【正文】 如追趕法）編寫一個(gè)程序塊來求解方程，最后再輸出計(jì)算結(jié)果。解線性方程的麻煩在于要對矩陣的元素作循環(huán)，選擇穩(wěn)定的算法以及代碼的調(diào)試動不容易。解線性方程的程序用FORTRAN和C這樣的高級語言編寫，至少需要四百多行，調(diào)試這種幾百行的計(jì)算程序可以說很困難。 2）、運(yùn)算符豐富。 3）、 MATLAB既具有結(jié)構(gòu)化的控制語句（如for循環(huán)，while循環(huán)，break語句和if語句），又有面向?qū)ο缶幊痰奶匦浴＠?，在MATLAB里，用戶無需對矩陣預(yù)定義就可使用?；旧喜蛔鲂薷木涂梢栽诟鞣N型號的計(jì)算機(jī)和操作系統(tǒng)上運(yùn)行。在FORTRAN和C語言里，繪圖都很不容易，但在MATLAB里，數(shù)據(jù)的可視化非常簡單。 7）、MATLAB的缺點(diǎn)是，它和其他高級程序相比，程序的執(zhí)行速度較慢。 8）、功能強(qiáng)大的工具箱是MATLAB的另一特色。核心部分中有數(shù)百個(gè)核心內(nèi)部函數(shù)。功能性工具箱主要用來擴(kuò)充其符號計(jì)算功能，圖示建模仿真功能，文字處理功能以及與硬件實(shí)時(shí)交互功能。而學(xué)科性工具箱是專業(yè)性比較強(qiáng)的，如 control,toolbox,signl proceessing toolbox,mumnication toolbox 等。 9）、源程序的開放性。除內(nèi)部函數(shù)以外，所有MATLAB的核心文件和工具箱文件都是可讀可改的源文件，用戶可通過對源文件的修改以及加入自己的文件構(gòu)成新的工具箱。許多在C語言中或其它高級語言中很復(fù)雜的編程問題在MATLAB語言編程中只需要一條專用指令就就可以完成。它是一種解釋型語言，幾乎沒有格式上的限制。在指紋圖像處理算法中所處理的是一個(gè)個(gè)像素點(diǎn)的灰度值，可以在MATLAB中將圖形文件轉(zhuǎn)變成可以在程序中處理的數(shù)據(jù)形式。下面是一個(gè)基本的灰度圖像的讀取和顯示方式：[X,Cmap]=imread(“d：\fingerprint\CASIA_DBI\)。%觀察色圖矩陣Imagesc（X）。%借用MATLAB的灰度矩陣X是程序內(nèi)一個(gè)存儲圖片灰度值的矩陣，矩陣內(nèi)的每一個(gè)元素的值都對應(yīng)一個(gè)相應(yīng)的像素的灰度值。進(jìn)行處理完畢后，再用相應(yīng)的命令將矩陣以圖片的形式輸出，而進(jìn)行觀察。經(jīng)過這個(gè)命令輸入進(jìn)來的矩陣是一個(gè)整形變量，但是程序內(nèi)處理圖形時(shí)使用的是雙精度浮點(diǎn)數(shù)，所以要轉(zhuǎn)換一下數(shù)據(jù)類型[9][10]。命令中X1代表的是轉(zhuǎn)換之后的雙精度數(shù)據(jù)類型，X代表指紋圖像中像素灰度值輸入的數(shù)組，這是一個(gè)整形矩陣。 指紋圖像預(yù)處理 圖像規(guī)格化受采集設(shè)備參數(shù)和環(huán)境的影響，采集到的指紋圖像可能總體對比度較差。歸一化的算法是：（1） 先計(jì)算圖像的平均值和方差。（2） 指定期望經(jīng)過處理后的圖像均值和方差，計(jì)算歸一化后的圖像G。 圖像分割指紋圖像通常包括紋線區(qū)域和周邊的無用區(qū)域。為此要先將其從待處理區(qū)域中去除。本文采取對各像素鄰域特征進(jìn)行分析，然后分割圖像算法。如果在8鄰域中，背景景小于等于4則認(rèn)為是前景，否則是背景在編程過程中通過幾次調(diào)試后對圖像進(jìn)行3*3分塊處理程序見附錄1。為估計(jì)方向場，我們把指紋脊線的走向分為如下8個(gè)方向，如下圖：圖41 在一個(gè)像素處的8個(gè)指紋脊線方向我們先對分割后的圖像進(jìn)行了平均濾波，然后對圖像的每一個(gè)像素，為確定在該像素出的脊線方向，在以該像素為中心的9*9窗口內(nèi)，分別計(jì)算8個(gè)方向上的經(jīng)過處理后的灰度值，即將圖41中標(biāo)了i（i=0,1,…7分別代表8個(gè)方向）的位置的像素灰度值去他們中最大summax和最小值summin，若滿足(summax+summin+ 4*I(x,y)) (3*summ/8),則該像素點(diǎn)的脊線方向?yàn)閟ummin,否則為summax.確定完方向后就根據(jù)該向場對圖像進(jìn)行二值化。 圖像增強(qiáng)在當(dāng)前的指紋采集條件下，不可避免的會受到環(huán)境，皮膚上的油脂、水分、污漬的影響，使采集到的指紋圖像出現(xiàn)紋線粘連、紋線斷裂等缺陷，對后續(xù)的指紋特征提取帶來很大困難。實(shí)驗(yàn)中進(jìn)行了初步去除空洞和毛刺的處理，程序見附錄1。程序如下見附錄1。方便后續(xù)編程。程序見附錄2。定義的數(shù)組txy第一項(xiàng)為橫坐標(biāo)，第二項(xiàng)為縱坐標(biāo)，第三項(xiàng)為2或6（2為端點(diǎn)、6為交叉點(diǎn)）?；驹頌椋赫业矫總€(gè)端點(diǎn)，使其沿著紋線的方向移動5個(gè)像素，如果在5個(gè)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)。光滑完后需再次執(zhí)行point函數(shù)來畫出新的端點(diǎn)。本實(shí)驗(yàn)中設(shè)計(jì)了cut函數(shù)來進(jìn)行處理。 找出特征點(diǎn) single_point函數(shù) 經(jīng)過光滑處理和去除邊緣端點(diǎn)后進(jìn)一步減少了端點(diǎn)和交叉點(diǎn)的個(gè)數(shù)。在一幅細(xì)化的指紋圖上，如果一個(gè)端點(diǎn)的周圍半徑為r個(gè)像素的圓內(nèi)沒有任何端點(diǎn)或交叉點(diǎn)，那么隨著r的逐漸變大，這樣的點(diǎn)會越來越少，也就越來越獨(dú)特。程序見附錄3。程序見附錄3。通過執(zhí)行[pxy3,error2]=last1(thin,r,txy,num)可以找出周圍半徑為r個(gè)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(gè)像素內(nèi)沒有另一個(gè)端點(diǎn)或交叉點(diǎn)的端點(diǎn)。 特征點(diǎn)匹配 紋線長度匹配 上面，我們已經(jīng)可以找出每幅指紋圖像的特征點(diǎn)，并畫出一段紋線。在此，我們設(shè)置了三層匹配。對于上面找出的特征點(diǎn)和紋線，每沿著紋線走5個(gè)像素測量一下到原始端點(diǎn)的距離。程序見附錄4。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(gè)特征點(diǎn)出發(fā)畫出的紋線，則這兩個(gè)長度數(shù)組對應(yīng)位置的比例應(yīng)基本相等（考慮到老師所給的24幅指紋圖像大小相同，這個(gè)比例應(yīng)近似為1）；最終的函數(shù)中定義了一個(gè)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。其中，找到距離最近的端點(diǎn)的函數(shù)find_point見附錄4。 點(diǎn)類型匹配 找到一個(gè)特征點(diǎn)后，在其周圍找到40個(gè)端點(diǎn)或交叉點(diǎn)，統(tǒng)計(jì)這40個(gè)點(diǎn)中端點(diǎn)和交叉點(diǎn)的個(gè)數(shù)。在最終函數(shù)中定義了一個(gè)數(shù)fff=abs(f11f21)/(f11+f12)，所以fff值越接近于0，這兩幅圖像的匹配度越高。 本章小結(jié) 本章簡要介紹了MATLAB的概況及其語言特點(diǎn)。除具備卓越的數(shù)值計(jì)算能力外，它還提供了專業(yè)水平的符號計(jì)算、文字處理、可視化建模仿真和實(shí)時(shí)控制等功能，它有著不同于其他語言的特點(diǎn)。通過指紋圖像預(yù)處理，然后提取特征點(diǎn)，再找出特征點(diǎn)，從而通過特征點(diǎn)匹配達(dá)到指紋識別的目的。結(jié) 論參考文獻(xiàn)1 查振元、朱華炳．，（2）：13—142 劉 莎、姜長生．構(gòu)建基于Intel （5）：106—108 3 李建華，馬小妹，郭成安，. 2002，42(5)：6266284 馮星奎，李林艷，顏?zhàn)嫒? ， 4(10):8358385 ：清華大學(xué)出版社，19996 劉文星，王雄沂，回想這半年的畢業(yè)設(shè)計(jì)我感謝我的老師龍佳樂，他在學(xué)習(xí)上對我總是耐心指導(dǎo)，嚴(yán)格要求，精益求精，在課題研究和論文創(chuàng)作期間，龍一直是我的良師益友，引導(dǎo)我、督促我、甚而跟我一起學(xué)習(xí)，他嚴(yán)謹(jǐn)?shù)闹螌W(xué)態(tài)度和平易近人的生活方式讓我欽佩值得我學(xué)習(xí)，在此致以最深的謝意。我要深深感謝我的親人，他們無微不至的愛與期望是我一直奮進(jìn)的動力之源。最后，我想感謝這四年中碰到的所有人和事。 姜騰云 2011年4月21日附錄1 圖像預(yù)處理代碼：歸一化Function img = My_imread(path)M=0。I=imread(path)。 endendM1=M/(m*n)。 endendvar1=var/(m*n)。 else I(x,y)=150sqrt(2000*(M1I(x,y))/var1)。*****************************************************************************分割M =3。 L= n/M。var1=zeros(H,L)。 for y=1:L。var=0。 for j=1:M。 end end aveg1(x,y)=aveg/(M*M)。 for j=1:M。 end end var1(x,y)=var/(M*M)。Vmean=0。 Vmean=Vmean+var1(x,y)。%所有塊的平均值Vmean1=Vmean/(H*L)。gtotle=0。vtemp=0。 gtotle=gtotle+aveg1(x,y)。 vtotle=vtotle+var1(x,y)。V1=vtotle/vtemp。gtotle1=0。vtemp1=0。 gtotle1=gtotle1+aveg1(x,y)。 vtotle1=vtotle1+var1(x,y)。V2=vtotle1/vtemp1。for x=1:H for y=1:L if aveg1(x,y)G2 amp。 var1(x,y)V2 e(x,y)=1。amp。 end endend for x=2:H1 for y=2:L1 if e(x,y)==1 if e(x1,y) + e(x1,y+1) +e(x,y+1) + e(x+1,y+1) + e(x+1,y) + e(x+1,y1) + e(x,y1) + e(x1,y1) =4 e(x,y)=0。for x=1:H for y=1:L if e(x,y)==1 for i=1:M for j=1:M I(i+(x1)*M,j+(y1)*M)=G1。 end end end endendfigure, imshow(uint8(I))。分割39。*****************************************************************************二值化temp=(1/9)*[1 1 1。1 1 1]。 In=zeros(m,n)。 for b=2:n1。 endendI=In。for x=5:m5。 sum1=I(x,y4)+I(x,y2)+I(x,y+2)+I(x,y+4)。 sum3=I(x2,y+2)+I(x4,y+4)+I(x+2,y2)+I(x+4,y4)。 sum5=I(x2,y)+I(x4,y)+I(x+2,y)+I(x+4,y)。 sum7=I(x4,y4)+I(x2,y2)+I(x+2,y+2)+I(x+4,y+4)。 sumi=[sum1,sum2,sum3,sum4,sum5,sum6,sum7,sum8]。 summin=min(sumi)。 b=summ/8。 else sumf =summax。 else Im(x,y)=255。 endend for i=1:m for j =1:n if (Icc(i,j)==128) Icc(i,j)=0。 end。title(39。)。[m,n]=size(u) %去除空洞和毛刺for x=2:m1for y=2:n1if u(x,y)==0if u(x,y1)+u(x1,y)+u(x,y+1)+u(x+1,y)=3u(x,y)=1。endendendfigure,imshow(u)%title(39。)for a=2:m1for b=2:n1if u(a,b)==1If abs(u(a,b+1)u(a1,b+1))+abs(u(a1,b+1)u(a1,b))+abs(u(a1,b)u(a1,b1))+abs(u(a1,b1)u(a,b1))+abs(u(a,b1)u(a+1,b1))+abs(u(a+1,b1)u(a+1,b))+abs(u(a+1,b)u(a+1,b+1))+abs(u(a+1,b+1)u(a,b+1))~=1%尋找端點(diǎn)if(u(a,b+1)+u(a1,b+1)+u(a1,b))*(u(a,b1)+u(a+1,b1)+u(a+1,b))+(u(a1,b)+u(a1,b1)+u(a,b1))*(u(a+1,b)+u(a+1,b+1)+u(a,b+1))==0 %去除空洞和毛刺u(a,b)=0。去除