【正文】 矩形圖根據(jù)圖46可得結(jié)論如下：(1)對應表中的第0項，該項應該為0(2)對應37，該項應該為0(3)對應173，該項應該為1(4)對應231，該項應該為0(5)對應237，該項應該為1(6)對應254，該項應該為0(7)對應255，該項應該為0。 鄰點查找表： {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，用兩個指紋模板進行適當?shù)挠嬎?，由最后的計算結(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，當通過改變閾值來降低誤識率時，拒識率會相應地提高。相反地，如果我們降低了拒識率，誤識率也會相應地提高。如果匹配時每個特征點除了點的類型，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，當指紋識別系統(tǒng)存有很多指紋時，這對降低存儲設備的成本是相當不利的。由于以上的原因，根據(jù)實際情況確定指紋匹配算法可以使其在實際應用中發(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，可以用適當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，可以使用更加細致的匹配算法，通過適當增加匹配時間的方法來提高識別的準確率。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，所設定的標準就要有所改變。 本章小結(jié)為達到較好的識別效果，所以在對圖像進行匹配特征點之前要對圖像進行預處理，以便準確的識別。圖像預處理主要包括圖像分割、二值化、圖像增強，本章主要介紹了用不同的圖像分割算法和圖像增強算法，來對圖像進行預處理，每一種算法都各具優(yōu)缺點，用它們中的任何一種方法對指紋圖像進行處理時，都能達到預期的效果，達到了實驗目的。第三章 實驗結(jié)果與分析 評估標準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)，它們一般對應圖像中不含有有效信息的區(qū)域。為了識別和分析目標，需要將這些特征信息離提取出來，在此基礎(chǔ)上才可能對目標進行識別?，F(xiàn)在常用的方法是在對圖像進行有效識別前需要對圖像進行預處理，包括圖像分割、圖像增強、二值化、特征提取等處理步驟。經(jīng)過圖像預處理后的指紋圖像應該具有以下特點：1．圖像的前景區(qū)和背景區(qū)應該明顯的分離開。2．圖像的前景區(qū)應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明顯改進。 實驗結(jié)果本文主要通過不同的指紋圖像預處理算法，在VC++運行調(diào)試進行試驗比對。在實驗中，應由圖像采集儀對指紋進行圖像采集，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，所以識別前應先對其進行分割、增強、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算法，下圖是各種算法所對應的實驗結(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 圖像增強效果圖如圖5圖53和圖54所示。 （a）　原始圖像 (b)　增強后的圖像 圖52 方向加權(quán)濾波圖像對比 (a)　原始圖像 (b)　增強后的圖像 圖53 Gabor圖像增強 (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，給定一個實際圖像分割問題要選擇合用的分割算法也還沒有標準的方法。為解決這些問題需要研究對圖像分割的評價問題。分割評價是改進和提高現(xiàn)有算法性能、改善分割質(zhì)量和指導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則。這些準則中有定性的，也有定量的；有分析算法的，也有檢測實驗結(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則有關(guān)。例如對于一般實時應用來說，可以選擇最大類間方差方法和簡單統(tǒng)計法。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，這樣是因為能夠兼顧圖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等優(yōu)點，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圖像增強效果要優(yōu)于方向加權(quán)濾波。由上面的表達式可以看出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錯誤，會產(chǎn)生錯誤的圖像增強。2．Gabor濾波是非常耗時的，并且對設備的配置要求較高。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圖像增強相比方向加權(quán)濾波盡管效果不是很令人滿意，但其計算方向圖等操作簡單是其一大優(yōu)點，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，這樣也加大了計算量，增加了時間復雜度，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算法的實驗效果圖，對每種算法進行了簡單的對比，并分析了每種算法的優(yōu)缺點，實驗結(jié)果表明，在使用了前文所介紹的不同圖像分割與增強算法對指紋圖像進行處理時，每種算法的處理結(jié)果達到了預期效果，并體現(xiàn)了異同和優(yōu)缺點。第四章 結(jié) 論在本文中分別列舉出了指紋圖像預處理中的圖像分割、求方向圖、圖像增強及二值化的幾種算法，并對每種算法進行了比較。本文所研究的圖像分割算法、圖像增強算法，可以很好的完成項目要求。由于每種算法都有其優(yōu)缺點，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等算法是在原有算法的基礎(chǔ)上進行了研究，使算法更加完善有效的解決實際情況中的問題。2．盡管本文對所選取的分割和增強等測算法進行了一定的改進，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程度有限等不足，以待日后完善。致 謝本論文是在導師周崇波老師的悉心指導與幫助下完成的。從課題選取、研究、得出實驗結(jié)果，一直到論文的最后完成，其中任何一點成績的取得都離不開周老師的關(guān)心和點撥。在整個學期的畢業(yè)設計當中，周老師不僅在學習上對我耐心指導、嚴格要求，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、高尚的道德情操，淵博的學識，以及嚴謹?shù)闹螌W態(tài)度，都是我和同學們學習的榜樣。其次我還要感謝給予我?guī)椭钠渌蠋熀屯瑢W，感謝你們在我畢業(yè)設計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習與研究任務，使我學到了很多知識，為我日后的學習與工作打下了堅實的基礎(chǔ)。在此致以衷心的感謝。參考文獻[1][M].中國科學技術(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].計算機工程與設計,2008。29(14):38022809.[5]吳一全,(19621992)的進展（一）.數(shù)據(jù)采集與處理,1993[6]趙榮椿,遲耀斌,[J].中國體視學與圖像分析,1998[7][D].西北工業(yè)大學博士論文[8][J].中國農(nóng)業(yè)大學,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].北京科學出版社,2001[13]景曉軍,蔡安妮,[J].通信學報,2001[14][M].中國電力出版社,2006[15]劉平。自動識別技術(shù)基礎(chǔ)。清華大學出版社，2013