【導(dǎo)讀】實(shí)用性，指紋識別成為目前最流行、最可靠的個人身份認(rèn)證技術(shù)之一。括基于小波變換的指紋圖像濾波處理和基于小波的指紋圖像增強(qiáng)處理。圖，便于提取正確的指紋特征。它分四步進(jìn)行，即灰度濾波、二值化、二值去噪、指紋匹配方法,即利用紋線匹配技術(shù)來尋找基準(zhǔn)點(diǎn)對的指紋匹配算法.實(shí)驗(yàn)證明,用、有效的指紋匹配技術(shù).

　　

【正文】 Width]。 } //創(chuàng)建圖像小波類 CWvltTrans *pTrans。 //從設(shè)備的圖像緩存中獲取原始圖像的數(shù)據(jù) for(y=0。 y(int)biHeight。 y++) { for( x=0。 x(int)biWidth。 x++) { cur = y*biAlign+3*x。 tempB=lpData[cur]。 tempG=lpData[cur+1]。 tempR=lpData[cur+2]。 spOriginData[biHeight1y][x]=(short)(*tempR+*tempG+*tempB)。 //no problem } } //完成圖像的三次小波變換 pTransDWT_TriLayers(spOriginData,spTransData0,spTransData1,biHeight,biHeight/2,biWidth,biWidth/2,3,)。 //允許圖像復(fù)員操作標(biāo)志 m_bTribl = TRUE。 m_bTribl = m_bTribl amp。 ~m_bTwice amp。 ~m_bOnce amp。 ~m_bFilter。 MaxPixVal=spTransData1[0][0]。 MinPixVal=spTransData1[0][0]。 //得到小波系數(shù)的極大值和極小值 for( y=0。 y(int)biHeight。 y++) { for( x=0。 x(int)biWidth。 x++) { if(MaxPixValspTransData1[y][x]) MaxPixVal=spTransData1[y][x]。 if(MinPixValspTransData1[y][x]) MinPixVal=spTransData1[y][x]。 m_WvltCoeff[y][x] = spTransData1[y][x]。 } } //計(jì)算出小波系數(shù)的極值差 Diff=MaxPixValMinPixVal。 //將圖像的 小波數(shù)據(jù)處理后放入顯示緩存中 for(y=0。 y(int)biHeight。 y++) { for(x=0。 x(int)biWidth。 x++) { //因?yàn)樾〔ㄗ儞Q后的小波系數(shù)有可能超過 255 甚至更多，那么就將 //小波系數(shù)的范圍映射到 0~255 區(qū)間內(nèi)，以后出現(xiàn)類似的處理，目的都是一樣的 fTempBufforDisp=spTransData1[biHeight1y][x]。 fTempBufforDisp=MinPixVal。 fTempBufforDisp*=255。 fTempBufforDisp/=(float)Diff。 cur= y*biAlign+3*x。 //current pixel m_pTransfered[cur] = (unsigned char)fTempBufforDisp。 m_pTransfered[cur+1]= (unsigned char)fTempBufforDisp。 m_pTransfered[cur+2]= (unsigned char)fTempBufforDisp。 } } //顯示圖像的小波變換 UpdateAllViews(NULL)。 //刪除臨時的數(shù)據(jù)空間 delete spOriginData。 delete spTransData0。 delete spTransData1。 } 編譯完成后，如圖 28 所示。 圖 28 圖像的 3層小波變換 基于小波變換的 指紋圖像濾波處理 小波變換不同于傅立葉變換，小波系數(shù)與原始圖像存在著空間上的對應(yīng)關(guān)系，這樣對于濾波處理 來說是十分有利的。我們可以通過了解小波系數(shù)的分布情況，通過不同的濾波器來處理小波系數(shù)，濾波后的小波變換經(jīng)過逆變換后便能得到理想的處理結(jié)果。 小波系數(shù)的頻域分布 小波系數(shù)的空間分布同原始圖像的空間分布具有很好的對應(yīng)關(guān)系（如圖 29所示）。 LL 頻帶是圖像內(nèi)容的縮略圖，它是圖像數(shù)據(jù)能量集中的頻帶。由于經(jīng)過了小波系數(shù)的正規(guī)化處理，即等式的處理操作，所以系數(shù)的顯示能看出圖像的內(nèi)容。而 HL、 LH 和 HH頻帶存放的是圖像的細(xì)節(jié)信息，它們的關(guān)系如下： ? HL 頻帶存放的是圖像水平方向的高頻信息，它反映了圖像 水平方向上的變化信息和邊緣信息； ? LH 頻帶存放的是圖像豎直方向的高頻信息，它反映了圖像在豎直方向上的灰度變化信息和圖像邊緣信息； ? HH 頻帶存放的是圖像在對角線方向的高頻信息，它反映了水平方向和 豎直方向上圖像灰度的綜合變化信息，同時包含了少量的邊緣信息。 基于小波變換的圖像濾波處理 圖像濾波處理是通過濾波器將指定頻帶的能量進(jìn)行有效的衰減而對于需要保留的頻帶能量進(jìn)行增強(qiáng)。傳統(tǒng)基于傅立葉變換的圖像濾波處理大都采用傅立葉變換后的頻率域的乘法運(yùn)算，但是傅立葉變換的計(jì)算量大，并且變換后的頻譜與原始 圖像的相關(guān)性不強(qiáng)。 小波變換將原始圖像和變換系數(shù)之間建立了十分好的相關(guān)性。所以，在濾波器的設(shè)計(jì)上，可以針對不同頻帶分別設(shè)計(jì)。例如，需要削弱圖像水平方向上的毛刺或高頻信息，可以通過處理 HL 頻帶的小波系數(shù)，而不必影像其他方向上的邊緣信息。并且，對于多層小波變換而言，還能對不同分辨率級的小波系數(shù)進(jìn)行單獨(dú)的處理而達(dá)到設(shè)想的濾波效果。倘若是進(jìn)行低通濾波，那么可以通過保留 LL頻帶的數(shù)據(jù)，而將高頻小波系數(shù)進(jìn)行有效的衰減。 指紋圖像低通濾波的實(shí)現(xiàn)及運(yùn)行結(jié)果 本節(jié)將分析基于小波變換的低通濾波實(shí)現(xiàn)。 為了保持圖像邊緣信息以及充分利用小波變換的多分辨率特性，在編程中采用了 3層小波變換。而進(jìn)行濾波處理時，為了保持圖像信息，可以選擇去除下層高頻帶的小波系數(shù)，而保留上層高頻帶的小波系數(shù)，這樣能達(dá)到較好的濾波效果。如果需要保留部分的邊緣信息，也可以將高頻帶的小波系數(shù)進(jìn)行衰減，而不去除它們。如圖 219 所示，程序完成了圖像低尺度下的低通濾波操作，去除了大量的圖像高頻邊緣信息。 圖 218 圖像的低通濾波 下面的函數(shù)實(shí)現(xiàn)了圖像的低通濾波處理： （ 1）函數(shù)描述： LPass_Filter 實(shí)現(xiàn)小波 變換的低通濾波，減少圖像的邊緣信息，使圖像更加平滑 （ 2）函數(shù)參數(shù)： unsigned char **pData：圖像小波變換后的小波系數(shù)矩陣 int nHeight ：圖像屬性參數(shù)，數(shù)值為原始圖像的高度值 int nWidth ：圖像屬性參數(shù)，數(shù)值為原始圖像的寬度值 int nLayer ：低通濾波器的濾波階數(shù)，數(shù)值為小波變換的層數(shù) （ 3）函數(shù)返回值： 函數(shù)無返回值，小波系數(shù)參數(shù)是利用指針進(jìn)行調(diào)用 （ 4）函數(shù)代碼 void CWFilter::LPass_Filter(short **pData, int nHeight, int nWidth, int nLayer, int scale) { short **spOriginData, **spTransData0, **spTransData1。 int iHeight = nHeight, iWidth = nWidth。 spOriginData = pData。 spTransData0 = new short *[nHeight]。 spTransData1 = new short *[nHeight]。 m_FilterData = new short * [nHeight]。 for(int i = 0。 i nHeight。 i ++) { spTransData0[i] = new short [nWidth]。 spTransData1[i] = new short [nWidth]。 m_FilterData[i] = new short [nWidth]。 for(int j = 0。 j nWidth。 j ++) { m_FilterData[i][j] = 0。 } } CWvltTrans *Trans。 TransDWT_TriLayers(spOriginData, spTransData0, spTransData1, nHeight, nHeight/2, nWidth, nWidth/2, nLayer, )。 for(i=0。i(int)nHeight/(4*scale)。i++) { for(int j=0。j(int)nWidth/(4*scale)。j++) { m_FilterData[i][j] = spTransData1[i][j]。 }} delete spTransData0。 delete spTransData1。 DWT_Inverse(iHeight, iWidth, 3)。 } 濾波處理后的數(shù)據(jù)將通過指針傳遞給 CWvltDoc ，通過CWvltDoc::OnFilterBlur()函數(shù)完成最終濾波結(jié)果的顯示。圖 220 所示，定義了兩個低通濾波的菜單，完成不同尺度的低通濾波效果。圖 221 所示是“低通濾波 1”的小波 ID 定義。 圖 219 菜單選項(xiàng) 圖 220 小波 ID的定義 下面是函數(shù) CWvltDoc::OnFilterBlur()的編程實(shí)現(xiàn)。 void CWvltDoc::OnFilterBlur() { // TODO: Add your mand handler code here //讀取數(shù)字圖像的文件頭，獲取圖像的屬性參數(shù) LPBITMAPINFOHEADER lpBitmapInfoHeader = (LPBITMAPINFOHEADER)(m_pBitmap+14)。 LPBITMAPFILEHEADER lpBitmapFileHeader = (LPBITMAPFILEHEADER)m_pBitmap。 unsigned char *lpData = m_pBitmap + lpBitmapFileHeaderbfOffBits。 unsigned long biHeight = lpBitmapInfoHeaderbiHeight。 unsigned long biWidth = lpBitmapInfoHeaderbiWidth。 unsigned long biAlign = (biWidth*3+3)/4 *4。 unsigned long bmSize = biHeight * biAlign。 if(m_pTransfered==NULL) m_pTransfered=(unsigned char*) malloc (bmSize)。 if(m_pTransfered==NULL)return。 //圖像小波系數(shù)的低通濾波層數(shù)為 3層 int MaxLayer = 3。 short **ImgData。 float fTempBufforDisp。 //圖像矩陣坐標(biāo)與圖像數(shù)據(jù) int tempR, tempG, tempB, x, y, cur。 //分配圖像數(shù)據(jù)的內(nèi)存空間 ImgData = new short * [biHeight]。 for(int i = 0。 i biHeight。 i ++) { ImgData[i] = new short [biWidth]。 } //獲取顯示緩存中的原始圖像數(shù)據(jù) for(y=0。 y(int)biHeight。 y++) { for(x=0。 x(int)biWidth。 x++) { cur = y*biAlign+3*x。 tempB=lpData[cur]。 tempG=lpData[cur+1]。 tempR=lpData[cur+2]。 ImgData[biHeight1y][x]=(short)(*tempR+*tempG+*tempB)。 //no problem }} //創(chuàng)建小波濾波器類 CWFilter