【正文】 314） 對(duì)離散的數(shù)字圖像，二階偏導(dǎo)可用二階差分近似，可推導(dǎo)出拉普拉斯算子表達(dá)式為： 2 ( , ) ( 1 , ) ( 1 , ) ( , 1 ) ( , 1 ) 4 ( , )f x y f x y f x y f x y f x y f x y? ? ? ? ? ? ? ? ? ? （ 315） 利用拉普拉斯算子增強(qiáng)圖像的計(jì)算方法如下： 2( , ) ( , ) ( , )g x y f x y f x y? ? ? （ 316） 拉普拉斯算子和拉普拉斯圖像增強(qiáng)算子可用模板分別表示，如圖 332所示。圖像包括目標(biāo)、背景還有噪聲 ,怎樣從多值的數(shù)字圖像中僅提取出目標(biāo) ,常用的方法就是設(shè)定某一閾值 T,用 T將圖像的數(shù)據(jù)分成 2大部分 :大于 T的像素群和小于 T的像素群 .這種方法稱為圖像的二值化 .二值化處理就是把圖像分成目標(biāo)和背景 2個(gè)區(qū)域 .二值化是數(shù)字圖像處理中一項(xiàng)最基本的變換方法 ,通過(guò)非零取一固定閾值、雙固定閾值等不同的閾值化變換方法 ,使一幅灰度圖像變成了黑白二值圖像 ,將我們所需的目標(biāo)從復(fù)雜的圖像背景中提取出來(lái) .閾值 [56]處理的操作過(guò)程是 指定一個(gè)閾值 ,如果圖像中某像素的灰度值小于該閾值 ,則將該像素的灰度值設(shè)置為 0或 255,否則灰度值設(shè)置為 255或 0 圖像二值化是圖像處理中的一項(xiàng)基本技術(shù)，也是很多圖像處理技術(shù)的預(yù)處理過(guò)程。但在一些實(shí)際圖像中谷很平，很寬，并且受噪聲干擾嚴(yán)重，或是兩個(gè)峰的高度相差較大。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。遍歷從到的像素，并取以當(dāng)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。 因此指紋圖像預(yù)處理的二值化算法選擇 Bernsen方法 。 本文選擇 OPTA細(xì)化算法 對(duì)二值化后的指紋圖 像進(jìn)行細(xì)化處理。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(gè)特定的形態(tài)學(xué)操作的二值圖像 。skel39。新算法除了要求在試驗(yàn)環(huán)境下效果很好以外，還需要通過(guò)實(shí)際應(yīng)用來(lái)進(jìn)行檢驗(yàn)，在使用中不斷加以完善。目前很多大學(xué)和科研機(jī)構(gòu)都在進(jìn)行這方面的研究，但商業(yè)應(yīng)用還沒(méi)有。 通過(guò)參考大量指紋識(shí)別技術(shù)的相關(guān)文獻(xiàn)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(xì) 化四個(gè)過(guò)程的算法比較選擇和性能分析。thin39。 改進(jìn) OPTA細(xì)化算法對(duì)原 OPTA細(xì)化算法的消除模板和保留模板進(jìn)行改造 ,改善了 OPTA細(xì)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(gè)統(tǒng)一的消除模板和 6個(gè)保留模板 ,實(shí)現(xiàn)圖像的細(xì)化處理 。而并行細(xì)化算法在對(duì)圖像進(jìn)行細(xì)化時(shí) ,則由于是利用相同的條件同時(shí)檢測(cè)所有像素點(diǎn) ,其結(jié)果具有各向同性 。采用 Bernsen算法時(shí)，常常在背景區(qū)域出現(xiàn)偽筆畫(huà)，這叫做偽影現(xiàn)象。 ??? ??? ),(),(1 ),(),(0),( jiTjif jiTjifjib (328) 用 I 存儲(chǔ)灰度圖像的值，設(shè) I 為 MN? ，把 I 邊界擴(kuò)展成 ? ? ? ?22 ??? MN extend 矩陣。其實(shí)，換一種思想也能很好的理解大津方法。全局閾值法算法簡(jiǎn)單，對(duì)于目標(biāo)和背景明顯分離、直方圖分布呈雙峰的圖像效果良好，但對(duì)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。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(gè)灰度級(jí)的圖像，二值圖像具有存儲(chǔ)空間小，處理速度快，可以方便地對(duì)圖像進(jìn)行布爾邏輯運(yùn)算等特點(diǎn)。通常圖像和對(duì)他實(shí)施拉式算子后的結(jié)果組合后產(chǎn)生一個(gè)銳化圖像。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。中值濾波的結(jié)果，對(duì)比度更強(qiáng)，在指紋線較粗的地方濾掉更多的噪聲，而在指紋學(xué)較細(xì)的地方相對(duì)于均值處理的不夠好。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。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(jì)獨(dú)立的。 這些噪聲嚴(yán)重影響了指紋圖像的特性 ,致使指紋圖像包含的部分細(xì)節(jié)特征不清晰甚至出現(xiàn)丟失 ,同時(shí)引入許多虛假的特征信息 ,如果直接對(duì)原始指紋圖像進(jìn)行特征提取 ,勢(shì)必會(huì)影響指紋識(shí)別結(jié)果 的準(zhǔn)確性 。 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(huì)產(chǎn)生很多額外的特征信息；傳統(tǒng)指紋增強(qiáng)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(xì)化算法中，經(jīng)常出現(xiàn)細(xì)化不徹底和產(chǎn)生毛刺的情況；準(zhǔn)確而快 速的提取出特征信息是一個(gè)非常關(guān)鍵的問(wèn)題，如果提取不恰當(dāng)，則會(huì)增大系統(tǒng)的拒識(shí)率和誤識(shí)率。 生物特征 識(shí)別技術(shù)是通過(guò)計(jì)算機(jī)與光學(xué)、聲學(xué)、生物傳感器及生物統(tǒng)計(jì)學(xué)統(tǒng)計(jì)學(xué)原理等高科技技術(shù)手段相結(jié)合 。生物特征的唯一性和永久性，更好的作為身份識(shí)別的依據(jù)。指紋在眾多的生物特征里有它的獨(dú)特優(yōu)勢(shì)，指紋識(shí)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(kāi)闊。常用的生物識(shí)別特征包括 指紋、虹膜、臉型、語(yǔ)音、 掌紋、步態(tài)、筆跡等 。 因此，指紋圖像預(yù)處理的算法有必要進(jìn)行研究。 所以 ,在提取特征之前需要對(duì)采集到的指紋圖像進(jìn)行預(yù)處理 ,以去除噪聲信號(hào) ,使其變成一幅紋線結(jié)構(gòu)清晰特征信息明顯的二值點(diǎn)線圖 。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(lái)的灰度值，實(shí)現(xiàn)圖像的平滑。其主要功能是讓周?chē)笏鼗叶戎档牟畋容^大的像素改取與周?chē)南?素值接近的值，從而可以消除孤立的噪聲點(diǎn)，所以中值濾波對(duì)于濾除圖像的椒鹽噪聲非常有效。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。 本文以 Sobel算子法作為梯度法的代表。拉式算子用來(lái)改善因擴(kuò)散效應(yīng)的模糊特別有效 ， 因?yàn)樗辖抵颇Ｐ?。更重要的是，在二值圖像的基礎(chǔ)上，還可以進(jìn)一步對(duì)圖像處理，獲得該圖像的一些幾何特征或者其他更多特征。 本文一 Otsu方法作為全局閾值法的算法對(duì)指紋圖像進(jìn)行二值化的圖像。 )(0t? 和 )(1t? ，可以分別代表目標(biāo)和背景的中心灰度， ? 則代表整幅圖像的中心灰度，要使目標(biāo)和背景得到最好 的分割，當(dāng)然希望分割出的目標(biāo)盡量遠(yuǎn)離圖像中心，即 20 ))(( ?? ?t 或 |)(| 0 ?? ?t 盡量大，背景也盡量遠(yuǎn)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 。 首先讀取原圖像的大小為。出現(xiàn)這種現(xiàn)象是因?yàn)?Bernsen算法以局部窗口內(nèi)極大、極小值作為考察點(diǎn)的鄰域，當(dāng)考察窗口內(nèi)無(wú)目標(biāo)點(diǎn)時(shí)，個(gè)別噪聲點(diǎn)將引起閾值的突變，背景灰度的非均勻性也將影響局部閾值的變化，從而使得本應(yīng)是背景的點(diǎn)被二值化為目標(biāo)點(diǎn)。 因此從算法原理上看并行方法優(yōu)于串行方法 。 圖 354 改進(jìn)的 OPTA細(xì)化算法統(tǒng)一模板結(jié)構(gòu) 圖 54中左上角的 33區(qū)域?yàn)橄０宓谋容^區(qū)域 ,構(gòu)建的 8個(gè)消除模板結(jié)構(gòu) ,其中 l代表目標(biāo)點(diǎn) ,O代表背景點(diǎn) , 代表目標(biāo)點(diǎn)或者背景點(diǎn) 。,Inf)?？偨Y(jié)出較適合指紋圖像的預(yù)處理算法。 綜上所述，指紋識(shí)別的研究雖然取得了很大的成就，但隨著社會(huì)的發(fā)展，對(duì)指紋 識(shí)別技術(shù)的要求越來(lái)越高，涉及到的問(wèn)題也越來(lái)越復(fù)雜，牽涉的領(lǐng)域越來(lái)越廣泛，因此，對(duì)指紋識(shí)別技術(shù)的研究任重而道遠(yuǎn)。 展望 指紋識(shí)別技術(shù)設(shè)計(jì)的領(lǐng)域比較廣，設(shè)計(jì)到硬件和軟件兩個(gè)大的方向，同時(shí)也是一個(gè)多學(xué)科交差研究開(kāi)發(fā)項(xiàng)目，需要多方面的協(xié)作。 I3=bwmorph(I,39。 MATALAB實(shí)現(xiàn)二值化的指紋圖像細(xì)化處理 Matlab函數(shù) 庫(kù)中 bwmorph函數(shù)對(duì)二指圖像進(jìn)行細(xì)化處理。 如 OPTA細(xì)化算法 ,Hall細(xì)化算法 ,zhang和 suen細(xì)化算法以及 ZR細(xì)化算法等等 。 Bernsen算法考察窗口內(nèi)均為目標(biāo)點(diǎn)時(shí)，局部閾值被拉升，于是部分目標(biāo)點(diǎn)被二值化為背景，致使信息丟失，從而出現(xiàn)筆畫(huà)斷裂現(xiàn)象。首先創(chuàng)建一個(gè)的矩陣 extend，把矩陣中的像素，而第一行和最后一行，第一列和最后一列的填充依據(jù)是以它靠近的行或列為對(duì)稱軸進(jìn)行填充。 局部閾值法 由當(dāng)前像素灰度值與該像素周?chē)c(diǎn)局部灰度特征來(lái)確定像素的閾值。理想情況下，在直方圖上代表物體和背景的兩個(gè)峰之間有一個(gè)明顯的谷，谷底就是最優(yōu)閾值。即將 256個(gè)亮度等級(jí) 的灰度圖像通過(guò)適當(dāng)?shù)拈y值選取而獲得仍然可以反映圖像整體和局部特征的二值化圖像。 拉普拉斯算子也是最簡(jiǎn)單的各向同性微分算子 ， 具有旋轉(zhuǎn)不變性。 由于該算子中引入了類似局部平均的運(yùn)算 。因此在平滑處理階段我們選擇維納平滑濾波的算法處理。如果希望強(qiáng)調(diào)中間點(diǎn)或距中間點(diǎn)最近的幾個(gè)點(diǎn)的作用，則可采用加權(quán)中值濾波。顯然，這種處理減少了圖像灰度的尖銳變化，因此用平滑的方法可以減弱噪聲。 MATLAB 的應(yīng)用范圍非常廣，包括信號(hào)和圖像處理、通訊、控制系統(tǒng)設(shè)計(jì)、測(cè)試和測(cè)量、財(cái)務(wù)建模和分析以及計(jì)算生物學(xué)等眾多應(yīng)用領(lǐng)域。 本文基于 MATLAB 軟件對(duì)指紋原始圖像進(jìn)行處理并得出處理后的圖像，再進(jìn)行分析比對(duì)，得出結(jié)論。生物特征由于它的唯一性，實(shí)用性，安全性和隨時(shí)隨地可使用等特性，非常適合用于身份的識(shí)別。要應(yīng)用好指紋識(shí)別，指紋圖像的預(yù)處理是前提，只有經(jīng)過(guò)預(yù)處理的指紋圖像才能更方便提取出特征點(diǎn)用于識(shí)別。本人授權(quán)南昌航空大學(xué)科技學(xué)院可以將本論文的全部或部分內(nèi)容編 入有關(guān)數(shù)據(jù)庫(kù)進(jìn)行檢索，可以采用影印、縮印或掃描等復(fù)制手段保存和匯編本學(xué)位論文。這些識(shí)別方法操作性較差，安全性不足，且 2 容易竊取偽造，信息安全難以得到抱著。 本課題研究目標(biāo) 指紋圖像預(yù)處理的方式不同導(dǎo)致了算法的不同，不同的算法所產(chǎn)生的效果也不相同。這部分噪聲由采集儀器，環(huán)境因素，人為操作不當(dāng)所產(chǎn)生的各類噪聲所組成。對(duì)應(yīng)處理的的算法也不同。 中值濾波法 中值濾波法是一種非線性平滑技術(shù)，它將每一像素點(diǎn)的灰度值設(shè)置為該點(diǎn)某領(lǐng)域窗口內(nèi)的所有像素點(diǎn)灰度值的中值。 代碼實(shí)現(xiàn)的結(jié)果如下： 圖 321 平滑算法的結(jié)果 如上圖所示，平滑后的圖片濾去了一些邊緣有重疊的地方，更加利于后面的處理，便于提取出識(shí)別特征點(diǎn)。 122 2( , ) fff x y xy????????? ? ????????? ???? （ 311） 由 式（ 33）可知，梯度的數(shù)值就是在 f(x,y)在其最大變化率方向上的單位距離所增加的量。 拉普拉斯算子銳化處理法 拉普拉斯算子處理是常用的邊緣增強(qiáng)處理算子，他是各項(xiàng)同性的二階倒數(shù)，比較適用于因?yàn)楣饩€的漫反射造成的圖像的模糊。銳化圖像的邊緣的比原始圖像更清晰， 處理后的圖像像素點(diǎn)對(duì)比度更明顯了，圖像的邊緣和輪廓都變的清晰了，每個(gè)像素點(diǎn)都被體現(xiàn)了出 來(lái)。閾值分割法的結(jié)果很大程度上依賴于對(duì)閾值的選擇，因此該方法的關(guān)鍵是如何選擇合適的閾值。記 )(kp 為灰度值為 k的頻率，則有： ??? kjifMNkp ),( 11)( (317) 假設(shè)用灰度值 t 為閾值分割出的目標(biāo)與背景分別為： }),({ tjif ? 和}),({ tjif ? ，于是目標(biāo)部分比例： ???? ti ipt 00 )()(? ， (318) 目標(biāo)部分點(diǎn)數(shù)： ???? ti ipMNtN 00 )( )( (319) 背景部分比例： ????? 11 )()( mit ipt? (320) 背景部分點(diǎn)數(shù)： ????? 11 )()( mit iPMNtN (321) 目標(biāo)均值： ???? ti tiipt 0 00 )(/)()( ?? (322