计算机专业毕业论文-指纹识别技术的研究与设计--指纹图像预处理

毕业设计（论文）

题目名称：指纹识别技术的研究与设计

--指纹图像预处理之一

院系名称：计算机学院 班 级：计科051 学 号：200500814127 学生姓名：李旭

指导教师：杜俊俐

2009 年 5 月

论文编号：200500814127

指纹识别技术的研究与设计 --指纹图像预处理之一

Fingerprint Identification Technology Research and Design

---- One of fingerprint image preprocessing

院系名称：计算机学院 班 级：计科051 学 号：200500814127 学生姓名：李旭

指导教师：杜俊俐

2009年 5 月

摘要

指纹图像预处理与是图像处理与模式识别的分支之一， 经过若干年的发展技术日趋成熟。由于指纹的唯一性和不变性，以及指纹识别技术的可行性和实用性，指纹识别已成为当前最流行、最方便、最可靠的个人身份认证技术之一。尽管在此技术上已有多种成型产品，但因为许多核心技术因商业利益和保密需要而未经公开，以及社会的发展对系统的性能提出了更高的要求，所以从事该领域研究，仍具有重要的理论意义和实用价值。

本文完成了如下工作：

1．通过比较多种预处理算法，本文选择并实现了指纹图像分割、图像增强、求方向图、二值化等算法。

2．在细化及识别处理方面，本文提出了8邻域查表的细化算法。

对上述各算法，本文均进行了模拟实验。结果表明，算法的性能达到了设计要求，使整个系统能够快速、准确、可靠地工作。能够完成对256级的灰度指纹图像的处理任务。

关键词 指纹识别；图像处理；图像分割；图像增强；

I

Abstract

Fingerprint Image Processing and Recognition of image processing and pattern recognition is a branch of one of a number of years through the development of technology matures. As the only fingerprint and invariance, as well as fingerprint identification technology feasibility and practicability, fingerprint identification has become the most popular, most convenient and most reliable one of the personal identity authentication technology. Although this technology has been in a variety of molding products, but because many of the core technologies for commercial interests and the need for confidentiality and without public, as well as the development of the social system performance has put forward higher requirements, so in this field research, still has an important theoretical and practical value.

In this paper, based on the work of our predecessors, to complete the following tasks:

First, by comparing the various pretreatment algorithm, the paper choice and realized fingerprint image segmentation, and direction plans, the value of the algorithms.

Second, identification and refinement in processing, this paper presents the eight-neighbor look-up table.

The above algorithm, a simulation conducted this experiment. The results showed that the performance of the algorithm design requirements so that the whole system can be fast, accurate, reliable work. Able to complete the 256 grayscale fingerprint image processing tasks.

Key words Fingerprint Image Recognization Image Processing Image Segmentation Image Enhancement

II

目 录

摘要 ................................................................................................................... I Abstract ........................................................................................................... II 目 录 ......................................................................................................... III 第1章 绪论 ..................................................................................................... 1 1.1 课题背景 ................................................................................................ 1 1.2 目的和意义 ............................................................................................ 2 1.3 理论基础 ................................................................................................ 2 1.4 指纹识别技术的具体表现 .................................................................... 3 1.4.1 在涉及国家刑事领域的应用 ......................................................... 3 1.4.2 在经济生活方面 ............................................................................. 3 1.4.3 在公共事务管理方面 ..................................................................... 4 1.5 本文的主要研究内容 ............................................................................ 4 第2章 需求分析 ............................................................................................. 5 2.1 本课题目标 ............................................................................................ 5 2.2 功能需求 ................................................................................................ 5 2.3 性能需求 ................................................................................................ 5 2.4 开发工具的选择 .................................................................................... 6 2.5 系统设计原则 ........................................................................................ 6 第3章 指纹识别系统总体设计 ..................................................................... 7 3.1 系统总体设计 ........................................................................................ 7 3.1.1 指纹图像的获取 ............................................................................. 7 3.1.2 指纹图像预处理 ............................................................................. 8 3.1.3 特征的提取 ..................................................................................... 9 3.1.4 模板匹配 ......................................................................................... 9 3.2 本章小结 ................................................................................................ 9 第4章 指纹图像预处理之一 ....................................................................... 10 4.1 引言 ...................................................................................................... 10 4.2 系统算法描述 ...................................................................................... 10 4.2.1 归一化 ........................................................................................... 11 4.2.2 产生方向图 ................................................................................... 11 4.2.3 图像增强算法 ............................................................................... 14 4.2.4 图像分割 ....................................................................................... 17 4.2.5 二值化 ........................................................................................... 23 4.3 细化算法 .............................................................................................. 23 4.4 指纹的匹配 .......................................................................................... 24

III

4.5 本章小结 .............................................................................................. 25 第5章 实验结果与分析 ............................................................................... 26 5.1 评估标准 .............................................................................................. 26 5.2 实验结果 .............................................................................................. 26 5.2.1 图像分割算法结果比较 ............................................................... 27 5.2.2 图像增强算法结果比较 ............................................................... 28 5.3 本章小结 .............................................................................................. 29 第6章 结 论 ............................................................................................... 30 致 谢 ......................................................................................................... 31 参考文献 ......................................................................................................... 32 附录1 .............................................................................................................. 33 附录2 系统用户手册 .................................................................................... 35 附录3 程序源代码 ........................................................................................ 36

IV

中原工学院计算机学院毕业（设计）论文

第1章 绪论

1.1 课题背景

人体生物特征鉴别技术是一项快速发展生命力旺盛的新兴技术，经过若干年的发展与推广已经被广泛应用在犯罪证据的提取和监狱安全等方面，而且它在极其广泛的日常生活领域也具有巨大的潜力，主要体现在如下几个方面：

1．国防安全，现金提取、电子货币传输、ATM安全、信用卡验证。 2．人员出入控制，如重要机关、单位、场所的人员出入控制。 3．海关出入境管理。

4．国家ID系统，为每个人建立唯一的个人标识，以用于政府部门的管理。 5．私有设备的使用控制，如移动电话、个人计算机以及汽车等需要钥匙的设备。 6．其它可以取代钥匙的场合。

在人体生物特征鉴别技术的迅速发展中，产生了指纹自动识别技术，其实人们使用指纹进行个人身份鉴定已经有很长的历史。早在公元650年，唐代作家贾公秀在其作品中就着重提到了指纹是确认个人身份的方法 。我国将指纹应用于民间契约及断案有悠久的历史，但是由于缺乏专门性研究，未能将指纹识别技术上升为一门科学。现代指纹识别起源于16世纪后期。苏格兰医生Henry Fauld于1880年10月28日首次在英国《Nature》上发表论文，指出人的指纹各不相同，恒久不变，并利用现场指纹来鉴定罪犯。接着，William Hersche也在《Nature》上发表了他本人关于指纹的20多年来的研究成果，从此揭开了现代指纹识别的序幕。1892年，英国Sir Francis Galton对指纹进行了系统地研究，并提出了指纹细节特征分类，将指纹分为斗、箕、弧三大类，使指纹识别应用进入了一个崭新的时期。1899年，英国Edward.Henry建立了著名的henry指纹分类系统并于1901年被英国政府正式采用，随后西方各国亦相继采用，指纹识别的应用正式走上了科学化道路。随着电子计算机的出现，采集技术的发展以及对指纹识别的研究，人们逐渐将人工的指纹识别向指纹自动识别转变。 在这个电子互联程度越来越高的信息化社会里，能够对人体进行精确的鉴别变得越来越重要。在此之前传统的人体鉴别方法或是利用人们只有自己知道的东西，例如个人的密码，id标识等或是利用用户自己拥有的物品，如身份证、钥匙、解码口令等。尽管如此这些方法都不能满足电子事务中对高安全运行的需求。其共同的弱点是，不能有效及时的区分合法用户，和通过非正常手段已经获

1

李旭：指纹识别技术的研究与设计

得了这些东西的非法使用者。人体生理行为特征身份验证正是基于人体的生理上的特征（如视网膜）或行为习惯的特征（如签名）来验证用户身份的，由于这些都是人体所固有的特征，因此这些方法具有有效区分假冒者的能力。因此作为人体生理行为特征鉴别技术的分支，指纹鉴别技术越来越受到社会许多领域的欢迎。与其它生理特征相比，指纹具有更加准确、更加方便等特点，因此是今后应用的主流。

虽然目前已经有大量的自动指纹识别系统投入使用，但还是难以满足社会对该类系统的需求。尽管对自动指纹识别技术的研究已经进行了很多年，自动指纹识别技术的设计也已经取得了令人可喜的进步，但诸如阻碍性能的瓶颈等问题却依然存在，识别的准确率程度不能满足在大量用户的使用下保持较高精度和速度，并且其应用的领域还很有限，大多数系统还只是针对某一特定具体领域开发的，但当转向新的领域时却不能继续保持在上一领域高的准确率和稳定性。因此能够开发出具有更高精度和更广泛应用领域的自动指纹识别系统具有极其重要的现实意义和价值。

1.2 目的和意义

因为指纹具有唯一性、终生不变性、难于伪造性等优良优点，所以将指纹作为法庭证据已经有非常悠久的历史。自从基于计算机系统的自动指纹鉴别技术诞生以来，指纹鉴别技术在过去的二三十年中已经取得了很大进展。作为人体生物特征识别技术中的分支，指纹鉴别技术已经发展很成熟，应用很广泛，具有很大的规模。指纹鉴别技术已应用到门禁、海关、银行保险、国防等领域。但是指纹识别技术仍是国内外科研人员研究的热点之一。这是因为一方面，出于知识产权保护和商业利益的原因，指纹识别的核心技术只被少数企业和技术机构所拥有；另一方面，人们日益增长的物质文化需求对指纹识别系统的性能提出了更高的要求。再者，现有的指纹鉴别算法也还仍然存在一些问题，例如在非理想采集条件下对指纹的鉴别效果不佳，指纹鉴别的若干处理步骤时间复杂度过高等弊端。所以本文将对在非理想采集条件下，及低时间复杂度条件下，对指纹鉴别的若干关键问题进行研究与学习。将有助于提高和改进现有的指纹鉴别技术，从而使其应用到更加广泛的领域。对指纹自动识别技术的研究既有很强的理论价值，也有很高的实用价值和现实意义。

1.3 理论基础

人体生物特征鉴别，是指通过计算机系统对人体的生理或行为特征的识别，来验证用户个人身份的技术。对其应用，虽曾有争议但最终还是被广泛接受。理论上讲，满足以下要求的生理或行为特征可以用来进行身份验证：

2

中原工学院计算机学院毕业（设计）论文

普遍性:是指每个人都必须具有的特征。 唯一性:任何两个人在该特征上的表现异同。 永久性:个人的该项特征不随时间的变化而变化。 可采性:该项特征可以方便、定量地进行测量。 除此之外在实际应用中，还应考虑以下因素： 环境苛刻性：环境对精确的影响程度和环境要求。 可接受性：用户能接受的程度。 安全性：防止伪造者的能力。

基于以上理论要求便可设计出依托于计算机系统的指纹识别系统。

1.4 指纹识别技术的具体表现

1.4.1 在涉及国家刑事领域的应用

1.在枪支的管理方面。我们 通过指纹采集器把枪支持有者的信息输入系统, 那 么枪支将会因此而具有人身识别的唯一性, 而对枪 支的管理也会因此显得轻松而且有效果。

2.在侦查破案方面。刑侦领域的主要对象是犯罪嫌疑人和身份不明者，目的是从公众指纹库、犯罪指纹库或现场指纹库中查找有无此人，从而判断此人是否是罪犯。

1.4.2 在经济生活方面

1.在银行安防领域的应用。银行的安全防范历 来是重中之重, 指纹识别信息系统在银行的安全防 范领域中也逐步得到运用。

2.在社会保障领域的应用。指纹自动识别技术 在此领域的具体应用方式就是将离退休人员指纹 识别信息系统建立起来, 将指纹的唯一性和不变性 作为身份认证识别的基础, 通过计算机技术确定人 的身份。

3.在电子商务领域的应用。调查显示,消费者在网上购物的总额逐年递增。但相应的, 其中潜在的不安全性也越来越明显, 通过身份证号码和密码来取代传统的直接接触是显而易见地过时了。指纹自动识别技术则带来了曙光。在现有的系统崩溃之前, 随着原有的系统一个一个地失败, 指纹识别技术逐渐成为一种公认的身份认证的好手段。

3

李旭：指纹识别技术的研究与设计

1.4.3 在公共事务管理方面

1.在人口综合信息管理方面的应用。第一、 对身 份证、驾驶证和准考证等证件的管理。将指纹识别技术应用于对这些证件的管理之中可以有效地防止伪造, 打击犯罪, 极大地减少人们的损失。第二、 对人事考勤的管理。指纹考勤系统是指纹识别技术在人事考勤中的一项成功应用, 与传统的打卡机相比, 它彻底改变了以往认卡不认人而出现的虚假考勤, 以及还需不断购买考勤卡等诸多缺陷。

2.在行政业务处理方面的应用。第一、 出入境管理 方面。如果我们在各出入境人员的有关证件上通过 指纹采集器输入每人的十指指纹信息, 那么就可以 有效地遏制伪造护照或走私等违法犯罪活动。第二、重要会议的安全保卫方面。由于指纹的难以伪造 性, 这必然使得其具有极高的保密性。 第三、在门禁通道管理方面的应用。

1.5 本文的主要研究内容

本文将在学习已有理论成果的基础上，对指纹识别过程中若干处理步骤如图像分割、图像增强、二值化等进行研究与学习，最后将得到的实验结果进行分析与对比。从实验所得结果来看，在采用不同的算法实现情况下，对指纹图像的处理过程是可行的、有效的，达到了实验预期目的。

4

中原工学院计算机学院毕业（设计）论文

第2章 需求分析

2.1 本课题目标

实现指纹图像的图像分割、求方向图、图像增强、二值化等预处理算法功能。

2.2 功能需求

指纹识别系统是一个典型的模式识别系统，包括指纹图像获取、预处理、特征提取和比对等模块。

指纹图像获取：通过专门的指纹采集仪可以采集活体指纹图像。 本文主要负责指纹图像的预处理功能的实现：

1．归一化： 归一化处理将使所有的指纹图像的灰度分布在一个合理的、统一的灰度区域上，从而有利于简化模糊域中的操作过程。

2．图像分割：所谓图像分割是指根据灰度、彩色、空间纹理、几何形状等特征把图像划分成若干个互不相交的区域，使得这些特征在同一区域内，表现出一致性或相似性，而在不同区域间表现出明显的不同。简单的讲，就是在一幅图像中，把目标从背景中分离出来，以便于进一步处理。

3.计算方向图：由于在局部区域内指纹是亮暗相间的近似平行的结构，因此，在指纹的每个局部区域有确定的方向。全体局部方向就构成了指纹的方向图。产生方向图是指纹识别系统的一个重要的步骤， 方向图质量的好坏直接关系到图像增强的效果并最终影响到准确提取特征点。

4.指纹图像增强 指纹图像增强的目的主要是为了减少噪音，增强脊谷对比度，使得图像更加 清晰真实，便于提高后续指纹特征值提取的准确性

5．二值化：0代表黑色，1代表白色。二值化是把灰度指纹图像变成0-1取值的二值图像，因为指纹图像只需把纹线和背景区分开就可以了，以便能正确的提取脊线。

2.3 性能需求

1.预处理功能效果的最优化

本文通过对预处理中图像分割、求方向图、指纹图像的增强以及二值化功能的多种实现算法进行试验，通过实验效果的比对，选取最优的实现算法对图像进行处

5

李旭：指纹识别技术的研究与设计

理，以便于指纹识别系统下一步的工作。

2.运行平台的低要求

为了方便实用和学习，该系统需要能够在普通PC机上运行。

2.4 开发工具的选择

选择合适的系统编程语言Visual C++，方便进行图象图形处理。

2.5 系统设计原则

1.界面设计原则

计算机应用系统的用户界面设计的好坏，直接影响到系统用户对其接受和掌握的程度。本系统的用户水平不一，计算机背景知识参差不齐，故系统界面风格应尽量友好，易学易用。系统界面应遵循以下要求:本系统界面简洁、明快、紧凑、布局合理、使用方便，菜单、工具条、快捷键、控件和对话框的风格与标准的

Windows2000/XPINT风格相吻合。系统支持1024X768显示器分辨率，在这种分辨率下系统能提供美观的界面和良好的布局。

2.技术设计原则

系统设计原则为便于本系统的开发、使用。系统在技术特性方面应做到以下四个原则。

(1)先进性原则在指纹识别系统的设计和实现过程中采用科学的软件项目管理机制，追踪先进设计思想，应用成熟采用先进的技术，使系统的功能设计能处在同类科技的前列。

(2)适应性原则软件系统的性能指标能够实现，系统性能可靠，易于维护并且系统各方面指标切合实际需要。

(3)安全性与可靠性原则，坚持安全可靠的设计原则是工作的基本要求。 (4)可扩充原则该系统必须具有良好的扩充能力。

6

中原工学院计算机学院毕业（设计）论文

第3章 指纹识别系统总体设计

3.1 系统总体设计

指纹预处理与识别系统主要包括四个部分，分别为：指纹图像的获取、图像预处理、特征的提取与模板匹配。

如图2-1是从指纹图像采集到特征提取的全部流程，其中图像处理部分为主要研究范围。

图3-1 特征提取及模板匹配系统流程

3.1.1 指纹图像的获取

传统的指纹采集方法是用手指蘸上墨水或印油在纸上按压，然后用扫描仪摄取。由于其严重的不可靠性，该方法己经被淘汰。随着光学仪器、传感器及数字技术的发展，各种快速、精确、方便、小巧的采集设备得到应用。目前，主要是使用光学扫描仪和固态阵列传感器进行采集。前者用激光照在手指上，然后用CCD阵列摄取其反射光，由于反射光强随着指纹的脊和谷的深度不同而不同，因此可以得到指纹图像。后者是用大量敏感元件组成的固态阵列芯片，它们采用电容传感、热敏传感或其他传感技术，通过感受按压指纹的压力、热度等特征来摄取指纹。近年来，又出现了其他一些新型的指纹采集设备，如超声波指纹采集器，它是基于指纹的脊和谷的深度对超声波的不同反射原理而工作的。这些设备中，光学扫描仪因其技术比较成熟、性价比比较高而得到广泛应用。以下是指纹采集仪的分类：

1．光学的。在早期一般都采用光学的指纹采集仪。 2．硅晶体电容式的。半导体电容式指纹采集芯片。

3．超声波的。它是基于指纹的脊和谷的深度对超声波的不同反射原理而工作的。

7

李旭：指纹识别技术的研究与设计

它们的对比情况如表3-1所示。

表3-1 采集仪对照表

比较项目 体积 耐用性 成像能力 耗电 成本 光学全反射技术 大 非常耐用 干手指差，但汗多的和稍脏的手指成像模糊 较多 低

硅晶体电容传感技术 小 容易损坏 干手指好，但汗多的和稍脏的手指不能成像 较少 低 超声波扫描 中 一般 非常好 较多 很高 3.1.2 指纹图像预处理

指纹图像预处理的目的在于使指纹图像画面清晰，边缘明显，以便提取特征进行识别。预处理技术的主要目的是对一个给定的指纹，突出指纹图像中的某些信息，消弱或除去某些不需要的信息，使它的结果对后面的识别来说比原始图像更合适。例如使用灰度滤波处理，目的是为了：

1．去除噪声、均衡图像

指纹图像是通过扫描仪获得模拟信号，并经采样、量化后，以矩阵的形式存入计算机。由于图像的采集为纵列式方式，量化后的指纹图像有许多噪声。它们因其时间的不相干性，含有较高的空间频谱，且多呈点结构。平滑处理的任务就是去除这些干扰噪声，而又不使图像失真，图像平滑包括空域法和频域法两大类。

2．锐化脊线

为强化指纹纹线间的界线，突出边缘信息，以利于二值化，锐化处理是必要的。锐化处理对于增强反差和检测边缘是很有用的。图像锐化的作用就是的补偿图像的轮廓，使图像较清晰。图像锐化可分为空间域图像锐化法和空间频率域图像锐化法两大类型。

本文中指纹图像预处理的主要步骤

1．归一化： 归一化处理将使所有的指纹图像的灰度分布在一个合理的、统一的灰度区域上，从而有利于简化模糊域中的操作过程。

2．图像分割：所谓图像分割是指根据灰度、彩色、空间纹理、几何形状等特征把图像划分成若干个互不相交的区域，使得这些特征在同一区域内，表现出一致性或相似性，而在不同区域间表现出明显的不同。简单的讲，就是在一幅图像中，把目标从背景中分离出来，以便于进一步处理。

3．计算方向图：由于在局部区域内指纹是亮暗相间的近似平行的结构，因此，

8

中原工学院计算机学院毕业（设计）论文

在指纹的每个局部区域有确定的方向。全体局部方向就构成了指纹的方向图。产生方向图是指纹识别系统的一个重要的步骤， 方向图质量的好坏直接关系到图像增强的效果并最终影响到准确提取特征点。

4．二值化：0代表黑色，1代表白色。二值化是把灰度指纹图像变成0-1取值的二值图像，因为指纹图像只需把纹线和背景区分开就可以了。

3.1.3 特征的提取

是用从指纹图像中提取特征点来表示指纹的方法。虽然不能从特征点组成的模板重建指纹图像，但它描述了指纹局部结构特征的空间分布。通常的指纹识别系统主要利用两种最关键的结构特征，脊线端点和脊线分岔点。这两种结构在图像前景和背景上正好是互逆的，因此不论是针对脊线还是针对犁沟的处理算法都是相同的。由于手指压力的作用的变化经常使这两者互相转化，所以有些系统对它们不做区分。有些国家例如美国国家标准局规定的指纹标准表示方法就是基于特征点的，包括特征点的位置和方向信息。基于特征点的表示方法同时还要纪录一些全局信息，如指纹的方向、中心位置、三角位置、指纹的类别等。 3.1.4 模板匹配

认证和识别是一对一的匹配，把某人的指纹特征及个人信息以某种形式存储起来，随后根据提供的指纹是否与之匹配而决定是否授权。识别是一对多的匹配，把许多人的指纹特征及个人信息存入数据库，随后根据不同指纹提供不同授权。

3.2 本章小结

本章主要介绍了指纹预处理与识别系统的主要模块，以及各模块所要完成的基

本功能，各部分的详细功能及实现算法，将在以后的各章节中逐一介绍。

9

李旭：指纹识别技术的研究与设计

第4章 指纹图像预处理之一

4.1 引言

经指纹扫描器采集的原始指纹图像不可避免地具有对比度不统一、含有大量噪声等缺点，为了降低后续特征提取的算法的复杂度、提高特征提取的效率，因此预处理过程必不可少并且显得十分的重要。前文提到，根据特征提取方法的不同，系统对预处理的步骤和要求也不一样。目前，从大的方面分，主要有两类特征提取方法：一类直接从原始图像中提取统计性特征；一类从预处理得到的指纹骨架提取细节点特征。前一类方法对预处理要求比较少，只要将图像增强以下就可以。后一类方法要求预处理部分做大量的工作，一般包括图像增强、滤波、二值化、细化等步骤，最后得到一幅纹线宽度为单像素的二值图像。在当前的应用系统中，后一类方法要比前一类应用得多一些，因为后一类方法把工作的难点分散到两步操作中，简化了特征提取算法，且处理结果容易控制。本文将对后一类特征提取方法中的主要部分进行详细讲解。

4.2 系统算法描述

基于特征点的指纹识别算法的方法又可以分为两种方法，第一种方法是在灰度图像上进行脊线跟踪直接获取特征点的方法。第二种方法是经过二值化和细化等处理步骤后提取特征点的方法。本文将对第二种方法进行详细讲解与论述，并对其它方法进行简单介绍，以便有助于以后的学习。

在灰度图像上进行脊线跟踪直接获取特征点的方法，是基于如下的考虑： 1．指纹的许多信息在二值化后会损失掉。 2．图像增强，二值化和细化等过程很耗费时间

3．当对质量差的图像进行二值化后往往不能取得令人满意的结果。

从数学上的观点来看，脊线可以看作是沿着一个方向上，灰度取得极小值的点的集合。我们沿着脊线方向每次向前移动一小段距离，寻找下一局部最小值，作为脊线跟踪的下一个点，如图4-1灰度脊线图所示。按照此操作不停地进行下去，则我们可以得到指纹的细化图，而且其中包含了特征点信息。

10

中原工学院计算机学院毕业（设计）论文

图4-1 灰度脊线图

该方法的处理过程通常是先在指纹图像上任取一点，在该点的法线方向附近取一极小值点作为第一个点，然后在切线方向上前进一段距离，作为下一个临时点，在该临时点法线方向附近取一极小值点作为第二个点，依此类推，一直到跟踪完整幅图像为止。

使跟踪停止的标准通常有3个： 1．跟踪到指纹外部的无效区域时。

2．继续向前跟踪灰度最小点的灰度值仍大于某一阈值时。 3．继续向前跟踪遇上另一条已经跟踪过的脊线时。

满足上面的第二个条件时说明已经遇上了端点，满足第三个条件时说明已经遇上了分叉点，经过上面的处理后，一般就可以获得整个指纹的所有的特征点。 4.2.1 归一化

大量的实验证实，指纹图像的灰度级大致分布在[20，180]的范围内，考虑到其它组织以及噪声等因素，我们在进行归一化处理时，将指纹图像的灰度级映射到[0，255]的灰度区间上，映射函数如下：

（4-1）

在（3-1）式中，gmin和gmax分别是指纹图像的最小灰度值和最大灰度值，和x分别是归一化处理前和处理后的灰度值。 4.2.2 产生方向图

gorig由于在局部区域内指纹是亮暗相间的近似平行的结构，因此，在指纹的每个局

11

李旭：指纹识别技术的研究与设计

部区域有确定的方向。全体局部方向就构成了指纹的方向图。产生方向图是指纹识别系统的一个重要的步骤， 方向图质量的好坏直接关系到图像增强的效果并最终影响到准确提取特征点。产生方向图有两类方法。第一类是先定义若干基准方向， 然后判断每一个一个小区域更接近于那一方向。第二类是精确计算每一点或小区域的方向。

本文将对两种方法进行介绍。在第一类方法中， 方向的计算是利用灰度的方差。脊线上的点具有较小的灰度值，而谷线上的点则具有相对较大的灰度值，如果作一条垂直于脊线的直线，那么随着脊线和谷线的交替，直线上也表现出灰度值的波峰和波谷的交替。如果所作的直线方向与脊线方向相同，直线上的点的表现为波动极小的直线。这表明，垂直脊线方向的直线上的点的灰度值方差大，平行脊线方向上的点的灰度值方差小。因此，方差最小的方向就是要求的方向。但是这样算出来的某些点的方向仍不够准确，尤其是在那些模糊、边缘有噪声的区域。错误的方向不但不会改善图像质量，反而会使特征提取的错误增多。因为指纹图像的任一小区域中所有的点具有近似相同的方向。因此，任一点的方向可以利用该点所在区域的其它点的方向来纠正。

(1) 定义若干基准方向的产生方向图方法

图4-2 方向图

算法描述：

对于图像上每一个点(i,j)，在八个方向上画一条直线，直线的长度大概是五个脊线到谷线的宽度。

计算八个直线方向上的灰度方差：

Sd??|fd*(i,j)?fd(ik,jk)|k?1n (4-2)

for d = 1，……，8

其中

12

中原工学院计算机学院毕业（设计）论文

是点(i,j)的灰度均值，(ik,jk)是方向d上的第k个点，N是所取方向的方向数，n是所取的邻点数。我们可以取N=8，即取8个方向，n=4，即取4个邻点。将记录的方差Sd最小的方向d定为该点(i,j)的方向。

经过以上步骤处理，这样就求得了指纹的近似方向， 但不够准确， 为此，要想得到较精确的处理结果，可以在此基础上再做16*16的中值滤波就可以得到一张比较好的方向图。

(2) 由像素点的灰度梯度进行计算而获得方向图的方法

此方法是可以获得比较精确的方向。如图4-3指纹图像的灰度梯度图所示，在指纹的灰度图像上每一像素点处有确定的梯度值向量，一般在某像素点附近灰度变化较大是梯度的模较大，而且大多数点的梯度的方向垂直于指纹的局部方向。利用这一特点，我们可以通过灰度图像的梯度计算指纹的方向。

1nf(i,j)??fd(ik,jk)nk?1

*d

图4-3 指纹图像的灰度梯度图

其步骤一般是这样的：

① 将原图像分成W*W的小块（一般可取16*16）。

② 计算每个像素点处的梯度 ?x（i ， j)，?y(i ， j)， 梯度的计算一般可以用Sobel 算子，水平方向和垂直方向的Sobel算子分别为：

??1,?2,?1???1,?0,?1???0,?0,?0???2,?0,?2???和?? （4-3） ???1,?2,?1?????1,?0,?1?? ③ 方向相反的梯度相加会相互抵消，为了使其相互加强，在此采用了将方向角

变为二倍的方法，原来方向角相差?的两个向量经方向角变为二倍后,其方向角的差 变为2?从而具有相同的方向角。公式如（4-4）、（4-5）所示 。

13

李旭：指纹识别技术的研究与设计

i?w/2Gx(i,j)?Gy(i,j)?u?i?w/2v?j?w/2i?w/2??j?w/2j?w/22（4-4） [?2(u,v)??xy(u,v)]

Gy(i,j)1?1?(i,j)?atan() 为该点附近的法线方由公式（4-4）与（4-5）可得到2Gx(i,j)u?i?w/2v?j?w/2??[2*?y(u,v)*?x(u,v)] （4-5）

向。为了得到该点的切线方向，还应做如下运算：

if(???)?(???)/2 ' （4-6） ???(???)/2 if(???)?这样就得到了该点处的法线方向，在理想的情况下，上式得到的方向为准确方向，

但由于有噪声，伤痕等因素存在，一般需要对上面得到的方向进行修正，其方法一般是考虑临近的点的方向来最后决定该点的方向。令

?x?cos(2*?(i,j)) （4-7） ?y?sin(2*?(i,j)) （4-8）

为了得到更准确的方向，通常还要对?x与比较准确的方向图。

在第一类方法中，我们只能估算某一点处的方向更接近于8个标准方向中的哪一个，因此得到的是近似的方向，但通过第二种方法我们往往可以得到更加精确的指纹方向。

虽然采用由像素点的灰度梯度进行计算而获得方向图的方法可以更精确的产生方向图，得到更好的处理效果等优点，但由于其算法较之第一种复杂难懂，一般只应用在高精度的图像处理中，所以在对图像处理精度要求不是太高的情况下，可以采用第二种方法，得到粗略的处理结果。 4.2.3 图像增强算法

为了确保指纹特征提取算法的鲁棒性, 需要对原始指纹图像进行预处理, 增强纹线的清晰度, 增加脊线和谷线的对比度, 减少伪信息, 该过程称为指纹图像的增强处理。图像增强是指纹图像预处理需要解决的核心问题。指纹图像增强的主要目的是为了消除噪声, 改善图像质量, 便于特征提取。由于指纹纹理由相间的脊线和谷线组成, 这些纹理蕴含了大量的信息, 如纹理方问、纹理密度等。在指纹图像的不同区域, 这样的信息是不同的, 指纹图像增强算法就是利用图像信息的区域性差异性

14

?y做低通滤波，这样便可得到一个

中原工学院计算机学院毕业（设计）论文

来实现的

特征点的类型、特征点的位置是进行指纹识别的依据。要获取这些特征点及特征点的方向，第一步是要对灰度图像进行二值化，正确提取指纹脊线。理论上讲，灰度指纹图像中，脊线部分灰度值小，谷线部分灰度值大，选取合适的域值就可以将脊线提取出来。但在实际情况下并非如此简单，主要有几点困难需要克服：第一点是指纹采集设备的光源照射不均匀，有些部分偏亮，有些部分偏暗，灰度分布不均匀；第二点是由于采集设备精度限制，某些局部地方模糊，脊线谷线无法区分，直接二值化会造成脊线断裂或误连；第三点是手指上的疤痕，蜕皮现象造成的灰度图像脊线局部模糊；还有一点就是灰度图像有大量噪音点。

因此，对灰度图像进行二值化之前必须先进行图像增强。图像增强结果的好坏直接关系到特征点的正确提取。人们可以根据指纹纹线的走势的上下文信息来判断模糊部分是否存在纹线。指纹图像的滤波算法也可以在已知纹线的方向的情况下，考虑该点在其方向前后左右的点的灰度来决定该点的灰度。

现在已经有很多种指纹图像增强算法，这些图像增强算法可以分为两类，一类是基于空域的图像增强，另一类则是基于频域的图像增强。

灰度滤波处理是为了去除噪声、均衡图像、锐化脊线，以改善灰度图像质量为下一步获得正确的二值化脊线打下基础。任何经典滤波算法都可以达到改善图像质量的效果，例如均值滤波、中值滤波、直方图均衡化滤波、N*N最频滤波、十字型中值滤波等方法。在本文将对几种基于空域的图像增强方法进行介绍与讲解。

(1) Gabor图像增强

Gabor图像增强，其空域滤波因子的表达式为：

???1?x'2y'2???G(x,y:f,?)?exp??2?2??cos(2?fx')

2???y??x????? （4-9）

其中x和y分别表示横纵坐标，x'?xsin??ycos?，y'?xcos??ysin?为(x，

2y)以原点为中心，旋转?后得到的坐标，?表示指纹的局部方向，?x2和?y分别表示

平行于指纹方向的方差和垂直于指纹方向的方差，f表示指纹的频率，它的计算方法如图3-4所示，首先求得相邻脊线极小值点间的平均最小距离C作为指纹的周期，由f=1/C即可得到指纹的频率。通常一个指纹的频率会位于某一范围内，同时不同的局部区域频率可能会有微小变化。

15

李旭：指纹识别技术的研究与设计

图4-4 指纹的周期

(2) 方向加权滤波

方向加权滤波是一种空域的图像增强算法，其方法是在指纹的方向上取一长方形滤波窗口，然后再利用二维Gauss滤波实现图像增强，下面对过程做一简要说明。

假定我们在计算方向图时获得的是8个确定方向的方向图，那么，我们可以设计8个不同的方向模板，这里以水平方向模板为例，其它的模板可以由它旋转得到。模板的大小为n?n，n由指纹图像的脊线和谷线的宽度来决定，我们规定其尺寸为

7?5，其权值分布如下：

z z z z z z z

y y y y y y y x x x x x x x y y y y y y y z z z z z z z

经过滤波计算得知，每一点的像素灰度由与其相邻的34个像素的灰度共同决定。即对第i行j列的点的灰度值Gray(i,j)的处理如下：

Gray(i,j)?3m??3?Z?Gray(i?2,j?m)??Y?Gray(i?1,j?m)??X?Gray(i,j?m)m??3m??3333?m??3?Y?Gray(i?1,j?m)??Z?Gray(i?2,j?m) (4-10)

m??33x、y、z之间的关系满足：x?y?z??0。 (3) 中值滤波

在数字图像处理中，中值滤波作为一种典型的非线性滤波算法应用十分广泛。中值滤波是要滤去图像中的高频或低频分量，它容易去除孤立点、线的噪声，同时保持图像的边缘，它能很好地去除二值噪声，是一种对干扰脉冲和点状噪声有良好抑制作用，且对图像边缘能较好保护的低通滤波算法，但对中拖尾(如均匀分布噪声)和短拖尾噪声(如高斯噪声)其滤波性能较差。其原理是把序列中一点的值，用该点邻

16

中原工学院计算机学院毕业（设计）论文

域中各点值的中值来替代，在数字图像中是把以某点(i，j)为中心的小窗口内的所有像素的灰度按从大到小的顺序排列，将中间值替代(i，j)处的原灰度值(若窗口中有偶数个像素，则取两个中间值的平均)。二维中值滤波的窗口可以取线形、方形，也可以取近似圆形、十字形或菱形；其维数有常用的3×3，5×5等几种。按照上述思想，将窗口在图像中移动，对每个窗口中的像素值进行排序，取中值，并以中间值赋给一新矩阵上的对应位置上的元素(取代窗口中心像元)，就可得到去噪声后的图像。中值滤波算法如下：

① 将窗口模板在图中漫游，并将窗口中心与图中某个像素重合，寻找(i，j)点。 ② 读取窗口模板下对应像素的灰度值。 ③ 计算窗口均值。

④ 将窗口内每个灰度值与均值比较，若大于均值则排序取中值，并赋给(i，j)点否则不排序，同时检查小于均值像素的灰度值，如果其值为零，则将中值赋给该像素。

⑤ 对下一像素重复步骤④。

⑥ 反复以上步骤④与⑤，直至i=j=n结束。 4.2.4 图像分割

所谓图像分割是指根据灰度、彩色、空间纹理、几何形状等特征把图像划分成若干个互不相交的区域，使得这些特征在同一区域内，表现出一致性或相似性，而在不同区域间表现出明显的不同。简单的讲，就是在一幅图像中，把目标从背景中分离出来，以便于进一步处理。图像分割是图像处理与计算机视觉领域低层次视觉中，最为基础和重要的领域之一。它是对图像进行视觉分析和模式识别的基本前提．同时它也是一个经典难题，因为到目前为止既不存在一种通用的图像分割方法，也不存在一种判断是否分割成功的客观标准。

阈值法是一种基于区域的图像分割技术，图像阈值化的目的是要按照灰度级，对像素集合进行一个划分，得到的每个子集形成一个与现实景物相对应的区域，各个区域内部具有一致的属性，的分割等；在医学应用中，血液细胞图像的分割，磁共振图像的分割；在农业工程而相邻区域布局有这种一致属性。这样的划分可以通过从灰度级出发选取一个或多个阈值来实现。它特别适用于目标和背景占据不同灰度级范围的图像。它不仅可以极大的压缩数据量，而且也大大简化了分析和处理步骤，已被应用于很多的领域，例如，在红外技术应用中，红外无损检测中红外热图像的分割，红外成像跟踪系统中目标的分割；在遥感应用中，合成孔径雷达图像中

17

李旭：指纹识别技术的研究与设计

目标应用中，水果品质无损检测过程中水果图像与背景的分割。在工业生产中，机器视觉运用于产品质量检测等等。在这些应用中，分割是对图像进一步分析、识别的前提，分割的准确性将直接影响后续任务的有效性。其基本原理是通过设定不同的特征阈值，把图像像素点分为若干类。常用的特征包括直接来自原始图像的灰度或彩色特征和由原始灰度或彩色值变换得到的特征。

设原始图像为f(x，y)，按照一定的准则在f(x，y)中找到特征值T，将图像分割为两个部分。若取 ：b0=0（黑），b1=1（白），则图像由[01]范围内取值的点组成，即为我们通常所说的二值化图像。

一般意义下，阈值运算可以看作是对图像中某点的灰度、该点的某种局部特性以及该点在图像中的位置的一种函数，这种阈值函数可记作：

T(x，y，N(x，y)，f(x，y)) （4-11）

公式(3-11)中，f(x，y)是点(x，y)的灰度值；N(x，y)是点(x，y)的局部邻域特性。根据对T的不同约束，可以得到3种不同类型的阈值即：点相关的全局阈值、区域相关的全局阈值和局部阈值或动态阈值。

本文分三大类对阈值选取技术进行综述与比较： (1) 基于点的全局阈值选取方法 ① p-分位数法

1962年Doyle提出的p-分位数法可以说是最古老的一种阈值选取方法。该方法使目标或背景的像素比例等于其先验概率来设定阈值，简单高效，但是对于先验概率难于估计的图像却无能为力。例如，根据先验知识，知道图像目标与背景象素的比例为PO/PB，则可根据此条件直接在图像直方图上找到合适的阈值T，使得f(x，y)>=T的象素为目标，f(x，y)

② 迭代方法选取阈值

原始阈值选取为图像的平均灰度T0，然后用T0将图像的象素点分作两部分，计算两部分各自的平均灰度，小于T0的部分为TA，大于T0的部分为TB，计算

T?TBT1?A ，将T1 作为新的全局阈值代替T0，重复以上过程，如此迭代，直至

2TK 收敛，即TK＋1 ＝TK ，经试验比较，对于直方图双峰明显，谷底较深的图像，迭代方法可以较快地获得满意结果。但是对于直方图双峰不明显，或图像目标和背景比例差异悬殊，迭代法所选取的阈值不如最大类间方差法。

③ 直方图凹面分析法

从直观上说，图像直方图双峰之间的谷底，应该是比较合理的图像分割阈值，但是实际的直方图是离散的，往往十分粗糙、参差不齐，特别是当有噪声干扰时，

18

中原工学院计算机学院毕业（设计）论文

有可能形成多个谷底。从而难以用既定的算法，实现对不同类型图像直方图谷底的搜索。Rosenfeld和Torre提出可以构造一个包含直方图 的最小凸多边形 ，由集差确定的凹面。若 x和y 分别表示在灰度级之处的高度，则取局部极大值所对应的灰度级可以作为阈值。也有人使用低通滤波的方法平滑直方图，但是滤波尺度的选择并不容易。但此方法仍然容易受到噪声干扰，对不同类型的图像，表现出不同的分割效果。往往容易得到假的谷底。但此方法对某些只有单峰直方图的图像，也可以作出分割。

④ 熵方法

八十年代以来，许多学者将Shannon信息熵的概念应用于图像阈值化，其基本思想都是利用图像的灰度分布密度函数定义图像的信息熵，根据假设的不同或视角的不同提出不同的熵准则，最后通过优化该准则得到阈值。

对于基于点的全局阈值选取方法，除上述主要几种之外还许多，但大多都是以上述基本方法为基础，做出的改进方法或者对算法的优化，如使用递推方法以降低算法复杂性。总的来说，基于点的全局阈值算法，与其它几大类方法相比，算法时间复杂度较低，易于实现，适合应用于在线实时图像处理系统。

(2) 基于区域的全局阈值选取方法

对一幅图像而言，不同的区域，比如说目标区域或背景区域，同一区域内的象素，在位置和灰度级上同时具有较强的一致性和相关性。而在上述基于点的全局阈值选取方法中，有一个共同的弊病，那就是它们实际上只考虑了直方图提供的灰度级信息，而忽略了图像的空间位置细节，其结果就是它们对于最佳阈值并不是反映在直方图的谷点的情况会束手无策，我们通常遇到的很多图像恰恰是这种情况。另一方面，完全不同的两幅图片却可以有相同的直方图，所以即使对于峰谷明显的情况，这些方法也不能保证你得到合理的阈值。于是，人们又提出了很多基于空间信息的阈值化方法。

可以说，局部区域的全局阈值选取方法，是基于点的方法，再加上考虑点邻域内像素相关性质组合而成，所以某些方法常称为“二维xxx方法”。由于考虑了像素领域的相关性质，因此对噪声有一定抑止作用。

① 二维熵阈值分割方法

使用灰度级-局域平均灰度级形成的二维灰度直方图，进行阈值选取，这样就得到二维熵阈值化方法。

19

李旭：指纹识别技术的研究与设计

图4-5 二维灰度直方图

例如，在图4-5中，根据情况将图像分为0区和1区等区，像素的灰度值与领域平均灰度值接近，说明一致性和相关性较强，应该大致属于目标或背景区域；2区和3区一致性和相关性较弱，可以理解为噪声或边界部分。二维熵阈值分割，就是选择（S，T）对，使得目标类和背景类的后验熵最大，具体方法是一维熵阈值分割的推广。

Abutaleb结合Kapur和Kirby的方法提出了自己的二维熵阈值化方法，其准则函数都是使目标熵和背景熵之和最大化。

② 简单统计法

Kittler等人提出一种基于简单的图像统计的阈值选取方法。使用这种方法，阈值可以直接计算得到，从而避免了分析灰度直方图，也不涉及准则函数的优化。因此本方法也属于基于区域的全局阈值法。

③ 直方图变化法

从理论上说，直方图的谷底是非常理想的分割阈值，然而在实际应用中，图像常常受到噪声等的影响而使其直方图上原本分离的峰之间的谷底被填充，或者目标和背景的峰相距很近或者大小差不多，要检测他们的谷底就很难了。

在上一节基于点的全局阈值方法中，我们知道直方图凹面分析法的弊病是容易受到噪声干扰，对不同类型的图像，表现出不同的分割效果。往往容易得到假的谷底。这是由于原始的直方图是离散的，而且含噪声，没有考虑利用象素领域性质。

而直方图变化法，就是利用一些像素领域的局部性质变换原始的直方图为一个新的直方图。这个新的直方图与原始直方图相比，或者峰之间的谷底更深，或者谷转变成峰从而更易于检测。这里的像素领域局部性质，在很多方法中经常用的是像素的梯度值。

20

中原工学院计算机学院毕业（设计）论文

例如，由于目标区的像素具有一定的一致性和相关性，因此梯度值应该较小，背景区也类似。而边界区域或者噪声，就具有较大的梯度值。最简单的直方图变换方法，就是根据梯度值加权，梯度值小的像素权加大，梯度值大的像素权减小。这样，就可以使直方图的双峰更加突起，谷底更加凹陷。

④ 其它基于区域的全局阈值法

松弛法利用邻域约束条件迭代改进线性方程系统的收敛特性，当用于图像阈值化时其思想是：首先根据灰度级按概率将像素分为“亮”和“暗”两类，然后按照领域像素的概率调整每个像素的概率，调整过程迭代进行，使得属于亮（暗）区域的像素“亮（暗）”的概率变得更大。

其它还有许多方法利用灰度值和梯度值散射图，或者利用灰度值和平均灰度值散射图。

⑤ 局部阈值法

当图像中有如下一些情况：有阴影，亮度不均匀，各处的对比度不同，突发噪声，背景灰度变化等，如果只用一个固定的全局阈值对整幅图像进行分割，则由于不能兼顾图像各处的情况而使分割效果受到影响。所以提出一种解决办法就是用与像素位置相关的一组阈值（即阈值使用坐标的函数）来对图像各部分分别进行分割。这种与坐标相关的阈值也叫动态阈值，此方法也叫变化阈值法，或自适应阈值法。这类算法的时间复杂性和空间复杂性比较大，但是抗噪能力强，对一些用全局阈值不易分割的图像有较好的效果。

如果只选择一个全局阈值进行分割，那么将出现下面两种情况，都不能得到满意的效果。第一种是阈值低，对亮区效果好，则暗区差，第二种是阈值高，对暗区效果好，则亮区差。若使用局部阈值，则可分别在亮区和暗区选择不同的阈值，使得整体分割效果较为理性。

⑥ 阈值插值法

首先将图像分解成系列子图，由于子图相对原图很小，因此受阴影或对比度空间变化等带来的问题的影响会比较小。然后对每个子图计算一个局部阈值（此时的阈值可用任何一种固定阈值选取方法）。通过对这些子图所得到的阈值进行插值，就可以得到对原图中每个像素进行分割所需要的合理阈值。这里对应每个象素的阈值合起来构成的一个曲面，叫做阈值曲面。

⑦ 水线阈值算法

水线（也称分水岭或流域）阈值算法可以看成是一种特殊的自适应迭代阈值方法，它的基本思想是：初始时，使用一个较大的阈值将两个目标分开，但目标间的间隙

21

李旭：指纹识别技术的研究与设计

很大；在减小阈值的过程中，两个目标的边界会相向扩张，它们接触前所保留的最后像素集合就给出了目标间的最终边界，此时也就得到了阈值。

⑧ 其它的局部阈值法

还有一种基于阈值曲面的二维遗传算法。遗传算法是基于进化论中自然选择机理的、并行的、统计的随机化搜索方法，所以在图像处理中常用来确定分割阈值。

⑨ 多阈值法

很显然，如果图像中含有占据不同灰度级区域的几个目标，则需要使用多个阈值才能将它们分开。其实多域值分割，可以看作单阈值分割的推广，前面讨论的大部分阈值化技术，诸如Otsu的最大类间方差法， Kapur的最大熵方法、矩量保持法和最小误差法等等都可以推广到多阈值的情形。

⑩ 基于小波的多阈值方法

小波变换的多分辨率分析能力也可以用于直方图分析，一种基于直方图分析的多阈值选取方法思路如下：首先在粗分辨率下，根据直方图中独立峰的个数确定分割区域的个数，这里要求独立峰应该满足三个条件，即具有一定的灰度范围、具有一定的峰下面积和具有一定的峰谷差。然后，在相邻峰之间确定最佳阈值，这一步可以利用多分辨的层次结构进行。首先在最低分辨率一层进行，然后逐渐向高层推进，直到最高分辨率。可以基于最小距离判据对在最低层选取的所有阈值逐层跟踪，最后以最高分辨率层的阈值为最佳阈值。

基于边界点的递归多域值方法

这是一种递归的多阈值方法。首先，将像素点分为边界点和非边界点两类，边界点再根据它们的邻域的亮度分为较亮的边界点和较暗的边界点两类，然后用这两类边界点分别作直方图，取两个直方图中的最高峰多对应的灰度级作为阈值。接下去，再分别对灰度级高于和低于此阈值的像素点递归的使用这一方法，直至得到预定的阈值数。

均衡对比度递归多域值方法

首先，对每一个可能阈值计算对应于它的平均对比度，其中初始阈值为 图像总的对比度， 是阈值 检测到的边界点的数目。然后，选择直方图上的峰值所对应的灰度级为最佳阈值。对于多阈值情形，首先用这种方法确定一个初始阈值，接着，去掉初始阈值检测到的边界点再做一次直方图，并依据新的直方图选择下一个阈值。这一过程可以这样一直进行下去，直到任何阈值的最大平均对比度小于某个给定的限制为止。

22

中原工学院计算机学院毕业（设计）论文

4.2.5 二值化

指纹图像图像的二值化处理就是讲图像上的点的灰度置为0或255，也就是讲整个图像呈现出明显的黑白效果。即将256个亮度等级的灰度图像通过适当的阀值选取而获得仍然可以反映图像整体和局部特征的二值化图像。在数字图像处理中，二值图像占有非常重要的地位，特别是在实用的图像处理中，以二值图像处理实现而构成的系统是很多的，要进行二值图像的处理与分析，首先要把灰度图像二值化，得到二值化图像，这样子有利于再对图像做进一步处理时，图像的集合性质只与像素值为0或255的点的位置有关，不再涉及像素的多级值，使处理变得简单，而且数据的处理和压缩量小。为了得到理想的二值图像，一般采用封闭、连通的边界定义不交叠的区域。所有灰度大于或等于阀值的像素被判定为属于特定物体，其灰度值为255表示，否则这些像素点被排除在物体区域以外，灰度值为0，表示背景或者例外的物体区域。如果某特定物体在内部有均匀一致的灰度值，并且其处在一个具有其他等级灰度值的均匀背景下，使用阈值法就可以得到比较的分割效果。如果物体同背景的差别表现不在灰度值上（比如纹理不同），可以将这个差别特征转换为灰度的差别，然后利用阀值选取技术来分割该图像。动态调节阈值实现图像的二值化可动态观察其分割图像的具体结果。

4.3 细化算法

所谓细化，就是从原来的图中去掉一些点，但仍要保持原来的形状。本文所采用的算法是根据某点的八个相邻点的情况来判断该点是否能被删除。并有如下的判据：

1．内部点不能删除。 2．孤立点不能删除。 3．直线端点不能删除。

4．如果P是边界点，去掉P后，如果连通分量不增加，则P可以删除。 根据上述的4个判据，可事先做出一张表，从0到255共有256个元素，每个元素要么是0，要么是1。我们根据某点的八个相邻点的情况查表，若表中的元素是1，则表示该点可删，否则保留。

查表的方法是，设白点为1，黑点为0；左上方点对应一个8位数的第一位（最低位），正上方点对应第二位，右上方点对应第三位，左邻点对应第四位，右邻点对应第五位，左下方点对应第六位，正下方点对应第七位，右下方点对应第八位，按

23

李旭：指纹识别技术的研究与设计

这样组成的8位数去查表即可。举例如图4-6所示。

图4-6 矩形图

根据图4-6可得结论如下：

(1)对应表中的第0项，该项应该为0 (2)对应37，该项应该为0 (3)对应173，该项应该为1 (4)对应231，该项应该为0 (5)对应237，该项应该为1 (6)对应254，该项应该为0

(7)对应255，该项应该为0。 邻点查找表：

{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}

4.4 指纹的匹配

指纹的匹配是指将两个指纹的信息，用两个指纹模板进行适当的计算，由最后

24

中原工学院计算机学院毕业（设计）论文

的计算结果判断匹配是否成功的过程。衡量一个匹配算法的性能可以用拒识率，误识率，匹配的速度，指纹模板的大小等来衡量。一般情况下，以上几个因素是相互制约的，当通过改变阈值来降低误识率时，拒识率会相应地提高。相反地，如果我们降低了拒识率，误识率也会相应地提高。如果匹配时每个特征点除了点的类型，位置和方向还考虑到了其它的特征，那么就有可能降低拒识率和误识率。但与此同时，指纹模板会占据很多存储空间，当指纹识别系统存有很多指纹时，这对降低存储设备的成本是相当不利的。

由于以上的原因，根据实际情况确定指纹匹配算法可以使其在实际应用中发挥最佳的效果。

例如，在保险柜指纹锁系统中，考虑到其具体特点为： 1．对安全性要求高。

2．保险柜的授权使用者不会很多。 3．使用频率一般不会特别高。

根据第一个特点，可以用适当提高拒识率的方法来降低误识率。根据第二个和第三个特点，可以使用更加细致的匹配算法，通过适当增加匹配时间的方法来提高识别的准确率。

而对于警察局的刑事侦查指纹系统，它的具体情况有所不同：

1．罪犯指纹库中指纹的数目会很大，一般情况下罪犯的10个手指都要录入。 2．对该指纹识别系统的要求是列出所有可疑的指纹。因此，在该系统中一方面要提高匹配速度，另一方面要适当提高拒识率，降低误识率，列出所有可能的指纹。

这时为满足用户的需求，所设定的标准就要有所改变。

4.5 本章小结

为达到较好的识别效果，所以在对图像进行匹配特征点之前要对图像进行预处理，以便准确的识别。图像预处理主要包括图像分割、二值化、图像增强，本章主要介绍了用不同的图像分割算法和图像增强算法，来对图像进行预处理，每一种算法都各具优缺点，用它们中的任何一种方法对指纹图像进行处理时，都能达到预期的效果，达到了实验目的。

25

李旭：指纹识别技术的研究与设计

第5章 实验结果与分析

5.1 评估标准

在对人体指纹图像识别的研究领域中，人们往往只对图像中的某些部分感兴趣。也就是带有特征点信息的部分，这些部分通常称为前景区，而相对的其它部分称为背景区，它们一般对应图像中不含有有效信息的区域。为了识别和分析目标，需要将这些特征信息离提取出来，在此基础上才可能对目标进行识别。现在常用的方法是在对图像进行有效识别前需要对图像进行预处理，包括图像分割、图像增强、二值化、特征提取等处理步骤。经过图像预处理后的指纹图像应该具有以下特点：

1．图像的前景区和背景区应该明显的分离开。 2．图像的前景区应该最大量包含指纹特征信息。 3．处理后的图像效果与原图像相比应明显改进。

5.2 实验结果

本文主要通过不同的指纹图像预处理算法，在VC++运行调试进行试验比对。 在实验中，应由图像采集仪对指纹进行图像采集，由于受光照不均匀，人体手指指纹自身受物理因素影响例如手指太湿，太干燥、指纹表面受损等因素，对指纹的采集和识别都带来了很大的不便，所以识别前应先对其进行分割、增强、二值化等处理。本文在第三章中介绍了多种分割算法和增强算法，下图是各种算法所对应的实验结果。

图像分割效果图如图5-1所示。

(a)原始图像 (b)阈值分割后图像 图5-1原始图像与动态阈值分割后的二值化图像

图像增强效果图如图5-2、图5-3和图5-4所示。

26

中原工学院计算机学院毕业（设计）论文

（a） 原始图像 (b) 增强后的图像 图5-2 方向加权滤波图像对比

(a) 原始图像 (b) 增强后的图像

图5-3 Gabor图像增强

(a) 原始图像 (b) 滤波后图像

图5-4 中值滤波

结果分析如下：

5.2.1 图像分割算法结果比较

虽然人们在图像分割方面做了许多研究工作，但是由于尚无通用的分割理论，现已提出的分割算法大都是针对具体问题的，并没有一种适合于所有图像的通用的

27

李旭：指纹识别技术的研究与设计

分割算法。另一方面，给定一个实际图像分割问题要选择合用的分割算法也还没有标准的方法。为解决这些问题需要研究对图像分割的评价问题。分割评价是改进和提高现有算法性能、改善分割质量和指导新算法研究的重要手段。 然而，如同所有的图像分割方法一样，阈值化结果的评价是一个比较困难的问题。事实上对图像分割本身还缺乏比较系统的精确的研究，因此对其评价则更差一些。人们先后已经提出了几十个评价准则。这些准则中有定性的，也有定量的；有分析算法的，也有检测实验结果的，结果表明各种方法的性能不仅与所处理的图像有关，而且也和所选用的准则有关。例如对于一般实时应用来说，可以选择最大类间方差方法和简单统计法。本文中列举出了多种分割算法，它们在图像处理中得到了不同的效果，本文在对各种算法进行比较后得出了较理想的算法，即动态阈值分割算法，这样是因为能够兼顾图像各处的情况而使图像分割效果较明显，使用动态全局阈值分割算法还具有抗噪声能力强等优点，因此对一些用全局阈值不易分割的图像有较好的分割效果。

5.2.2 图像增强算法结果比较

通过对以上各种滤波算法比较可知，Gabor图像增强效果要优于方向加权滤波。由上面的表达式可以看出Gabor即考虑指纹的方向，又考虑指纹的频率，充分地利用了指纹的局部特征。图5-3是一个指纹的原始图像和增强后的效果图，在两幅图像中被红圈圈起来的部分有脊线的粘连，被紫圈圈起来的部分有脊线的断裂，从处理结果可以看出，Gabor滤波对这两种错误均能较好的纠正但是，Gabor图像增强也有不足之处，主要表现在以下2方面：

1．Gabor滤波非常依赖于方向和频率这两个参数，如果对频率和方向估计错误，会产生错误的图像增强。

2．Gabor滤波是非常耗时的，并且对设备的配置要求较高。例如在CPU处理速度不是很快的情况下，不适合用Gabor滤波。

与Gabor图像增强相比方向加权滤波尽管效果不是很令人满意，但其计算方向图等操作简单是其一大优点，与此同时此种方法的最大缺陷是只能对图像质量比较好得指纹做简单的平滑，所以增强效果有限。中值滤波是一种非线形滤波，但是由于其对每个像素都要排序取中值，图像数据量大，所以计算量十分巨大，而且在取中值后，要将所有的值赋给一个全新的矩阵，这样也加大了计算量，增加了时间复杂度，所以消耗的处理时间必然较长。

28

中原工学院计算机学院毕业（设计）论文

5.3 本章小结

在本章中分别给出了图像分割及增强算法的实验效果图，对每种算法进行了简单的对比，并分析了每种算法的优缺点，实验结果表明，在使用了前文所介绍的不同图像分割与增强算法对指纹图像进行处理时，每种算法的处理结果达到了预期效果，并体现了异同和优缺点。

29

李旭：指纹识别技术的研究与设计

第6章 结 论

在本文中分别列举出了指纹图像预处理中的图像分割、求方向图、图像增强及二值化的几种算法，并对每种算法进行了比较。本文所研究的图像分割算法、图像增强算法，可以很好的完成项目要求。由于每种算法都有其优缺点，因此用不同的方法对图像处理后会得到不同的效果。

通过对各种算法以及结果的比较和分析，可以得出如下结论：

1．经过图像分割、增强及二值化对图像的处理后，可以有效去除噪声等干扰对图像的影响。为后期的识别奠定了基础，本文中所提出的分割及增强等算法是在原有算法的基础上进行了研究，使算法更加完善有效的解决实际情况中的问题。

2．尽管本文对所选取的分割和增强等测算法进行了一定的改进，但限于本人能力和时间所限，使得本文中所描述的一些算法仍存在许多不足之处，如对图像的分割和增强程度有限等不足，以待日后完善。

30

中原工学院计算机学院毕业（设计）论文

致 谢

本论文是在导师杜俊俐老师的悉心指导与帮助下完成的。从课题选取、研究、得出实验结果，一直到论文的最后完成，其中任何一点成绩的取得都离不开杜老师的关心和点拨。在整个学期的毕业设计当中，杜老师不仅在学习上对我耐心指导、严格要求，而且在生活上也给了我很多关心、理解和帮助。她和蔼可亲的生活作风、高尚的道德情操，渊博的学识，以及严谨的治学态度，都是我和同学们学习的榜样。

其次我还要感谢给予我帮助的其他老师和同学，感谢你们在我毕业设计遇到困难时伸出援助之手。帮助我解决了一个又一个困难最后顺利完成了本课题的学习与研究任务，使我学到了很多知识，为我日后的学习与工作打下了坚实的基础。在此致以衷心的感谢。

31

李旭：指纹识别技术的研究与设计

参考文献

[1]王新成.高级图象处理技术[M].中国科学技术出版社,2000

[2]蒋秀英，刘彩霞.指纹识别预处理关键技术研究[J].电脑知识与技术,2008;3(8):1769.

[3]Nikhil R. Pal and Sankar K. Pal,A review on image segmentation techniques[M]. Pattern Rcognition 1993

[4]张晓梅,陈旭,任春晓,等.指纹识别算法研究平台的设计与开发[J].计算机工程与设计,2008;29(14):3802-2809.

[5]吴一全,朱兆达.图像处理中阈值选取方法30年(1962-1992)的进展（一）.数据采集与处理,1993

[6]赵荣椿,迟耀斌,朱重光.图像分割技术进展[J].中国体视学与图像分析,1998 [7]王秋让.基于自动门限化的图像分割以目标提取方法研究[D].西北工业大学博士论文

[8]于新文.几种图像分割算法在棉铃虫图像处理中的应用[J].中国农业大学,2001 [9] A. S. Abutaleb,Automatic thresholding of gray-level pictures using two- dimentional entropy of the histogram[J],Computer Vision,Graphics and Image Processing,1989

[10] Kittler J,Illingworth J,Foglein J. Threhsold selection based on a simple image statistic[J]. Computer Vision,Graphics and Image Processing,1985

[11] O. S. Ushmaev, S. O. Novikov, Effectiveness of Consideration of Deformations in Problems of Fingerprint Identification [J]. PATTERN RECOGNITION AND IMAGE ANALYSIS,2008,18(1):152-155.

[12]章毓晋.图象分割[M].北京科学出版社,2001

[13]景晓军,蔡安妮,孙景鳌.一种基于二维最大类间方差的图像分割算法[J].通信学报,2001

[14]刘禾.数字图像处理及应用[M].中国电力出版社,2006

32

本文来源：https://www.bwwdw.com/article/b3s7.html