【正文】 j++ ) { Dmap2(y，x)=1。 i++ ) for ( j = y。 if(block_num=3) { for ( i = x。 if(result(y，x+width)==1) block_num++。 if(result(ywidth，x)==1) block_num++。 y 。 x 。 int block_num。 j++ ) Dmap2(j，i) = 0。 i++ ) for ( j = y。 } else { for ( i = x。 j y+width。 i x+width。 } sum=sum/(width*width)*4。jy+width。ix+width。 sum=0。 j+=2 ) { ave+=source(j，i)。 i+=2 ) for ( j = y。 for ( i = x。 max = 0。 y 。 x 。 int sum =0。 min = 255。 int width = 12。 y++ ) if(source(y，x)5) source(y，x)=5。 x++ ) for( y=0。 for( x=0。 (source，*)。 Dmap2=new unsigned char [*]。 result=new unsigned char [*]。 if(value != NULL) delete []value。 if(Dmap != NULL) delete []Dmap。 if(source!=NULL) delete []source。 =((BITMAPINFOHEADER *)infoheader)biWidth。 colorheader[49]=255。i++) colorheader[i]=infoheader[i]。 for(i=0。 (fileheader，14)。 FingerName=()。 CFileDialog fdlg(true)。附錄3 程序源代碼1．圖像讀取程序：void CFingerprint::ReadBitMap(){ CFile fgfile。例如，如果我們使用CreateDIBSection函數(shù)，則我們必須先定位位圖信息頭和顏色表，然后讓Windows定位圖象的位置。如果我們從剪貼板獲取DIB，就沒有文件頭了。每行被擴展到4字節(jié)邊界。頭結(jié)構(gòu)下面緊接著的是顏色表（如果DIB有顏色表的話），然后DIB圖象跟在后面。 BITMAPFILEHEADER結(jié)構(gòu)包含位圖的維數(shù)、每象素的位數(shù)、4bpp和8bpp位圖的壓縮信息和顏色表入口數(shù)目。BITMAPFILEHEADER結(jié)構(gòu)包含圖象位的偏移值，我們可以用它來計算BITMAPFILEHEADER結(jié)構(gòu)和后面的顏色表合起來的大小。2． BMP文件中DIB的結(jié)構(gòu) 我們知道DIB是標準的Windows位圖格式，且BMP文件包含一個DIB。Microsoft并沒有發(fā)明應用程序框架的概念，這個概念首先是在學院里提出來的，后來在Apple Macintosh上有了它的第一個商業(yè)化版本MacApp。應用程序框架是一種類庫的超集。例如，數(shù)學類庫可以用來完成一般的數(shù)學運算，通訊類庫可以用來完成串聯(lián)方式的數(shù)據(jù)交換。有一些類庫是隨編譯器一起提供的，還有一些是由其他軟件公司銷售的，另有一些則是由用戶自己開發(fā)的。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(shè)計,2008。在此致以衷心的感謝。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(shè)計遇到困難時伸出援助之手。在整個學期的畢業(yè)設(shè)計當中，杜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。致 謝本論文是在導師杜俊俐老師的悉心指導與幫助下完成的。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。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。第6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。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。例如在CPU處理速度不是很快的情況下，不適合用Gabor濾波。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。 　圖像增強算法結(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。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。人們先后已經(jīng)提出了幾十個評價準則。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。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。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。 (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。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。 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。2．圖像的前景區(qū)應該最大量包含指紋特征信息?，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。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。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。這時為滿足用戶的需求，所設(shè)定的標準就要有所改變。2．對該指紋識別系統(tǒng)的要求是列出所有可疑的指紋。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。3．使用頻率一般不會特別高。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。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(shè)備的成本是相當不利的。相反地，如果我們降低了拒識率，誤識率也會相應地提高。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。 圖46 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。查表的方法是，設(shè)白點為1，黑點為0；左上方點對應一個8位數(shù)的第一位（最低位），正上方點對應第二位，右上方點對應第三位，左鄰點對應第四位，右鄰點對應第五位，左下方點對應第六位，正下方點對應第七位，右下方點對應第八位，按這樣組成的8位數(shù)去查表即可。根據(jù)上述的4個判據(jù)，可事先做出一張表，從0到255共有256個元素，每個元素要么是0，要么是1。3．直線端點不能刪除。并有如下的判據(jù)：1．內(nèi)部點不能刪除。 　細化算法 所謂細化，就是從原來的圖中去掉一些點，但仍要保持原來的形狀。如果物體同背景的差別表現(xiàn)不在灰度值上（比如紋理不同），可以將這個差別特征轉(zhuǎn)換為灰度的差別，然后利用閥值選取技術(shù)來分割該圖像。所有灰度大于或等于閥值的像素被判定為屬于特定物體，其灰度值為255表示，否則這些像素點被排除在物體區(qū)域以外，灰度值為0，表示背景或者例外的物體區(qū)域。在數(shù)字圖像處理中，二值圖像占有非常重要的地位，特別是在實用的圖像處理中，以二值圖像處理實現(xiàn)而構(gòu)成的系統(tǒng)是很多的，要進行二值圖像的處理與分析，首先要把灰度圖像二值化，得到二值化圖像，這樣子有利于再對圖像做進一步處理時，圖像的集合性質(zhì)只與像素值為0或255的點的位置有關(guān)，不再涉及像素的多級值，使處理變得簡單，而且數(shù)據(jù)的處理和壓縮量小。 二值化指紋圖像圖像的二值化處理就是講圖像上的點的灰度置為0或255，也就是講整個圖像呈現(xiàn)出明顯的黑白效果。對于多閾值情形，首先用這種方法確定一個初始閾值，接著，去掉初始閾值檢測到的邊界點再做一次直方圖，并依據(jù)新的直方圖選擇下一個閾值。 均衡對比度遞歸多域值方法首先，對每一個可能閾值計算對應于它的平均對比度，其中初始閾值為 圖像總的對比度， 是閾值 檢測到的邊界點的數(shù)目。首先，將像素點分為邊界點和非邊界點兩類，邊界點再根據(jù)它們的鄰域的亮度分為較亮的邊界點和較暗的邊界點兩類，然后用這兩類邊界點分別作直方圖，取兩個直方圖中的最高峰多對應的灰度級作為閾值。可以基于最小距離判據(jù)對在最低層選取的所有閾值逐層跟蹤，最后以最高分辨率層的閾值為最佳閾值。然后，在相鄰峰之間確定最佳閾值，這一步可以利用多分辨的層次結(jié)構(gòu)進行。其實多域值分割，可以看作單閾值分割的推廣，前面討論的大部分閾值化技術(shù)，諸如Otsu的最大類間方差法， Kapur的最大熵方法、矩量保持法和最小誤差法等等都可以推廣到多閾值的情形。遺傳算法是基于進化論中自然選擇機理的、并行的、統(tǒng)計的隨機化搜索方法，所以在圖像處理中常用來確定分割閾值。⑦ 水線閾值算法水線（也稱分水嶺或流域）閾值算法可以看成是一種特殊的自適應迭代閾值方法，它的基本思想是：初始時，使用一個較大的閾值將兩個目標分開，但目標間的間隙很大；在減小閾值的過程中，兩個目標的邊界會相向擴張，它們接觸前所保留的最后像素集合就給出了目標間的最終邊界，此時也就得到了閾值。通過對這些子圖所得到的閾值進行插值，就可以得到對原圖中每個像素進行分割所需要的合理閾值。 首先將圖像分解成系列子圖，由于子圖相對原圖很小，因此受陰影或?qū)Ρ榷瓤臻g變化等帶來的問題的影響會比較小。若使用局部閾值，則可分別在亮區(qū)和暗區(qū)選擇不同的閾值，使得整體分割效果較為理性。如果只選擇一個全局閾值進行分割，那么將出現(xiàn)下面兩種情況，都不能得到滿意的效果。這種與坐標相關(guān)的閾值也叫動態(tài)閾值，此方法也叫變化閾值法，或自適應閾值法。⑤ 局部閾值法當圖像中有如下一些情況：有陰影，亮度不均勻，各處的對比度不同，突發(fā)噪聲，背景灰度變化等，如果只用一個固定的全局閾值對整幅圖像進行分割，則由于不能兼顧圖像各處的情況而使分割效果受到影響。④ 其它基于區(qū)域的全局閾值法松弛法利用鄰域約束條件迭代改進線性方程系統(tǒng)的收斂特性，當用于圖像閾值化時其思想是：首先根據(jù)灰度級按概率將像素分為“亮”和“暗”兩類，然后按照領(lǐng)域像素的概率調(diào)整每個像素的概率，調(diào)整過程迭代進行，使得屬于亮（暗）區(qū)域的像素“亮（暗）”的概率變得更大。最簡單的直方圖變換方法，就是根據(jù)梯度值加權(quán)，梯度值小的像素權(quán)加大，梯度值大的像素權(quán)減小。例如，由于目標區(qū)的像素具有一定的一致性和相關(guān)性，因此梯度值應該較小，背景區(qū)也類似。這里的像素領(lǐng)域局部性質(zhì)，在很多方法中經(jīng)常用的是像素的梯度值。而直方圖變化法，就是利用一些像素領(lǐng)域的局部性質(zhì)變換原始的直方圖為一個新的直方圖。往往容易得到假的谷底。③ 直方圖變化法從理論上說，直方圖的谷底是非常理想的分割閾值，然而在實際應用中，圖像常常受到噪聲等的影響而使其直方圖上原本分離的峰之間的谷底被填充，或者目標和背景的峰相距很近或者大小差不多，要檢測他們的谷底就很難了。使用這種方法，閾值可以直接計算得到，從而避免了分析灰度直方圖，也不涉及準則函數(shù)的優(yōu)化。Abutaleb結(jié)合Kapur和Kirby的方法提出了自己的二維熵閾值化方法，其準則函數(shù)都是使目標熵和背景熵之和最大化。圖45 二維灰度直方圖 例如，在圖45中，根據(jù)情況將圖像分為0區(qū)和1區(qū)等區(qū)，像素的灰度值與領(lǐng)域平均灰度值接近，說明一致性和相關(guān)性較強，應該大致屬于目標或背景區(qū)域；2區(qū)和3區(qū)一致性和相關(guān)性較弱，可以理解為噪聲或邊界部分。由于考慮了像素領(lǐng)域的相關(guān)性質(zhì)，因此對噪聲有一定抑止作用。于是，人們又提出了很多基于空間信息的閾值化方法。而在上述基于點的全局閾值選取方法中，有一個共同的弊病，那就是它們實際上只考慮了直方圖提供的灰度級信息，而忽略了圖像的空間位置細節(jié)，其結(jié)果就是它們對于最佳閾值并不是反映在直方圖的谷點的情況會束手無策，我們通常遇到的很多圖像恰恰是這種情況?？偟膩碚f，基于點的全局閾值算法，與其它幾大類方法相比，算法時間復雜度較低，易于實現(xiàn)，適合應用于在線實時圖像處理系統(tǒng)。④ 熵方法八十年代以來，許多學者將Shannon信息熵的概念應用于圖像閾