【正文】 矩形圖根據(jù)圖46可得結(jié)論如下：(1)對應(yīng)表中的第0項(xiàng)，該項(xiàng)應(yīng)該為0(2)對應(yīng)37，該項(xiàng)應(yīng)該為0(3)對應(yīng)173，該項(xiàng)應(yīng)該為1(4)對應(yīng)231，該項(xiàng)應(yīng)該為0(5)對應(yīng)237，該項(xiàng)應(yīng)該為1(6)對應(yīng)254，該項(xiàng)應(yīng)該為0(7)對應(yīng)255，該項(xiàng)應(yīng)該為0。 鄰點(diǎn)查找表： {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}　指紋的匹配指紋的匹配是指將兩個指紋的信息，用兩個指紋模板進(jìn)行適當(dāng)?shù)挠?jì)算，由最后的計(jì)算結(jié)果判斷匹配是否成功的過程。衡量一個匹配算法的性能可以用拒識率，誤識率，匹配的速度，指紋模板的大小等來衡量。一般情況下，以上幾個因素是相互制約的，當(dāng)通過改變閾值來降低誤識率時，拒識率會相應(yīng)地提高。相反地，如果我們降低了拒識率，誤識率也會相應(yīng)地提高。如果匹配時每個特征點(diǎn)除了點(diǎn)的類型，位置和方向還考慮到了其它的特征，那么就有可能降低拒識率和誤識率。但與此同時，指紋模板會占據(jù)很多存儲空間，當(dāng)指紋識別系統(tǒng)存有很多指紋時，這對降低存儲設(shè)備的成本是相當(dāng)不利的。由于以上的原因，根據(jù)實(shí)際情況確定指紋匹配算法可以使其在實(shí)際應(yīng)用中發(fā)揮最佳的效果。例如，在保險柜指紋鎖系統(tǒng)中，考慮到其具體特點(diǎn)為：1．對安全性要求高。2．保險柜的授權(quán)使用者不會很多。3．使用頻率一般不會特別高。根據(jù)第一個特點(diǎn)，可以用適當(dāng)提高拒識率的方法來降低誤識率。根據(jù)第二個和第三個特點(diǎn)，可以使用更加細(xì)致的匹配算法，通過適當(dāng)增加匹配時間的方法來提高識別的準(zhǔn)確率。而對于警察局的刑事偵查指紋系統(tǒng)，它的具體情況有所不同：1．罪犯指紋庫中指紋的數(shù)目會很大，一般情況下罪犯的10個手指都要錄入。2．對該指紋識別系統(tǒng)的要求是列出所有可疑的指紋。因此，在該系統(tǒng)中一方面要提高匹配速度，另一方面要適當(dāng)提高拒識率，降低誤識率，列出所有可能的指紋。這時為滿足用戶的需求，所設(shè)定的標(biāo)準(zhǔn)就要有所改變。 本章小結(jié)為達(dá)到較好的識別效果，所以在對圖像進(jìn)行匹配特征點(diǎn)之前要對圖像進(jìn)行預(yù)處理，以便準(zhǔn)確的識別。圖像預(yù)處理主要包括圖像分割、二值化、圖像增強(qiáng)，本章主要介紹了用不同的圖像分割算法和圖像增強(qiáng)算法，來對圖像進(jìn)行預(yù)處理，每一種算法都各具優(yōu)缺點(diǎn)，用它們中的任何一種方法對指紋圖像進(jìn)行處理時，都能達(dá)到預(yù)期的效果，達(dá)到了實(shí)驗(yàn)?zāi)康?。第三?實(shí)驗(yàn)結(jié)果與分析 評估標(biāo)準(zhǔn)在對人體指紋圖像識別的研究領(lǐng)域中，人們往往只對圖像中的某些部分感興趣。也就是帶有特征點(diǎn)信息的部分，這些部分通常稱為前景區(qū)，而相對的其它部分稱為背景區(qū)，它們一般對應(yīng)圖像中不含有有效信息的區(qū)域。為了識別和分析目標(biāo)，需要將這些特征信息離提取出來，在此基礎(chǔ)上才可能對目標(biāo)進(jìn)行識別?，F(xiàn)在常用的方法是在對圖像進(jìn)行有效識別前需要對圖像進(jìn)行預(yù)處理，包括圖像分割、圖像增強(qiáng)、二值化、特征提取等處理步驟。經(jīng)過圖像預(yù)處理后的指紋圖像應(yīng)該具有以下特點(diǎn)：1．圖像的前景區(qū)和背景區(qū)應(yīng)該明顯的分離開。2．圖像的前景區(qū)應(yīng)該最大量包含指紋特征信息。3． 處理后的圖像效果與原圖像相比應(yīng)明顯改進(jìn)。 實(shí)驗(yàn)結(jié)果本文主要通過不同的指紋圖像預(yù)處理算法，在VC++運(yùn)行調(diào)試進(jìn)行試驗(yàn)比對。在實(shí)驗(yàn)中，應(yīng)由圖像采集儀對指紋進(jìn)行圖像采集，由于受光照不均勻，人體手指指紋自身受物理因素影響例如手指太濕，太干燥、指紋表面受損等因素，對指紋的采集和識別都帶來了很大的不便，所以識別前應(yīng)先對其進(jìn)行分割、增強(qiáng)、二值化等處理。本文在第三章中介紹了多種分割算法和增強(qiáng)算法，下圖是各種算法所對應(yīng)的實(shí)驗(yàn)結(jié)果。圖像分割效果圖如圖51所示。 (a)原始圖像 (b)閾值分割后圖像 圖51原始圖像與動態(tài)閾值分割后的二值化圖像 圖像增強(qiáng)效果圖如圖5圖53和圖54所示。 （a）　原始圖像 (b)　增強(qiáng)后的圖像 圖52 方向加權(quán)濾波圖像對比 (a)　原始圖像 (b)　增強(qiáng)后的圖像 圖53 Gabor圖像增強(qiáng) (a) 原始圖像 (b) 濾波后圖像圖54 中值濾波結(jié)果分析如下： 圖像分割算法結(jié)果比較雖然人們在圖像分割方面做了許多研究工作，但是由于尚無通用的分割理論，現(xiàn)已提出的分割算法大都是針對具體問題的，并沒有一種適合于所有圖像的通用的分割算法。另一方面，給定一個實(shí)際圖像分割問題要選擇合用的分割算法也還沒有標(biāo)準(zhǔn)的方法。為解決這些問題需要研究對圖像分割的評價問題。分割評價是改進(jìn)和提高現(xiàn)有算法性能、改善分割質(zhì)量和指導(dǎo)新算法研究的重要手段。然而，如同所有的圖像分割方法一樣，閾值化結(jié)果的評價是一個比較困難的問題。事實(shí)上對圖像分割本身還缺乏比較系統(tǒng)的精確的研究，因此對其評價則更差一些。人們先后已經(jīng)提出了幾十個評價準(zhǔn)則。這些準(zhǔn)則中有定性的，也有定量的；有分析算法的，也有檢測實(shí)驗(yàn)結(jié)果的，結(jié)果表明各種方法的性能不僅與所處理的圖像有關(guān)，而且也和所選用的準(zhǔn)則有關(guān)。例如對于一般實(shí)時應(yīng)用來說，可以選擇最大類間方差方法和簡單統(tǒng)計(jì)法。本文中列舉出了多種分割算法，它們在圖像處理中得到了不同的效果，本文在對各種算法進(jìn)行比較后得出了較理想的算法，即動態(tài)閾值分割算法，這樣是因?yàn)槟軌蚣骖檲D像各處的情況而使圖像分割效果較明顯，使用動態(tài)全局閾值分割算法還具有抗噪聲能力強(qiáng)等優(yōu)點(diǎn)，因此對一些用全局閾值不易分割的圖像有較好的分割效果?！D像增強(qiáng)算法結(jié)果比較通過對以上各種濾波算法比較可知，Gabor圖像增強(qiáng)效果要優(yōu)于方向加權(quán)濾波。由上面的表達(dá)式可以看出Gabor即考慮指紋的方向，又考慮指紋的頻率，充分地利用了指紋的局部特征。圖53是一個指紋的原始圖像和增強(qiáng)后的效果圖，在兩幅圖像中被紅圈圈起來的部分有脊線的粘連，被紫圈圈起來的部分有脊線的斷裂，從處理結(jié)果可以看出，Gabor濾波對這兩種錯誤均能較好的糾正但是，Gabor圖像增強(qiáng)也有不足之處，主要表現(xiàn)在以下2方面：1．Gabor濾波非常依賴于方向和頻率這兩個參數(shù)，如果對頻率和方向估計(jì)錯誤，會產(chǎn)生錯誤的圖像增強(qiáng)。2．Gabor濾波是非常耗時的，并且對設(shè)備的配置要求較高。例如在CPU處理速度不是很快的情況下，不適合用Gabor濾波。與Gabor圖像增強(qiáng)相比方向加權(quán)濾波盡管效果不是很令人滿意，但其計(jì)算方向圖等操作簡單是其一大優(yōu)點(diǎn)，與此同時此種方法的最大缺陷是只能對圖像質(zhì)量比較好得指紋做簡單的平滑，所以增強(qiáng)效果有限。中值濾波是一種非線形濾波，但是由于其對每個像素都要排序取中值，圖像數(shù)據(jù)量大，所以計(jì)算量十分巨大，而且在取中值后，要將所有的值賦給一個全新的矩陣，這樣也加大了計(jì)算量，增加了時間復(fù)雜度，所以消耗的處理時間必然較長。 本章小結(jié)在本章中分別給出了圖像分割及增強(qiáng)算法的實(shí)驗(yàn)效果圖，對每種算法進(jìn)行了簡單的對比，并分析了每種算法的優(yōu)缺點(diǎn)，實(shí)驗(yàn)結(jié)果表明，在使用了前文所介紹的不同圖像分割與增強(qiáng)算法對指紋圖像進(jìn)行處理時，每種算法的處理結(jié)果達(dá)到了預(yù)期效果，并體現(xiàn)了異同和優(yōu)缺點(diǎn)。第四章 結(jié) 論在本文中分別列舉出了指紋圖像預(yù)處理中的圖像分割、求方向圖、圖像增強(qiáng)及二值化的幾種算法，并對每種算法進(jìn)行了比較。本文所研究的圖像分割算法、圖像增強(qiáng)算法，可以很好的完成項(xiàng)目要求。由于每種算法都有其優(yōu)缺點(diǎn)，因此用不同的方法對圖像處理后會得到不同的效果。通過對各種算法以及結(jié)果的比較和分析，可以得出如下結(jié)論：1．經(jīng)過圖像分割、增強(qiáng)及二值化對圖像的處理后，可以有效去除噪聲等干擾對圖像的影響。為后期的識別奠定了基礎(chǔ)，本文中所提出的分割及增強(qiáng)等算法是在原有算法的基礎(chǔ)上進(jìn)行了研究，使算法更加完善有效的解決實(shí)際情況中的問題。2．盡管本文對所選取的分割和增強(qiáng)等測算法進(jìn)行了一定的改進(jìn)，但限于本人能力和時間所限，使得本文中所描述的一些算法仍存在許多不足之處，如對圖像的分割和增強(qiáng)程度有限等不足，以待日后完善。致 謝本論文是在導(dǎo)師周崇波老師的悉心指導(dǎo)與幫助下完成的。從課題選取、研究、得出實(shí)驗(yàn)結(jié)果，一直到論文的最后完成，其中任何一點(diǎn)成績的取得都離不開周老師的關(guān)心和點(diǎn)撥。在整個學(xué)期的畢業(yè)設(shè)計(jì)當(dāng)中，周老師不僅在學(xué)習(xí)上對我耐心指導(dǎo)、嚴(yán)格要求，而且在生活上也給了我很多關(guān)心、理解和幫助。他和藹可親的生活作風(fēng)、高尚的道德情操，淵博的學(xué)識，以及嚴(yán)謹(jǐn)?shù)闹螌W(xué)態(tài)度，都是我和同學(xué)們學(xué)習(xí)的榜樣。其次我還要感謝給予我?guī)椭钠渌蠋熀屯瑢W(xué)，感謝你們在我畢業(yè)設(shè)計(jì)遇到困難時伸出援助之手。幫助我解決了一個又一個困難最后順利完成了本課題的學(xué)習(xí)與研究任務(wù)，使我學(xué)到了很多知識，為我日后的學(xué)習(xí)與工作打下了堅(jiān)實(shí)的基礎(chǔ)。在此致以衷心的感謝。參考文獻(xiàn)[1][M].中國科學(xué)技術(shù)出版社,2000[2]蔣秀英，[J].電腦知識與技術(shù),2008。3(8):1769.[3]Nikhil R. Pal and Sankar K. Pal,A review on image segmentation techniques[M]. Pattern Rcognition 1993[4]張曉梅,陳旭,任春曉,[J].計(jì)算機(jī)工程與設(shè)計(jì),2008。29(14):38022809.[5]吳一全,(19621992)的進(jìn)展（一）.數(shù)據(jù)采集與處理,1993[6]趙榮椿,遲耀斌,[J].中國體視學(xué)與圖像分析,1998[7][D].西北工業(yè)大學(xué)博士論文[8][J].中國農(nóng)業(yè)大學(xué),2001[9] A. S. Abutaleb,Automatic thresholding of graylevel pictures using two dimentional entropy of the histogram[J],Computer Vision,Graphics and Image Processing,1989[10] Kittler J,Illingworth J,Foglein J. Threhsold selection based on a simple image statistic[J]. Computer Vision,Graphics and Image Processing,1985[11] O. S. Ushmaev, S. O. Novikov, Effectiveness of Consideration of Deformations in Problems of Fingerprint Identification [J]. PATTERN RECOGNITION AND IMAGE ANALYSIS,2008,18(1):152155.[12][M].北京科學(xué)出版社,2001[13]景曉軍,蔡安妮,[J].通信學(xué)報(bào),2001[14][M].中國電力出版社,2006[15]劉平。自動識別技術(shù)基礎(chǔ)。清華大學(xué)出版社，2013