【正文】 所以不匹配。所以匹配。若三個值中有至少一個值大于閾值，則不匹配，顯示出 NOT MATCH。 fff=abs(f11f21)/(f11+f12) toc 本實(shí)驗(yàn)中，取 r=8， num=60，經(jīng)過反復(fù)試驗(yàn)，可以得到 f 的閾值為 ， ff 的閾值為 ，fff 的閾值為 。 f21=length(find(cxy2(:,3)==2))。 f11=length(find(cxy1(:,3)==2))。 end cxy1(2:41,:)=find_point(pxy31(1,1),pxy31(1,2),txy1,40)。 ff=(sum(abs((dd1./dd2)1))) if ff=1 error=0。 dd2(2)=juli(x22,y22,x23,y23)。 dd1(3)=juli(x13,y13,x11,y11)。 dd1(1)=juli(x11,y11,x12,y12)。 x23=cxy2(3,1)。 x22=cxy2(2,1)。 x21=cxy2(1,1)。 x13=cxy1(3,1)。 x12=cxy1(2,1)。 x11=cxy1(1,1)。 cxy2(2,:)=c21。 cxy1(2,:)=c11。 c21=find_point(cxy2(1,1),cxy2(1,2),txy2,1)。 end f c11=find_point(cxy1(1,1),cxy1(1,2),txy1,1)。 if f= error=0。 d2=distance(cxy2(1,1),cxy2(1,2),num,thin2)。 cxy2=pxy32。 num=20。 txy2=cut(thin2,txy2)。 thin2=w2。 [w2,txy2]=guanghua(thin2,txy2)。 txy2=point(thin2)。 figure。39。)。 thin1=tuxiangyuchuli(39。 最終程序如下（里面調(diào)用到前面一些函數(shù)）： close all。若兩幅圖中端點(diǎn)占的比例近似相同，則兩幅圖像相匹配。 在最終程序中定義了一個數(shù) ff=(sum(abs((dd1./dd2)1)))，所以 ff值越接近于 0，這兩幅圖像的匹配度越高。ro39。 y0。)。 end plot(x0,y0,39。 lnn=length(nn)。 for i=1:num xiao=ll(i+lnn)。 for i=1:n l(i)=sqrt((x(i)x0)^2+(y(i)y0)^2)。 lnn=1。 n=length(x)。 其中，找到距離最近的端點(diǎn)的函數(shù) find_point 如下所示： function pxy=find_point(x0,y0,txy,num) x=txy(:,1)。試想如果兩幅指紋圖中的指紋是一樣的，則它們會包含相同的特征點(diǎn)和從這個特征點(diǎn)出發(fā)畫出的紋線，則這兩個長度數(shù)組對應(yīng)位置的比例應(yīng)基本相等（考慮到 24幅指紋圖像大小相同，這個比例應(yīng)近似為 1）；最終的函數(shù)中定義了一個數(shù) f=(sum(abs((d1./d2)1)))，所以 f值越接近于 0，這兩幅圖像的匹配度越高。 else break。 for i=1:num2 [error,a,b]=walk(thin,x0,y0,5*i)。由 distance 函數(shù)得到。 首先是紋線長度匹配。下面就是匹配的問題了。 至此，每幅指紋圖像的特征點(diǎn)均可找出。)。 plot(pxy2(i,1) ,pxy2(i,2),39。 l=l+1。 pxy3(l,2)= pxy2(i,2)。 for i=1:n [error,a,b]=walk(thin,pxy2(i,1),pxy2(i,2),num)。 l=1。 [pxy2,error]=single_point(txy,r)。通過執(zhí)行[pxy3,error2]=last1(thin,r,txy,num)可以找出周圍半徑為 r個像素的圓內(nèi)沒有任何端點(diǎn)或交叉點(diǎn)，并且沿紋線走 num個像素內(nèi)沒有另一個端點(diǎn)或交叉點(diǎn)的端點(diǎn)。r.39。 b=y0。 y0=y。 else thin(y,x)=0。(xx0)^2+(yy0)^2~=0) if (t1=2 ) error=1。 else if (thin(y,x)==1amp。 b=y0。 if (t1==0||t1=2) error=1。 for x=x01:x0+1 if error==1 break。 else x=x0。 t1=0。 函數(shù)如下： function [error,a,b]=walk(thin,x0,y0,num) error=0。 這三個點(diǎn)在下圖中用紅點(diǎn)標(biāo)出。)。 hold on plot(pxy2(:,1),pxy2(:,2),39。b.39。 t=size(pxy2,1)。 pxy2=txy(c,:)。 end end end [a,b]=min(d)。 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)。于是我們設(shè)計(jì)了一個函數(shù) single_point來找出這樣的點(diǎn)。下面就要找出一些獨(dú)特的端點(diǎn) 作為特征點(diǎn)。)。 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。本實(shí)驗(yàn)中設(shè)計(jì)了 cut 函數(shù)來進(jìn)行處理。 imshow(w)。 if error==1 thin(pxy(i,2),pxy(i,1))=0。 for i=1:n error=0。 pxy=txy(find(txy(:,3)==2),:)。基本原理為：找到每個端點(diǎn)，使其沿著紋線的方向移動 5 個像素，如果在 5 個像素之內(nèi)遇到交叉點(diǎn)，則認(rèn)為此端點(diǎn)為毛刺，去除此點(diǎn)。 得到的標(biāo)出端點(diǎn)和交叉點(diǎn)的圖像如圖 41： 圖 41 標(biāo)出端點(diǎn)和交叉點(diǎn)的細(xì)化圖像 紋線光滑處理 在指紋圖像預(yù)處理中，已經(jīng)對指紋圖像進(jìn)行過去除毛刺和空洞的處理。 運(yùn)行完程序后，將所有的端點(diǎn)和交叉點(diǎn)全部找出。.39。 hold on。 y(i)= txy(i, 2)。 count = count + 1。 count = count + 1。 for i = 1:8 CN = CN + abs (P(thin, y, x, i) P(thin, y, x, i + 1))。 siz=min(size(thin,1),size(thin,2))。 程序如下： function txy=point(thin) count = 1。 end 然后定義函數(shù) 來找出細(xì)化后圖像的所有端點(diǎn)。 case 7 j = img(x, y + 1)。 case 5 j = img(x 1, y)。 case 3 j = img(x, y 1)。 程序如下： %Sub functions function j = P (img, x, y, i) % get pixel value based on chart: % 4 | 3 | 2 % 5 | | 1 % 6 | 7 | 8 switch (i) case {1, 9} j = img(x+1, y)。 圖 38 紋線特征分類 第四章 特征點(diǎn)提取 找出所有的端點(diǎn)和交叉點(diǎn) 因?yàn)樘卣鼽c(diǎn)必然是從端點(diǎn)和交叉點(diǎn)里找出，所以在得到細(xì)化的圖像后，我們首先要找出所有的端點(diǎn)和交叉點(diǎn)。) 得到的圖像如圖 37： 圖 37 細(xì)化后的圖像 細(xì)化是在不改變圖像像素拓?fù)溥B接關(guān)系的條件下，連續(xù)擦除圖像的邊緣像素，把紋線粗細(xì)不均勻的指紋圖像轉(zhuǎn)化成線寬僅為一個像素的條紋中心線圖像的過程。%對圖像進(jìn)行細(xì)化 figure,imshow(w) title(39。thin39。 v=imclose(fo,se)。,3)。 se=strel(39。) 得到的去除毛刺后的圖像和再去除空洞后的圖像分別如圖 36 和圖 37： 圖 36 去除毛刺后的圖像 圖 37 去除空洞后的圖像 二值化后的紋線仍然有一定的寬度，這跟 指紋識別只與紋線的走向有關(guān)，所以 我們還 需要對二值圖像進(jìn)行細(xì)化，以減少冗余信息，突出紋線的有效特征， 方便 后續(xù)的特征提取。 end end end end end figure,imshow(u) %title(39。去除毛刺 39。 end else u(x,y)=u(x,y)。 實(shí)驗(yàn)中進(jìn)行了初步去除空洞和毛刺的處理，程序如下： u=Icc。 得到的二值化圖像如圖 35： 圖 35 二值化后的圖像 在當(dāng)前的指紋采集條件下，不可避免的會受到環(huán)境， 包括 皮膚上的油脂、水分、污漬的影響 等 ，使采集到的指紋圖像出現(xiàn)紋線粘連、紋線斷裂等缺陷， 這會 對后續(xù)的指紋特征提取帶來很大困難。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。 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)。 f