【正文】 for n=1:num if error==1 break。 thin(y0,x0)=0。)。 hold on plot(pxy2(:,1),pxy2(:,2),39。b.39。 t=size(pxy2,1)。 pxy2=txy(c,:)。 end end end [a,b]=min(d)。 40 for j=1:n for i=1:n if (i~=j) d(i,j)=sqrt((x(i)x(j))^2+(y(i)y(j))^2)。 n=length(x)。 x=txy(:,1)。)。 plot(txy(:,1),txy(:,2),39。txy(k,3)==2) txy(k,:)=[0,0,0]。txy(k,2)=31+31*(j1)amp。txy(k,2)=1+31*(j1)amp。txy(k,1)=31+31*(i1)amp。 if delta(i,j)=70 for k=1:n if (txy(k,1)=1+31*(i1)amp。 mp{i,j}=(mp{i,j}s(i,j)).^2。 for i=1:8 for j=1:8 mp{i,j}=thin(1+31*(i1):31+31*(i1),1+31*(j1):31+31*(j1))。 delta(8,8)=0。)。 plot(x,y,39。 39 end imshow(double(thin))。 end end end end for i=1:count 1 x(i) =txy(i, 1)。 end if (CN == 6) txy(count, :) = [x, y,6]。 end if (CN == 2) txy(count, :) = [x, y,2]。 for x=40:siz 40 for y=40:siz 40 if (thin(y, x) ) CN = 0。 txy(count, :) = [0,0,0]。 case 8 j = img(x + 1, y + 1)。 case 6 j = img(x 1, y + 1)。 case 4 j = img(x 1, y 1)。 38 case 2 j = img(x + 1, y1)。細(xì)化圖 39。,Inf)。 %對(duì)圖像開操作和閉操作 img=bwmorph(v,39。 fo=imopen(v,se)。square39。) %************************************************************************* v=~u。 end end end end end figure,imshow(u) %title(39。去毛刺 39。 end else u(x,y)=u(x,y)。 %************************************************************************ 37 u=Icc。二值化 39。 end end figure,imshow(double(Icc))。 else Icc(i,j)=1。 end end end for i=1:m for j =1:n Icc(i,j)=Icc(i,j)*Im(i,j)。 end if sumf b Im(x,y)=128。 if (summax+summin+ 4*I(x,y)) (3*summ/8) sumf = summin。 summ=sum(sumi)。 summax=max(sumi)。 sum8=I(x2,y4)+I(x1,y2)+I(x+1,y+2)+I(x+2,y+4)。 sum6=I(x4,y2)+I(x2,y1)+I(x+2,y+1)+I(x+4,y+2)。 sum4=I(x2,y+1)+I(x4,y+2)+I(x+2,y1)+I(x+4,y2)。 sum2=I(x2,y+4)+I(x1,y+2)+I(x+1,y2)+I(x+2,y4)。 for y=5:n5。 36 Im=zeros(m,n)。 In(a,b)=Im(a1,b1)*temp(1,1)+Im(a1,b)*temp(1,2)+Im(a1,b+1)*temp(1,3)+Im(a,b1)*temp(2,1)+Im(a,b)*temp(2,2)+Im(a,b+1)*temp(2,3)+Im(a+1,b1)*temp(3,1)+Im(a+1,b)*temp(3,2)+Im(a+1,b+1)*temp(3,3)。 for a=2:m1。 % 模板系數(shù) 、 均值濾波 Im=double(I)。1 1 1。)。title(39。 Icc(i+(x1)*M,j+(y1)*M)=0。 end end end end Icc = ones(m,n)。 var1(x,y) V2 e(x,y)=1。 end if aveg1(x,y) G1100 amp。amp。 e=zeros(H,L)。 end end end G2=gtotle1/gtemp1。 end if 0var1(x,y)V1 vtemp1=vtemp1+1。 for x=1:H for y=1:L if G1aveg1(x,y) gtemp1=gtemp11。vtotle1=0。 gtemp1=0。 end end end G1=gtotle/gtemp。 end if Vmean1var1(x,y) vtemp=vtemp+1。 for x=1:H for y=1:L if Gmean1aveg1(x,y) gtemp=gtemp+1。vtotle=0。 %所有塊的方差 gtemp=0。 end end Gmean1=Gmean/(H*L)。 for x=1:H for y=1:L Gmean=Gmean+aveg1(x,y)。 end end Gmean=0。 34 var=(I(i+(x1)*M,j+(y1)*M)aveg1(x,y)).^2+var。 %計(jì)算每一塊的方差 for i=1:M。 aveg=I(i+(x1)*M,j+(y1)*M)+aveg。 for i=1:M。 aveg=0。 %計(jì)算每一塊的平均值 for x=1:H。 aveg1=zeros(H,L)。 %3*3 H = m/M。 end end end figure, imshow(I(:,:,3)./max(max(I(:,:,3))))。 for x=1:m for y=1:n if I(x,y)=M1 I(x,y)=150+sqrt(2021*(I(x,y)M1)/var1)。 for x=1:m for y=1:n var=var+(I(x,y)M1).^2。 for x=1:m for y=1:n M=M+I(x,y)。 I=double(imread(path))。 32 參考文獻(xiàn) [1] 李俊山，李旭 .數(shù)字圖像處理 .北 京：清華大學(xué)出版社， [2] 阮秋琦 .數(shù)字圖像處理學(xué) .北京：電子工業(yè)出版社， [3] 祝恩，版建平等 .自動(dòng)指紋識(shí)別技術(shù) .長沙：國防科技大學(xué)出版社， [4] 查振元 、 朱華炳．電子門禁系統(tǒng)組成 .機(jī)電產(chǎn)品開發(fā)與創(chuàng)新 .2021， (2)： 13— 14 [5] 胡士斌 ,楊衛(wèi)平 . 指紋圖像復(fù)合分割算法研究 [J]. 計(jì)算機(jī)工程與應(yīng)用 , 2021,40(12): 71273. [6] 李建華，馬小妹，郭成安，基于方向圖的動(dòng)態(tài)閩值指紋圖像二值化方法 .大連理工大學(xué)學(xué)報(bào) .2021， 42(5)： 626628 [7] 家鋒，唐降龍，趙泉 .一個(gè)基于特征點(diǎn)匹配的聯(lián)機(jī)指紋鑒別系統(tǒng) .哈爾濱工業(yè)大學(xué)學(xué)報(bào)，2021,34(1)： 132136 [8] 劉文星，王肇圻，母國光． 脊線 跟蹤及其在細(xì)化指紋后處理中的應(yīng)用 [J]．光電子 ,激光， 2021， 13(2)： 184~187． [9] 王瑋著，自動(dòng)指紋識(shí)別系統(tǒng)關(guān)鍵技術(shù)研究，重慶，重慶大學(xué)光電工程學(xué)院， 2021， 8082 [10] 羅希平，田捷 .自動(dòng)指紋識(shí)別的圖像增強(qiáng)和細(xì)節(jié)匹配算法 .軟件學(xué)報(bào)， 20215， 13(5)： 946956 [11] 姜騰云 ． 指紋識(shí)別門禁系統(tǒng) 的 matlab 仿真 實(shí)現(xiàn) ． 江門 ： 五邑大學(xué) ， 2021． [12] 喬治宏 .基于細(xì)節(jié)結(jié)構(gòu)的指紋特征提取及匹配算法研究 .北京：北京工業(yè)大學(xué)碩士學(xué)位論文， 20215. 33 附錄 A 預(yù)處理 代碼 function img = tuxiangyuchuli(path) M=0。 在 撰寫 論文的這段時(shí)間里，我學(xué)到了 很多我之前不懂的一些專業(yè)知識(shí)和技能， 鍛煉了我思考能力和操作能力，對(duì)我大學(xué)四年的學(xué)習(xí)有了一個(gè)比較全面系統(tǒng)的整理。 31 致 謝 時(shí)光如梭，隨著畢業(yè)論文的完成，我的大學(xué)生涯也就要結(jié)束。 本文中主要對(duì)圖像預(yù)處理進(jìn)行了分析比較，最后得到了一套比較合適的算法，但通過實(shí)驗(yàn)驗(yàn)證可發(fā)現(xiàn)比對(duì)時(shí)間比較長，有待于進(jìn)一步改進(jìn) 。 30 總結(jié) 與 展望 該論文是在 前人研究的基礎(chǔ)上，參閱了 部分 資 料， 并在劉 文博 老師的指導(dǎo)下 認(rèn)真完成的，文中主要對(duì)指紋圖像預(yù)處理的各個(gè)步驟做了較為詳細(xì)的討論，并用 matlab 加以仿真和驗(yàn)證。 驗(yàn)證如下： 一、選擇兩幅圖 ： 圖 31（ a） 輸出的時(shí)間 圖 31（ b） 特征匹配 通過以上的 f， ff， fff和閾值的比較說明 ，為同一手指的指紋，匹配時(shí)間為 。 本文中取 r=8， num=60，經(jīng)過試驗(yàn)，得到 f的閾值為 ， ff的閾值為 ，fff的閾值為 。 函 數(shù) 最終 定義了一個(gè)數(shù) fff=abs(f11f21)/(f11+f12)，所以 fff值越接近 28 于 0，這兩幅 指紋 圖像的匹配度 就 會(huì) 越高。 （ 3） 點(diǎn)類型匹配 找到一個(gè) 指紋細(xì)化圖像的特征點(diǎn) 后，在 該端點(diǎn) 周圍找到 四十 個(gè)端點(diǎn)或 者交叉點(diǎn)，統(tǒng)計(jì) 在 這 四十 個(gè)特征點(diǎn) 中端點(diǎn) 的個(gè)數(shù) 和交 叉點(diǎn)的個(gè)數(shù)。其中 設(shè)置一 find_point 函 數(shù) 來找出距離最近的端點(diǎn)或交叉點(diǎn)。 如果兩幅指紋細(xì)化圖像中的紋路是相同 的，則它們 就包含相同的端點(diǎn)和交叉 點(diǎn)及用 distance 函數(shù)找出的相同的一段脊， 則這兩個(gè) 指紋圖像中的 長度數(shù)組對(duì)應(yīng) 的位置 比例 會(huì) 基本相等（ 我們選擇的指紋圖像大小基本相等，因此該比例選 1）， 因此 函數(shù)最終定義了一個(gè)數(shù) f=(sum(abs((d1./d2)1)))， 其中 若 f 的 值越接近于 0，這兩幅圖像的匹配度 就 越高，在一定范圍的閾值內(nèi)我們可以認(rèn)定為匹配。 （ 1） 脊線長度匹配 對(duì)于上面 的函數(shù)即可找出細(xì)化圖像中的 特征點(diǎn)和 一段 脊線 ，沿著 該段 脊 27 線 走 向，每隔 五 個(gè)像素測(cè)量一下 ，看到 到原始端點(diǎn)的距離 ， 此 段距離 由 一distance 函數(shù)得到。下面