【正文】 便于后續(xù)處理。對(duì)每一塊都進(jìn)行這樣的處理 ， 可得到指紋的二值圖像。 圖 34表示填充算法的一個(gè)例子。經(jīng)過(guò)去噪后 ， 原二值圖中的大部分孔洞和“毛刺”被有效地清除了。在一定的條件下可以克服線性濾波器如最小均方濾波、平均值濾波（平滑濾波）等所帶來(lái)的圖像細(xì)節(jié)模糊，而且對(duì)濾波脈沖干擾及圖像掃描噪聲最為有效。在將這 m個(gè)點(diǎn)值其數(shù)值大小排序，取其序號(hào)為中心點(diǎn)的那個(gè)數(shù)作為濾波輸出，用數(shù)學(xué)公式表示為 },. .. ,. .. ,{ viivii fffM e dy ??? 21, ??? mvZi (35) 例如：有一個(gè)序列為 {0， 3， 4， 0， 7}，則中值濾波的為重新排序后的序列 {0， 0， 3，4， 7}的中間值為 3。 二維中值濾波可由下式表示： }{ ijAij fMedy ? （ 36） 其中 A為窗口， }{ijf 為二維數(shù)據(jù)序列。 4．圖像增強(qiáng) 圖像在傳輸或者變換過(guò)程中，可能會(huì)受到干擾而導(dǎo)致圖像模糊。 在頻域中實(shí)現(xiàn)高通濾波，濾波的數(shù)學(xué)表達(dá)式是 ),(),(),( vuFvuHvuG ? (37) 其中 ),( vuF 是原圖像的傅立葉頻譜， ),( vuG 是銳化圖像的傅立葉頻譜， ),( vuH 是濾波器的轉(zhuǎn)移函數(shù)（即頻譜響應(yīng)）。值得注意的是：當(dāng)0),( DvuD ? 時(shí)， ),( vuH 下降到最大值的 1/2。 細(xì)化過(guò)程中 ， 在判斷是否刪除一個(gè)前景像素點(diǎn)時(shí) ， 需要考慮其 3 3鄰域中除其自身外的 8個(gè)像素點(diǎn)中的連接成分?jǐn)?shù)。本算法把一次迭代分作兩次掃描 ， 細(xì)化過(guò)程中由周邊向中間逐層細(xì)化 ， 使細(xì)化結(jié)果位于原圖的“中軸”。重復(fù)一、二步過(guò)程 ， 直至得到單位寬度 第 26 頁(yè) 共 34 頁(yè) 的線條為止。因?yàn)橹讣y預(yù)處理的不完善性 ， 在細(xì)化后的紋線圖中總存在或多或少的偽特征點(diǎn)。保留下來(lái)的特征點(diǎn)以鏈碼方式記錄它們之間的相對(duì)位置關(guān)系 ， 用以與指紋庫(kù)中的數(shù)據(jù)比對(duì)匹配。 第 27 頁(yè) 共 34 頁(yè) 4 基于指紋預(yù)處理算法的實(shí)驗(yàn)結(jié)果 指紋圖像的獲取 首先，對(duì)指紋進(jìn)行灰度化處理。根據(jù)各點(diǎn)的亮暗可判斷其方向值。先求水平濾波器的設(shè)計(jì)其它方向的濾波器可以通過(guò)旋轉(zhuǎn)得到。 ? ?? ?? ?? ?? ?? ? ? ? ? ? ? ?5 1 81( , ) 1 2 , 3 1 5 2 2 1 2 2,NDDC i j D D N D N D N D N DD i j????? ? ? ? ? ? ????且 且其 它 第 29 頁(yè) 共 34 頁(yè) 圖 44 水平方向?yàn)V波器系數(shù) 各系數(shù)之間有關(guān)系 ： uxy=0 ， z0和 u+2x+2y2z=0。旋轉(zhuǎn)后濾波器的坐標(biāo)為 )39。 , , ,ffffhhi h j hf x y f x i y j g i j?? ? ? ?? ? ??? (43) 其中 ? ?,g i j? 為相應(yīng)濾波器模板的系數(shù)。c o s s ins in c o siij j?? ??? ? ? ?? ??? ? ? ??? ? ? ? ?? 第 30 頁(yè) 共 34 頁(yè) 圖 45 濾波后的指紋圖像 圖像的二值化 用 Matlab二值化函數(shù)對(duì)圖像進(jìn)行二值化，得到圖像如圖 46所示。 imshow(I1)。通過(guò)對(duì)指紋預(yù)處理的研究，讓我了 解到，要加快指紋識(shí)別的速度，還應(yīng)考慮簡(jiǎn)化圖像的預(yù)處理，實(shí)現(xiàn)在灰度圖上直接抽取指紋細(xì)節(jié)特征。深深感謝他們對(duì)我論文設(shè)計(jì)的精心指點(diǎn)和生活上的關(guān)心與幫助，他們深厚的學(xué)術(shù)造詣、嚴(yán)謹(jǐn)治學(xué)的態(tài)度、不拘一格的思維方式和抓緊一切時(shí)間學(xué)習(xí)的精神給我留下了非常深刻的印象。 再一次對(duì)曾經(jīng)幫助過(guò)我的所有老師、同學(xué)、親人，表達(dá)我內(nèi)心最深的謝意 ! 第 34 頁(yè) 共 34 頁(yè) 參考文獻(xiàn) [1] 王松 .基于背線采樣的指紋識(shí)別算法 [C]. 電子學(xué)報(bào) .2021年 .第 31卷第 10期 . [2] 王秋讓 .改進(jìn)的指紋細(xì)節(jié)特征提取算法 [C].中國(guó)圖像學(xué)報(bào) .2021 年 12 月 .第 7卷第12期 . [3] 朱學(xué)芳 .一種新的指數(shù)匹配方法 [R].中國(guó)圖像學(xué)報(bào) .2021年 2月 .第 8卷 A版第 2期：P203. [4] 沈亮 .指紋圖像的預(yù)處理算法 [M]. 計(jì)算機(jī)工程與應(yīng)用 . 2021年 . 第 39卷第 35 期：P81. [5] 趙春 .指紋取像與指紋識(shí)別 [R]. 計(jì)算機(jī)工程與應(yīng)用 . 2021 年 . 第 38 卷第 16期：P92. [6] 指紋識(shí)別的原理和法 . htm. [7] 指紋識(shí)別技術(shù)的工作原理 .： //[8] 生物識(shí)別技術(shù)的應(yīng)用 . ： //[9] 洪松 .高準(zhǔn)確度實(shí)時(shí)指紋識(shí)別系統(tǒng) [R]. 中國(guó)激光 . 2021年 3月 . 第 28卷第 3期：P279283. [10] 基于方向基元集描述的指紋方向圖求取算法 [C]. 重慶大學(xué)學(xué)報(bào) (自然科學(xué)版 ). 2021年 . 第 3卷第 5期： P5761. [11] 一套有效的指紋圖像預(yù)處理算法 . 華南師范大學(xué)學(xué)報(bào) (自然科學(xué)版 ). 2021年 5月 . 第 2期： P6670. [12] 一種新的指紋圖像細(xì)化算法 . 現(xiàn)代計(jì)算機(jī) . 總第 151期： P4244. [13] 一種有效的指紋圖像分割和細(xì)化方法 . 計(jì)算機(jī)工程 . 2021年 10月 . 第 10期：P128129. [14] Dario Maio, Davide Maltoni. Direct Gray Scale Minutiae Detection In Fingerprints[J].IEEE Transactions on Pattern Analysis and MachineIntelligence ,1997,19(1). 。 我要深深地感謝我的父母，他們?yōu)槲业某砷L(zhǎng)付出了無(wú)數(shù)的心血。 第 33 頁(yè) 共 34 頁(yè) 致謝 在此論文完成之際，我要向所有在我進(jìn)行畢業(yè)設(shè)計(jì)期間指導(dǎo)、支持、幫助和鼓勵(lì)過(guò)我的老師、同學(xué)、親人和朋友，致以我最誠(chéng)摯的感謝 ! 由衷感謝我的導(dǎo)師馮月亮教授和肖助明老師。 圖 47 細(xì)化后的指紋圖像 第 32 頁(yè) 共 34 頁(yè) 5 結(jié)論 本文對(duì)聯(lián)機(jī)式考勤系統(tǒng)進(jìn)行了簡(jiǎn)要的介紹，并詳細(xì)闡述了指紋識(shí)別中的取像技術(shù)和指紋處理過(guò)程中的預(yù)處理部分。 I1=im2bw(I,)。 z/3 2z/3 z z z 2z/3 z/3 y/3 2y/3 y y y 2y/3 y/3 x/3 2x/3 x x x 2x/3 x/3 u/3 2u/3 u u u 2u/3 u/3 x/3 2x/3 x x x 2x/3 x/3 y/3 2y/3 y y y 2y/3 y/3 z/3 2z/3 z z z 2z/3 z/3 39。( ji ， 水平方向?yàn)V波器的坐標(biāo)為 ),( ji 。濾波時(shí) ， 指紋圖中每一點(diǎn)的灰度值由其周圍的 48 個(gè)點(diǎn)的灰度值及相應(yīng)的模板系數(shù)共同決定 (即灰度值與相應(yīng)的模板系數(shù)相乘并把結(jié)果相加 ， 然后賦給中心像素點(diǎn) ， 作為其灰度值 ) 。濾波器大小一般為 n n， n約為一個(gè)紋線周期 ， 本實(shí)驗(yàn)中設(shè)置取 n =7。根據(jù)第三章中介紹的算法，設(shè)置公式 (3)中的各界值。 根據(jù)對(duì)指紋圖中 的每一像素都按第三章中方向?yàn)V波算法中介紹的算法進(jìn)行操作 ， 可以得指紋的方向圖如圖 42所示。建立指紋數(shù)據(jù)庫(kù) ， 一般要采集同一枚指紋的 3～ 5個(gè)樣本 ， 分別對(duì)這些樣本進(jìn)行預(yù)處理和特征抽取 ， 由特征點(diǎn)間的相互位置關(guān)系確定樣本圖像是否兩兩匹配 ， 根據(jù)特征點(diǎn)被匹配上 的次數(shù) ， 確定該特征點(diǎn)的匹配權(quán)值 ， 從所有樣本圖像中找出權(quán)值大于給定閾值的特征點(diǎn) ， 以這些特征為模板建立指紋數(shù)據(jù)庫(kù)樣本。細(xì)節(jié)特征剪枝的標(biāo)準(zhǔn)主要依賴于以下三個(gè)條件 ： a) 特征點(diǎn)到邊緣的距離 ； b) 細(xì)節(jié)特征間的距離和角度關(guān)系 ； c) 指紋脊線和細(xì)節(jié)特征的空間分布。經(jīng)上述處理有利于特征提取。 本細(xì)化算法重復(fù)執(zhí)行如下兩個(gè)步驟 ： 第一步 ： 從左到右 ， 從上到下順序掃描圖像 ， 對(duì)同時(shí)滿足以上條件的像素 ， 如果 p1p3p7 = 0且 p1p5p7 = 0， 則將其作上標(biāo)記 ； 第二步 ： 從左到右 ， 從上到下順序掃描圖像 ， 對(duì)同時(shí)滿足以上條件的像素 ， 如果 p1p3p5 = 0且 p3p5p7 = 0， 則將其作上標(biāo)記。令 cN 為 p的 8鄰域中的連接成分?jǐn)?shù) ， 則其由序列 p1p2p3p4p5p6p7p8p1中 0→ 1變化的次數(shù)可以得到。此式易于修改使它本身滿足這一約束條件，即利 第 25 頁(yè) 共 34 頁(yè) 用下式： nvuDDvuH 20 )],(/][12[1 1),( ??? (310) 5. 細(xì)化及細(xì)化后的去噪處理 細(xì)化是圖像分析、信息壓縮、特征提取和模式識(shí)別常用的基本技術(shù) ， 它使圖像的每條紋線都變?yōu)閱蜗袼貙挼摹包c(diǎn)線” ， 且細(xì)化后的紋 線近似處于原圖的“中軸”。常見的高通濾波器有： 1） 理 想高通濾波器 一個(gè)二維理想高通濾波器 )(IHPF 的傳遞函數(shù) 定義為 ? 00),( 0 ),( 1),( DvuD DvuDvuH ??? (38) 式中 2122 )(),( vuvuD ?? 是點(diǎn) ),( vu 到頻率平面原點(diǎn)的距離， 0D 是頻率平面上從原點(diǎn)算起的截止距離既截止頻率。 頻域高通濾波： 因?yàn)檫吘壖盎叶燃?jí)中其他的急劇變化都與高頻分量有關(guān)，在頻域中用高通濾波處理，能夠獲得圖像尖銳化。常見的二維中值濾波窗口形狀有線狀、方型、圓形、十字形及圓環(huán)形等，其中心點(diǎn)一般位于被處理點(diǎn)上，對(duì)有有緩變的較長(zhǎng)輪廓線物體的圖像，采用方形或者圓形窗口為宜，對(duì)于包含有尖角物體的圖像，適用十字形窗口，而窗口的大小則以不超過(guò) 圖像中最小有效物的尺寸為宜。又例如，若一個(gè)窗口內(nèi)各像素的灰度是 5， 6， 35， 10和 15，它們的灰度中值是 10，中心像素點(diǎn)原灰度值是 35，濾波后變?yōu)?10，如果 35是一個(gè)脈沖干擾，中值濾波后被有效抑制。 中值濾波就是用一個(gè)奇數(shù)的滑動(dòng)窗口，將窗口中心點(diǎn)的值用窗口內(nèi)各點(diǎn)的 中值代替。 中值濾波是 一種非線性信號(hào)處理方法，與其對(duì)應(yīng)的中值濾波器也是一種非線性濾波器。 圖 35 表示刪除過(guò)程的一個(gè)例子。這一過(guò)程可以填補(bǔ)二值化后紋線上的孔洞或者刪除模式上的“毛 刺”和孤立的值為 1的像素 ，即包括填充和刪除兩個(gè)算法。把指紋圖分成 w w(w為一個(gè)紋線周期 )的子塊 ， 在每一子塊內(nèi)計(jì)算灰度均值 ： (34) ),( jif 為子塊內(nèi) ),( ji 的灰度值。所以此濾波器起到了連接斷點(diǎn)和去除叉