Segmentação

O FingerSegmenter é a segunda etapa do pipeline. Isola o dedo do fundo da imagem, removendo background, outros dedos e artefatos.

Algoritmo

1. Expansão e Crop

A bounding box da detecção de pele é expandida em 35% (bbox_expand) para garantir contexto suficiente para o GrabCut:

# Expandir bbox
expanded = expand_bbox(bbox, factor=0.35, image_shape=bgr.shape)

# Recortar a região
crop = bgr[y:y+h, x:x+w]
skin_crop = skin_mask[y:y+h, x:x+w]

2. GrabCut (Principal)

O GrabCut é um algoritmo iterativo de segmentação que modela foreground e background como Gaussian Mixture Models:

# Inicializar máscara GrabCut com hints da detecção de pele
gc_mask = np.full(crop.shape[:2], cv2.GC_PR_BGD, dtype=np.uint8)
gc_mask[skin_crop > 0] = cv2.GC_PR_FGD   # pele = provável foreground

# Forçar borda como background definitivo
gc_mask[:5, :] = cv2.GC_BGD
gc_mask[-5:, :] = cv2.GC_BGD
gc_mask[:, :5] = cv2.GC_BGD
gc_mask[:, -5:] = cv2.GC_BGD

# Executar GrabCut (5 iterações)
bgd_model = np.zeros((1, 65), np.float64)
fgd_model = np.zeros((1, 65), np.float64)
cv2.grabCut(crop, gc_mask, None, bgd_model, fgd_model, 5, cv2.GC_INIT_WITH_MASK)

# Extrair foreground
finger_mask = np.where(
    (gc_mask == cv2.GC_FGD) | (gc_mask == cv2.GC_PR_FGD), 255, 0
).astype(np.uint8)

3. Fallback Morfológico

Se o GrabCut falhar (exceção ou resultado vazio), usa processamento morfológico:

# Fallback: erosão + dilatação da máscara de pele
kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (5, 5))
finger_mask = cv2.erode(skin_crop, kernel, iterations=2)
finger_mask = cv2.dilate(finger_mask, kernel, iterations=2)

4. Seleção do Contorno do Dedo

Com vários contornos no foreground, seleciona o mais "parecido com um dedo":

# Score = área × aspect ratio
for contour in contours:
    area = cv2.contourArea(contour)
    x, y, w, h = cv2.boundingRect(contour)
    aspect = max(w, h) / max(min(w, h), 1)
    score = area * aspect  # favorece formas alongadas

O contorno com maior score é selecionado e usado como máscara binária final.

5. Validação

Verifica que o foreground cobre pelo menos 2% do crop. Se for menor, lança SegmentationError.

Parâmetros

Parâmetro	Padrão	Efeito
bbox_expand	0.35	Mais contexto para o GrabCut
grabcut_iters	5	Mais iterações = mais preciso, mais lento
use_grabcut	true	false usa apenas morfologia (mais rápido)

Saída

• crop: Imagem BGR recortada da região do dedo
• finger_mask: Máscara binária do dedo isolado

Performance

Método	Tempo (640x480)	Precisão
GrabCut (5 iters)	~200ms	Alta
Morfologia (fallback)	~5ms	Média

TIP

Para aplicações em tempo real ou com restrições de CPU, desative o GrabCut com FINGERPRINT_USE_GRABCUT=false. A segmentação morfológica é 40x mais rápida, com qualidade razoável.