【文章內容簡介】 ：灰度圖分割濾波二值化細化圖3－1 預處理主要流程 對指紋圖像進行分割由于獲得的指紋圖像跟其背景區(qū)域相混合，所以需要對原始指紋圖像進行背景分離。對指紋圖像進行分割處理，消除剩下的背景區(qū)域。a．先對初步處理后的指紋圖像進行歸一化處理，在此利用公式如下： （3－1）如果，則把灰度值歸一化為255背景處理，其中和為期望的均值和方差，根據(jù)實際情況而定，和為指紋圖像的均值和方差。b．對指紋圖像進行分塊，將其分為的小塊，如果是背景區(qū)域，其灰度的方差較小，而前景區(qū)的指紋圖像的方差較大，所以對每個小塊求其方差，再設定一個閾值，小于閾值的方塊區(qū)域設置為背景區(qū)域，將其灰度值設定為255，而大于閾值的區(qū)域的灰度值保持不變，從而可以將指紋圖像從背景區(qū)域很好的分離。 對指紋圖像進行二值化處理由于分割后的圖像質量仍然不是很好，所以需要對其進行濾波、消除毛刺、空洞處理和二值化處理，以使指紋圖像清晰，消除不必要的噪聲，以利于進一步的辨識。指紋圖像二值化作為指紋預處理過程的一部分，是進行指紋圖像細化處理的基礎。目前指紋細化方法都是基于二值指紋圖像進行的。對指紋圖像二值化的好處在于使得圖像的幾何性質只0和1的位置有關，不再涉及像素的灰度值，使處理變得簡單，這給存儲和處理帶來了很大的方便，同時也提高了系統(tǒng)的經濟實用。一個好的算法可以得到一個高質量的二值圖像。反之，如果該階段引入噪聲，就會直接降低圖像質量，影響識別精度。對指紋圖像進行二值化，其基本要求就是二值化后的圖像能真實地再現(xiàn)原指紋。具體要求為：1．脊線中不出現(xiàn)空白；2．二值化后的脊線基本保持原來指紋的特征；3．指紋的紋線不應有太多的間斷和相連；4．指紋紋線間的間距應大致相同。指紋圖像首先要進行中值濾波處理，去除噪聲。然后進行二值化過程，變成二值圖像。由于原始指紋圖像不同區(qū)域深淺不一，如對整幅圖像用同一閾值進行二值分割，會造成大量有用信息的丟失。這里我們使用自適應閾值二值化的思想，對每塊指紋圖像，選取的閾值應盡量使該塊圖像內大于該閾值的像素點數(shù)等于小于該閾值的像素點數(shù)。一般灰度圖像二值化的變換函數(shù)用下列公式表示，見式（3－2）： （3－2）公式(3－2)中為指定的閾值，為灰度值。自適應閾值算法【9】首先是利用固定閾值算法的思想，然后根據(jù)圖像中每一部分的明暗度來調整閾值。本文首先把圖像分為若干個的方塊，每一塊根據(jù)自己的閾值進行二值化。這種算法充分利用了指紋圖中脊線與谷線寬度大致相同的特點，即二值化后黑白像素的個數(shù)也應大致相同，首先利用固定閾值算法的特點對指紋圖像中的每塊確定一個大致的閾值，然后再利用自適應的思想對閾值進行準確的調整，即閾值的取值合適時圖像是最光滑的，既沒有“黑洞”閾值過大，也沒有“白點”閾值過小，所以0－1之間的轉換次數(shù)最少。下面為塊區(qū)域閾值的選取算法：1．將指紋圖像劃分為不重疊的大小為的塊，求取該區(qū)域內所有像素的灰度平均值。在綜合考慮算法速度和處理效果兩方面的條件下，本文分塊尺寸為88；為塊的灰度平均值．見式（3－3）： （3－3）2．計算區(qū)域內的和的值，=灰度值大于等于的像素點的個數(shù)。=灰度值小于的像素點的個數(shù)；3．如果，則為閾值；4．若，則，否則，返回第二步。自適應閾值二值化的流程圖如圖3－2所示：計算每塊的灰度均值T計算該塊參數(shù)Nh和NlT為該塊閾值根據(jù)閾值T對該塊進行二值化：灰度值T置255；灰度值T置0圖3－2自適應閾值二值化流程圖圖3－2中為該塊指紋圖像的平均灰度值、分別為第塊指紋圖像中灰度值大于等于和小于的像素點數(shù)，是分塊尺寸（像素）。 對指紋圖像進行細化處理指紋圖像處理中物體的形狀信息是十分重要的，為了提取指紋圖像特定區(qū)域的特征，對指紋圖像通常需要采用細化算法處理，得到與原來指紋圖像形狀近似的由簡單的弧或曲線組成的圖形，這些細線處于物體的中軸附近，這就是所謂的指紋圖像的細化。細化方法不同,細化結果就有差異。在指紋識別中要求在不改變原來指紋圖像的拓樸連通性的同時,細化的結果應為嚴格的八鄰域圖像骨架。紋線中除去特征點以外,每個像素均只與相鄰兩個像素為八鄰域,抹去任意一像素都將破壞紋線的連接性。概括起來說就是紋線細化處理要滿足收斂性、連接性、拓樸性、保持性、細化性、中軸性、快速性的要求。目前為止,關于細化方法的研究工作已有很多成果,所采用的方法從使用的觀點來看,比較多的是采用模板匹配的方法(如迭代法、OPTA單連通法等)。這種方法是根據(jù)某個像素的局部鄰域(如33,55等)的圖像特征對其進行處理,此外也有采用邊緣搜索編碼、外輪廓計算以及神經網(wǎng)絡等細化方法。從處理的過程來看,主要可以分為串行和并行兩類,前者對圖像中當前像素處理依據(jù)其鄰域內像素的即時化結果,且不同的細化階段采用不同的處理方法。后者對當前的像素處理該像素及其鄰域內各像素的前一輪迭代處理的結果,自始至終采用相同的細化準則。對于任意形狀的區(qū)域，細化實質上是腐蝕操作的變體，細化過程中要根據(jù)每個像素點的八個相鄰點的情況來判斷該點是否可以剔除或保留。 （1） 　（2） ?。?） （4） 　?。?） ?。?）（7）圖3－3 根據(jù)某點的八個相鄰點的情況來判斷該點是否能刪除圖3－3給出了當前需要處理的像素點在不同的八鄰域條件下的情況，可以看出：(1)不能刪，因為它是個內部點，我們要求的是骨架，如果連內部點也刪了，骨架也會被掏空的；(2)不能刪，和(1)是同樣的道理；(3)可以刪，這樣的點不是骨架；(4)不能刪，因為刪掉后，原來相連的部分斷開了；(5)可以刪，這樣的點不是骨架；(6)不能刪，因為它是直線的端點，如果這樣的點刪了，那么最后整個直線也被刪了，剩不下什么；(7)不能刪，因為孤立點的骨架就是它自身?？偨Y上圖，有如下的判據(jù)：(1)內部點不能刪除；(2)孤立點不能刪除；(3)直線端點不能刪除；(4)如果P是邊界點，去掉P后，如果連通分量不增加，則P可以刪除。我們可以根據(jù)上述的判據(jù)，事先做出一張表，從0到255共有256個元素，每個元素要么是0，要么是1。我們根據(jù)某點的八個相鄰點的情況查表，若表中的元素是1，則表示該點可刪，否則保留。查表的方法是，設白點為1，黑點為0；左上方點對應一個8位數(shù)的第一位（最低位），正上方點對應第二位，右上方點對應的第三位，左鄰點對應第四位，右鄰點對應第五位，左下方點對應第六位，正下方點對應第七位，右下方點對應的第八位，按這樣組成的8位數(shù)去查表即可?？紤]當前像素點的各種八鄰域的情況，我們可以得到一個細化操作查找表，該表在下面的細化算法中詳細介紹?！　榱吮苊夥至阎讣y圖像，細化的過程分為兩個步驟，第一步是正常的腐蝕操作，但是它是有條件的，也就是說那些被標記的可除去的像素點并不立即消去；在第二步中，只將那些消除后并不破壞連通性的點消除，否則的話保留這些邊界點。以上的步驟是在一個33鄰域內運算，可以通過查表實現(xiàn)細化的操作。算法的實現(xiàn)步驟如下：（1）定義一個33模板和一個查找表，模板和查找表分別如表3－1和圖3－4所示：表3－1: 細化模板1241282568643216 erase table[256]={0，0，1，1，0，0，1，1，1，1，0，1，1，1，0，1，1，1，0，0，1，1，1，1，0，0，0，0，0，0，0，1，0，0，1，1，0，0，1，1，1，1，0，1，1，1，0，1，1，1，0，0，1，1，1，1，0，0，0，0，0，0，0，1，1，1，0，0，1，1，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，1，1，0，0，1，1，0，0，1，1，0，1，1，1，0，1，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，1，1，0，0，1，1，1，1，0，1，1，1，0，1，1，1，0，0，1，1，1，1，0，0，0，0，0，0，0，1，0，0，1，1，0，0，1，1，1，1，0，1，1，1，0，1，1，1，0，0，1，1，1，1，0，0，0，0，0，0，0，0，1，1，0，0，1，1，0，0，0，0，0，0，0，0，0，0，1，1，0，0，1，1，1，1，0，0，0，0，0，0，0，0，1，1，0，0，1，1，0，0，1，1，0，1，1，1，0，0，1，1，0，0，1，1，1，0，1，1，0，0，1，0，0，0}圖3－4 細化查找表（2）對二值圖像從上到下、從左到右進行掃描；該過程結束后再對圖像進行從左到右，從上到下的掃描；如果圖像中當前像素點的灰度值為“0”，且其左右（第一次掃描過程考慮左右像素點）或上下（第二次掃描過程考慮上下兩個像素點）兩個像素點中有任意一個為“255”則轉至步驟（3），否則回轉到步驟（2）； （3）該像素點為中心的33區(qū)域內的各個像素值和定義的模板中的權值進行卷積求和，得到查找索引值k； （4）根據(jù)這個索引值k得到表里相應的數(shù)據(jù)，如果為“1”，那么該像素點的灰度值設為“255”，如果為“0”，則該像素點的灰度值為“0”。　 （5）圖像從頭至尾掃描二遍后，如果該次掃描修改了圖像中的點，則跳轉至步驟二，開始新的一輪掃描。否則圖像細化結束。為了是圖像能過更加清晰的展現(xiàn)出來，我們把分割后的指紋圖像背景換為白色背景。實驗結果見實驗結果圖。 實驗結果 原始圖像（a－１） 原始圖像（b－１）圖3－5 原始圖像 分割圖像（a－２） 分割圖像（b－２）圖36 分割后的圖像 二值化圖像（a－３） 二值化圖像（b－３）圖3－7二值化后的圖像 細化圖像（a－４） 細化圖像（b－４）圖3－8細化后的圖像 本章小結本章主要介紹了指紋圖像預處理各個步驟的原理及實現(xiàn)，對各步驟的算法進行研究與實現(xiàn)，給出了各個算法的結果。在指紋分割的處理中采用了灰度方差發(fā)進行分割運算，得到了很好的效果，在細化的處理中采用了查表的方法進行細化并且比以往的常規(guī)算法要優(yōu)越一些。第4章 指紋圖像特征提取與匹配 指紋圖像特征提取 指紋圖像特征提取的方法細節(jié)特征提取的方法分為兩種：一種是從灰度圖像中提取特征，另一種是從細化二值圖像中提取特征。直接從灰度圖像中提取特征的算法一般是對灰度指紋紋線進行跟蹤，根據(jù)跟蹤結果尋找特征的位置和判斷特征的類型。這種方法省去了復雜的指紋圖像預處理過程，但是特征提取的算法卻十分復雜,而且由于噪聲等因素影響，特征信息（位置、方向等）也不夠準確。目前大多數(shù)系統(tǒng)采用第二種方法，從細化二值圖像中提取特征，該方法比較簡單，在得到可靠的細化二值圖像后，只需要一個33的模板就可以將端點和分叉點提取出來。特征點提取的好壞將直接影響匹配的結果?，F(xiàn)實中，指紋輸入時，由于汗?jié)n、干燥、按壓力度不同等影響,得到的指紋圖像大都含有斷紋、褶皺、模糊、灰度不均勻等質量問題，雖然經過預處理，圖像質量會有所改觀，但預處理算法對各個指紋的適應性和有效性也會不同，并且會引入新的噪聲，因此得到的細化二值圖像往往含有大量的偽特征點。偽特征點不僅會影響匹配的速度，嚴重的會影響整個識別的正確率。所以提取特征點后要進行去偽處理，盡可能濾除偽特征點、保留真特征點。實踐中發(fā)現(xiàn)，偽特征點的數(shù)量一般占總特征數(shù)量的一半以上，所以去偽是必不可少的過程。去偽過程可以在兩個階段進行：一是在特征提取之前對細化二值圖像進行平滑、去除毛刺、連接斷紋等操作，然后提取特征作為真特征；另一種是在特征提取之后，根據(jù)特征之間的相互關系,盡可能準確的識別偽特征點并濾除它們。前者直接對圖像進行修補，操作比較復雜，容易引入新的偽特征；后者對特征提取后的數(shù)據(jù)進行判斷，識別比較麻煩，但是速度較快本文采用第二種方法，即從已提取的特征點中濾除偽特征，保留真特征【10】。 特征點的提取本文的特征提取算法是在細化的圖像基礎上采用是模板匹配法。模板匹配法有運算量小、速度快的優(yōu)點。主要提取指紋的細節(jié)特征即端點和分叉點。端點和分叉點是建立在對8鄰點的統(tǒng)計分析基礎之上的，則在八鄰域的所有狀態(tài)中，滿足端點特征條件的有8種，滿足分叉點特征條件的有9種。 對于細化圖像而言，像素點的灰度值只有兩種情況（即0或1）“0”為背景點灰度，“1”為紋線點灰度。對于細化圖像上的任意點P，其交叉數(shù)定義見式4－1，P點的八鄰域黑點數(shù)定義見式4－2： （4－1） （4－2）具體算法如下：(1)從端點出發(fā)，端點的八鄰域只有一個黑點,該點就是脊線跟蹤的下一點；(2)對脊線中間連續(xù)點，因為八鄰域只有兩個黑點,除去上一個被跟蹤的點，下的一點即為下一個待跟蹤點；(3)設集合，記錄下端點或分叉點的橫坐標，縱坐標，及特征點的類型是特征點的角度跟蹤結束條件。若被跟蹤點的八鄰域黑點數(shù)等于1且交叉數(shù)等于2時如下式4－3，則認為是端點；若被跟蹤點的八鄰域黑點數(shù)等于3且交叉數(shù)等于6時如下式4－4，則認為是分叉點；端點的角度取從端點為