【正文】 了基礎(chǔ)。一般來說實踐中取“0”值或“1”值，如下圖所示： （a）原始圖像 (b)二值化圖像 圖像的二值化 就本文中畢業(yè)設(shè)計要研究的指紋識別而言，由于指紋僅僅是紋路與間隔的結(jié)合，并不對每個像素的灰度大小進行很細的分類，而只存在這個像素內(nèi)含有或是不含有紋線的情況。比如說本次的畢業(yè)設(shè)計在研究指紋識別的過程中僅對指紋圖像中的紋線，端點，分叉點等感興趣，那么這時系統(tǒng)關(guān)注的部分就可以稱之為對象。這時就需要用到圖像的裁剪來實現(xiàn)這個目的了。通常來講，包圍了一個連通性的區(qū)域的曲線稱為邊緣。通常來講圖像裁剪有兩種方案，一種是點相關(guān)的圖像裁剪方案，另一種是區(qū)域相關(guān)的圖像裁剪方案。本文中，鑒于這里設(shè)計的系統(tǒng)所要處理的圖像是簡單的點與線組成的指紋圖像，所以在此選取方差法作為指紋圖像裁剪的方法。而不論是目標還是背景，如果被錯誤的分到了另一類當中的話都會直接導致這兩類的差異降低，也就是說方差變小。考慮到以后的操作在進行指紋圖像細化，特征提取以及特征匹配時所處理的都是二值化圖像，方差法自然成為當前設(shè)計中進行圖像裁剪的不二之選。為了避免這種問題，就要對原始指紋圖像實施除噪的處理，而降低噪聲，提高數(shù)字圖像質(zhì)量的過程就叫做圖像的平滑處理。圖像平滑處理可以采用多種途徑實現(xiàn)，例如說中值濾波法,空間低通濾波法，多幅圖像平均法等等。這里論文中針對指紋圖像識別的要求僅對上述幾種方法進行簡單描述，有關(guān)的其他方法請參見[5]。在這種方法中是將模版本身當做濾波器來使用的。由上至下的順序進行移動，使像素與模板中心逐個對應(yīng)起來，然后把模板與相對應(yīng)的像素數(shù)值逐一求積，然后將所得到的數(shù)值累加起來，這樣就會得到一個新的數(shù)值，這時只需要將這個數(shù)值賦給模板中心相應(yīng)于圖像中的像素就可以了。圖（a）是在圖像中截取的某一個小的部分，其中包含九個像素，用mi來表示各個像素的灰度值。如果將模板中的n0與待處理圖片中的m0像素對應(yīng)，那么相應(yīng)的就得到經(jīng)過濾波后的中心灰度值大小P為: ()m4m3m2m5m0m1m6m7m8 (a)n4n3n2n5n0n1n6n7n8 (b) p (c) 在對圖片中的像素逐個按照上式進行處理之后，系統(tǒng)就可以求得增強圖像的各個像素的灰度值了。 而m,n的值是依照領(lǐng)域而定的。一般而言將對同一物體的多個數(shù)字圖像進行相加之后求平均值的做法叫做多幅圖像平均法。 中值濾波法 從理論上來講根據(jù)中值濾波法進行的平滑去除噪聲的這個過程是非線性的。中值濾波法對于降噪處理尤其是對椒鹽噪聲的處理尤為明顯，除此之外中值濾波的處理過程對于信號的邊緣不會造成明顯的影響，這是各種線性處理方案所不能實現(xiàn)的。進一步的理論依據(jù)可以參照排序統(tǒng)計理論。接下來將這個模板移動到其他位置繼續(xù)上面的操作。本次畢業(yè)設(shè)計的過程中討論的為指紋數(shù)字圖像的識別，為了減小計算量，也為了簡化算法結(jié)構(gòu)并提高整個識別過程的運行速度，在本次設(shè)計的過程中利用中值濾波法作為指紋圖像的平滑處理的方案。為了避免這個問題，該處就需要對當前數(shù)字圖像進行增強，以突出圖像信息，為二值化打下基礎(chǔ)。而具體來講這里要做的操作就是通過卷積來增強圖像中的灰度反差。一般來說高通濾波的效果是突出原圖中的線條與形狀，增強圖像的對比度從而提升特征的可提取性。這里本文根據(jù)前人總結(jié)經(jīng)驗而在這次實驗過程中使用的高通濾波模板為： ()通過實際實驗操作，(b)(b)所示: (a)銳化前 (b)銳化后通過圖像增強之后，噪聲受到了有效的抑制，而邊緣信息也變得十分明顯，其對應(yīng)的細節(jié)特征也變得容易提取起來。為了將圖像變?yōu)橛嬎銠C中容易識別和操作的對象，并減輕計算的壓力，同時加速程序的運行速度，系統(tǒng)就要對銳化后的指紋圖像做進一步處理，而本次設(shè)計研究的范疇僅指某個像素有或者無紋線的情況，對于圖像的色彩等等問題并沒有說沒關(guān)系。一般的，對圖像進行處理，使得圖像中每個像素的灰度值不是“0”就是“1”的操作叫做圖像的二值化。承接以上圖像平滑銳化的結(jié)果，二值化操作在指紋在整個指紋識別中扮演著舉足輕重的角色，因為它是圖像細化的前提。指紋圖像在完成了二值化操作之后，不但極大地減少了多余的信息，同時也方便了增強后的特征提取操作。但是，一旦二值化過程中出現(xiàn)了差錯，就會對整個識別程序帶來很嚴重的問題。，并且各個紋線不會相連。為此本文在這里介紹一種基于自適應(yīng)閾值方法的二值化方案。指紋圖像各個位置的閾值的大小與該部分的小的區(qū)域內(nèi)的顏色深淺有關(guān)。這就保證了各個區(qū)域內(nèi)的二值化處理的準確性，從而生成實驗中所需的二值化圖像?？紤]到人類指紋的脊線與谷線的寬度是基本一致的固有特性，不難推斷出通過實驗得到的二值化圖像中“1”與“0”的數(shù)量應(yīng)該也是基本一致的。這樣一來的話就將指紋圖像明確的分為目標以及背景這兩類了，也就為系統(tǒng)之后的指紋圖像的細化以及特征提取的工作打下了堅實的基礎(chǔ)。不過由于指紋紋線粗細不一，這就會多占用一定內(nèi)存空間，也不利于接下來進行進一步的處理，且各個位置的特征并不十分明顯。為了避免以上的問題，這里就需要利用細化來處理當前得到的經(jīng)過平滑，銳化，二值化處理的指紋圖像。圖像細化的處理進一步的削減了指紋圖像所占用的內(nèi)存空間，也有效的使程序計算負擔變得更小了，同時優(yōu)化了算法結(jié)構(gòu)。一般來說，通過不同的細化處理方案所得到的細化圖像是不一樣的，但是不論是說采用什么方法，處理之后所得到的細化圖像都必須滿足不破壞原始指紋圖像的幾何性質(zhì)與區(qū)域連接性。通常來講選取的模板大小一般是33或者是55的，然后在模板內(nèi)的每一個像素按照該像素鄰域的分布情況進行分類處理。這是因為這種算法破壞了細化性與中軸性的特性要求。:(a)不可剔除(b)不可剔除(c)可剔除(d)不可剔除(e)可剔除(f)不可剔除(g)不可剔除 黑點附近鄰域像素分布情況分類圖，結(jié)合剛剛提到的細化圖像必須滿足的幾個性質(zhì)問題，其實不難得出如下的結(jié)論：.（a）的中間點不能被剔除，如果剔除了這個點，就破壞了骨架，違背了細化的拓撲性性質(zhì)；.（b）的中間點也不能被剔除，因為剔除這個點的操作違背細化的連通性這個基本性質(zhì)；.（c）的中間點是可以進行剔除的，因為剔除這個點并不會對圖像的連通性或拓撲性造成什么影響；.（d）的中間點是不可以被剔除的，因為剔除這一個點就會破壞圖像的拓撲性；.（e）的中間點是可以被剔除的，因為這個點并不會作為骨架；.（f）的中間點是不可以被剔除的，如果將作為直線的端點的點都剔除掉了，那么最終指紋圖像中所有的紋線也就被剔除掉了，這顯然是不對的；.（g）的中間點也是不可以被剔除的，這個點是一個孤立點，以自身作為骨架。而在一個點作為邊界點出現(xiàn)的情況下，倘若剔除這一個點的操作不會對原圖像的連通分量造成影響，那么就可以將這個點剔除掉。不過在定義細化表之前，這里先要定義一個33的細化模板，該模板左上角的第一個元素開始，按照順時針的順序每個元素的數(shù)值是以2的N的方定義的，： 細化模板查找表[256]={0，0，1，1，0，0，1，1，1，1，0，1，1，1，0，1，1，1，0，0，1，1，1，1，0，0，0，0，0，0，0，1，0，0，1，1，0，0，1，1，1，1，0，1，1，1，0，1，1，1，0，0，1，1，1，1，0，0，0，0，0，0，0，1，1，1，0，0，1，1，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，1，1，0，0，1，1，0，0，1，1，0，1，1，1，0，1，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，1，1，0，0，1，1，1，1，0，1，1，1，0，1，1，1，0，0，1，1，1，1，0，0，0，0，0，0，0，1，0，0，1，1，0，0，1，1，1，1，0，1，1，1，0，1，1，1，0，0，1，1，1，1，0，0，0，0，0，0，0，0，1，1，0，0，1，1，0，0，0，0，0，0，0，0，0，0，1，1，0，0，1，1，1，1，0，0，0，0，0，0，0，0，1，1，0，0，1，1，0，0，1，1，0，1，1，1，0，0，1，1，0，0，1，1，1，0，1，1，0，0，1，0，0，0}有了細化模板之后，此處就可以給出查找表的定義了，首先，查找表包含有256個元素，每個元素的位置與像素的索引值都是對應(yīng)起來的。也就是說當實驗通過卷積計算之后得到結(jié)果后按照結(jié)果到這個查找表中查找相對應(yīng)位置的元素數(shù)值時，如果說查出來的數(shù)值是“0”，那么結(jié)果就認為這個點作為黑點，是不可以進行剔除操作的；而假如查出來的數(shù)值時“1”，那么就說明這個點是白點，即進行細化時是可以剔除這個點的。首先先對二值化圖像做簡單的腐蝕操作，腐蝕是指依靠一個33的模板通過“與”的運算之后讓二值圖像直觀看起來“瘦了一圈”的操作。在進行了如上的操作之后，實驗就成功的將完成了細化操作了。如果當前像素為白點，則跳過并繼續(xù)，如果當前的像素位置是黑點，那么相應(yīng)的就查看該點左邊與右邊兩個點的情況，如果這兩個點都是黑點的話，那么依照細化的連通性，這個點是不可以剔除的。通過實際實驗操作，(b)(b)所示: (a)細化前 (b)細化后 細化實驗生成的指紋圖像前后對比 圖像的特征 圖像本身自帶的固有屬性稱為圖像的特征[7]。而相應(yīng)的又