梯度变化在水平方向）
yt_x = cv2.Sobel(yt, -1, dx=1, dy=0)
cv2.imshow('yt_x', yt_x)- 参数说明：
-1表示输出图像与输入图像深度相同（通常为uint8）；dx和dy分别表示 x 和 y 方向的导数阶数（1 表示一阶导数）。 - 缺陷：
uint8类型只能表示 0-255 的正数，而边缘梯度可能为负（如从亮到暗的过渡），负数会被截断为 0，导致部分边缘丢失。
改进：使用cv2.CV_64F保留正负梯度
# 使用64位浮点数（cv2.CV_64F）存储结果，可保留负数
yt_x_64 = cv2.Sobel(yt, cv2.CV_64F, dx=1, dy=0)
# 转换为绝对值后再转为uint8，恢复所有边缘（包括负梯度对应的边缘）
yt_x_full = cv2.convertScaleAbs(yt_x_64)
cv2.imshow('yt_x_full', yt_x_full)- 关键：
cv2.CV_64F支持负数存储，cv2.convertScaleAbs()通过取绝对值 + 类型转换，完整保留正负梯度对应的边缘（如亮→暗和暗→亮的过渡都能检测到）。