【正文】 另外手指褶皺、傷疤也容易產(chǎn)生斷點現(xiàn)象。短線的特點就是會產(chǎn)生兩個偽端點，該兩個端點相距很近，位于同一脊線上。這類偽特征點的特點是它們往往成對出現(xiàn)，而且偽端點和偽分叉點的距離非常近，一般小于細化前的脊線寬度的一半。（1）毛刺 （2）短線 （3）斷線 （4）假橋 （5）小孔 偽特征點修復前后對比圖(1)毛刺現(xiàn)象，毛刺的出現(xiàn)有多方面的原因，比如受隨機噪聲的影響而形成的，還有部分是受圖像增強和細化處理產(chǎn)生的。大量偽特征點的存在將導致匹配效率降低，成功匹配率降低，嚴重影響指紋識別系統(tǒng)的指標，因此在匹配前須對偽特征點進行剔除。出現(xiàn)這樣的情況的原因有多種，一方面原始圖像本來就存在模糊區(qū)域和粘連區(qū)域，另一方面在指紋圖像的預處理過程中，雖然多次進行了濾波處理，但是噪音依然存在，并且有相當一部分帶入到細化后的指紋圖像中。 偽細節(jié)特征點的剔除 在特征提取算法提取的特征點集中存在了一定數(shù)量的偽特征點，這是不可避免的，必須想辦法剔去偽特征點，才能確保特征匹配能夠準確的進行。另外由于在預處理階段增加了圖像增強和二值化，所以在算法的魯棒性方面比第一種算法更好?；诩毣瘓D像的鄰域法，算法稍微復雜一下，跟前一算法相比，多了圖像增強和二值化。另外，該算法脊線跟蹤的步長不好確定，即使采用自適應步長也只是稍微降低丟失特征點的情況，沒有從根本上改觀。這兩點是該算法的最大優(yōu)點。 以上即是常用的兩種特征點提取算法，通過比較不難發(fā)現(xiàn):基于灰度直接提取算法原理比較簡單，簡化了圖像增強、二值化步驟，直接求取脊線并得到特征點。 (3)若P點為脊線上的點，且Cn(P)=6, Sn(P)=3，則可判定像素點P 為分叉點，如圖32中點B 點。通過分析可以發(fā)現(xiàn)Cn(P)和Sn(P)數(shù)值僅存在以下三種情況: (1)若P點為脊線上的點，且Cn(P)=2, Sn(P)=1，則可判定像素點P為端點，如圖32中E點。 (其中P 9=P1) （381()niiiCP????1） （381()niiS?安徽工程大學機電學院畢業(yè)設計（論文） 27 2）通過分析可知，細化后的指紋圖像的鄰域狀態(tài)如圖32所示。圖中P為待測像素點，P1, P2……P9為P 的鄰域，Cn(P) 為這8個鄰域像素的相鄰像素的灰度值(此時已二值化，所以灰度值只可能為0或1)從0變?yōu)?，或者從1變?yōu)?的次數(shù)。若跟蹤到的脊線與先前己經(jīng)跟蹤過的脊線相交，停止跟蹤，求取兩條脊線交點位置，此處即特征點分叉點。 (3)從新的出發(fā)點出發(fā)，沿指紋圖像的方向圖的方向前進一定步長(算法最開始是按固定步長進行跟蹤的，后來發(fā)展到自適應步長跟蹤)，繼續(xù)在發(fā)現(xiàn)方向求取灰度分布的最大值和最小值，仍然以最大值處的像素點作為新的出發(fā)點。具體算法如下： (1)計算指紋圖像的方向圖，一般以塊方向作為指紋的方向。由于對于一幅灰度指紋圖像，其根據(jù)方向圖的定義可知沿著脊線方向的，在這個方向的垂直方向上，即法線方向上，其端點處就是脊線末端與背景圖像交界的地方，端點就是在這一交界處灰度最大的一點。二是對預處理細化后的圖像進行提取特征點。該算法的提出在指紋識別領域具有開拓性的意義，并且該算法在相當一段時間內(nèi)被廣泛地用作細節(jié)特征點的標準算法，獲得了廣泛的應用。最早提出特征點提取算法的是美國聯(lián)邦調(diào)查局(FBI)的自動指紋識別技術研究人員。圖 指紋圖像細化的結果殷明：指紋圖像預處理算法設計與實現(xiàn) 26 第 3 章 指紋特征的提取 特征點提取一般分為兩個階段:提取特征點和偽特征點的剔除。imshow(~K)。inf39。thin39。J=I(:,:,1)以下是細化算法的 MATLAB 實現(xiàn)：I=imread(‘f:/39。由于指紋識別與一般其他的圖像識別有很大的不同，指紋識別的匹配直接與細化后的指紋的端點(含分叉點、端點)相關，因此細化操作不能對指紋圖像的端點位置、方向等產(chǎn)生影響，否則就改變了指紋圖像的特征信息。細化的效果好壞直接關系到指紋特征點是否能夠高效的提取。 細化安徽工程大學機電學院畢業(yè)設計（論文） 25 細化又稱骨骼化，是指在不影響圖像的拓撲關系的情況下，將圖像中寬度大于一個像素的線條轉變?yōu)橹挥幸粋€像素寬度的圖像的處理過程。通過 Matlab 進行算法仿真的結果如圖 所示。J=im2bw(I,level)。)。l? Matlab 仿真殷明：指紋圖像預處理算法設計與實現(xiàn) 24 本文并用 matlab 圖像處理工具箱提供的 im2bw 函數(shù)實現(xiàn)指紋圖像的二值化。 221(,)wiiuivjTGij????? Nk 和 Nl 的值，N k=灰度值大于等于 T 的像素點的個數(shù)。這種算法充分利用了指紋圖中脊線與谷線寬度大致相同的特點，即二值化后黑白像素的個數(shù)也應大致相同，首先利用固定閥值算法的特點對指紋圖像中的每塊確定一個大致的閥值，然后再利用自適應的思想對閥值進行準確的調(diào)整，即閥值的取值合適時圖像是最光滑的，既沒有“黑洞”閥值過大，也沒有“白點”閥值過小，所以 01 之間的轉換次數(shù)最少。局部自適應閥值算法首先是利用固定閥值算法的思想，然后根據(jù)圖像中每一部分的明暗度來調(diào)整閥值。，二值化算法的速度也應是一個評價指標。具體要求為: 。反之，如果該階段引入噪聲，就會直接降低圖像質(zhì)量，影響識別精度。對指紋圖像二值化的好處在于使得圖像的幾何性質(zhì)只于 0 和 1 的位置有關，不再涉及像素的灰度值，使處理變得簡單，這給存儲和處理帶來了很大的方便，同時也提高了系統(tǒng)的經(jīng)濟實用。 圖 相加后的指紋圖像 二值化安徽工程大學機電學院畢業(yè)設計（論文） 23 指紋圖像二值化作為指紋預處理過程的一部分，是進行指紋圖像細化處理的基礎。figure,imshow(K,[])。uint1639。figure,imshow(I7)。I7(450,:)=255。I7=uint8(I6)。I3=uint8(I4)。source_y/double(uint16(source_y))==)殷明：指紋圖像預處理算法設計與實現(xiàn) 22 NewR2(i,j)=I5(int16(source_x),int16(source_y))。 if(source_xwidth||source_yheight) NewR2(i,j)=0。for i=1:width for j=1:height source_x=i+1。[width,height]=size(I5)。I5=double(I2)。)。I2=imread(39。f:/39。由上述程序可知兩幅圖像的偏移量是 1 個像素，現(xiàn)將兩幅圖像進行配準，所得到的圖像如圖 所示，然后將這兩幅圖像相加，便得到了較為清晰的指紋圖像。K2=fft2(J2)。J2=double(I2)。)。I2=imread(39。f:/39。由于兩幅圖像有細微的位移差，不能簡單的進行相加，我們先將兩幅指紋圖像進行配準，配準完成后，再進行簡單的融合。殷明：指紋圖像預處理算法設計與實現(xiàn) 20 我們將兩幅指紋圖像做對比如下圖所示。figure,imshow(K1)。K=filter2(h,J)。sobel39。 J=double(I)。 安徽工程大學機電學院畢業(yè)設計（論文） 19 算子對圖像銳化 圖 Sobel 算子對圖像銳化增強的結果以下是利用 Sobel 算子對圖像增強的 MATLAB 實現(xiàn)：%Sobel 算子對圖像銳化程序I=imread(‘f:\39。 2(,)xyfijS??用模板表示為： 102xS????????120yS???????? Matlab 仿真本文將首先利用 Sobel 算子對腐蝕后的指紋圖像進行濾波，濾波后的圖像如圖（a）所示。在圖像的任何一點使用此算子，將會產(chǎn)生對應的梯度矢量或是其法矢量。 算子索貝爾算子（Sobel operator）是圖像處理中的算子之一，主要用作邊緣檢測。一階差分的定義為： (,)(,)1,)xfijfijfij???(y因此，梯度的定義為： 122(,)(,)xyGfijfij???????為了運算簡便，實際中采用梯度模的近似形式，如 、(,)(,)xxfijfij??殷明：指紋圖像預處理算法設計與實現(xiàn) 18 、 等。此方法也是最常用的非線性銳化濾波方法，而且由數(shù)學知識我們知道，梯度模算子具有方法同性和位移不變性，這正是我們所希望的。對 3*3 的模板來說，典型的系數(shù)取值是： 014???????事實上這是拉普拉斯算子，拉普拉斯算子是實線性導數(shù)運算，對被運算的圖像它滿足各向同性的要求，這對于圖像增強是非常有利的。根據(jù)微分方法是否線性，可將銳化分為線性銳化和非線性銳化兩類。具有這種性質(zhì)的銳化算子有梯度、拉普拉斯和其他一些相關運算。然而，由于邊緣和輪廓在一幅圖像中常常具有任意的方向，而一般的差分運算是有方向性的，因此和差分方向一致的邊緣、輪廓便檢測不出來。圖像銳化從圖像增強的目的看，它是與圖像平滑相反的一類處理。然而邊緣模糊是圖像中常出現(xiàn)的質(zhì)量問題，由此造成的輪廓不清晰，線條不鮮明，使圖像特征提取、識別和理解難以進行。 圖像銳化在圖像識別中，需要有邊緣鮮明的圖像，即圖像銳化。圖（a）是處理前的指紋圖像，圖（b）是腐蝕后的指紋圖像。figure,imshow(I1)。I1=imrode(I,s)。)。以下是灰度腐蝕的 MATLAB 實現(xiàn)：%灰度腐蝕處理程序I=imread(39?；叶雀g運算示例如圖 所示圖 灰度腐蝕運算示例灰度腐蝕運算的一維函數(shù)形式為： 利用結構運算 b（x）對目標圖像 f（x）的腐蝕過程是：在目標圖像的下方“滑動”結構元素，結構元素所能達到的最大值所對應的原點位置的集合即為腐蝕的結果?；叶雀g運算的特點：灰度腐蝕運算的計算是逐點進行的，求某點的腐蝕運算結果就是：計算該點局部范圍內(nèi)各點與結構元素中對應的灰度值之差，并選取其中的最小值作為該點的腐蝕結果。x 和 y 必須位于結構元素的定義域之內(nèi)，而平移參數(shù)（s+x）和（t+y ）必須位于 f（x，y）的定義域之內(nèi)。應當注意，當結構元素的目標圖像上平移時，結構元素中的任何元素不能超出目標圖像的范圍。應該注意，結構元素中的原點位置可以不為 1，但要求目標圖像中的子圖像與結構元素 B 的原點對應的那個位置的像素值是 1。腐蝕運算的含義是：每當在目標圖像 A 中找到一個與結構元素 B 相同的子圖像時，就把該子圖像中與 B 的原點位置對應的那個像素位置標注為 1，圖像 A 上標注出的所有這樣的像素組成的集合，即為腐蝕運算的結果。因此中值濾波是圖像處理所不可缺少的,許多類型的圖像噪聲都可以利用中值濾波法加以除噪。 圖 中值濾波 Matlab 仿真本文利用 matlab 軟件,采用中值濾波的方式,對帶有噪聲的指紋圖像進行預處理,安徽工程大學機電學院畢業(yè)設計（論文） 13 經(jīng)過濾波后的圖像能夠消除圖像中的一部分干擾影響。程序運行結果如圖 所示,圖（a）為原始指紋圖像，圖（b）為中值濾波處理后的指紋圖像。 %對圖像進行 5*5 方形窗口中值濾波figure,imshow(I)。)。以下是中值濾波的 MATLAB 實現(xiàn)：%中值濾波處理程序I=imread(39。應當注意的是中值濾波的過程是一個非線性的操作過程，它即能保持圖像的輪廓，又能消除強干擾脈沖噪聲(中值濾波除直接采用圖像像素作中值外，還可采用其它的方法，例如平滑銳化濾波就含有取中值和樣點計算的過程。針對圖像的中值濾波的過程為，首先將模板內(nèi)（窗口）所涵蓋的像素按灰度值由小到大排列，再取序列中間點的值作為中值，并以此值作為濾波器的輸出值。(3) 中值濾波的頻譜特性由于中值濾波是非線性運算，在輸入與輸出之間的頻率上不存在一一對應的關系，故不能用一般線性濾波器頻率特性分析方法。中值濾波的輸出與輸入噪聲的概率密度分布有關，而領域平均法的輸出與輸入分布無關。（2）中值濾波的去噪聲性能中值濾波可以用來減弱隨機干擾和脈沖干擾。另外，一維的周期性二值序列，如=…，+1,+1,1,1,+1,+1,1,1，…，當濾波窗口長度為 9 時，經(jīng)過中值濾波此??nx序列將保持不變。例如輸入信號在窗口 2n+1 內(nèi)單調(diào)增加或者單調(diào)減少的序列。設有一個一維序列 f1,f2,…fn，用窗口長度為 m（m 為奇數(shù)）的窗口對該序列進行中功耗 較大 小 較大成本 較高 低 很高安徽工程大學機電學院畢業(yè)設計（論文） 11 值濾波，就是從輸入序列 f1,f2,…fn 中相繼抽出 m 個數(shù) fiv，…，f i1，f i，f i+1,…,fi+v,其中fi 為窗口的中心值， ,再將這 m 個點的值按其數(shù)值大小排列，取其序號為正中間1v??的那個值作為濾波器的輸出。于是原來窗口正中的灰度值 200就由 110 代替。1