指纹二值化-read.pptVIP

指纹图像预处理算法的MATLAB仿真 张永坚 2008年5月18日 指纹图像预处理流程 指纹采集 图像增强 1、直方图均化 2、灰度（对比度）调整 3、滤波 指纹二值化 指纹细化 指纹采集 指纹采集就是通过传感器采集指纹的，指纹传感器有很多种类，我们用的是一种电容式传感器，这种传感器的采集效果还是比较好的。 图像增强 原理：直方图均化可将图像的灰度级范围拉开而且还可以让灰度频度率较小的灰度级变大，及让灰度直方图在较大的动态范围里趋于一致。 1、直方图均化 Matlab仿真：用函数histeq, 其语法格式为：j=histeq(I,n),I为原始图像，n为直方图均化后的灰度级数，默认值为64。其仿真图如下: 直方图均化仿真 原理：如果原图像f(x,y)的灰度范围是[m,M],我们希望调整后的图像g(x,y)的灰度范围是[n,N],那么下述变换可以是现上面的要求， 目的：使图像的不清的细节能看清楚。 Matlab仿真：用函数imadjust，其语法格式为：g=imadjust(I,[low high],[bottom top])，[low high]为原图像中要变换的灰度范围，[bottom top]指定了变换后的灰度范围。 灰度调整仿真 2、对比度调整 其仿真图如下： 我们可以通过看直方图来观察其频度分布情况。函数为imhist，直方图仿真 仿真图如下： 原图像直方图均化对比度调整 后的仿真 其仿真图如下： 由上图的仿真效果看，经过了直方图均化后的图像再经过灰度调整效果好像比不经过直方图均化后的效果要好。 主要用来去除图像中存在的噪声，图像中存在的噪声主要有三种高斯噪声、椒盐噪声和乘性噪声(颗粒噪声)，要去除这三中噪声主要有三中滤波方法:线性滤波、中值滤波、自适应滤波。线性滤波一般用来去除乘性噪声，中值滤波用来去除椒盐噪声，自适应滤波用来去除高斯噪声。 3、滤波 1、对于线性滤波一般用邻域平均法，邻域S的形状和大小根据图像特点来确定，但一般取的是正方形、矩形及十字形等，S的形状和大小可以在全图处理中保持不变，也可以根据图像的局部统计特性而变化，点(m,n)一般位于S的中心。假设噪声n是颗粒噪声，在空间各点互不相关，且期望为0，方差为，g是为受污染的图像，含有噪声的图像f经过邻域平均后为 由上式可知，经邻域平均后，噪声的均值不变，方差为，即噪声方差变小，说明噪声强度减小，即抑制了噪声。 下面按三种组合方式进行仿真 ⑴原图像直方图均化线性滤波。 仿真 ⑵原图像对比度调整线性滤波。 仿真 ⑶原图像直方图均化对比度调整线性滤波。 仿真 下面是三种情况经线性滤波后得到的对比图像。 2、中值滤波，一般用来去除椒盐噪声，在matlab中用到函数medfilt2进行中值滤波，其语法格式为：b=medfilt2(a,[m n]) %用指定大小为m×n的窗口对图像a进行中值滤波，其默认值为3×3窗口。 ⑴原图像直方图均化中值滤波。 仿真 仿真 ⑵原图像对比度调整中值滤波。 ⑶原图像直方图均化对比度调整中值 滤波。 仿真 下面是三种情况经中值滤波后得到的对比图像。 3、自适应滤波（wiener滤波），一般用来去除高斯白噪声，此方法具有好的选择性，可以更好地保护图像的边缘和高频细节信息。 ⑴原图像直方图均化自适应滤波。 仿真 ⑵原图像对比度调整自适应滤波。 仿真 ⑶原图像直方图均化对比度调整自适应滤波。 仿真 下面是三种情况经自适应滤波后得到的 对比图像。 上面通过用线性滤波、中值滤波和自适应滤波三种的方法对图像进行进行滤波，其对比图像如下： 三、指纹二值化 图像的二值化是指将灰度图像（灰度有255阶）转化为只包含黑、白两个灰度的二值图像，即0和1两个值。 对图像进行二值化处理的方法有多种，如 :(1)全局阈值法;(2)局部阈值法;(3)动态阈值法。 关键是阈值的选取技术。 下面用MATLAB仿真,用到函数为im2bw(a) 仿真 仿真图像如下： 1、原图像-直方图均化-二值化 仿真 2、原图像-对比度调整-二值化 仿真 3、原图像直方图均化对比度调整- 二值化 仿真 4、原图像灰度调整中值滤波二值化 。 仿真 5、原图像灰度调整自适应滤波二值化 。 仿真 四、指纹细化 一、图像细化是在图像中将二值物体和形状减小为单个像素宽的线。 二、函数bwmorph，细化操作的每次应用都会从二值图像物体的厚度中删除一个或两个像素，其格式为bwmorph（a,‘thin’,n）a为