CN104809446A

CN104809446A - 基于校正手掌方向的掌纹感兴趣区域快速提取方法

Info

Publication number: CN104809446A
Application number: CN201510229686.6A
Authority: CN
Inventors: 庞辽军; 王世东; 赵伟强; 曹凯; 田捷
Original assignee: Xidian University
Current assignee: Xidian University
Priority date: 2015-05-07
Filing date: 2015-05-07
Publication date: 2015-07-29
Anticipated expiration: 2035-05-07
Also published as: CN104809446B

Abstract

本发明公开了一种基于校正手掌方向的掌纹感兴趣区域快速提取方法，主要解决现有技术对任意角度拍摄的手掌图片感兴趣区域提取效率慢和不准确的问题。其实现步骤为：1.输入手掌图像；2.求取输入手掌图像的重心；3.根据手掌图像重心建立线位置图像；4.分别记录手掌的二值图像在每条直线位置上的像素值总和；5.依像素值总和最大的直线方向旋转手掌图像得到竖直方向的手掌图像；6.获得竖直方向手掌图像的轮廓图像；7.在手掌轮廓图像中分别求取位置最高的四个手指轮廓指尖处坐标值；8.获得两个谷点位置坐标，并提取感兴趣区域。本发明能快速准确提取任意角度拍摄的手掌图像感兴趣区域，可用于无接触掌纹识别系统的预处理。

Description

基于校正手掌方向的掌纹感兴趣区域快速提取方法

技术领域

本发明属于数字图像处理技术领域，特别涉及一种手掌感兴趣区域的提取方法，可用于无接触掌纹识别系统的预处理。

背景技术

随着科学技术的飞速发展，生物特征识别行业也日趋成熟，例如指纹识别、人脸识别、虹膜识别等技术已大量应用到人们的日常生活当中，而掌纹识别的研究历史相对较短，但是由于掌纹拥有着相当多的特征信息和提取方便等优点，越来越多的研究工作者投入到了掌纹识别的领域。

掌纹感兴趣区域ROI即手掌的中部区域的提取是掌纹识别的重要环节和热点问题。提取的ROI将应用到后续的特征提取和匹配过程中，所以ROI提取的质量和速度对整个掌纹识别系统的性能影响很大。现有的ROI提取方法一般都是直接根据手掌轮廓的特征提取谷点后定位ROI的。下面简单介绍三种提取ROI的经典方法：

1.基于圆盘算法的手掌ROI提取方法：该方法通过计算以轮廓为中心的圆盘内目标及背景所占面积大小来提取角点。在手掌图像上，圆盘法可用来寻找指根的谷点，并把这些点作为定位的基准点，进而提取手掌的ROI。

2.基于曲率算法的手掌ROI提取方法：该方法是在提取掌纹图像的轮廓线后计算手掌轮廓上各点曲率，手掌轮廓中曲率变化最大的点即指根点和指尖点，然后确定指根点，截取固定大小的矩形作为ROI。

3.基于内切圆算法直接提取ROI：这种方法是研究较普遍的一种算法，该算法的思想是直接在手掌内搜索与手掌两侧边缘相切的最大内切圆作为ROI。

上述经典算法虽说可以检测手掌谷点的位置，但存在以下缺陷：

1.鲁棒性不好

在掌纹图像中手指边缘不规则或佩戴饰品，可能会出现手掌轮廓有较大毛刺的现象，此时无论是在像素处求曲率还是对这部分应用求圆形面积都可能导致出现谷点误判的情况。

2.计算量大，速度较慢

上述前两种方法都是对手掌轮廓进行逐像素求圆面积比例或进行曲率的运算，因而计算量是非常大的；第三种算法提出的搜索整幅手掌最大内切圆算法同样相当耗时。

3.对手掌的拍摄角度限制较高

上述的方法用到的手掌图像都是采用的固定角度拍摄的图像，对于任意角度拍摄的手掌图像上述方法均难以准确提取手掌ROI。

发明内容

本发明的目的在于针对上述已有技术的不足，提出一种基于校正手掌方向的掌纹感兴趣区域快速提取方法，以减小计算量，提高运算速度和鲁棒性，实现对任意方向拍摄手掌图像感兴趣区域的准确提取。

本发明的主要方案是：通过确定手掌内过手掌重心的最长直线的方向，将手掌旋转至竖直方向，利用基于坐标位置和手掌轮廓去除的方法提取谷点，依据谷点位置校正竖直方向的手掌图像，并根据校正后的手掌图像的谷点位置信息提取手掌感兴趣区域。其实现步骤包括如下：

(1)输入大小为M×N的手掌图像I(x,y)，其中M表示手掌图像I(x,y)的高度，N表示手掌图像I(x,y)的宽度，(x,y)表示手掌图像的坐标点；

(2)对输入手掌图像I(x,y)进行阈值分割，得到手掌的二值图像I_B(x,y)，并将该手掌的二值图像I_B(x,y)转换为距离图像D(x,y)，对距离图像D(x,y)进行阈值分割，得到掌心区域二值图像C(x,y)，求取掌心区域二值图像C(x,y)的重心坐标并将其定义为手掌的重心坐标；

(3)建立大小为M×N的空白图像，以手掌的重心坐标为圆心，竖直方向为基准逆时针在0-180度的范围内等角度做180条直线，其中竖直方向的直线角度为0度，每两条相邻的直线的夹角为1度；

(4)在手掌的二值图像I_B(x,y)找到(3)中180条直线的位置，分别计算并记录手掌的二值图像I_B(x,y)在每条直线位置上像素值的总和：

(4a)构造180个大小为M×N的图像，并且将图像中全部像素赋值为0。然后将(3)中得到的过手掌中心的180条线按和(3)中相同的位置分别放入这180个图像中并把直线所在位置的像素值赋为1，得到180个由0和1构成的线模板图像L；

(4b)将得到的180个线模板图像L分别与手掌的二值图像I_B(x,y)进行与操作得到180个线段图像LM，计算每个线段图像LM中像素值的总和；

(5)将手掌图像绕其中心旋转至水平方向：找到(4b)中180个线段图像LM中像素值总和最大的线段图像并记录其方向角度θ，得到手掌图像的旋转角度RA＝90-θ；当RA为正时，则将手掌图像绕其中心逆时针旋转RA；当RA为负时，则将手掌图像绕其中心顺时针旋转-RA，即得到水平方向的手掌图像，对该水平方向的手掌图像进行阈值分割，得到水平方向手掌的二值图像I_BH(x,y)；

(6)求取(5)中水平方向手掌的二值图像I_BH(x,y)中手指的位置，将水平方向的手掌图像绕其中心旋转至竖直方向，得到竖直方向手掌图像I_V(x,y)，对该竖直方向手掌图像I_V(x,y)进行阈值分割，得到竖直方向手掌的二值图像记作I_BV(x,y)；

(7)对竖直方向手掌的二值图像I_BV(x,y)进行腐蚀操作，得到腐蚀后的手掌二值图像I_E(x,y)，进而获取竖直方向手掌图像的轮廓图像Edg(x,y)：

Edg(x,y)＝I_BV(x,y)-I_E(x,y)；

(8)利用手掌轮廓追踪和去除手掌轮廓算法在竖直方向手掌轮廓图像Edg(x,y)中分别求取位置最高的四个手指轮廓指尖处坐标，从左到右依次记为(x_T1,y_T1),(x_T2,y_T2),(x_T3,y_T3),(x_T4,y_T4)；

(9)根据(8)得到的四个指尖的坐标，在(x_T1,y_T1)到(x_T2,y_T2)的轮廓点内取横坐标最大值对应的坐标即为所求的第一个谷点的坐标(x_V1,y_v1)；在(x_T3,y_T3)到(x_T4,y_T4)的轮廓点内取横坐标最大值对应的坐标即为所求的第二个谷点的坐标(x_V2,y_v2)；

(10)根据(9)中得到的两个谷点位置坐标，校正竖直方向手掌图像I_V(x,y)使得两个谷点的连线处于水平方向，得到校正后的手掌图像I_VJ(x,y)，提取校正后的手掌图像I_VJ(x,y)的感兴趣区域。

本发明与现有技术相比具有如下优点：

第一，鲁棒性好。对于有些前景区域分割不好的情况，本发明通过手掌轮廓去除的方法也能准确的找到谷点的位置。

第二，计算量小，速度快。在谷点检测过程中，因为本发明仅仅采用的是坐标位置判断的方法，无须对每个手掌轮廓像素都进行复杂的数学运算，故而其计算量小，运行速度快。

第三，对拍摄手掌的角度无限制。这也是本发明最大的优势，根据本发明的方法，无论拍摄手掌的图片角度是多少，都可以把手掌竖直起来，进而利用手掌轮廓局部坐标找到谷点位置并提取手掌的感兴趣区域。

附图说明

图1为本发明的实现流程图；

图2为用本发明方法使用的手掌图像；

图3为用本发明找到手掌的掌心区域的中心图像；

图4是用本发明找到手掌中最长的一根直线图像；

图5是本发明根据图4找到的直线角度校正手掌到水平方向的图像；

图6是本发明校正手掌到竖直方向的图像；

图7是本发明在图像手掌轮廓处找到的四个指尖点和谷点坐标位置图像；

图8是本发明校正竖直方向手掌图像后的谷点坐标位置和定位ROI图像；

图9是本发明提取的感兴趣区域图像。

具体实施方式

以下结合图1，对本发明提供的这种基于校正手掌方向的掌纹感兴趣区域快速提取方法进行详细描述。

步骤1，输入手掌图像。

以大小为M×N的手掌图像I(x,y)作为输入，本实例是在中国科学院的CASIA Palmprint Image Database库中随机选取一幅掌纹图像，如图2所示，其中M表示手掌图像I(x,y)的高度，N表示手掌图像I(x,y)的宽度，(x,y)表示手掌图像的坐标点。

步骤2，求取输入手掌图像的重心坐标。

(2a)对输入图像I(x,y)阈值分割，得到手掌的二值图像I_B(x,y)：

其中Th1表示灰度阈值，取值为83；

(2b)用欧式距离将手掌的二值图像I_B(x,y)转换为距离图像：

D(x,y)＝min(dist(p,q))，

其中p属于手掌的前景区域的像素点，q属于背景区域的像素点，min表示取最小值，dist(p,q)表示点p和点q之间的欧式距离：

dist (p, q) = \sqrt{{(x_{1} - x_{2})}^{2} + {(y_{1} - y_{2})}^{2}},

其中(x₁,y₁)表示p点的坐标，(x₂,y₂)表示q点的坐标；

(2c)对距离图像D(x,y)进行阈值分割，得到掌心区域二值图像C(x,y)；

其中Th2表示距离图像D(x,y)灰度阈值，取值为80；

(2d)求取掌心区域二值图像C(x,y)的重心坐标

\overset{&OverBar;}{x} = \frac{1}{S} Σ_{x = 1}^{M} Σ_{y = 1}^{N} x \times C (x, y),

\overset{&OverBar;}{y} = \frac{1}{S} Σ_{x = 1}^{M} Σ_{y = 1}^{N} y \times C (x, y),

S表示掌心区域二值图像C(x,y)内像素值的总和；

(2f)定义掌心区域二值图像C(x,y)的重心坐标为手掌图像I(x,y)的重心坐标，如图3中白色的点所示。

步骤3，新建一副M×N的线位置图像。

建立大小为M×N的空白图像，以手掌的重心坐标为圆心，竖直方向为基准逆时针在0-180度的范围内等角度做180条直线，其中竖直方向的直线角度为0度，每两条相邻的直线的夹角为1度。

步骤4，分别记录手掌的二值图像I_B(x,y)在每条直线位置上的像素值总和。

(4a)构造180个大小为M×N的图像，并且将这些图像中全部像素赋值为0；把步骤3中得到的过手掌中心的180条线按步骤3中的位置分别放入到这180个图像中，并把直线所在位置的像素值赋为1，得到180个由0和1构成的线模板图像L；

(4b)将得到的180个线模板图像L分别与手掌的二值图像I_B(x,y)进行与操作得到180个线段图像LM，计算每个线段图像LM中像素值的总和。

步骤5，将手掌图像绕其中心旋转至水平方向。

(5a)找到步骤(4b)中180个线段图像LM中像素值总和最大的线段图像如图4所示，记录其方向角度θ；得到手掌图像的旋转角度RA＝90-θ；

(5b)当旋转角度RA为正时，则将手掌图像绕其中心逆时针旋转RA，

当旋转角度RA为负时，则将手掌图像绕其中心顺时针旋转-RA；

通过步骤(5b)得到水平方向的手掌图像如图5所示，对该水平方向的手掌图像进行阈值分割，得到水平方向手掌的二值图像I_BH(x,y)。

步骤6，将水平方向的手掌图像绕其中心旋转至竖直方向。

(6a)将像素点从水平方向手掌的二值图像I_BH(x,y)左上角(1,1)处自左向右逐列逐像素向下扫描，当遇到第一个值为1的像素点时，停止扫描，则该像素点即为水平方向手掌的二值图像I_BH(x,y)中手掌区域的最左边坐标点A；

(6b)将像素点从水平方向手掌的二值图像I_BH(x,y)右上角(1,G)处自右向左逐列逐像素向下扫描，G表示水平方向手掌的二值图像I_BH(x,y)的宽度，当遇到第一个值为1的像素点时，停止扫描，则该像素点即为水平方向手掌的二值图像I_BH(x,y)手掌区域的最右边坐标点B；

(6c)在水平方向手掌的二值图像I_BH(x,y)中，将最左边坐标点A水平向右平移5个像素得到点A_R，过点A_R做一条竖直的直线L1，同时将最右边坐标点B水平向左平移5个像素得到点B_L，过点B_L做一条竖直的直线R1；

(6d)分别记录此时水平方向手掌的二值图像I_BH(x,y)在直线L1和R1位置处0和1的跳变次数Ln和Rn：

如果Ln＝Rn，则将A_R定义为最左边坐标点A，B_L定义为最右边坐标点B，返回(6c)处继续执行，直到Ln不等于Rn停止循环执行下一步；

如果Ln>Rn，说明手指的位置在水平方向的手掌图像的左侧，则将水平方向的手掌图像绕其中心顺时针旋转90度；

如果Ln<Rn，说明手指的位置在水平方向的手掌图像的右侧，则将水平方向的手掌图像绕其中心逆时针旋转90度。

根据步骤(6d)即可得到竖直方向手掌图像I_V(x,y)如图6所示，对该竖直方向手掌图像I_V(x,y)进行阈值分割，得到竖直方向手掌的二值图像记作I_BV(x,y)。

步骤7，获得竖直方向手掌图像I_V(x,y)的轮廓图像。

对竖直方向手掌的二值图像I_BV(x,y)进行腐蚀操作，得到腐蚀后的手掌二值图像I_E(x,y)，进而获取竖直方向手掌图像的轮廓图像Edg(x,y)：

Edg(x,y)＝I_BV(x,y)-I_E(x,y)。

步骤8，在手掌轮廓图像Edg(x,y)中分别求取位置最高的四个手指轮廓指尖处坐标。

(8a)生成手掌轮廓图像Edg(x,y)的副本图像E(x,y)，在副本图像E(x,y)中，从左上角(1,1)处自上向下逐行逐像素扫描，记录扫描时第一个像素值为1的像素点坐标(x_p1,y_p1)，令(x_p,y_p)＝(x_p1,y_p1)，然后在(x_p,y_p)处逆时针追踪手掌轮廓得到手掌轮廓坐标集合C:{(x₁,y₁),(x₂,y₂),...,(x_k,y_k),...,(x_n,y_n)}，其中(x_k,y_k)表示手掌轮廓上任意一点的坐标，1≤k≤n，n表示手掌轮廓像素个数的总和；

(8b)根据手掌轮廓坐标集合得到扩充的手掌轮廓坐标集合Cs＝{C,C,C}，即把手掌轮廓坐标集合C复制3份依次放入扩充的手掌轮廓坐标集合Cs中；

(8c)去除副本图像E(x,y)中(x_p,y_p)处手指轮廓：

(8c1)在副本图像E(x,y)中，从扩充的手掌轮廓坐标(x_p+n,y_p+n)处分别沿着顺时针和逆时针两个方向追踪扩充的手掌轮廓坐标集合Cs，直到扩充的手掌轮廓坐标点(x_p+n,y_p+n)满足追踪停止条件，则停止追踪手掌轮廓；否则，继续追踪扩充的手掌轮廓坐标集合Cs，手掌轮廓追踪停止条件如下：

x_p+n＝min(x_p+n-20,x_p+n-19,...,x_p+n+19,x_p+n+20)或者

其中n是手掌轮廓像素个数的总和，h表示副本图像E(x,y)的高度；

(8c2)记录此时逆时针追踪的停止点坐标(x_SL,y_SL)、逆时针追踪像素个数Lt、顺时针追踪的停止点坐标(x_SR,y_SR)和顺时针追踪像素个数Rt；在副本图像E(x,y)中，将从(x_SL,y_SL)处开始所追踪的前Lt个手掌轮廓像素点全部赋值为0，同时将从(x_SR,y_SR)处开始所追踪的前Rt个手掌轮廓像素点全部赋值为0，更新一次副本图像E(x,y)，得到第w次更新后的图像E_w(x,y)，w取值为1、2、3；

(8d)在第1次更新后的图像E₁(x,y)中，从左上角(1,1)处自上向下逐行逐像素扫描，记录扫描时第一个像素值为1的像素点坐标(x_p2,y_p2)，令(x_p,y_p)＝(x_p2,y_p2)，E(x,y)＝E₁(x,y)，返回到(8c)执行后跳转(8f)继续执行；

(8f)在第2次更新后的图像E₂(x,y)中，从左上角(1,1)处自上向下逐行逐像素扫描，记录扫描时第一个像素值为1的像素点坐标(x_p3,y_p3)，令(x_p,y_p)＝(x_p3,y_p3)，E(x,y)＝E₂(x,y)，跳转到(8c)执行后跳转(8g)继续执行；

(8g)在第3次更新后的图像E₃(x,y)中，从左上角(1,1)处自上向下逐行逐像素扫描，记录扫描时第一个像素值为1的像素点坐标(x_p4,y_p4)；

通过以上步骤即可得到手掌轮廓图像Edg(x,y)中位置最高的四个手指轮廓指尖处坐标，分别是(x_p1,y_p1),(x_p2,y_p2),(x_p3,y_p3),(x_p4,y_p4)，按照纵坐标大小从小到大依次排列这四个手指轮廓指尖处坐标，分别记作(x_T1,y_T1),(x_T2,y_T2),(x_T3,y_T3),(x_T4,y_T4)，如图7中四个面积较小的灰色块所示。

步骤9，获得两个谷点位置坐标。

根据步骤8得到的四个指尖的坐标，针对手掌轮廓坐标集合C:{(x₁,y₁),(x₂,y₂),...,(x_k,y_k),...,(x_n,y_n)}，在(x_T1,y_T1)到(x_T2,y_T2)的轮廓点内取横坐标最大值对应的坐标即为所求的第一个谷点的坐标(x_V1,y_v1)；在(x_T3,y_T3)到(x_T4,y_T4)的轮廓点内取横坐标最大值对应的坐标即为所求的第二个谷点的坐标(x_V2,y_v2)，如图7所示，图像左边面积较大的灰色块表示第一个谷点的位置坐标(x_V1,y_v1)，图像右边面积较大的灰色块表示第二个谷点的位置坐标(x_V1,y_v1)。

步骤10，提取感兴趣区域。

(10a)在竖直的手掌图像中标记步骤9中得到的两个谷点位置，求出两个谷点连线的倾角θ_v：

θ_{v} = \arctan (\frac{y_{V 2} - y_{V 1}}{x_{V 2} - x_{V 1}});

(10b)根据步骤(10a)得出的θ_v计算旋转角度θ_rot，校正竖直方向的手掌图像使得两个谷点连线处于水平方向：

如果θ_v＞0，则θ_rot＝90-θ_V，将竖直方向的手掌图像绕其中心逆时针旋转θ_rot得到校正后的手掌图像I_VJ(x,y)；

如果θ_v＜0，则θ_rot＝90+θ_V，将竖直方向的手掌图像绕其中心顺时针旋转θ_rot得到校正后的手掌图像I_VJ(x,y)；

(10c)找出校正后的手掌图像I_VJ(x,y)中被标记的两个谷点位置即(x_rV1,y_rv1)，(x_rV2,y_rv2)，则ROI区域的中心点坐标(x_R,y_R)：

\{\begin{matrix} x_{R} = (\frac{x_{rV 1} + x_{rV 2}}{2} + mov) \\ y_{R} = \frac{(y_{rV 1} + y_{rV 2})}{2} \end{matrix},

其中mov＝140；

(10d)在图8所示校正后的手掌图像I_VJ(x,y)中，截取以坐标点(x_R,y_R)为中心，边长为140个像素且其中一边为水平方向的正方形区域，即为所提取的感兴趣区域，如图9所示。

本发明的效果可通过以下仿真进一步说明：

1仿真条件

在PC机的matlab2014a环境下进行仿真，PC机配置Core I7处理器，主频为3.4-GHz。仿真的图像来自中国科学院的CASIA Palmprint Image Database库中的0023_m_l_03.jpg，如图2所示，这个数据库是国际公认的一个低分辨率掌纹识别数据库。

2仿真内容与分析

采用本发明提出的方法对图2中的掌纹进行手掌感兴趣区域提取，实验结果如图9所示。

本发明能够准确的提取出掌纹感兴趣区域。本发明最显著的特点是可以对任意角度拍摄的手掌图像进行感兴趣区域提取，而且高效准确，无需复杂的数学运算，适合应用于无接触掌纹识别系统的预处理阶段。

本发明所述的校正手掌方向的掌纹感兴趣区域快速提取方法，并不仅限于说明书中的描述。凡在本发明的精神和原则之内，所做的任何修改、同等替换、改进等，均包含在本发明的权利要求范围之内。

Claims

1.一种基于校正手掌方向的掌纹感兴趣区域快速提取方法，包括以下步骤：

Edg(x,y)＝I_BV(x,y)-I_E(x,y)；

2.根据权利要求1所述的基于校正手掌方向的掌纹感兴趣区域快速提取方法，其中所述步骤(2)中的二值图像I_B(x,y)，表示如下：

其中Th1表示手掌图像I(x,y)灰度阈值，取值为83。

3.根据权利要求1所述的基于校正手掌方向的掌纹感兴趣区域快速提取方法，其中所述步骤(2)中的距离图像D(x,y)，表示如下：

D(x,y)＝min(dist(p,q))，

其中p属于手掌区域的像素点，q属于背景区域的像素点，min表示取最小值，dist(p,q)表示点p和点q之间的欧式距离：

dist (p, q) = \sqrt{{(x_{1} - x_{2})}^{2} + {(y_{1} - y_{2})}^{2}},

其中(x₁,y₁)表示p点的坐标，(x₂,y₂)表示q点的坐标。

4.根据权利要求1所述的基于校正手掌方向的掌纹感兴趣区域快速提取方法，其中所述步骤(2)中的掌心区域二值图像C(x,y)表示如下：

其中Th2表示距离图像D(x,y)灰度阈值，取值为80。

5.根据权利要求1所述的基于校正手掌方向的掌纹感兴趣区域快速提取方法，其中所述步骤(2)中的求取掌心区域二值图像C(x,y)的重心坐标按如下公式计算：

\overset{&OverBar;}{x} = \frac{1}{S} Σ_{x = 1}^{M} Σ_{y = 1}^{N} x \times C (x, y),

\overset{&OverBar;}{y} = \frac{1}{S} Σ_{x = 1}^{M} Σ_{y = 1}^{N} y \times C (x, y),

S表示掌心区域二值图像C(x,y)内像素值的总和。

6.根据权利要求1所述的基于校正手掌方向的掌纹感兴趣区域快速提取方法，其中所述步骤(6)中求取水平方向手掌的二值图像I_BH(x,y)中手指的位置，将水平方向的手掌图像绕其中心旋转至竖直方向，按如下步骤进行：

(6c)在水平方向手掌的二值图像I_BH(x,y)中，将点A水平向右平移5个像素得到点A_R，过点A_R做一条竖直的直线L1，同时将点B水平向左平移5个像素得到点B_L，过点B_L做一条竖直的直线R1；

如果Ln＝Rn，则将A_R定义为A点，B_L定义为B点，返回(6c)处继续执行，直到Ln不等于Rn停止循环执行下一步；

如果Ln＞Rn，说明手指的位置在水平方向的手掌图像的左侧，则将水平方向的手掌图像绕其中心顺时针旋转90度；

如果Ln＜Rn，说明手指的位置在水平方向的手掌图像的右侧，则将水平方向的手掌图像绕其中心逆时针旋转90度。

7.根据权利要求1所述的基于校正手掌方向的掌纹感兴趣区域快速提取方法，其中所述步骤(8)中的利用手掌轮廓追踪和去除手掌轮廓算法在手掌轮廓图像Edg(x,y)中分别求取位置最高的四个手指轮廓指尖处坐标，按如下步骤进行：

(8c)去除副本图像E(x,y)中(x_p,y_p)处手指轮廓：

x_p+n＝min(x_p+n-20,x_p+n-19,...,x_p+n+19,x_p+n+20)或者

通过以上步骤即可得到手掌轮廓图像Edg(x,y)中位置最高的四个手指轮廓指尖处坐标，分别是(x_p1,y_p1),(x_p2,y_p2),(x_p3,y_p3),(x_p4,y_p4)。

8.根据权利要求1所述的基于校正手掌方向的掌纹感兴趣区域快速提取方法，其中所述步骤(10)中提取校正后的手掌图像I_VJ(x,y)的感兴趣区域，按如下步骤进行：

(10a)找出校正后的手掌图像I_VJ(x,y)中两个谷点的位置坐标，记作(x_rV1,y_rv1)，(x_rV2,y_rv2)，求得感兴趣区域的中心点坐标(x_R,y_R)：

\{\begin{matrix} x_{R} = (\frac{x_{rV 1} + x_{rV 2}}{2} + mov) \\ y_{R} = (\frac{y_{rV 1} + y_{rV 2}}{2}) \end{matrix},

其中mov＝140；

(10b)在校正后的手掌图像I_VJ(x,y)中，截取以坐标点(x_R,x_R)为中心，边长为140个像素且其中一边为水平方向的正方形区域，即为所提取的感兴趣区域。