【正文】 而使得本應(yīng)是背景的點被二值化為目標點。 Otsu方法 和 Bernsen方法 的代碼為附錄 C代碼 Otsu方法 實驗結(jié)果圖如下： 圖 341 Otsu方法 的二值化的結(jié)果 Bernsen方法 實驗結(jié)果圖如下： 圖 342 Bernsen方法 的二值化的結(jié) 果 南昌航空大學(xué)科技學(xué)院學(xué)士學(xué)位論文 19 算法結(jié)果分析比較 由實驗結(jié)果圖可以知，從效果上 Bernsen方法的二值化結(jié)果更加適合指紋圖像， 特征點更加好捕捉。 首先讀取原圖像的大小為。局部閾值選取一般將圖像劃分為若干子圖像，在每個子圖像區(qū)域上使用整體閾值法，從而可以構(gòu)成整幅圖像的局部閾值法 (根據(jù)每個子圖像確定相應(yīng)的閾值，具體的閾值確定方法同全局閾值的確定類似 )。 )(0t? 和 )(1t? ，可以分別代表目標和背景的中心灰度， ? 則代表整幅圖像的中心灰度，要使目標和背景得到最好 的分割，當然希望分割出的目標盡量遠離圖像中心，即 20 ))(( ?? ?t 或 |)(| 0 ?? ?t 盡量大，背景也盡量遠離中心，即 21 ))(( ?? ?t或 |)(| 1 ?? ?t 盡量大，由于希望兩者都大，于是有： (1) 兩者之加權(quán)和最大： ]))(()())(()([ 2112020mt0 ?????? ???? ?? ttttM axA r gg (2) 兩者之積最大： ]))(())(([ 21201mt0 ???? ??? ?? ttM axA r gg (326) 注意到有 )()()()( 1100 tttt ????? ?? ，且 )() 10 tt ??? ?? ，因此有：2120211200 ))(())(())(()())(()( ?????????? ?????? tttttt 。 圖 像的 總 平均 灰度 為 ：)()()()( 1100 tttt ????? ?? 。 本文一 Otsu方法作為全局閾值法的算法對指紋圖像進行二值化的圖像。 灰度圖像的二值化處理有很多種方法， 主要分為全局閾值法和局部閾值法。更重要的是，在二值圖像的基礎(chǔ)上，還可以進一步對圖像處理，獲得該圖像的一些幾何特征或者其他更多特征。 兩種算法銳化處理的比較 利用 MATLAB軟件對已經(jīng)過平滑處理的指紋圖像進行銳化處理，再進行對比，選擇最好的銳化處理結(jié)果。拉式算子用來改善因擴散效應(yīng)的模糊特別有效 ， 因為它符合降制模型。由于它們都是先平均后差分，平均時會丟失一些細節(jié) 信息，使邊緣有一定的模糊。 本文以 Sobel算子法作為梯度法的代表。從頻率域來考慮，圖像模糊的實質(zhì)是因為其高頻分量被衰減，因此可以用高通濾波器來使圖像清晰。維納自南昌航空大學(xué)科技學(xué)院學(xué)士學(xué)位論文 9 適應(yīng)的平滑處理，可以看出性能更好。該算法是首先估計像 素的局部均值和方差： 1 , 21 ( 1, 2 )nnu a n nMN ??? ? （ 36） 南昌航空大學(xué)科技學(xué)院學(xué)士學(xué)位論文 8 2 2 21 , 21 ( 1 , 2 )nn a n n uMN? ????? （ 37） 式中， ? 是圖像中每個像素的 MN 的領(lǐng)域。其主要功能是讓周圍象素灰度值的差比較大的像素改取與周圍的像 素值接近的值，從而可以消除孤立的噪聲點，所以中值濾波對于濾除圖像的椒鹽噪聲非常有效。為了克服局部平均法的弊端，可以采用閾值法，又稱超限像素平滑法。因此，可用像素領(lǐng)域內(nèi)各像素的灰度平均值代替該像素原來的灰度值，實現(xiàn)圖像的平滑。為了抑制噪 聲改善圖像質(zhì)量所進行的處理成為圖像平滑或去噪。 所以 ,在提取特征之前需要對采集到的指紋圖像進行預(yù)處理 ,以去除噪聲信號 ,使其變成一幅紋線結(jié)構(gòu)清晰特征信息明顯的二值點線圖 。 南昌航空大學(xué)科技學(xué)院學(xué)士學(xué)位論文 3 2 指紋圖像預(yù)處理概述與實驗平臺 指紋是手指指尖表面凹凸不平的紋路 ,其中凸起的紋路稱為脊線 ,凹下的紋路稱為谷線 。 因此，指紋圖像預(yù)處理的算法有必要進行研究。 1999 年美國聯(lián)邦調(diào)查局建成了第一套綜合自 動化指紋識別系統(tǒng) ,這套設(shè)備不僅大大加快了指紋識別的速度 ,而且提高了指紋比較的自動化水平 。常用的生物識別特征包括 指紋、虹膜、臉型、語音、 掌紋、步態(tài)、筆跡等 。二值化處理使用全局閾值法和局部閾值法進行處理。指紋在眾多的生物特征里有它的獨特優(yōu)勢，指紋識別技術(shù)已經(jīng)成為重要的研究領(lǐng)域，應(yīng)用前景也很開闊。 畢業(yè)設(shè)計（論文） 題目： 基于 Matlab的指紋圖像預(yù)處理方法研究 系 別 信息工程系 專業(yè)名稱 通信工程 班級學(xué)號 學(xué)生姓名 指導(dǎo)教師 南昌航空大學(xué)科技學(xué)院學(xué)士學(xué)位論文 學(xué)士學(xué)位論文原創(chuàng)性聲明 本人聲明，所呈交的論文是本人在導(dǎo)師的指導(dǎo)下獨立完成的研究成果。生物特征的唯一性和永久性，更好的作為身份識別的依據(jù)。銳化處理對 Sobel 算子法和拉普拉斯算子法進行研究。 生物特征 識別技術(shù)是通過計算機與光學(xué)、聲學(xué)、生物傳感器及生物統(tǒng)計學(xué)統(tǒng)計學(xué)原理等高科技技術(shù)手段相結(jié)合 。 20 世紀 70 年代 ,隨著計算機的廣泛應(yīng)用和模式識別理論的快速發(fā)展 ,人們對指紋的認知也從人工辨識轉(zhuǎn)為理性分析 ,指紋識別作技術(shù)在國外得到了快速的 發(fā)展。 在指紋圖像的分割中，不好的分割算法不能徹底地將背景從前景中分離，會產(chǎn)生很多額外的特征信息；傳統(tǒng)指紋增強算法中，指紋圖像的脊和谷不能得到很好的分離；在常用的細化算法中，經(jīng)常出現(xiàn)細化不徹底和產(chǎn)生毛刺的情況；準確而快 速的提取出特征信息是一個非常關(guān)鍵的問題，如果提取不恰當，則會增大系統(tǒng)的拒識率和誤識率。因此本課題選擇基于 MATLAB 實現(xiàn)指紋圖像預(yù)處理，并選擇理想的算法，是較好的一種方式。 這些噪聲嚴重影響了指紋圖像的特性 ,致使指紋圖像包含的部分細節(jié)特征不清晰甚至出現(xiàn)丟失 ,同時引入許多虛假的特征信息 ,如果直接對原始指紋圖像進行特征提取 ,勢必會影響指紋識別結(jié)果 的準確性 。 圖像平滑技術(shù) 數(shù)學(xué)圖像在其獲取和傳輸過程中，會受到各種噪聲的干擾使圖像惡化，質(zhì)量下降，圖像變模糊、特征被淹沒，這對圖像分析極為不利。數(shù)字圖 像由許多灰度恒定的小塊組成，相鄰像素間存在很高的空間相關(guān)性，而早上則統(tǒng)計獨立的。而且領(lǐng)域越大，在去噪能力增強的同時模糊程度越嚴重，畫面變得越模糊。二維中值濾波可以用下式表示： ? ?ijij fM edy ? （ 35） 式中 ??ijf 為二維數(shù)據(jù)序列。 維納自適應(yīng)濾波法 維納濾波法假定線性濾波器的輸入為有用信號和噪聲之和，兩者均為廣義平穩(wěn)過程且知它們的二階統(tǒng)計特性，維納根據(jù)最小均方誤差準則（濾波器的輸出信號與需要信號之差的均方值最?。蟮淖罴丫€性濾波器的參數(shù)。中值濾波的結(jié)果，對比度更強，在指紋線較粗的地方濾掉更多的噪聲，而在指紋學(xué)較細的地方相對于均值處理的不夠好。圖像銳化處理的目的是為了使圖像的邊緣、輪廓線以及圖像的細節(jié)變得清晰，經(jīng)過平滑的圖像變得模糊的根本原因是因為圖像受到了平均或積分運算，因此可以對其進行逆運算 (如微分運算 )就可以使圖像變得清晰。在圖像輪廓上，像素的灰度值變化較大，從而梯度值也較大 ，在圖像平坦的區(qū)域，灰度值變化較小，從而梯度值較少。 Sobel算子在檢測邊緣點的同時具有抑制噪聲的能力，檢測出的邊緣寬度至少為二像素。通常圖像和對他實施拉式算子后的結(jié)果組合后產(chǎn)生一個銳化圖像。 故使用拉普拉斯算子對圖像增強的基本方法可以表示為 圖 332的右邊算子模塊。二值圖像在圖像分析中應(yīng)用非常廣泛，二值圖像就是指只有兩個灰度級的圖像，二值圖像具有存儲空間小，處理速度快，可以方便地對圖像進行布爾邏輯運算等特點。因此，自適應(yīng)圖像閾值的選取方法非常值得研 究。全局閾值法算法簡單，對于目標和背景明顯分離、直方圖分布呈雙峰的圖像效果良好，但對于由于光照不均勻、噪聲干擾較大等原因使直方圖分布不呈雙峰的圖像，二值化效果明顯變差。 對圖像 Image，記t 為目標與背景的分割閾值，目標像素數(shù)占圖像比例為 0? ，平均灰度為 0? ；背景像 素 數(shù) 占圖 像 比例 為 1? ， 平 均灰 度 為 1? 。其實，換一種思想也能很好的理解大津方法。當照明不均勻、有突發(fā)噪聲，或者背景灰度變化較大時，局部閾值確定技術(shù)必須根南昌航空大學(xué)科技學(xué)院學(xué)士學(xué)位論文 17 據(jù)像素的坐標位置關(guān)系自動確定不同閾值，實施動態(tài)的自適應(yīng)二值化處理。 ??? ??? ),(),(1 ),(),(0),( jiTjif jiTjifjib (328) 用 I 存儲灰度圖像的值，設(shè) I 為 MN? ，把 I 邊界擴展成 ? ? ? ?22 ??? MN extend 矩陣。 兩種二值化方法的代碼和結(jié)果 本文以全局閾值法的 Otsu方法 和局部閾值法的 Bernsen方法對指紋圖像進行二值化處理，對處理結(jié)果進行比較。采用 Bernsen算法時，常常在背景區(qū)域出現(xiàn)偽筆畫，這叫做偽影現(xiàn)象。 一個好的細化算法應(yīng)該滿足以下要求 ： (1） 連通性 :細化圖像的連通性必須與原圖像保持一致 。而并行細化算法在對圖像進行細化時 ,則由于是利用相同的條件同時檢測所有像素點 ,其結(jié)果具有各向同性 。 對于一幅二值化的指紋圖像 ,設(shè)其背景點的像素值為 0,前景點的像素值為 1。 改進 OPTA細化算法對原 OPTA細化算法的消除模板和保留模板進行改造 ,改善了 OPTA細化算法消除模板和保留模板不一致的情況 ,采用統(tǒng)一的 4x4模板 (如圖354所示 ),構(gòu)建了 8個統(tǒng)一的消除模板和 6個保留模板 ,實現(xiàn)圖像的細化處理 。它可以是以 0 P1 P2 P3 P12 P8 P P4 P13 P7 P6 P5 P14 P9 P10 P11 南昌航空大學(xué)科技學(xué)院學(xué)士學(xué)位論文 23 下的值： bothat， bridge， clean， close， diag， dilate， erode， fill， hbreak，skel， thin等等。thin39。 南昌航空大學(xué)科技學(xué)院學(xué)士學(xué)位論文 25 通過一系列的實驗和比對，基本可以實現(xiàn)確定較好的指紋圖像預(yù)處理，確定了較好的算法。 通過參考大量指紋識別技術(shù)的相關(guān)文獻資料，本文主要介紹了指紋 圖像預(yù)處理的平滑、銳化、二值化、細 化四個過程的算法比較選擇和性能分析。對于采集到的不完全的指紋圖像，如何進行不全以及如何提取出特征信息等都是今后要研究的一個重要方向。目前很多大學(xué)和科研機構(gòu)都在進行這方面的研究，但商業(yè)應(yīng)用還沒有。 攝像頭采集指紋。新算法除了要求在試驗環(huán)境下效果很好以外，還需要通過實際應(yīng)用來進行檢驗，在使用中不斷加以完善。雖然如此，但指紋識別技術(shù)的研究并沒有停步，而是愈演愈烈，成為了一個非常熱門的研究領(lǐng)域。skel39。 thin參數(shù)描述： 當 N = Inf， 使 物體線變薄。該函數(shù)的格式如下： BW2 = bwmorph(BW,operation) BW2 = bwmorph(BW,operation,n) BW2 = bwmorph(BW,operation)函數(shù)適用于 一個特定的形態(tài)學(xué)操作的二值圖像 。如果抽取鄰域的第二行與模板圖 353(a) 的第二行匹配 , 或抽取鄰域的第二列與模板圖 353(b) 中的第二列匹配 , 則 5P 點保留 ,否則 5P 才真正 刪去(對該點的像素值置 0)。 本文選擇 OPTA細化算法 對二值化后的指紋圖 像進行細化處理。 (5)快速性 :細化算法的速度應(yīng)盡可能快 。 因此指紋圖像預(yù)處理的二值化算法選擇 Bernsen方法 。由于 Bernsen算法要尋找局部極大、極小值，因此速度較慢。遍歷從到的像素，并取以當前像素為中心的窗口的最大像素 max 和最小像素 min，依據(jù)公式求出閾值。比較典型的局部二值化算法有 Bernsen方法、多閾值的梯度強度法、基于紋理圖像的方法、最大方差法等。例如可以將原圖像劃分為一些不相交的小塊，將各塊圖像的灰度均值作為該部塊圖像的閾值，在局部上采用上面的整體閾值法。因方差是灰度分布均勻性的一種度量，方差值越大說明構(gòu)成圖像的兩部分差別越大，當部分目標點錯分為背景或部分背景點錯分為目標點都會導(dǎo)致兩部分差別變 小，因此使類間方差最大的分割意味著錯分概率最小。但在一些實際圖像中谷很平，很寬