指纹膜啦

18779187148

指纹图像的二值化

时间:2018-01-10 19:17:00 作者:柯绿科技

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系统中,以二值图像处理为核心构成的系统是很多的,要进行二值图像的处理与分析,首先擂要把灰度图像二值化,得到二值图像。这样做的好处是:再对图像作进一步处理时,图像的几何性质只与0和1的位盆有关,不再涉及到像素的灰度值,使处理变得简单,而且数据的压缩t很大.例如一幅256x256x8bit的灰度图像,二值化以后的数据I只有256x256x1bit,这给存储和处理带来了很大的方便,同时也提高了系统的经济实用性。

指纹图像

1.固定阅值法与动态门值法

所谓图像的二值化是指通过设定阂值(threshold)把灰度图像变成仅用两个值分别表示图像的目标和背景的二值图像.图像二值化可根据下列的问值处理来进行,通常,用二值图像烈i,,中的,值部分表示目标子图,0值部分表示背景子图。

二值化图像的方法很多,闷值的选择是二值化图像的关键。间值主要可以分为两类:全局闷值和局部问值.全局阂值是对整个图像采用一个问值进行划分,例如;非常零像素里“1”二值化、固定闭值法二值化、判断分析法二值化、基于灰度差直方图的问值法等。局部闷值是将图像分成一些子块,对于每一子块选定一个阅值,例如;动态阐值法。

动态闭值法仅是一个变换方法,即是一个nxn。的方块中,所有具有灰度级超过平均灰度到255(黑)的数据点和另一些低于平均灰度的0(白)的数据点的变化。具体做法如下:

将图像分为nxn的方线,对任一方块计算平均灰度值,将方块中每个像素点的灰度值与平均灰度值进行比较,若大于平均灰度值,则将该像紊点灰度值置为255;反之则置为0。分块的大小不同,其二值化处理结果也不同。

采用固定门值的方法二值化也可以取得较好的效果,但当指纹图像灰度不均匀时,指纹纹线容易产生断裂;判断分析法二值化效果与固定阔值法相差较小。相比之下,动态阅值能根据图像的局部灰度自动选择合适的闭值,二值化效果较好。

下面介绍一种基于方向图的动态闽值二值化方法,这种方法将指纹图像自身的方向结构特点与源图像灰度值变化特点结合起来,确定对图像中每一像素点二值化的动态阐值。实验结果也表明,该方法得到的二值化图像能够基本保持源图像上的特征点不丢失,确保了以后的特征提取和比对的正确性和可靠性。

2.基干方向场的动态闷值二值化方法

指纹图像的局部如图所示。方框y方向是该块的指纹方向,x方向是其法线方向。以法线方向上各像素点的灰度值做一曲线,可得到近似于正弦的波形图,如图所示。显然,该波形图的波谷对应指纹图像的脊线(指纹图像中暗的纹线),而波峰则对应指纹图像的谷(指纹图像中亮的纹线)。若所考察的当前像素点恰好落在波谷上,则该点就是指纹脊线点;若所考察的当前像紊点恰好落在波峰上,则该点就是指纹谷点,而谷点到脊点间像索灰度的变化几乎呈线性。正是基于指纹图像在结构上和像素灰度变化上的这些特点,提出了下述指纹图像二值化方法。

图为采用动态闻值法对指纹图像进行二值化后的结果。采用这种方法是对于运算时间与处理效果的折衷.固然,荃于方向的动态阂值法比不基于方向的动态问值法效果好,但是,当把指纹预处理当作一个整体来看待时,在图像的去嗓与滤波阶段,已经采用了基于方向的平滑与Gabor涟波处理方法,因此,可以说在送给指纹二值化处理时,图像已经具有了很好的清晰性和均匀性。此时采用运算复杂度相对较低而速度较快的动态阐值法,同样能取得很好的二值化效果。

3.二值化后平滑处理

由于灰度去嗓的不完全以及二值化引入的嗓声,二值化后的指纹线边缘经常会出现小毛刺或在指纹线内出现小气泡,这些噪声如不及时处理掉,会给以后的识别过程带来不利影响.当对含有大量毛刺和气泡的指纹图像进行细化时,在毛刺和气泡处会出现因人为的伪特征点而造成误识或拒识,为此提出了一种平滑处理方法来消除气泡和毛刺。这一过程可以填补二值化后纹线上的空洞或者删除毛刺和孤立的值为1的像素。所以对二值化后的指纹图像还需要进行一次二值滤波去噪。目的是去处或减弱图像中的噪声,增强图像中有意义的部分。

包括填充和删除两个算法。

(1)气泡的滤除(填充):选取axa的窗口在纹线内进行移动搜索,当发现气泡时,如图所示,将其中的气泡进行填黑处理,要注意的是选取的a的值不能过大,否则可能会将一些“0”形指纹特征滤除掉。

(2)毛刺的滤除(删除):选取bXb的窗口沿指纹线的边缘进行搜索,对窗内的边缘进行cXc窗口的取值判断,当在c窗中出现如图所示的情况时,则判定发现了边缘毛刺。毛刺的判断标准是边缘尖峰的峰值与荃值之差大于门限K时(K是经验数值,一般为纹线平均宽度的一半)则为毛刺,对毛刺进行填白处理。

经过以上的平滑处理过程,可以游除掉大盆的干扰噪声而不影响指纹的有用信息。一般情况下,如不做平滑处理,细化后要产生较多的伪特征,其数量与真特征数之比约为5%-9%,识别率也随之下降4%-8%。

制作演示视频