刚获得的图象有很多噪音。这主要由于平时的工作和环境引起的，比如，手指被弄脏，手指有刀伤、疤、痕、干燥、湿润或撕破等。图象增强是减弱噪音，增强脊和谷的对比度。想得到比较干净清晰的图象并不是容易的事情。为这个目标而为处理指纹图象所涉及的操作是设计一个适合、匹配的滤镜和恰当的阀值。
指纹还有一些其他的有用的信息。比如：类似于脊的“多余的部分”，即使一些特别的脊不连续，但仍可认为是脊的一部分，从而决定他的走向。我们可以利用这些“多余的信息”。
 |  |  |  |
有很多图象增强的方法。大多数是通过过滤图象与脊局部方向相匹配。图象首先分成几个小区域（窗口），并在每个区域上计算出脊的局部方向来决定方向图。可以由空间域处理，或经过快速2维傅立叶变换后的频域处理来得到每个小窗口上的局部方向。
设计合适的，相匹配的滤镜，使之实用于图象上所有的象素（空间场是其中的一个）。依据每个象素处脊的局部走向，滤镜应增强在同一方向脊的走向，并且在同一位置，减弱任何不同于脊的方向。后者含有横跨脊的噪音，所以其垂直于脊的局部方向上的那些不正确的“桥”会被滤镜过滤掉。所以，合适的、匹配的滤镜可以恰到好处地确定脊局部走向的自身的方向，它应该增强或匹配脊而不是噪音。
图象增强，噪音减弱后，我们准备开始选取一些脊。虽然，在原始灰阶图象中，其强度是不同的而按一定的梯度分布，但它们真实的信息被简单化为二元：脊及其相对的背景。二元操作使一个灰阶图象变成二元图象，图象在强度层次上从原始的256色（8-bits）降为2色(1-bits)。图象二元化后，随后的处理就会比较容易。
二元化的困难在于，并不是所有的指纹图象有相同的阀值，所以一般不采取从单纯的强度入手，而且单一的图象的对照物是变化的，比如，手在中心地带按的比较紧。因此一个叫“局部自适应的阀值（locally adaptive thresholding）”的方法被用来决定局部图象强度的阀值。
在节点提取之前的最后一道工序是“细化（thinning）”。细化是将脊的宽度降为单个象素的宽度。一个好的细化方法是保持原有脊的连续性，降低由于人为因素所造成的影响。人为因素主要是毛刺，带有非常短的分支而被误认为是分叉。认识到合法的和不合法的节点后，在特征提取阶段排除这些节点。