程语言进行实现。对不同指纹的异同及相似程度分析转换为指纹的匹配程度进行刻画,抓住特征点的匹配程度衡量指纹的匹配度,从而得出指纹的相似程度。5.3问题三的分析根据上面两问,利用上面的代码,分别两两匹配,分别匹配归类。问题一的模型建立与求解6.1刻画描述指纹基本特征的表示方法对指纹的基本特征进行描述采取以下算法,如图6.1所示:归一化均衡化指纹图像切割?处理毛刺细化二值化特征值提取图6.16.1.1图像预处理阶段优秀的指纹图像预处理方法能够修复图像采集中的指纹线条信息的丢失,减小指纹传感器采集高质量指纹图像的压力,同时能够为下一步的特征点提取提供一幅完整的局部指纹图像。6.1.1.1切割切割是指将不需要计算的空白的地方切去,可以使后面的计算点大大减少以提高处理的速度,切割的算法是分别从四边进行逐行(逐列)的扫描,遇到像素值不等于255的则退出当前方向的切割,否则将这一行切去。(详情见代码1)处理前处理后6.1.1.2均衡化处理指纹图像的灰度变换就是对指纹图像进行点运算。对于一幅输入图像,经过点运算将产生一幅输出图像,后者的每个像素点的灰度值仅由相应输入像素点的灰度值决定。点运算不改变图像内的空间关系。通过点运算可以扩展图像中感兴趣部分的对比度,因而有时也称为对比度增强。图像均衡化的目的就是增加灰度图像的对比度。[1]并且在这里将整个图像分成了8x8的小块,分块进行处理计算公式为:(详情见代码2)某点处像素新值=255x小于等于该点处像素灰度值的象素数量/图像所有像素数量处理结果:6.1.1.3归一化处理与二值化处理一:归一化为了实现对不同灰度值的图像进行统一处理,需要对图像进行归一化处理。归一化处理的目的是调整指纹图像的灰度均值和方差接近期望均值M0,V0。归一化不改变脊线和谷线的清晰度,但可以减少沿着脊线和谷线方向上灰度的变化。采用下面的方法进行归一化[2],(详情见代码3)
全文预览
