【正文】 端點(diǎn)。if t==0 error=1else plot(x,y,39。d(1:n,1:n)=0。得到的圖像如下：圖13 去除圖像邊緣端點(diǎn)后的圖像 找出特征點(diǎn) single_point函數(shù) 經(jīng)過光滑處理和去除邊緣端點(diǎn)后進(jìn)一步減少了端點(diǎn)和交叉點(diǎn)的個(gè)數(shù)。amp。 s(i,j)=sum(sum(mp{i,j}))/(31*31)。 end endendw=thin。得到的標(biāo)出端點(diǎn)和交叉點(diǎn)的圖像如圖10：圖10標(biāo)出端點(diǎn)和交叉點(diǎn)的細(xì)化圖像 紋線光滑處理在指紋圖像預(yù)處理中，已經(jīng)對(duì)指紋圖像進(jìn)行過去除毛刺和空洞的處理。 y(i)= txy(i, 2)。siz=min(size(thin,1),size(thin,2))。 case 5 j = img(x 1, y)。%對(duì)圖像進(jìn)行細(xì)化figure,imshow(w)title(39。se=strel(39。endelse u(x,y)=u(x,y)。 end end figure,imshow(double(Icc))。%若滿足(summax+summin+ 4*I(x,y)) (3*summ/8) if (summax+summin+ 4*I(x,y)) (3*summ/8) sumf = summin。 sum6=I(x4,y2)+I(x2,y1)+I(x+2,y+1)+I(x+4,y+2)。Im=zeros(m,n)。1 1 1。 end end end endendfigure, imshow(uint8(I))。 var1(x,y)V2%如果MM1且VarVar1，則認(rèn)為背景 e(x,y)=1。 gtotle1=gtotle1+aveg1(x,y)。 vtotle=vtotle+var1(x,y)。%所有塊的平均值Vmean1=Vmean/(H*L)。 for j=1:M。 for y=1:L。本文采取對(duì)各像素鄰域特征進(jìn)行分析，然后分割圖像算法。%計(jì)算圖像的方差 endendvar1=var/(m*n)。歸一化的算法是：（1） 先計(jì)算圖像的平均值和方差。論文中采用Matlab編程實(shí)現(xiàn)全部算法。因此指紋識(shí)別技術(shù)逐步發(fā)展為一種新的身份識(shí)別方式，并且憑借其良好的安全可靠性，大有取代傳統(tǒng)身份識(shí)別方式的趨勢(shì)。近年來，依賴人體特征的新型身份識(shí)別技術(shù)正在興起，憑借其唯一且不變的特點(diǎn)，生物識(shí)別技術(shù)逐步成為人們研究的熱點(diǎn)。圖像規(guī)格化的Matlab程序如下（其中方差取Var0=2000,M0=150）：% 歸一化M=0。%處理后的圖像方差 end endendfigure, imshow(uint8(I)) 。 %3*3H = m/M。 for i=1:M。 endendGmean=0。vtotle=0。 gtemp1=0。 end endendG2=gtotle1/gtemp1。 var1(x,y) V2 e(x,y)=1。)。 In=zeros(m,n)。 %分別計(jì)算8個(gè)方向上的經(jīng)過處理后的灰度值 sum1=I(x,y4)+I(x,y2)+I(x,y+2)+I(x,y+4)。 sumi=[sum1,sum2,sum3,sum4,sum5,sum6,sum7,sum8]。 else Im(x,y)=255。)。)for a=2:m1for b=2:n1if u(a,b)==1if abs(u(a,b+1)u(a1,b+1))+abs(u(a1,b+1)u(a1,b))+abs(u(a1,b)u(a1,b1))+abs(u(a1,b1)u(a,b1))+abs(u(a,b1)u(a+1,b1))+abs(u(a+1,b1)u(a+1,b))+abs(u(a+1,b)u(a+1,b+1))+abs(u(a+1,b+1)u(a,b+1))~=1%尋找端點(diǎn)if (u(a,b+1)+u(a1,b+1)+u(a1,b))*(u(a,b1)+u(a+1,b1)+u(a+1,b))+(u(a1,b)+u(a1,b1)+u(a,b1))*(u(a+1,b)+u(a+1,b+1)+u(a,b+1))==0 %去除空洞和毛刺u(a,b)=0。%創(chuàng)建形態(tài)學(xué)結(jié)構(gòu)元素fo=imopen(v,se)。，方便后續(xù)編程。 case 8 j = img(x + 1, y + 1)。 end if (CN == 2) txy(count, :) = [x, y,2]。plot(x,y,39。 pxy=txy(find(txy(:,3)==2),:)。本實(shí)驗(yàn)中設(shè)計(jì)了cut函數(shù)來進(jìn)行處理。 if delta(i,j)=70 for k=1:nif (txy(k,1)=1+31*(i1)amp。txy(k,3)==2) txy(k,:)=[0,0,0]。于是我們?cè)O(shè)計(jì)了一個(gè)函數(shù)single_point來找出這樣的點(diǎn)。 end endend[a,b]=min(d)。 hold on plot(pxy2(:,1),pxy2(:,2),39。t1=0。 b=y0。 y0=y。[pxy2,error]=single_point(txy,r)。 l=l+1。下面就是匹配的問題了。 else break。lnn=1。 endplot(x0,y0,39。在最終程序中定義了一個(gè)數(shù)ff=(sum(abs((dd1./dd2)1)))，所以ff值越接近于0，這兩幅圖像的匹配度越高。)。[w2,txy2]=guanghua(thin2,txy2)。 cxy2=pxy32。 c21=find_point(cxy2(1,1),cxy2(1,2),txy2,1)。 x12=cxy1(2,1)。 x23=cxy2(3,1)。 ff=(sum(abs((dd1./dd2)1))) if ff=1 error=0。 fff=abs(f11f21)/(f11+f12) toc5．實(shí)驗(yàn)結(jié)果 本實(shí)驗(yàn)中，取r=8，num=60，經(jīng)過反復(fù)試驗(yàn)