给出指纹图像，使用python为编程环境，提取匹配特征，构建匹配模型，取另一张图片与其进行匹配，输出匹配程度

指纹识别是一项比较成熟的技术，可以利用现有的开源库进行实现。以下是一个基于OpenCV和Scikit-learn的指纹识别示例代码，仅供参考：

import cv2
import numpy as np
from sklearn.preprocessing import StandardScaler
from sklearn.decomposition import PCA
from sklearn.neighbors import KNeighborsClassifier

# 加载指纹图像
image = cv2.imread('fingerprint.png', 0)

# 对图像进行预处理
image = cv2.medianBlur(image, 5)
image = cv2.equalizeHist(image)

# 提取特征
sift = cv2.xfeatures2d.SIFT_create()
keypoints, descriptors = sift.detectAndCompute(image, None)

# 标准化特征向量
scaler = StandardScaler()
descriptors = scaler.fit_transform(descriptors)

# 使用PCA降维
pca = PCA(n_components=50)
descriptors = pca.fit_transform(descriptors)

# 训练KNN分类器
labels = np.array([1, 1, 1, 0, 0, 0])  # 样本标签
classifier = KNeighborsClassifier(n_neighbors=3)
classifier.fit(descriptors, labels)

# 加载待匹配的图像
test_image = cv2.imread('fingerprint2.png', 0)

# 对待匹配的图像进行预处理和特征提取
test_image = cv2.medianBlur(test_image, 5)
test_image = cv2.equalizeHist(test_image)
test_keypoints, test_descriptors = sift.detectAndCompute(test_image, None)
test_descriptors = scaler.transform(test_descriptors)
test_descriptors = pca.transform(test_descriptors)

# 对待匹配的图像进行分类
prediction = classifier.predict(test_descriptors)

# 输出匹配结果
if prediction[0] == 1:
    print('Matched!')
else:
    print('Not matched!')

需要先准备两张指纹图像，一张用于训练模型，另一张用于测试匹配。在示例代码中，我们使用了SIFT算法进行特征提取，并使用KNN分类器进行指纹匹配。特征向量经过标准化和PCA降维处理后，用于训练分类器。对于待匹配的图像，同样使用SIFT算法提取特征，并对特征向量进行标准化和PCA降维处理，再使用训练好的分类器进行分类，输出匹配结果。