【正文】 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W(xué)indows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(kuò)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(jì)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(biāo)準(zhǔn)的Windows位圖格式，且BMP文件包含一個(gè)DIB。Microsoft并沒有發(fā)明應(yīng)用程序框架的概念，這個(gè)概念首先是在學(xué)院里提出來的，后來在Apple Macintosh上有了它的第一個(gè)商業(yè)化版本MacApp。應(yīng)用程序框架是一種類庫的超集。例如，數(shù)學(xué)類庫可以用來完成一般的數(shù)學(xué)運(yùn)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(jì)算機(jī)工程與設(shè)計(jì),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(xué)，感謝你們在我畢業(yè)設(shè)計(jì)遇到困難時(shí)伸出援助之手。在整個(gè)學(xué)期的畢業(yè)設(shè)計(jì)當(dāng)中，杜老師不僅在學(xué)習(xí)上對我耐心指導(dǎo)、嚴(yán)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(dǎo)師杜俊俐老師的悉心指導(dǎo)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(qiáng)等算法是在原有算法的基礎(chǔ)上進(jìn)行了研究，使算法更加完善有效的解決實(shí)際情況中的問題。由于每種算法都有其優(yōu)缺點(diǎn)，因此用不同的方法對圖像處理后會(huì)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(yù)處理中的圖像分割、求方向圖、圖像增強(qiáng)及二值化的幾種算法，并對每種算法進(jìn)行了比較。中值濾波是一種非線形濾波，但是由于其對每個(gè)像素都要排序取中值，圖像數(shù)據(jù)量大，所以計(jì)算量十分巨大，而且在取中值后，要將所有的值賦給一個(gè)全新的矩陣，這樣也加大了計(jì)算量，增加了時(shí)間復(fù)雜度，所以消耗的處理時(shí)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(gè)指紋的原始圖像和增強(qiáng)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(cuò)誤均能較好的糾正但是，Gabor圖像增強(qiáng)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(gè)參數(shù)，如果對頻率和方向估計(jì)錯(cuò)誤，會(huì)產(chǎn)生錯(cuò)誤的圖像增強(qiáng)。 　圖像增強(qiáng)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(qiáng)效果要優(yōu)于方向加權(quán)濾波。例如對于一般實(shí)時(shí)應(yīng)用來說，可以選擇最大類間方差方法和簡單統(tǒng)計(jì)法。人們先后已經(jīng)提出了幾十個(gè)評價(jià)準(zhǔn)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(jià)是一個(gè)比較困難的問題。分割評價(jià)是改進(jìn)和提高現(xiàn)有算法性能、改善分割質(zhì)量和指導(dǎo)新算法研究的重要手段。另一方面，給定一個(gè)實(shí)際圖像分割問題要選擇合用的分割算法也還沒有標(biāo)準(zhǔn)的方法。 (a)原始圖像 (b)閾值分割后圖像 圖51原始圖像與動(dòng)態(tài)閾值分割后的二值化圖像 圖像增強(qiáng)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(qiáng)算法，下圖是各種算法所對應(yīng)的實(shí)驗(yàn)結(jié)果。 實(shí)驗(yàn)結(jié)果本文主要通過不同的指紋圖像預(yù)處理算法，在VC++運(yùn)行調(diào)試進(jìn)行試驗(yàn)比對。2．圖像的前景區(qū)應(yīng)該最大量包含指紋特征信息。現(xiàn)在常用的方法是在對圖像進(jìn)行有效識別前需要對圖像進(jìn)行預(yù)處理，包括圖像分割、圖像增強(qiáng)、二值化、特征提取等處理步驟。也就是帶有特征點(diǎn)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(yīng)圖像中不含有有效信息的區(qū)域。圖像預(yù)處理主要包括圖像分割、二值化、圖像增強(qiáng)，本章主要介紹了用不同的圖像分割算法和圖像增強(qiáng)算法，來對圖像進(jìn)行預(yù)處理，每一種算法都各具優(yōu)缺點(diǎn)，用它們中的任何一種方法對指紋圖像進(jìn)行處理時(shí)，都能達(dá)到預(yù)期的效果，達(dá)到了實(shí)驗(yàn)?zāi)康摹＿@時(shí)為滿足用戶的需求，所設(shè)定的標(biāo)準(zhǔn)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(gè)和第三個(gè)特點(diǎn)，可以使用更加細(xì)致的匹配算法，通過適當(dāng)增加匹配時(shí)間的方法來提高識別的準(zhǔn)確率。3．使用頻率一般不會(huì)特別高。例如，在保險(xiǎn)柜指紋鎖系統(tǒng)中，考慮到其具體特點(diǎn)為：1．對安全性要求高。但與此同時(shí)，指紋模板會(huì)占據(jù)很多存儲空間，當(dāng)指紋識別系統(tǒng)存有很多指紋時(shí)，這對降低存儲設(shè)備的成本是相當(dāng)不利的。相反地，如果我們降低了拒識率，誤識率也會(huì)相應(yīng)地提高。衡量一個(gè)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(yīng)表中的第0項(xiàng)，該項(xiàng)應(yīng)該為0(2)對應(yīng)37，該項(xiàng)應(yīng)該為0(3)對應(yīng)173，該項(xiàng)應(yīng)該為1(4)對應(yīng)231，該項(xiàng)應(yīng)該為0(5)對應(yīng)237，該項(xiàng)應(yīng)該為1(6)對應(yīng)254，該項(xiàng)應(yīng)該為0(7)對應(yīng)255，該項(xiàng)應(yīng)該為0。查表的方法是，設(shè)白點(diǎn)為1，黑點(diǎn)為0；左上方點(diǎn)對應(yīng)一個(gè)8位數(shù)的第一位（最低位），正上方點(diǎn)對應(yīng)第二位，右上方點(diǎn)對應(yīng)第三位，左鄰點(diǎn)對應(yīng)第四位，右鄰點(diǎn)對應(yīng)第五位，左下方點(diǎn)對應(yīng)第六位，正下方點(diǎn)對應(yīng)第七位，右下方點(diǎn)對應(yīng)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(gè)判據(jù)，可事先做出一張表，從0到255共有256個(gè)元素，每個(gè)元素要么是0，要么是1。3．直線端點(diǎn)不能刪除。并有如下的判據(jù)：1．內(nèi)部點(diǎn)不能刪除。 　細(xì)化算法 所謂細(xì)化，就是從原來的圖中去掉一些點(diǎn)，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(gè)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(diǎn)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(shí)用的圖像處理中，以二值圖像處理實(shí)現(xiàn)而構(gòu)成的系統(tǒng)是很多的，要進(jìn)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(jìn)一步處理時(shí)，圖像的集合性質(zhì)只與像素值為0或255的點(diǎn)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(diǎn)的灰度置為0或255，也就是講整個(gè)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(gè)初始閾值，接著，去掉初始閾值檢測到的邊界點(diǎn)再做一次直方圖，并依據(jù)新的直方圖選擇下一個(gè)閾值。 均衡對比度遞歸多域值方法首先，對每一個(gè)可能閾值計(jì)算對應(yīng)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(diǎn)的數(shù)目。首先，將像素點(diǎn)分為邊界點(diǎn)和非邊界點(diǎn)兩類，邊界點(diǎn)再根據(jù)它們的鄰域的亮度分為較亮的邊界點(diǎn)和較暗的邊界點(diǎn)兩類，然后用這兩類邊界點(diǎn)分別作直方圖，取兩個(gè)直方圖中的最高峰多對應(yīng)的灰度級作為閾值?？梢曰谧钚【嚯x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(jìn)行。其實(shí)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(jìn)化論中自然選擇機(jī)理的、并行的、統(tǒng)計(jì)的隨機(jī)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(yīng)迭代閾值方法，它的基本思想是：初始時(shí)，使用一個(gè)較大的閾值將兩個(gè)目標(biāo)分開，但目標(biāo)間的間隙很大；在減小閾值的過程中，兩個(gè)目標(biāo)的邊界會(huì)相向擴(kuò)張，它們接觸前所保留的最后像素集合就給出了目標(biāo)間的最終邊界，此時(shí)也就得到了閾值。通過對這些子圖所得到的閾值進(jìn)行插值，就可以得到對原圖中每個(gè)像素進(jìn)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(huì)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(gè)全局閾值進(jìn)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(biāo)相關(guān)的閾值也叫動(dòng)態(tài)閾值，此方法也叫變化閾值法，或自適應(yīng)閾值法。⑤ 局部閾值法當(dāng)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(gè)固定的全局閾值對整幅圖像進(jìn)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(jìn)線性方程系統(tǒng)的收斂特性，當(dāng)用于圖像閾值化時(shí)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(gè)像素的概率，調(diào)整過程迭代進(jìn)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(biāo)區(qū)的像素具有一定的一致性和相關(guān)性，因此梯度值應(yīng)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(gè)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(shí)際應(yīng)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(biāo)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(jì)算得到，從而避免了分析灰度直方圖，也不涉及準(zhǔn)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(zhǔn)則函數(shù)都是使目標(biāo)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(qiáng)，應(yīng)該大致屬于目標(biāo)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(diǎn)的全局閾值選取方法中，有一個(gè)共同的弊病，那就是它們實(shí)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(xì)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(diǎn)的情況會(huì)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(diǎn)的全局閾值算法，與其它幾大類方法相比，算法時(shí)間復(fù)雜度較低，易于實(shí)現(xiàn)，適合應(yīng)用于在線實(shí)時(shí)圖像處理系統(tǒng)。④ 熵方法八十年代以來，許多學(xué)者將Shannon信息熵的概念應(yīng)用于圖像閾值化，其基本思想都是利用圖像的灰度分布密度函數(shù)定義圖像的信息熵，根據(jù)假設(shè)的不同或視角的不同提出不同的熵準(zhǔn)則，最后通過優(yōu)化該準(zhǔn)則得到閾值。往往容易得到假的谷底。也有人使用低通濾波的方法平滑直方圖，但是濾波尺度的選擇并不容易。Rosenfeld和Torre提出可以構(gòu)造一個(gè)包含直方圖 的最小凸多邊形 ，由集差確定的凹面。