【文章內容簡介】 并沒有說沒關系。對于這種情況，這里就可以依賴二值化操作來處理經過上一個步驟處理過的圖像。一般的，對圖像進行處理，使得圖像中每個像素的灰度值不是“0”就是“1”的操作叫做圖像的二值化。本文中將變換函數(shù)表示如下： ()其中T 為指定的閾值，x為灰度數(shù)值。承接以上圖像平滑銳化的結果，二值化操作在指紋在整個指紋識別中扮演著舉足輕重的角色，因為它是圖像細化的前提。就目前而言，所有的指紋識別系統(tǒng)中的細化步驟都是建立在指紋圖像已經完成二值化操作的基礎上執(zhí)行的。指紋圖像在完成了二值化操作之后，不但極大地減少了多余的信息，同時也方便了增強后的特征提取操作。由于二值化圖像的性質只和兩個數(shù)值“0”與“1”的分布情況相關，而不再受制于0255的灰度值區(qū)間的困擾，這就為信息的存儲與處理提供了便利，提高了整個過程的性能。但是，一旦二值化過程中出現(xiàn)了差錯，就會對整個識別程序帶來很嚴重的問題。所以經過實踐總結，前人對于二值處理后的結果提出了以下若干硬性要求：。，并且各個紋線不會相連。在將經過噪聲抑制與線條增強之后的指紋圖像實施二值化的過程中，要注意到由于圖像采集或者傳輸?shù)鹊鹊脑?，一張指紋圖像中的各個位置的顏色深淺是各異的，如果此時貿然直接當前的對指紋圖像使用同一個閾值來實現(xiàn)二值化操作，那么勢必會產生大量的錯誤，從而導致指紋識別的失敗。為此本文在這里介紹一種基于自適應閾值方法的二值化方案。作為一種改進的閾值技術，自適應閾值方法中的閾值是以變量的狀態(tài)存在的。指紋圖像各個位置的閾值的大小與該部分的小的區(qū)域內的顏色深淺有關。也就是說基本上對于每個像素點，其閾值都不相同。這就保證了各個區(qū)域內的二值化處理的準確性，從而生成實驗中所需的二值化圖像。為了實現(xiàn)二值化操作，就要把指紋圖像分割成尺寸為mm的小區(qū)域，接下來針對每一個獨立的小區(qū)域求其閾值，并依據(jù)所求的閾值來對相應的小區(qū)域實施二值化操作?？紤]到人類指紋的脊線與谷線的寬度是基本一致的固有特性，不難推斷出通過實驗得到的二值化圖像中“1”與“0”的數(shù)量應該也是基本一致的。在這次畢業(yè)設計中，使用最大類間方差法來為指紋圖像找到相應的合適的閾值。這樣一來的話就將指紋圖像明確的分為目標以及背景這兩類了，也就為系統(tǒng)之后的指紋圖像的細化以及特征提取的工作打下了堅實的基礎。 通過實際實驗操作，(b)(b)所示: (a)二值化前 (b)二值化后 二值化實驗生成的指紋圖像 指紋圖像的細化 在系統(tǒng)完成了以上的指紋圖像二值化處理之后，就已經得到了噪聲比較小，而且相比較而言易于在硬件上完成保存與管理的指紋圖像。不過由于指紋紋線粗細不一，這就會多占用一定內存空間，也不利于接下來進行進一步的處理，且各個位置的特征并不十分明顯。尤其是針對于叉點而言，這種情況下直接進行特征提取的話必然會產生許多錯誤的偽叉點，這就會對設計的整個指紋識別過程產生嚴重的影響。為了避免以上的問題，這里就需要利用細化來處理當前得到的經過平滑，銳化，二值化處理的指紋圖像。 圖像細化的含義 通常情況下，依靠將一個曲線形狀的圖形變化為寬度只有一個像素大小的同時圖形化的顯示原圖形的拓撲性質的過程叫做細化過程。圖像細化的處理進一步的削減了指紋圖像所占用的內存空間，也有效的使程序計算負擔變得更小了，同時優(yōu)化了算法結構。經過細化處理過后的指紋圖像紋線位置是分布在原圖像的中軸附近位置的，這也就是細化之后的圖像可以維持原圖像幾何性質的原因所在。一般來說，通過不同的細化處理方案所得到的細化圖像是不一樣的，但是不論是說采用什么方法，處理之后所得到的細化圖像都必須滿足不破壞原始指紋圖像的幾何性質與區(qū)域連接性。本次畢業(yè)設計中認為合格的圖像細化方法最后得到的細化圖像必須滿足以下的性質：①保持性：所謂保持性就是指細化處理并不會對當前圖像的細節(jié)造成破壞；②收斂性：所謂的收斂性是指在進行細化的操作期間，實驗使用的迭代在數(shù)學意義上是收斂的，而不是發(fā)散的；③拓撲性：所謂拓撲性是說在實施細化期間實驗并對原始拓撲性質造成損壞；④連通性：所謂連通性是指實驗的細化結果的連通特性與原圖的特性是基本一致的；⑤中軸性：所謂中軸性是表示在實施變換的期間實驗所用到的骨架的相應坐標應該要盡量貼靠在紋線中軸；⑥快速性：快速性在這里是指實驗中實施的算法要簡明易懂，運行起來速度快，計算起來壓力?。虎呒毣裕核^細化性是指試驗中的骨架都是以一個像素大小為寬度值的，也就是說寬度都是單像素的；常見的細化算法包括OPTA算法，迭代法等等，以上兩種算法都是基于模板匹配的原理實現(xiàn)的。通常來講選取的模板大小一般是33或者是55的，然后在模板內的每一個像素按照該像素鄰域的分布情況進行分類處理。其中OPTA雖然可以取得比較好的細化的效果，但是其四鄰域與八鄰域的細化骨架在面對三叉點情況下的細化能力表現(xiàn)的卻差強人意。這是因為這種算法破壞了細化性與中軸性的特性要求。實際上本次設計在進行細化操作的時候，需要考慮到當前像素周圍八個領點的屬性，依據(jù)其具體情況判斷該點的像素到底是應該保留還是應該去掉，這個操作與腐蝕的過程比較相似。:(a)不可剔除(b)不可剔除(c)可剔除(d)不可剔除(e)可剔除(f)不可剔除(g)不可剔除 黑點附近鄰域像素分布情況分類圖，結合剛剛提到的細化圖像必須滿足的幾個性質問題，其實不難得出如下的結論：.（a）的中間點不能被剔除，如果剔除了這個點，就破壞了骨架，違背了細化的拓撲性性質；.（b）的中間點也不能被剔除，因為剔除這個點的操作違背細化的連通性這個基本性質；.（c）的中間點是可以進行剔除的，因為剔除這個點并不會對圖像的連通性或拓撲性造成什么影響；.（d）的中間點是不可以被剔除的，因為剔除這一個點就會破壞圖像的拓撲性；.（e）的中間點是可以被剔除的，因為這個點并不會作為骨架；.（f）的中間點是不可以被剔除的，如果將作為直線的端點的點都剔除掉了，那么最終指紋圖像中所有的紋線也就被剔除掉了，這顯然是不對的；.（g）的中間點也是不可以被剔除的，這個點是一個孤立點，以自身作為骨架。，最終發(fā)現(xiàn)當一個點作為直線的端點，或者是某連通區(qū)域的內部點，或者是作為模板中孤立點的形式出現(xiàn)時，按照細化特性是不可以剔除這個點的。而在一個點作為邊界點出現(xiàn)的情況下，倘若剔除這一個點的操作不會對原圖像的連通分量造成影響，那么就可以將這個點剔除掉。 細化過程，不難發(fā)現(xiàn)其實在實施細化處理時的情況是比較復雜的，為了避免由于細化操作而在算法中進行大量的分類討論，在次的畢業(yè)設計過程中將引入細化查找表的概念。不過在定義細化表之前，這里先要定義一個33的細化模板，該模板左上角的第一個元素開始，按照順時針的順序每個元素的數(shù)值是以2的N的方定義的，： 細化模板查找表[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}有了細化模板之后，此處就可以給出查找表的定義了，首先，查找表包含有256個元素，每個元素的位置與像素的索引值都是對應起來的。并且所有的元素數(shù)值只有“1”與“0”兩種情況，其中本設計中認為“1”表示該點為白色，而“0”表示該點為黑色。也就是說當實驗通過卷積計算之后得到結果后按照結果到這個查找表中查找相對應位置的元素數(shù)值時，如果說查出來的數(shù)值是“0”，那么結果就認為這個點作為黑點，是不可以進行剔除操作的；而假如查出來的數(shù)值時“1”，那么就說明這個點是白點，即進行細化時是可以剔除這個點的。下面本文就給出經過試驗驗證過的查找表：通常情況下細化操作包含有兩個主要步驟。首先先對二值化圖像做簡單的腐蝕操作，腐蝕是指依靠一個33的模板通過“與”的運算之后讓二值圖像直觀看起來“瘦了一圈”的操作。然后針對于在腐蝕過程中被標記的點，這里要結合上面提到的細化模板與查找表來判斷剔除這些點是否會違背細化的特性要求，如果剔除的操作會對原圖像的拓撲性或者是連通性等造成不良影響，那么這個點就必須保留下來，反之這里就可以把這個點去掉。在進行了如上的操作之后，實驗就成功的將完成了細化操作了。詳細的算法流程如下： （1）3的表示八鄰域的細化模板； （2）接下來的話依據(jù)這個模板給出相應的查找表，其中元素“0”表示黑點，“1”表示白點； （3）這里將當前的圖像遵循自上而下自左而右的順序完成掃描。如果當前像素為白點，則跳過并繼續(xù)，如果當前的像素位置是黑點，那么相應的就查看該點左邊與右邊兩個點的情況，如果這兩個點都是黑點的話，那么依照細化的連通性，這個點是不可以剔除的。反之，如果這兩個點不全是黑點，那么此處就利用之前定義的細化模版與以當前點為中心的33區(qū)域做卷積求和操作，這樣一來最終就得到了一個數(shù)