细化算法
——压缩图像的信息，突出指纹的主要特征，减少了
对特征点判断的复杂度，缩短判断时间。常用的算法
包括： 快速细化算法 改进的OPTA算法
快速细化算法
1，遍历整幅指纹图像，找出图像的边界点。
2，对边界点P针对其3x3领域图,得到两个特征量。
如果P点满足NC(P)为2，且NZ(P)不等于1且小于6就剔除。 3，继续寻找下一个边界点，直到没有可删除的点为止。
本文的特征提取算法是在细化的图像基础上采用是模板匹配法。模板匹 配法有运算量小、速度快的优点。 主要提取指纹的细节特征即端点和分叉点。端点和分叉点是建立在对8 邻点的统计分析基础之上的，则在八邻域的所有状态中，满足端点特征条件的 有8种，满足分叉点特征条件的有9种。 对于细化图像而言，像素点的灰度值只有两种情况（即0或1）“0”为 背景点灰度，“1”为纹线点灰度。对于细化图像上的任意点P，其交叉数定 义见式4－1，P点的八邻域黑点数定义见式4－2：
指纹取像
图像预处理
特征提取
数据库管理 自动指纹识别系统AFIS的简单流程
指纹识别
预处理流程图
图像滤波
目前市场上常用的指纹采集设备有三种：光学式、硅芯片式、超声波式
指纹图像预处理：预处理的目的是改善输入指纹图像的质量，去除图像中的 噪音,把它变成一幅清晰的点线图,以便于提取正确的指纹特征,以提高特征提取的 准确性。本文采用灰度分割法对质问图像进行分割。利用中值滤波进行去噪。通 过自适应二值化的方法处理指纹图像，最后再对图像进行细化以及去除毛刺，断 裂等干扰。 指纹图像特征提取：对指纹图像的特征点进行提取。由于经过预处理后的细 化图像上存在大量的伪特征点，所以提取大量的伪特征点，这些伪特征点的存在 ，不但使匹配的速度大大降低，还使指纹识别性能急剧下降，造成识别系统的误 拒率和误识率的上升，因此在进行指纹匹配之前，尽可能将伪特征点去除，针对 提取出指纹细节特征点含有大量的伪特征这一问题，提出了一种边缘信息判别法 ，有效地去除了边界伪特征点，再根据脊线结构特性去除其毛刺和短脊等伪特征 点，显的减少了伪特征点。 指纹匹配：对指纹图像的匹配算法进行研究。特征匹配是识别系统的关键环 节，匹配算法的好坏直接影响识别的性能、速度和效率。为了克服指纹图像非线 性形变的影响，采用基于结构特征的点匹配算法，对校准后的点集进行匹配，匹 配的特征点个数在两个点集中所占比例大约百分之六十五的范围内就可判为匹配 成功。
erase table[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} 图1 细化查找表
图像经滤波处理后，其中的纹线(脊)部分得到了增强，不过 脊的强度并不完全相同，表现为灰度值的差异。二值化的目的就 是使脊的灰度值趋向一致，将灰度图变换为只有黑和白两种灰度 的图像。使整幅图像简化为二元信息在指纹识别中，一方面对图 像信息进行了压缩，保留了纹线的主要信息，节约了存储空间， 另一方面还可以去除大量的粘连，为指纹特征的提取和匹配作准 备。
b.
基于灰度的指纹图像与背景分离算法
指纹预处理过程中最重要的一步就是对指纹图像进行滤波去噪，它是指纹 图像预处理需要解决的核心问题。图像滤波的目的是在增强脊线谷线结构对比 度的同时抑制噪声，连接断裂的脊线和分离粘连的脊线，按特定的需要突出一 幅图像中的某些信息，同时削弱或去除某些不需要的信息。 在进行后续处理中常用的滤波方法有均值滤波、中值滤波、最小均方差滤波 等。 由于高斯函数的傅立叶变换仍是高斯函数,因此高斯函数能构成一个在频域具 有平滑性能的低通滤波器。可以通过在频域做乘积来实现高斯滤波。 均值滤波是对是对信号进行局部平均,以平均值来代表该象素点的灰度值。 中值滤波是常用的非线性滤波方法,也是图像处理技术中最常用的预处理技术 。它在平滑脉冲噪声方面非常有效,同时它可以保护图像尖锐的边缘。加权中值滤 波能够改进中值滤波的边缘信号保持效果。 最小均方差滤波器,亦称维纳滤波器,其设计思想是使输入信号乘响应后的输 出,与期望输出的均方误差为最小。
2 2
Nl =灰度值 2．计算区域内的N h 和N 的值， N h=灰度值大于等于T的像素点的个数。 l 小于T的像素点的个数；
3．如果 4．若 Nh
Nh Nl a a=w w10 0 0 ，则T为阈值；
Nl ，则T=T+1，否则T=T-1，返回第二步。
自适应阈值二值统一模板
消除模板
保留模板
根据某点的八个相邻点的情况来判断该点是否能删除
图给出了当前需要处理的像素点在不同的八邻域条件下的情况，可以看出： (1)不能删，因为它是个内部点，我们要求的是骨架，如果连内部点也删了， 骨架也会被掏空的； (2)不能删，和(1)是同样的道理； (3)可以删，这样的点不是骨架； (4)不能删，因为删掉后，原来相连的部分断开了； (5)可以删，这样的点不是骨架； (6)不能删，因为它是直线的端点，如果这样的点删了，那么最后整个直线也 被删了，剩不下什么； (7)不能删，因为孤立点的骨架就是它自身。
为了避免分裂指纹图像，细化的过程分为两个步骤，第一步是正常 的腐蚀操作，但是它是有条件的，也就是说那些被标记的可除去的像素 点并不立即消去；在第二步中，只将那些消除后并不破坏连通性的点消 除，否则的话保留这些边界点。以上的步骤是在一个3×3邻域内运算， 可以通过查表实现细化的操作。算法的实现步骤如下： （1）定义一个3×3模板和一个查找表，模板和查找表分别如表1和 图1所示：
对指纹图像进行二值化，其基本要求就是二值化后的图像能真 实地再现原指纹。具体要求为： 1．脊线中不出现空白； 2．二值化后的脊线基本保持原来指纹的特征； 3．指纹的纹线不应有太多的间断和相连； 4．指纹纹线间的间距应大致相同。
由于原始指纹图像不同区域深浅不一，如对整幅图像用同一阈值进 行二值分割，会造成大量有用信息的丢失。这里我们使用自适应阈值二 值化的思想，对每块指纹图像，选取的阈值应尽量使该块图像内大于该 阈值的像素点数等于小于该阈值的像素点数。 一般灰度图像二值化的变换函数用下列公式表示
（2）对二值图像从上到下、从左到右进行扫描；该过程结 束后再对图像进行从左到右，从上到下的扫描；如果图像中当 前像素点的灰度值为“0”，且其左右（第一次扫描过程考虑左 右像素点）或上下（第二次扫描过程考虑上下两个像素点）两 个像素点中有任意一个为“255”则转至步骤（3），否则回转 到步骤（2）； （3）该像素点为中心的3×3区域内的各个像素值和定义的 模板中的权值进行卷积求和，得到查找索引值k； （4）根据这个索引值k得到表里相应的数据，如果为“1” ，那么该像素点的灰度值设为“255”，如果为“0”，则该像 素点的灰度值为“0”。 （5）图像从头至尾扫描二遍后，如果该次扫描修改了图像 中的点，则跳转至步骤二，开始新的一轮扫描。否则图像细化 结束。 为了是图像能过更加清晰的展现出来，我们把分割后的指 纹图像背景换为白色背景。实验结果见实验结果图。
（1）建立3维数组，第一组数据为预处理后的图像信息 ，定义每一个像素点它周围点像素参数。 （2）对于满足6种情况的模板，赋值为2 ，其实为像素1 情况。对于满足后六种情况的模板赋值为3，别的情况 点值不做改变。 （3）16种消去模板是在不满足上述情况下衍生的模板 ，对于满足这些模板的点像素全为0，以上都未涉及的 点不做改变。 （4）循环进行上述过程，到所有点值不改变为止，最 多进行20次细化。 细化将黑白二值图像细化成了单个像素带宽的指纹 图像，由于模板的选择不同，上图中的细化图像一定程 度上存在毛刺、分叉、断点等不理想的情况。所以在特 征提出前还需稍加处理，细化好的模板选择可以提高图 片的质量和细化运算的速度。
T为该块指纹图像 的平均灰度值、
N h Nl
分别为第(k,l)块指 纹图像中灰度值大 于等于T和小于T的 像素点数，
w w 10 0 0
w 是分块尺寸（
像素）。
指纹图像二值化后，纹线仍具有一定的宽度，而指纹识别只对纹线的走 向感兴趣，不关心它的粗细。细化的目的是为了删除指纹纹线的边缘像 素，使之只有一个像素宽度，减少冗余的信息，突出指纹纹线的主要特 征，从而便于后面的特征提取。细化时应保证纹线的连接性，方向性和 特征点不变，还应保持纹线的中心基本不变。
1, x T f x 0, x T
T为指定的阈值，x为灰度值
1．将指纹图像划分为不重叠的大小为w*w的块，求取该区域内所有像素的灰 度平均值。在综合考虑算法速度和处理效果两方面的条件下，本文分块尺寸为8×8 ；T为块的灰度平均值．见下式：
i w 2 i w 2
1 T G i, j w w u i w v j w
指纹识别的概念
a. 指纹识别就是利用人的指纹来识别、验证人的 身份，指纹具有唯一性和终身不变性 指纹识别是一种生物特征识别技术。生物特征 识别技术就是采用自动技术测量人体固有的生 理特性和行为特征，并将这些特征与数据库的 模板数据进行比较来进行个人身份的鉴定。