CN102930241A - 指纹图像的处理方法和处理装置 - Google Patents

Abstract

本发明提供了一种指纹图像的处理方法和处理装置。该指纹图像的处理方法包括：确定像素点方向和通过Gabor滤波器对像素点灰度进行增强；计算Gabor滤波器的滤波窗口内像素点的平均灰度，并将该平均灰度与滤波器系数和的乘积作为该像素点对应的二值化阈值进行二值化；判断增强后的灰度值减去二值化阈值得到的差是否大于或等于0，当得到的差大于或等于0时，该像素点的二值化结果为1，当得到的差小于0时，该像素点的二值化结果为0。通过本发明，使得该处理方法在Gabor滤波增强过程中直接完成二值化处理，省去了增强与二值化处理之间的临时图像存储，减少处理过程、节省空间，减小资源消耗。

Description

指纹图像的处理方法和处理装置

技术领域

本发明涉及图像处理领域，具体而言，涉及一种指纹图像的处理方法和处理装置。 

背景技术

目前，基于细节点的指纹识别算法应用广泛，其处理过程主要包括指纹图像预处理、特征提取、特征比对等，指纹图像预处理又包括计算方向场、增强滤波、二值化等处理步骤。增强滤波和二值化是指纹识别的两个重要处理步骤，其处理结果直接影响最终的指纹比对效果。 

指纹图像增强方法有多种，例如：空域增强方法、频域增强方法及Gabor滤波增强方法等，其中，常用的方法是Lin Hong等提出的基于Gabor滤波的指纹图像增强方法（Hong,L.,Wan,Y.,and Jain,A.K.'Fingerprint image enhancement:Algorithm and performance evaluation'.IEEE Transactions on Pattern Analysis and Machine Intelligence 20,8（1998）,pp777-789）。Gabor滤波器在空域有良好的方向选择性，同时在频域有良好的频率选择性，Gabor滤波增强方法利用了纹线的方向信息和频率信息，可以达到比较好的增强效果。由于Gabor滤波增强方法的良好效果，使其成为目前指纹增强的常用方法。尽管Gabor滤波在指纹增强方面优势明显，但是，Gabor滤波存在两个缺点：第一，由于计算方向场方法不当和滤波器模板尺寸选择不当，导致增强后的图像出现所谓的块效应和方向效应；第二，运算量比较大、耗时多，对指纹算法的实时处理和嵌入式应用造成影响。 

通常，指纹图像的Gabor滤波增强采用分块方式，即将指纹图像分成W*W小块，然后以块为单位计算局部纹线方向和纹线频率，然后通过Gabor滤波器实现指纹图像增强。发明人发现，不同的图像块采用局部方向和局部频率进行增强有时会导致相邻块的衔接不平滑，导致各块增强幅度不均匀，二值化后往往会出现块效应，这样会影响后面指纹特征点的提取。 

同时，如果滤波器窗口的边长W的尺寸选择不当，那么会造成方向效应，即局部纹线方向不同导致的局部增强明显不均匀。在现有技术中，如果纹线间的像素数量为D，也即纹线距离等于D时，一般选择W=2D+1或W=3D+1。但是，Gabor图像滤波是将图像与Gabor滤波器模板做卷积操作，假如滤波器窗口大小为W*W，如果采用卷积实现滤波,每个像素的计算量至少需要W*W次乘法和W*W-1次加法,共计2*W*W-1次加乘法运算。假设D取10，在W=2D+1=21时，需要440次加乘法，在 W=3D+1=31时，需要960次加乘法。由此可见，在现有技术中，采用卷积实现滤波时，计算量较大。 

除了上述问题，二值化过程也是一个耗费资源的处理过程。在指纹增强后，需要保留增强后的临时图像，然后再利用大津展之等阈值法进行二值化处理，既占用空间又增加了处理过程，影响指纹识别算法的效率。假设保存增强后的临时图像，并且，指纹图像的大小为256*360，如果采用float型变量，那么相当于4倍的char空间，该图像占用的空间将达到360KBytes，如果采用short型变量，那么相当于2倍的char空间，该图像占用的空间将达到180Kbytes，这些资源消耗对嵌入式指纹应用来说都比较严重，能否减少处理过程和资源消耗，这也是摆在算法研发人员面前的问题。 

针对相关技术中指纹图像处理中资源消耗大的问题，目前尚未提出有效的解决方案。 

发明内容

本发明的主要目的在于提供一种指纹图像的处理方法和处理装置，以解决指纹图像处理中资源消耗大的问题。 

为了实现上述目的，根据本发明的一个方面，提供了一种指纹图像的处理方法。 

根据本发明的指纹图像的处理方法包括：确定待处理指纹图像中像素点（x，y）的方向，其中，像素点（x，y）为待处理的指纹图像中任意一个像素点；计算像素点（x，y）对应的纹线频率和纹线距离；根据纹线距离确定Gabor滤波器的滤波窗口的边长；根据纹线频率和方向计算像素点（x，y）对应的滤波器系数和；通过Gabor滤波器对像素点（x，y）的灰度进行增强，得到像素点（x，y）增强后的灰度；计算Gabor滤波器的滤波窗口内像素点的平均灰度；计算像素点（x，y）对应的二值化阈值，其中，二值化阈值为平均灰度与滤波器系数和的乘积；判断增强后的灰度值减去二值化阈值得到的差是否大于或等于0；当差大于或等于0时，将像素点（x，y）二值化为1；以及当差小于0时，将像素点（x，y）二值化为0。 

进一步地，根据纹线距离确定Gabor滤波器的滤波窗口的边长包括：当纹线距离的二分之一为偶数时，确定滤波窗口的边长等于纹线距离的二分之一加1；以及当纹线距离的二分之一为奇数时，确定滤波窗口的边长等于纹线距离的二分之一。 

进一步地，计算像素点（x，y）对应的纹线频率包括：计算像素点（x，y）对应的估计纹线频率；获取预设的对应关系，其中，对应关系为分辨率与纹线频率范围的对应关系；根据对应关系和待处理指纹图像的分辨率确定待处理指纹图像对应的纹线频率范围；判断估计纹线频率是否在确定的纹线频率范围内；当估计纹线频率在确定的纹线频率范围内时，像素点（x，y）对应的纹线频率等于像素点（x，y）对应的估 计纹线频率；以及当估计纹线频率不在确定的纹线频率范围内时，像素点（x，y）对应的纹线频率等于像素点（x，y）的相邻像素点对应的估计纹线频率，或者当估计纹线频率大于确定的纹线频率范围内的最大纹线频率时，像素点（x，y）对应的纹线频率等于最大纹线频率，当估计纹线频率小于确定的纹线频率范围内的最小纹线频率时，像素点（x，y）对应的纹线频率等于最小纹线频率。 

进一步地，计算像素点（x，y）对应的纹线频率包括：获取预设的对应关系，其中，对应关系为分辨率与纹线频率范围的对应关系；根据对应关系和待处理指纹图像的分辨率确定待处理指纹图像对应的纹线频率范围；以及计算确定的纹线频率范围内所有纹线频率的平均值，以得到像素点（x，y）对应的纹线频率。 

进一步地，确定像素点（x，y）的方向包括：按照八方向提取原则，在像素点（x，y）对应的掩模窗口内，提取像素点的八条方向线，其中，八条方向线包括四条偶数方向线和四条奇数方向线；计算每条方向线对应的灰度和，得到八条方向线对应的八个灰度和，其中，偶数方向线对应的灰度和为偶数方向线上的像素点的灰度的和，奇数方向线对应的灰度和为第一灰度子和与第二灰度子和的和，其中，第一灰度子和为奇数方向线上的像素点的灰度的和，第二灰度子和为奇数方向线穿过的像素点的灰度和的二分之一；在八个灰度和中确定最大灰度和Max与最小灰度和Min；计算八个灰度和的和，得到八条方向线的灰度总和Total；当（nWndWide*g（x,y）+Min+Max）*8>3*Total时，像素点（x，y）的方向为最大灰度和Max对应的方向线的方向，其中，nWndWide为掩模窗口的边长；以及当（nWndWide*g（x,y）+Min+Max）*8≤3*Total时，像素点（x，y）的方向为最小灰度和Min对应的方向线的方向。 

进一步地，在确定像素点（x，y）的方向之前，该方法还包括：判断像素点（x，y）是否为背景点，其中，当像素点（x，y）不是背景点时，确定像素点（x，y）的方向。 

进一步地，判断像素点（x，y）是否为背景点包括：按照八方向提取原则，在像素点（x，y）对应的掩模窗口内，提取像素点的八条方向线，其中，八条方向线包括四条偶数方向线和四条奇数方向线；计算每条方向线对应的像素点的平均灰度，其中，偶数方向线对应的像素点由偶数方向线上的像素点组成，奇数方向线对应的像素点由偶数方向线上的像素点和奇数方向线穿过的像素点组成；计算掩模窗口内像素点的平均灰度；计算 $c=\underset{n=0}{\overset{7}{\mathrm{\Σ}}}\frac{{\left(\mathrm{DirAverGray}\right[n]-\mathrm{WndAverGray})}^2}{\mathrm{WndAverGray}},$ 其中，DirAverGray[n]为第n条方向线的平均灰度，WndAverGray为掩模窗口内像素点的平均灰度；以及当c大于3时，像素点（x，y）不是背景点。 

进一步地，判断像素点（x，y）是否为背景点包括：按照八方向提取原则，在像素点（x，y）对应的掩模窗口内，提取像素点的八条方向线，其中，八条方向线包括 四条偶数方向线和四条奇数方向线；计算每条方向线对应的灰度和，得到八条方向线对应的八个灰度和，其中，偶数方向线对应的灰度和为偶数方向线上的像素点的灰度的和，奇数方向线对应的灰度和为第一灰度子和与第二灰度子和的和，其中，第一灰度子和为奇数方向线上的像素点的灰度的和，第二灰度子和为奇数方向线穿过的像素点的灰度和的二分之一；在八个灰度和中确定最大灰度和与最小灰度和；以及当最大灰度和与最小灰度和的差大于或等于最大灰度和的十分之一时，像素点（x，y）不是背景点。 

为了实现上述目的，根据本发明的另一方面，提供了一种指纹图像的处理装置。 

根据本发明提供的指纹图像的处理装置包括：第一确定模块，用于确定像素点（x，y）的方向，其中，像素点（x，y）为待处理的指纹图像中任意一个像素点；第一计算模块，用于计算像素点（x，y）对应的纹线频率和纹线距离；第二确定模块，用于根据纹线距离确定Gabor滤波器的滤波窗口的边长；第二计算模块，用于根据纹线频率和方向计算像素点（x，y）对应的滤波器系数和；增强模块，用于通过Gabor滤波器对像素点（x，y）的灰度进行增强，得到像素点（x，y）增强后的灰度；第三计算模块，用于计算Gabor滤波器的滤波窗口内像素点的平均灰度；第四计算模块，用于计算像素点（x，y）对应的二值化阈值，其中，二值化阈值为平均灰度与滤波器系数和的乘积；第一判断模块，用于判断增强后的灰度值减去二值化阈值得到的差是否大于或等于0；以及二值化模块，用于当差大于或等于0时，将像素点（x，y）的二值化为1，当差小于0时，将像素点（x，y）的二值化为0。 

进一步地，第二确定模块包括：第一确定子模块，用于当纹线距离的二分之一为偶数时，确定滤波窗口的边长等于纹线距离的二分之一加1；以及第二确定子模块，用于当纹线距离的二分之一为奇数时，确定滤波窗口的边长等于纹线距离的二分之一。 

进一步地，第一计算模块包括：第一计算子模块，用于计算像素点（x，y）对应的估计纹线频率；第一获取子模块，用于获取预设的对应关系，其中，对应关系为分辨率与纹线频率范围的对应关系；第三确定子模块，用于根据对应关系和待处理指纹图像的分辨率确定待处理指纹图像对应的纹线频率范围；第一判断子模块，用于判断估计纹线频率是否在确定的纹线频率范围内；第四确定子模块，用于当估计纹线频率在确定的纹线频率范围内时，确定像素点（x，y）对应的纹线频率等于像素点（x，y）对应的估计纹线频率；以及第五确定子模块，用于当估计纹线频率不在确定的纹线频率范围内时，像素点（x，y）对应的纹线频率等于像素点（x，y）的相邻像素点对应的估计纹线频率，或者当估计纹线频率大于确定的纹线频率范围内的最大纹线频率时，像素点（x，y）对应的纹线频率等于最大纹线频率，当估计纹线频率小于确定的纹线频率范围内的最小纹线频率时，像素点（x，y）对应的纹线频率等于最小纹线频率。 

进一步地，第一计算模块包括：第二获取子模块，用于获取预设的对应关系，其 中，对应关系为分辨率与纹线频率范围的对应关系；第六确定子模块，用于根据对应关系和待处理指纹图像的分辨率确定待处理指纹图像对应的纹线频率范围；以及第二计算子模块，用于计算确定的纹线频率范围内所有纹线频率的平均值，以得到像素点（x，y）对应的纹线频率。 

进一步地，第一确定模块包括：提取子模块，用于按照八方向提取原则，在像素点（x，y）对应的掩模窗口内，提取像素点的八条方向线，其中，八条方向线包括四条偶数方向线和四条奇数方向线；第三计算子模块，用于计算每条方向线对应的灰度和，得到八条方向线对应的八个灰度和，其中，偶数方向线对应的灰度和为偶数方向线上的像素点的灰度的和，奇数方向线对应的灰度和为第一灰度子和与第二灰度子和的和，其中，第一灰度子和为奇数方向线上的像素点的灰度的和，第二灰度子和为奇数方向线穿过的像素点的灰度和的二分之一；第七确定子模块，用于在八个灰度和中确定最大灰度和Max与最小灰度和Min；第四计算子模块，用于计算八个灰度和的和，得到八条方向线的灰度总和Total；以及第八确定子模块，用于在（nWndWide*g（x,y）+Min+Max）*8>3*Total时，确定像素点（x，y）的方向为最大灰度和Max对应的方向线的方向，在（nWndWide*g（x,y）+Min+Max）*8≤3*Total时，确定像素点（x，y）的方向为最小灰度和Min对应的方向线的方向，其中，nWndWide为掩模窗口的边长。 

在本发明提供的指纹图像的处理方法中，确定像素点方向和通过Gabor滤波器对像素点灰度进行增强后，计算Gabor滤波器的滤波窗口内像素点的平均灰度，并将该平均灰度与滤波器系数和的乘积作为该像素点对应的二值化阈值进行二值化，具体地：判断增强后的灰度值减去二值化阈值得到的差是否大于或等于0，当得到的差大于或等于0时，该像素点的二值化结果为1，当得到的差小于0时，该像素点的二值化结果为0，使得该处理方法在Gabor滤波增强过程中直接完成二值化处理，省去了增强与二值化处理之间的临时图像存储，从而解决了指纹图像处理中资源消耗大的问题，进而达到了减少处理过程、节省空间，减小资源消耗的效果。 

附图说明

构成本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中： 

图1是根据本发明实施例的指纹图像的处理方法的流程图； 

图2是根据本发明实施例的8个方向的9*9掩模图； 

图3是根据本发明实施例的纹线距离估算示意图； 

图4是根据本发明实施例的Gabor滤波器方向示意图； 

图5（a）至图5（h）是根据本发明实施例的八方向滤波器示意图； 

图6是根据本发明实施例的Gabor滤波器5*5窗口示意图； 

图7（a）至图7（d）是根据本发明实施例的第一指纹图像处理效果图； 

图8（a）至图8（d）是根据本发明实施例的第二指纹图像处理效果图；以及 

图9是根据本发明实施例的指纹图像的处理装置的框图。 

具体实施方式

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。 

图1是根据本发明实施例的指纹图像的处理方法的流程图，如图1所示，该方法包括如下的步骤S102至步骤S120。 

步骤S102：确定待处理指纹图像中像素点（x，y）的方向，其中，像素点（x，y）为待处理的指纹图像中任意一个像素点。 

具体地，通过掩模法实现像素点（x，y）方向的确定： 

（1）建立掩模窗口：如图2所示，设置掩模窗口半径nWndRad=4，每条方向线所取的点总数为2*nWndRad+1=9，也即掩模窗口的边长为nWndWide=9，建立一个9*9的掩模，掩模窗口的中心点“*”为像素点（x，y），该点可能存在8个方向。 

其中，8条方向线包括水平线、垂直线、两条对角线、两条对角线和水平线的角平分线以及两条对角线和垂直线的角平分线。为方便说明，将上述8条方向线按逆时针方向依次编号为：0、1、2、…6、7。 

（2）确定像素点（x，y）对应的方向线（也即确定像素点的方向）： 

1）计算每条方向线的灰度和DirGraySum，得到八条方向线对应的八个灰度和DirGraySum[0]至DirGraySum[7]。 

其中，可采用现有技术中任意的方向线灰度和计算方法。优选地，如图2所示，8条方向线中，偶数方向线0、2、4、6对应的像素点由偶数方向线上的像素点组成，从而偶数方向线对应的灰度和DirGraySum[0]、DirGraySum[2]、DirGraySum[4]和DirGraySum[6]依次为偶数方向线0、2、4、6上的像素点的灰度的和，例如，水平线0对应的灰度和为像素点（x，y）以及所有标记为0的像素点的灰度的和，对角线2对应的灰度和为像素点（x，y）以及所有标记为2的像素点的灰度的和。奇数方向线1、3、5、7对应的像素点由奇数方向线上的像素点和奇数方向线穿过的像素点组成，也即，在提取奇数方向线的像素点时，除了直接提取奇数方向线上的像素点之外，还须 提取奇数方向线穿过的像素点，从而奇数方向线对应的灰度和DirGraySum[1]、DirGraySum[3]、DirGraySum[5]和DirGraySum[7]均由两部分灰度子和组成，一部分灰度子和为奇数方向线上的像素点的灰度和，另一部分灰度子和为奇数方向线穿过的像素点的灰度的和的二分之一，也即，将奇数方向线穿过的两个像素点的灰度平均值等同为奇数方向线上的一个像素点的灰度，例如，角平分线1的灰度和的第一灰度子和为像素点（x，y）以及所有标记为1的像素点的灰度的和，角平分线1的灰度和的第二灰度子和为两个标记为“五角星”的像素点、两个标记为“长方形”的像素点以及相邻的（图中具有阴影的点）且标记为2和0的像素点的和的二分之一，也即，将两个标记为“五角星”的像素点的灰度平均值等同为方向线1上的一个像素点的灰度、将两个标记为“长方形”的像素点的灰度平均值等同为方向线1上的一个像素点的灰度、将像素点（x，y）左侧相邻的且标记为2和0的像素点的灰度平均值等同为方向线1上的一个像素点的灰度、将像素点（x，y）右侧相邻的且标记为2和0的像素点的灰度平均值等同为方向线1上的一个像素点的灰度。 

采用该优选实施例提供的方向线灰度计算方法，能够更加准确地确定像素点的方向，提高方向确定的准确度。 

2）在8个灰度和DirGraySum[0]至DirGraySum[7]中，确定最大灰度和Max与最小灰度和Min。 

3）计算八个灰度和DirGraySum[0]至DirGraySum[7]的和，得到八条方向线的灰度总和Total： $\mathrm{Total}=\underset{j=0}{\overset{7}{\mathrm{\Σ}}}\mathrm{DirGraySum}\left[j\right].$

4）如果（nWndWide*g（x,y）+Min+Max）*8>3*Total，则认为像素点（x，y）为谷线上点，其方向为最大灰度和Max对应的方向线，否则认为是脊线上点，其方向为最小灰度和Min对应的方向线，从而可以得到指纹的方向图，其中，g（x，y）为像素点（x，y）的灰度。 

其中，进一步优选地，在确定像素点（x，y）对应的方向之前，先判断该像素点（x，y）是否为背景点，由于背景点是没有方向的点，因而，在确定像素点（x，y）不是背景点时再计算其方向，能够避免计算中的冗余，提高计算速度。 

在判断像素点（x，y）是否为背景点时，可以采用现有技术中任意的背景点判断方法，优选地，采用下述的任意一种背景点判断方法： 

判断方法一： 

a：计算每条方向线对应的像素点的平均灰度DirAverGray[0]至DirAverGray[7]，其中，偶数方向线0、2、4、6对应的像素点依次由偶数方向线上的像素点组成，例如，水平线0对应的平均灰度DirAverGray[0]为像素点（x，y）以及所有标记为0的像素 点的灰度的平均值，对角线2对应的平均灰度DirAverGray[2]为像素点（x，y）以及所有标记为2的像素点的灰度的平均值。奇数方向线1、3、5、7对应的像素点依次由奇数方向线上的像素点和奇数方向线穿过的像素点组成，例如，角平分线1的平均灰度DirAverGray[1]为像素点（x，y）、所有标记为1的像素点、两个标记为“五角星”的像素点、两个标记为“长方形”的像素点以及相邻的（图中具有阴影的点）且标记为2和0的像素点的灰度的平均值。 

b：计算掩模窗口内像素点的平均灰度WndAverGray： 

$\mathrm{WndAverGray}=\frac{1}{\mathrm{nWnd}{\mathrm{Wide}}^2}\underset{n=-\mathrm{nWndRad}}{\overset{\mathrm{nWndRad}}{\mathrm{\Σ}}}\underset{m=-\mathrm{nWndRad}}{\overset{\mathrm{nWndRad}}{\mathrm{\Σ}}}g(m,n),$ 其中，g（m，n）为像素点（m，n）的灰度。 

c：计算 $c=\underset{n=0}{\overset{7}{\mathrm{\Σ}}}\frac{{\left(\mathrm{DirAverGray}\right[n]-\mathrm{WndAverGray})}^2}{\mathrm{WndAverGray}},$ 其中，DirAverGray[n]为第n条方向线的平均灰度。 

d：如果c≤3，则认为是背景点，否则为前景点，也即指纹有效区域内的点，通过该方法，遍历待处理指纹图像中每个像素点，能够得到指纹图像的有效区域。 

其中，还可对确定的有效区域进行修正，具体地，以图像中每个像素点为中心取小窗口，如果这个小窗口中的前景点的个数大于70%，则认为这个像素点是确认有效的。 

判断方法二：当最大灰度和Max与所述最小灰度和Min的差大于或等于最大灰度和Max的十分之一时，该像素点（x，y）不是背景点，也即Max-Min<Max/10时，确定像素点（x，y）为背景点，其中，在上述第（2）步确定像素点（x，y）对应的方向的步骤中，已经介绍了最大灰度和Max与最小灰度和Min的方法，该处不再赘述。 

通过上述的任意一种方法确定所有像素点的方向，便可得到指纹的方向场图，如图7（b）所示，对指纹图像原图，也即图7（a）进行处理后，图7（b）清晰地显示出指纹图像的方向分布情况，如图8（b）所示，对指纹图像原图，也即图8（a）进行处理后，图8（b）清晰地显示出指纹图像的方向分布情况。 

步骤S104：计算像素点（x，y）对应的纹线频率和纹线距离。 

在计算像素点对应的纹线频率和纹线距离时，可以采用Lin Hong等提出的纹线频率估计法求纹线频率和纹线距离，具体过程如下： 

如图3所示，对像素点（x，y）为中心的块，定义一个大小为I×W的方向窗，选取新坐标系Y轴的方向为平行于所取块的纹线方向。通过下式（104-1）、（104-2）和（104-3）计算出X[0]到X[I-1]的值，其中I=2W，从而可以求出2W个X，在没有 特征点后孤点的情况下，这个X序列形成的是一个离散正弦波的形式，求两个波峰值之间的距离T（x，y），也即得到纹线距离，在得到纹线距离后，通过式（104-4）计算出纹线频率f（x，y）： 

$X\left[K\right]=\frac{1}{W}\underset{d=0}{\overset{W-1}{\mathrm{\&Sigma;}}}g(u,v),K=\mathrm{0,1}......,I-1---(104-1);$

$u=x+(d-\frac{W}{2})*\cos \mathrm{\&theta;}(x,y)+(K-\frac{I}{2})*\sin \mathrm{\&theta;}(x,y)---(104-2);$

$v=y+(d-\frac{W}{2})*\sin \mathrm{\&theta;}(x,y)+(K-\frac{I}{2})*\cos \mathrm{\&theta;}(x,y)---(104-3);$

$f(x,y)=\frac{1}{T(x,y)}---(104-4).$

其中，g（u，v）为像素点（u，v）的灰度，θ(x,y）为像素点（x，y）的方向对应的角度，其中，设像素点（x，y）为谷线上的点，其方向为最大灰度和Max=DirGraySum[2]对应的方向线，则 

设像素点（x，y）为脊线上的点，其方向为最小灰度和Min=DirGraySum[7]对应的方向线，则 

发明人发现，在采用上述方法计算纹线频率和纹线距离时，存在如下的问题：当窗口选择较大时，窗口内存在奇异点等纹线方向剧变的情况较多，从而窗口内纹线方向不一致，使得很难在这些区域中可靠的估计出纹线距离；当窗口选择较小时，可能由于窗口内包含的纹线数目太少（少于2条），根本无法进行纹线距离估计。 

发明人进一步发现，纹线频率与指纹图像的分辨率有很大关系，同一手指对应的指纹图像的分辨率不同时，纹线距离基本按线性增长，也即，分辨率越大，纹线距离越大。 

为了解决计算纹线频率和纹线距离中存在的上述问题，优选地，通过就近原则和频率范围限制措施，对无法估算或频率超出范围的情况进行频率修正，具体方法如下： 

预先设定图像分辨率、纹线距离和纹线频率的对应关系，优选地，下表1所示的对应关系；计算T（x，y）或f（x，y）时，需要考虑待处理图像的分辨率，在对应关系中，找出与待处理图像分辨率相匹配的纹线频率范围；采用上述的纹线频率计算方法计算出估计纹线频率，如果计算估计纹线频率超出了上述匹配的纹线频率范围，那么按照就近原则，取相邻点的纹线频率作为像素点（x，y）的纹线频率，其中，该处的相邻点可以为像素点（x，y）上、下、左、右四个方向上，任一方向的相邻点；当估计纹线频率超出了上述匹配的纹线频率范围无法获取邻近点纹线频率时，如果估计 纹线频率小于匹配的纹线频率范围的最小值，那么像素点（x，y）的纹线频率取该最小值，如果像素点（x，y）的纹线频率大于匹配的纹线频率范围的最大值，那么像素点（x，y）的纹线频率该取最大值。进一步优选地，如果无法得到像素点（x，y）的估计纹线频率时，也即采用图3所示的纹线频率计算方法无法得到估计纹线频率时，则像素点（x，y）的纹线频率取匹配纹线频率范围的平均值。 

表1图像分辨率、纹线距离和纹线频率的对应关系表

分辨率(dpi)	纹线距离范围(像素)	频率范围
			250	4~7	0.25~0.14
500	7~13	0.14~0.08
			750	11~20	0.09~0.05
1000	14~26	0.07~0.04

在该实施例中，通过对Lin Hong等人的纹线频率估计法的改进，可以客观、准确的估算纹线频率和纹线距离，改善了块效应，从而提高了Gabor滤波的准确性。 

通过步骤S102和步骤S104，得到像素点（x，y）的方向和纹线频率、纹线距离，为构造Gabor滤波增强模板做好了准备，下面通过步骤S106至步骤S110，完成对像素点（x，y）灰度的增强。 

步骤S106：根据纹线距离确定Gabor滤波器的滤波窗口的边长。 

优选地，当纹线距离的二分之一为偶数时，确定滤波窗口的边长等于纹线距离的二分之一加1；当纹线距离的二分之一为奇数时，确定滤波窗口的边长等于纹线距离的二分之一。 

采用该优选实施例，滤波窗口的边长Wg约为纹线距离的二分之一，比常规的Gabor滤波器窗口要小很多，采用小窗口方式能够减少计算量，提高处理速度，同时，对克服方向效应也起到了很大的作用。 

步骤S108：根据纹线频率和方向计算像素点（x，y）对应的滤波器系数和。 

（1）计算滤波器系数阵： 

采用偶对称二维Cabor滤波器来构造增强模板，其中，偶对称二维Gabor滤波器公式如下： 

$G(x,y,\mathrm{\&theta;},f)=\exp \{-\frac{1}{2}[\frac{x^{\&prime;2}}{{\mathrm{\&delta;}}_x^2}+\frac{y^{\&prime;2}}{{\mathrm{\&delta;}}_y^2}\left]\right\}\cos \left(2\mathrm{\&pi;}{\mathrm{fx}}^{\&prime;}\right)$

x＇=xcosθ+ysinθ 

y＇=-xsinθ+ycosθ 

其中，θ为像素点（x，y）的方向对应的角度，也即Gabor滤波器的方向，x′轴与x轴的夹角为θ，x′和y′与x和y的方向示意图如图4所示。其中， i＝0,1,2...,7时，八方向滤波器依次如图5（a）至图5（h）所示，δ_x和δ_y分别是高斯包络沿着x轴和y轴的空间常数，δ_x和δ_y的取值优选为4.0，f为纹线频率。 

或者，采用简化的Gabor滤波器，公式如下： 

$h(x,y,\mathrm{\&theta;},f)=\exp \{-\frac{1}{2}[\frac{x^2+y^2}{{\mathrm{\&delta;}}^2}\left]\right\}\cos \left(2\mathrm{\&pi;}{\mathrm{fx}}^{\&prime;}\right)$

x＇=xcosθ+ysinθ 

其中，δ_x=δ_y=δ，δ优选为4.0。 

为计算滤波器系数和，首先计算滤波器窗口对应的滤波器系数阵，设像素点（x，y）对应的纹线距离为10，滤波窗口Wg=5为例，如图6所示，以像素点（x，y）为坐标原点建立坐标系，则滤波窗口内的任意一点的坐标为（u，v），其中，u和v的范围均为[-（Wg-1）/2,（Wg-1）/2]，设坐标为（u，v）的点的滤波器系数为fUVA（u，v）， 

i＝0,1,2...,7，为像素点（x，y）的方向对应的角度，将上述各个参数代入简化后的Gabor滤波器公式中，得到如下计算式，以计算滤波窗口内各点的滤波器系数阵： 

$\mathrm{fUVA}(u,v)=\exp \{-\frac{1}{2}\left(\frac{u^2+v^2}{{\mathrm{\&delta;}}^2}\right)\}*\cos \left(2\mathrm{\&pi;}{\mathrm{fu}}^{\&prime;}\right)$

其中，u＇=ucosθ+vsinθ，δ=4.0，f为像素点（x，y）对应的纹线频率。按照该公式，计算Wg*Wg窗口内各个点的滤波器系数，形成滤波器系数阵，优选地，为进一步提高速度，sinθ和cosθ的运算可采用查表法来计算。 

（2）按方向求滤波器系数和 

设滤波器系数和为fCS，对Wg*Wg窗口中所有点的滤波器系数，也即上述滤波器系数阵中所有的滤波器系数进行加和，得到滤波器系数和fCS。由于系数阵内的各个系数的数值有正、有负，所以，相加后会有部分抵消，相当于系数阵更加均衡。 

步骤S110：通过Gabor滤波器对像素点（x，y）的灰度进行增强，得到像素点（x，y）增强后的灰度。 

通过步骤S108得到Gabor滤波器系数阵后，将Wg*Wg滤波窗口内的每个点的灰度与相应地滤波器系数相乘，并求出各个积的总和fGraySum，该过程即为卷积运算过程，得到的灰度值相当于增强后的灰度值，其具体计算公式如下： 

$\mathrm{fGraySum}=\underset{u=-\frac{\mathrm{Wg}-1}{2}}{\overset{\frac{\mathrm{Wg}-1}{2}}{\mathrm{\&Sigma;}}}\underset{v=-\frac{\mathrm{Wg}-1}{2}}{\overset{\frac{\mathrm{Wg}-1}{2}}{\mathrm{\&Sigma;}}}[\mathrm{fUVA}(u,v)*g(x+u,y+v)]$

其中，g(x+u,y+v)为像素点(x+u,y+v)的灰度，也即在以像素点（x，y）为坐标原点建立坐标系中的点（u，v）的灰度。 

步骤S112：计算Gabor滤波器的滤波窗口内像素点的平均灰度。 

滤波窗口内像素点的平均灰度为Ga，对Wg*Wg窗口中所有点的灰度加和求均值，得到Gabor滤波器的滤波窗口内像素点的平均灰度。 

步骤S114：计算像素点（x，y）对应的二值化阈值，其中，二值化阈值为平均灰度与滤波器系数和的乘积。 

步骤S116：判断增强后的灰度值减去二值化阈值得到的差是否大于或等于0，当差大于或等于0时，执行步骤S118，否则，当差小于0时，执行步骤S120。 

步骤S118：将像素点（x，y）二值化为1。 

步骤S120：将像素点（x，y）二值化为0。 

通过步骤S116至步骤S120，计算g′（x,y）=fGraySum-Ga*fCS，若g′（x,y）>=0，则该点用1表示，代表谷线上的点，若g（x,y）<0，则该点用0表示，代表脊线上的点。 

步骤S114至步骤S120通过自适应阈值法实现二值化过程，对于不同的像素点，采用不同的阈值进行判断，该阈值随着像素点而变化。 

通过上述的步骤S102至步骤S120对指纹图像进行处理的效果图分别如图7和图8所示，其中，图7（a）至图7（d）是对第一指纹图像处理的效果图，图8（a）至图8（d）是对第二指纹图像处理的效果图，其中，图7（a）与图8（a）为待处理的指纹原图像的效果图，图7（b）与图8（b）为指纹方向场图的效果图，图7（c）与图8（c）为指纹增强后的效果图，图7（d）与图8（d）为指纹二值化后的效果图。 

采用该实施例中提供的二值化步骤实现指纹图像的处理，相当于在Gabor滤波增强过程中直接完成二值化的处理过程，该处理过程具有以下特点：第一，节省空间，也即不需要分配单独的空间来保存增强后的临时图像，而现有技术中的二值化方法均需要保存临时图像，对于大小为256x360的指纹图像，该图像占用的空间将达到 180Kbytes~360Kbytes，因而，采用该实施例的指纹图像的处理方法，极大的节省了处理空间，减少了资源消耗；第二，运算简捷高效，在该自适应阈值二值化方法中，运算量非常小，只需要一次乘法和一次减法，这是现有技术的二值化方法不能比拟的，因而，采用该实施例的指纹图像的处理方法，极大的简化了运算步骤，减少了资源消耗；第三，二值化效果较好，采用自适应阈值的二值化方法，克服了全局二值化和局部二值化方法中阈值固定所产生的问题，将阈值的设定更加合理化，从而使得二值化效果更佳。 

此外，在该实施例中，利用滤波器的小窗口特性，以及对纹线频率估计方法的改进，分别能够改善图像处理中的方向效应和块效应。 

综上，采用图1所示实施例的指纹图像处理方法，在Gabor滤波增强过程中直接完成二值化的处理过程，省去了增强与二值化之间的临时图像存储，达到了运算高效、节省空间、取得突出增强效果的目的。由于该实施例提供的方法同时具备了较好的运行效率和识别性能，因而，该方法能够应用于实时的指纹自动识别系统和嵌入式指纹技术处理中。 

本发明实施例还提供了指纹图像处理装置，以下对本发明实施例所提供的指纹图像处理装置进行介绍。需要说明的是，在本发明实施例的指纹图像处理方法可以通过本发明实施例所提供的指纹图像处理装置来执行，本发明实施例的指纹图像处理装置也可以用于执行本发明实施例所提供的指纹图像处理方法。 

图9是根据本发明实施例的指纹图像的处理装置的框图，如图9所示，该处理装置包括方向场图计算单元20、纹线频率估算单元40和滤波与二值化单元60。 

其中，方向场图计算单元20包括第一确定模块22；纹线频率估算单元40包括第一计算模块42；滤波与二值化单元60包括第二确定模块61、第二计算模块62、增强模块63、第三计算模块64、第四计算模块65、第一判断模块66和二值化模块67。 

方向场图计算单元20计算指纹图像的方向场图，具体由各个像素点的方向确定。其中，第一确定模块22用于确定像素点（x，y）的方向，其中，像素点（x，y）为待处理的指纹图像中任意一个像素点，具体地，可通过掩模法实现像素点（x，y）方向的确定。 

第一确定模块22包括用于提取像素点的八条方向线的提取子模块。该提取子模块建立如图2所示的掩模窗口，掩模窗口的中心点“*”为像素点（x，y），该点可能存在8个方向，设置掩模窗口半径nWndRad=4，按照八方向提取原则，提取8条方向线，每条方向线所取的点总数为2*nWndRad+1=9，也即掩模窗口的边长为nWndWide=9。其中，8条方向线包括水平线、垂直线、两条对角线、两条对角线和水平线的角平分线以及两条对角线和垂直线的角平分线，为方便说明，将上述8条方向 线按逆时针方向依次编号为：0、1、2、…6、7，则八条方向线包括四条偶数方向线0、2、4、6和四条奇数方向线1、3、5、7。 

第一确定模块22包括用于计算每条方向线对应的像素点的灰度和的第三计算子模块。其中，第三计算子模块可通过现有技术中任意的方向线灰度和计算方法实现。 

第一确定模块22包括用于在八个灰度和中确定最大灰度和Max与最小灰度和Min的第七确定子模块。 

第一确定模块22包括用于将DirGraySum[0]至DirGraySum[7]加和的第四计算子模块，以得到八条方向线的灰度总和Total。 

第一确定模块22还包括第八确定子模块，该第八确定子模块用于在（nWndWide*g（x,y）+Min+Max）*8>3*Total时，确定像素点（x，y）为谷线上点，其方向为最大灰度和Max对应的方向线的方向；在（nWndWide*g（x,y）+Min+Max）*8≤3*Total时，确定像素点（x，y）是脊线上点，其方向为最小灰度和Min对应的方向线的方向，其中，nWndWide为掩模窗口的边长，从而可以得到指纹的方向图，其中，g（x,y）为像素点（x，y）的灰度。 

纹线频率估算单元40计算指纹图像中各个像素点的纹线频率及纹线距离。其中，第一计算模块42用于计算像素点（x，y）对应的纹线频率和纹线距离，通过现有技术中Lin Hong等提出的纹线频率估计法求纹线频率f（x，y）和纹线距离T（x，y）。 

滤波与二值化单元60实现Gabor滤波增强以及在该滤波过程中完成二值化的处理过程。 

首先，通过第二确定模块61根据纹线距离D确定Gabor滤波器的滤波窗口的边长Wg，Wg=2*D+1或者Wg=3*D+1；第二计算模块62根据第一计算模块42计算得到的纹线频率和第一确定模块22确定的方向计算像素点（x，y）对应的滤波器系数和，具体地，采用偶对称二维Cabor滤波器来构造增强模板得到滤波器系数矩阵，其具体计算过程在上文中已做描述，此处省略，将Wg*Wg窗口中所有点的滤波器系数进行加和，得到滤波器系数和fCS；增强模块63通过Gabor滤波器对像素点（x，y）的灰度进行增强，得到像素点（x，y）增强后的灰度，具体地，将Wg*Wg滤波窗口内的每个点的灰度与Gabor滤波器系数阵中相应地滤波器系数相乘，并求出各个积的总和fGraySum，得到的灰度值fGraySum为增强后的灰度值，具体计算公式上文已做描述，此处省略；第三计算模块64对Wg*Wg窗口中所有点的灰度加和求均值，得到Gabor滤波器的滤波窗口内像素点的平均灰度Ga；第四计算模块65将像素点（x，y）对应的平均灰度Ga与滤波器系数和fCS相乘，得到像素点（x，y）对应的二值化阈值；第一判断模块66判断g′（x，y）=fGraySum-Ga*fCS是否大于或等于0；二值化模块67在g′（x，y）>=0时，用1表示该点，代表谷线上的点，在g（x，y）<0 时，用0表示该点，代表脊线上的点。 

采用该实施例中提供指纹图像的处理装置，在Gabor滤波增强过程中直接完成二值化的处理过程，使得指纹图像的处理过程具有以下优点：第一，节省空间，也即不需要分配单独的空间来保存增强后的临时图像，而现有技术中的二值化方法均需要保存临时图像，对于大小为256x360的指纹图像，该图像占用的空间将达到180Kbytes~360Kbytes，因而，采用该实施例的指纹图像的处理方法，极大的节省了处理空间，减少了资源消耗；第二，运算简捷高效，在该自适应阈值二值化方法中，运算量非常小，只需要一次乘法和一次减法，这是现有技术的二值化方法不能比拟的，因而，采用该实施例的指纹图像的处理方法，极大的简化了运算步骤，减少了资源消耗；第三，二值化效果较好，采用自适应阈值的二值化方法，克服了全局二值化和局部二值化方法中阈值固定所产生的问题，将阈值的设定更加合理化，从而使得二值化效果更佳。 

优选地，在实现第三计算子模块时，采用图1所示的步骤S102中的优选方法实现灰度和的计算方法，具体步骤在该处不再赘述。通过第三计算子模块，计算得到八条方向线对应的八个灰度和DirGraySum[0]至DirGraySum[7]，其中，水平线0对应的灰度和为像素点（x，y）以及所有标记为0的像素点的灰度的和，其他偶数方向线灰度和与之类似，此处不再赘述；对于角平分线1的灰度和，将两个标记为“五角星”的像素点的灰度平均值等同为方向线1上的一个像素点的灰度、将两个标记为“长方形”的像素点的灰度平均值等同为方向线1上的一个像素点的灰度、将像素点（x，y）左侧相邻的且标记为2和0的像素点的灰度平均值等同为方向线1上的一个像素点的灰度、将像素点（x，y）右侧相邻的且标记为2和0的像素点的灰度平均值等同为方向线1上的一个像素点的灰度，这些等同后的灰度与角平分线1上标记为1的像素点的灰度的加和得到角平分线1的灰度和DirGraySum[1]，其他奇数方向线灰度和与之类似，此处不再赘述。采用该优选实施例的方向线灰度计算方法实现第三计算子模块，能够更加准确地确定像素点的方向，提高方向确定的准确度。 

优选地，方向场图计算单元20还包括第二判断模块，用于在第一确定模块22确定像素点（x，y）对应的方向之前，先判断该像素点（x，y）是否为背景点。 

在实现第二判断模块时，可以采用现有技术中任意的背景点判断方法实现，优选地，采用上文所述的任意判断方法一或判断方法二实现。 

当采用判断方法一实现第二判断模块时，第二判断模块包括计算第n条方向线对应的像素点的平均灰度DirAverGray[n]的子模块、计算掩模窗口内所有像素点的平均灰度WndAverGray的子模块、计算 $c=\underset{n=0}{\overset{7}{\mathrm{\&Sigma;}}}\frac{{\left(\mathrm{DirAverGray}\right[n]-\mathrm{WndAverGray})}^2}{\mathrm{WndAverGray}},$ 其中，如果c≤3，则认为是背景点，否则为前景点。 

当采用判断方法二实现第二判断模块时，第二判断模块包括计算每条方向线对应 的像素点的灰度和的计算子模块、用于确定最大灰度和Max与最小灰度和Min的子模块，其中，当Max-Min<Max/10时，确定像素点（x，y）为背景点。 

由于背景点是没有方向的点，因而，采用该优选实施例，通过第二判断模块在确定像素点（x，y）不是背景点时，第一确定模块再确定其方向，能够避免计算中的冗余，提高计算速度。 

优选地，在纹线频率估算单元40中，将通过第一计算模块42计算得到的纹线频率和纹线距离作为估计纹线频率和估计纹线距离，第一计算模块42除包括用于计算像素点（x，y）对应的估计纹线频率的第一计算子模块之外，还包括以下子模块，以对采用现有技术方法得到的估计纹线频率和估计纹线距离进行修正。 

第一计算模块42还包括用于获取预设的对应关系的第一获取子模块，在纹线频率估算单元40中预先设定图像分辨率、纹线距离和纹线频率的对应关系，优选地，该对应关系为上表1所示的对应关系；用于根据对应关系和待处理指纹图像的分辨率确定待处理指纹图像对应的纹线频率范围的第三确定子模块；用于判断估计纹线频率是否在确定的纹线频率范围内的第一判断子模块；当估计纹线频率在确定的纹线频率范围内时，第四确定子模块确定像素点（x，y）对应的纹线频率等于像素点（x，y）对应的估计纹线频率，相应地，像素点（x，y）对应的纹线距离等于像素点（x，y）对应的估计纹线距离；当估计纹线频率不在确定的纹线频率范围内时，第五确定子模块确定像素点（x，y）对应的纹线频率等于像素点（x，y）的相邻像素点对应的估计纹线频率，相应地，像素点（x，y）对应的纹线距离等于像素点（x，y）的相邻像素点对应的估计纹线距离。 

或者，当估计纹线频率大于确定的纹线频率范围内的最大纹线频率时，第五确定子模块确定像素点（x，y）对应的纹线频率等于最大纹线频率；当估计纹线频率小于确定的纹线频率范围内的最小纹线频率时，第五确定子模块确定像素点（x，y）对应的纹线频率等于最小纹线频率。 

进一步优选地，当第一计算子模块无法计算出估计纹线频率和估计纹线距离时，第一计算模块42还包括用于计算确定的纹线频率范围内所有纹线频率的平均值第二计算子模块，将计算得到的平均值作为像素点（x，y）对应的纹线频率，同样的方式也可得到纹线距离。 

或者，第一计算模块42仅包括第一获取子模块、第三确定子模块以及第二计算子模块，不去计算估计纹线频率和估计纹线距离，直接通过获取对应关系，确定指纹图像分辨率对应的纹线距离范围和纹线频率范围，计算范围内所有值的平均值来得到纹线距离和纹线频率。 

采用上述的优选实施例，通过对Lin Hong等人的纹线频率估计法的改进，可以客 观、准确的估算纹线频率和纹线距离，改善了块效应，从而提高了Gabor滤波的准确性。 

优选地，第二确定模块61在根据纹线距离D确定Gabor滤波器的滤波窗口的边长Wg时，将滤波窗口的边长Wg确定为纹线距离D的二分之一左右，具体地，当D/2为偶数时，Wg=（D/2）+1，当D/2为奇数时，Wg=（D/2）。 

采用该优选实施例，第二确定模块61确定滤波窗口的边长Wg约为纹线距离的二分之一，比常规的Gabor滤波器窗口要小很多，采用小窗口方式能够减少计算量，提高处理速度，同时，对克服方向效应也起到了很大的作用。 

从以上的描述中，可以看出，本发明实现了如下技术效果：在Gabor滤波增强过程中直接完成二值化处理，省去了增强与二值化处理之间的临时图像存储，减少处理过程、节省空间、运算高效简捷，进而减小了资源消耗。 

需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。 

显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。 

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。 

Claims (13)

1.一种指纹图像的处理方法，其特征在于，包括：

确定待处理指纹图像中像素点（x，y）的方向，其中，所述像素点（x，y）为所述待处理的指纹图像中任意一个像素点；

计算所述像素点（x，y）对应的纹线频率和纹线距离；

根据所述纹线距离确定Gabor滤波器的滤波窗口的边长；

根据所述纹线频率和所述方向计算所述像素点（x，y）对应的滤波器系数和；

通过所述Gabor滤波器对所述像素点（x，y）的灰度进行增强，得到所述像素点（x，y）增强后的灰度；

计算所述Gabor滤波器的滤波窗口内像素点的平均灰度；

计算所述像素点（x，y）对应的二值化阈值，其中，所述二值化阈值为所述平均灰度与所述滤波器系数和的乘积；

判断所述增强后的灰度值减去所述二值化阈值得到的差是否大于或等于0；

当所述差大于或等于0时，将所述像素点（x，y）二值化为1；以及

当所述差小于0时，将所述像素点（x，y）二值化为0。

2.根据权利要求1所述的指纹图像的处理方法，其特征在于，根据所述纹线距离确定Gabor滤波器的滤波窗口的边长包括：

当所述纹线距离的二分之一为偶数时，确定所述滤波窗口的边长等于所述纹线距离的二分之一加1；以及

当所述纹线距离的二分之一为奇数时，确定所述滤波窗口的边长等于所述纹线距离的二分之一。

3.根据权利要求1或2所述的指纹图像的处理方法，其特征在于，计算像素点（x，y）对应的纹线频率包括：

计算所述像素点（x，y）对应的估计纹线频率；

获取预设的对应关系，其中，所述对应关系为分辨率与纹线频率范围的对应关系；

根据所述对应关系和所述待处理指纹图像的分辨率确定所述待处理指纹图像对应的纹线频率范围；

判断所述估计纹线频率是否在确定的纹线频率范围内；

当所述估计纹线频率在所述确定的纹线频率范围内时，所述像素点（x，y）对应的纹线频率等于所述像素点（x，y）对应的估计纹线频率；以及

当所述估计纹线频率不在所述确定的纹线频率范围内时，所述像素点（x，y）对应的纹线频率等于所述像素点（x，y）的相邻像素点对应的估计纹线频率，或者当所述估计纹线频率大于所述确定的纹线频率范围内的最大纹线频率时，所述像素点（x，y）对应的纹线频率等于所述最大纹线频率，当所述估计纹线频率小于所述确定的纹线频率范围内的最小纹线频率时，所述像素点（x，y）对应的纹线频率等于所述最小纹线频率。

4.根据权利要求1或2所述的指纹图像的处理方法，其特征在于，计算像素点（x，y）对应的纹线频率包括：

获取预设的对应关系，其中，所述对应关系为分辨率与纹线频率范围的对应关系；

根据所述对应关系和所述待处理指纹图像的分辨率确定所述待处理指纹图像对应的纹线频率范围；以及

计算确定的纹线频率范围内所有纹线频率的平均值，以得到所述像素点（x，y）对应的纹线频率。

5.根据权利要求1或2所述的指纹图像的处理方法，其特征在于，确定像素点（x，y）的方向包括：

按照八方向提取原则，在所述像素点（x，y）对应的掩模窗口内，提取所述像素点的八条方向线，其中，所述八条方向线包括四条偶数方向线和四条奇数方向线；

计算每条方向线对应的灰度和，得到所述八条方向线对应的八个灰度和，其中，所述偶数方向线对应的灰度和为所述偶数方向线上的像素点的灰度的和，所述奇数方向线对应的灰度和为第一灰度子和与第二灰度子和的和，其中，所述第一灰度子和为所述奇数方向线上的像素点的灰度的和，所述第二灰度子和为所述奇数方向线穿过的像素点的灰度和的二分之一；

在所述八个灰度和中确定最大灰度和Max与最小灰度和Min；

计算所述八个灰度和的和，得到所述八条方向线的灰度总和Total；

当(nWndWide*g(x,y)+Min+Max)*8>3*Total时，所述像素点（x，y）的方向为所述最大灰度和Max对应的方向线的方向，其中，nWndWide为所述掩模窗口的边长；以及

当(nWndWide*g(x,y)+Min+Max)*8≤3*Total时，所述像素点（x，y）的方向为所述最小灰度和Min对应的方向线的方向。

6.根据权利要求1或2所述的指纹图像的处理方法，其特征在于，在确定像素点（x，y）的方向之前，所述方法还包括：

判断所述像素点（x，y）是否为背景点，

其中，当所述像素点（x，y）不是所述背景点时，确定所述像素点（x，y）的方向。

7.根据权利要求6所述的指纹图像的处理方法，其特征在于，判断所述像素点（x，y）是否为背景点包括：

按照八方向提取原则，在所述像素点（x，y）对应的掩模窗口内，提取所述像素点的八条方向线，其中，所述八条方向线包括四条偶数方向线和四条奇数方向线；

计算每条方向线对应的像素点的平均灰度，其中，所述偶数方向线对应的像点由所述偶数方向线上的像素点组成，所述奇数方向线对应的像素点由所述奇数方向线上的像素点和所述奇数方向线穿过的像素点组成；

计算所述掩模窗口内像素点的平均灰度；

计算 $c=\underset{n=0}{\overset{7}{\mathrm{\&Sigma;}}}\frac{{\left(\mathrm{DirAverGray}\right[n]-\mathrm{WndAverGray})}^2}{\mathrm{WndAverGray}},$ 其中，DirAverGray[n]为第n条方向线的平均灰度，WndAverGray为所述掩模窗口内像素点的平均灰度；以及

当c大于3时，所述像素点（x，y）不是所述背景点。

8.根据权利要求6所述的指纹图像的处理方法，判断所述像素点（x，y）是否为背景点包括：

按照八方向提取原则，在所述像素点（x，y）对应的掩模窗口内，提取所述像素点的八条方向线，其中，所述八条方向线包括四条偶数方向线和四条奇数方向线；

计算每条方向线对应的灰度和，得到所述八条方向线对应的八个灰度和，其中，所述偶数方向线对应的灰度和为所述偶数方向线上的像素点的灰度的和，所述奇数方向线对应的灰度和为第一灰度子和与第二灰度子和的和，其中，所述第一灰度子和为所述奇数方向线上的像素点的灰度的和，所述第二灰度子和为所述奇数方向线穿过的像素点的灰度和的二分之一；

在所述八个灰度和中确定最大灰度和与最小灰度和；以及

当所述最大灰度和与所述最小灰度和的差大于或等于所述最大灰度和的十分之一时，所述像素点（x，y）不是所述背景点。

9.一种指纹图像的处理装置，其特征在于，包括：

第一确定模块，用于确定待处理指纹图像中像素点（x，y）的方向，其中，所述像素点（x，y）为待处理的指纹图像中任意一个像素点；

第一计算模块，用于计算所述像素点（x，y）对应的纹线频率和纹线距离；

第二确定模块，用于根据所述纹线距离确定Gabor滤波器的滤波窗口的边长；

第二计算模块，用于根据所述纹线频率和所述方向计算所述像素点（x，y）对应的滤波器系数和；

增强模块，用于通过所述Gabor滤波器对所述像素点（x，y）的灰度进行增强，得到所述像素点（x，y）增强后的灰度；

第三计算模块，用于计算所述Gabor滤波器的滤波窗口内像素点的平均灰度；

第四计算模块，用于计算所述像素点（x，y）对应的二值化阈值，其中，所述二值化阈值为所述平均灰度与所述滤波器系数和的乘积；

第一判断模块，用于判断所述增强后的灰度值减去所述二值化阈值得到的差是否大于或等于0；以及

二值化模块，用于当所述差大于或等于0时，将所述像素点（x，y）的二值化为1，当所述差小于0时，将所述像素点（x，y）的二值化为0。

10.根据权利要求9所述的指纹图像的处理装置，其特征在于，所述第二确定模块包括：

第一确定子模块，用于当所述纹线距离的二分之一为偶数时，确定所述滤波窗口的边长等于所述纹线距离的二分之一加1；以及

第二确定子模块，用于当所述纹线距离的二分之一为奇数时，确定所述滤波窗口的边长等于所述纹线距离的二分之一。

11.根据权利要求9或10所述的指纹图像的处理装置，其特征在于，所述第一计算模块包括：

第一计算子模块，用于计算所述像素点（x，y）对应的估计纹线频率；

第一获取子模块，用于获取预设的对应关系，其中，所述对应关系为分辨率与纹线频率范围的对应关系；

第三确定子模块，用于根据所述对应关系和所述待处理指纹图像的分辨率确定所述待处理指纹图像对应的纹线频率范围；

第一判断子模块，用于判断所述估计纹线频率是否在确定的纹线频率范围内；

第四确定子模块，用于当所述估计纹线频率在所述确定的纹线频率范围内时，确定所述像素点（x，y）对应的纹线频率等于所述像素点（x，y）对应的估计纹线频率；以及

第五确定子模块，用于当所述估计纹线频率不在所述确定的纹线频率范围内时，所述像素点（x，y）对应的纹线频率等于所述像素点（x，y）的相邻像素点对应的估计纹线频率，或者当所述估计纹线频率大于所述确定的纹线频率范围内的最大纹线频率时，所述像素点（x，y）对应的纹线频率等于所述最大纹线频率，当所述估计纹线频率小于所述确定的纹线频率范围内的最小纹线频率时，所述像素点（x，y）对应的纹线频率等于所述最小纹线频率。

12.根据权利要求9或10所述的指纹图像的处理装置，其特征在于，所述第一计算模块包括：

第二获取子模块，用于获取预设的对应关系，其中，所述对应关系为分辨率与纹线频率范围的对应关系；

第六确定子模块，用于根据所述对应关系和所述待处理指纹图像的分辨率确定所述待处理指纹图像对应的纹线频率范围；以及

第二计算子模块，用于计算确定的纹线频率范围内所有纹线频率的平均值，以得到所述像素点（x，y）对应的纹线频率。

13.根据权利要求9或10所述的指纹图像的处理装置，其特征在于，所述第一确定模块包括：

提取子模块，用于按照八方向提取原则，在所述像素点（x，y）对应的掩模窗口内，提取所述像素点的八条方向线，其中，所述八条方向线包括四条偶数方向线和四条奇数方向线；

第三计算子模块，用于计算每条方向线对应的灰度和，得到所述八条方向线对应的八个灰度和，其中，所述偶数方向线对应的灰度和为所述偶数方向线上的像素点的灰度的和，所述奇数方向线对应的灰度和为第一灰度子和与第二灰度子和的和，其中，所述第一灰度子和为所述奇数方向线上的像素点的灰度的和，所述第二灰度子和为所述奇数方向线穿过的像素点的灰度和的二分之一；

第七确定子模块，用于在所述八个灰度和中确定最大灰度和Max与最小灰度和Min；

第四计算子模块，用于计算所述八个灰度和的和，得到所述八条方向线的灰度总和Total；以及

第八确定子模块，用于在(nWndWide*g(x,y)+Min+Max)*8>3*Total时，确定所述像素点（x，y）的方向为所述最大灰度和Max对应的方向线的方向，在(nWndWide*g(x,y)+Min+Max)*8≤3*Total时，确定所述像素点（x，y）的方向为所述最小灰度和Min对应的方向线的方向，其中，nWndWide为所述掩模窗口的边长。

Images