CN106156726B - 指纹图像的增强方法和装置 - Google Patents

指纹图像的增强方法和装置 Download PDF

Info

Publication number
CN106156726B
CN106156726B CN201610450915.1A CN201610450915A CN106156726B CN 106156726 B CN106156726 B CN 106156726B CN 201610450915 A CN201610450915 A CN 201610450915A CN 106156726 B CN106156726 B CN 106156726B
Authority
CN
China
Prior art keywords
image
pixel
fingerprint image
gray value
fingerprint
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201610450915.1A
Other languages
English (en)
Other versions
CN106156726A (zh
Inventor
郑利
徐坤平
杨云
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
BYD Semiconductor Co Ltd
Original Assignee
BYD Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by BYD Co Ltd filed Critical BYD Co Ltd
Priority to CN201610450915.1A priority Critical patent/CN106156726B/zh
Publication of CN106156726A publication Critical patent/CN106156726A/zh
Application granted granted Critical
Publication of CN106156726B publication Critical patent/CN106156726B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12—Fingerprints or palmprints
    • G06V40/1347—Preprocessing; Feature extraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Collating Specific Patterns (AREA)
  • Image Input (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种指纹图像的增强方法和装置，其中，方法包括：采集用户指纹并生成指纹图像；对指纹图像进行赋值处理，以得到增强后的指纹图像。本发明实施例的指纹图像的增强方法，能够增大指纹图像中的脊线和谷线灰度对比差，提高低质量指纹图像中指纹纹线方向信息求取的准确性，进而有助于提高指纹特征信息提取的准确性，提升指纹特征比对的有效性。

Description

指纹图像的增强方法和装置
技术领域
本发明涉及指纹识别技术领域，具体涉及一种指纹图像的增强方法和装置。
背景技术
随着社会的发展，人们对身份认证的准确性、安全性与实用性提出了更高的要求。传统的身份认证方式，如密码、钥匙、身份证等，存在易忘、易泄露、易丢失、易伪造等问题，因此安全隐患较高。基于生物特征的身份认证，可以克服传统身份认证的许多缺点。其中，指纹因其具有稳定性高、独特性、易采集、安全性高等特点，成为一种较理想的可用于身份认证的生物特征。在实际使用中，指纹识别系统一般不直接存储指纹图像，而是从指纹图像中提取指纹的特征信息，再进行指纹匹配识别，完成身份认证。因此，提取可靠性高的指纹特征信息是保证正确辨识指纹的关键。
相关技术中，对整幅指纹图像进行均衡化处理时，是通过下式(1)将灰度值的动态范围拉伸，对集中的直方图进行均衡化，以达到增强对比度的效果。
G(i，j)＝(C*255)/(M*N) (1)
其中，G(i，j)是变化后的像素点(i，j)的灰度值，C是变换前灰度值小于像素点(i，j)的灰度值的像素点的个数，M*N是指纹图像中的像素点的个数。
但通过上述技术得到的指纹图像，不能排除电容式指纹识别芯片本身，以及外界条件产生的干扰。电容式传感器实际采集的指纹图像会含有噪声，噪声信息主要来源有传感器本身，以及手指上的水、油、脱皮等，这些噪声信息会导致采集到的指纹图像过黑、模糊、断裂、质量低，如果直接用soble梯度法求方向会跟指纹的实际纹理趋势有差别。而且指纹识别芯片封装、涂层等会导致芯片表面不平，使得采集到的指纹图像灰度值不全在同一基准，会对后续的指纹特征提取、特征比对有干扰。
发明内容
本发明旨在至少在一定程度上解决上述技术中的技术问题之一。为此，本发明的第一个目的在于提出一种指纹图像的增强方法。该方法能够增大指纹图像中脊线和谷线灰度对比差，提高低质量指纹图像中指纹纹线方向信息求取的准确性，进而有助于提取更准确的指纹特征信息，提升指纹特征比对的有效性。
本发明的第二个目的在于提出一种指纹图像的增强装置。
为达到上述目的，本发明第一方面实施例提出了一种指纹图像的增强方法，包括以下步骤：采集用户指纹并生成指纹图像；对所述指纹图像进行赋值处理，以得到增强后的指纹图像。
本发明实施例的指纹图像的增强方法，通过对指纹图像进行赋值处理，得到增强后的指纹图像，由此，能够增大指纹图像中的脊线和谷线灰度对比差，提高低质量指纹图像中指纹纹线方向信息求取的准确性，进而有助于提高指纹特征信息提取的准确性，提升指纹特征比对的有效性。
另外，根据本发明上述实施例的指纹数据的增强方法还可以具有如下附加的技术特征：
根据本发明的一个实施例，所述指纹图像包括以矩阵形式排列的M*N个像素点，其中，M、N为正整数，所述对所述指纹图像进行赋值处理，以得到增强后的指纹图像，具体包括：统计以像素点(x，y)为中心的k*k邻域中像素点的灰度值小于或等于所述像素点(x，y)的灰度值的像素点的个数num，其中，所述k为奇数，所述x、y为正整数，且(k-1)/2<x≤M-(k-1)/2，(k-1)/2<y≤N-(k-1)/2；将所述像素点(x，y)的灰度值替代为num*255/k2，以得到增强后的指纹图像。
根据本发明的一个实施例，在对所述指纹图像进行赋值处理之前，还包括：对所述指纹图像进行去除坏点处理，以生成第一图像；对所述第一图像进行滤波处理，以生成第二图像；根据所述第一图像和所述第二图像生成第三图像，所述第三图像为进行赋值处理的指纹图像。
根据本发明的一个实施例，所述指纹图像包括以矩阵形式排列的M*N个像素点，其中，M、N为正整数，其中，所述对所述指纹图像进行去除坏点处理包括：计算所述指纹图像中每个像素点的平均灰度值，其中，所述指纹图像为灰度图像；判断所述像素点的灰度值与对应的平均灰度值的差值的绝对值是否小于第一预设阈值；如果所述像素点的灰度值与对应的平均灰度值的差值的绝对值大于或等于所述第一预设阈值，则将所述像素点的灰度值替代为对应的平均灰度值。
根据本发明的一个实施例，所述计算所述指纹图像中像素点(i，j)的平均灰度值包括：计算以像素点(i，j)为中心的a*a邻域中的不包括所述像素点(i，j)的(a2-1)个像素点的平均灰度值，其中，i、j为正整数，a为奇数，且(a-1)/2<i≤M-(a-1)/2，(a-1)/2<j≤N-(a-1)/2。
根据本发明的一个实施例，所述第一预设阈值为40～60。
根据本发明的一个实施例，所述对所述第一图像进行滤波处理，以生成第二图像包括：对所述第一图像进行m*m的均值滤波后，再进行n*n的均值滤波，以生成所述第二图像，其中，所述m为大于或等于一个指纹纹线距离的奇数，所述n为小于所述m的奇数。
根据本发明的一个实施例，所述根据所述第一图像和所述第二图像生成第三图像包括：将所述第一图像中每个像素点的灰度值减去对应的所述第二图像中每个像素点的灰度值；获取计算得到的所有像素点的灰度值的差值中的最小值，并判断所述最小值是否小于0；如果所述最小值小于0，则将计算得到的所有像素点的灰度值的差值减去所述最小值，以生成所述第三图像。
为达到上述目的，本发明第二方面实施例提出了一种指纹图像的增强装置，包括：采集生成模块，用于采集用户指纹并生成指纹图像；第一处理模块，用于对所述指纹图像进行赋值处理，以得到增强后的指纹图像。
本发明实施例的指纹图像的增强装置，通过第一处理模块对指纹图像进行赋值处理，得到增强后的指纹图像，由此，能够增大指纹图像中的脊线和谷线灰度对比差，提高低质量指纹图像中指纹纹线方向信息求取的准确性，进而有助于提高指纹特征信息提取的准确性，提升指纹特征比对的有效性。
另外，根据本发明上述实施例的指纹图像的增强装置还可以具有如下附加的技术特征：
根据本发明的一个实施例，所述指纹图像包括以矩阵形式排列的M*N个像素点，其中，M、N为正整数，其中，所述第一处理模块，包括：统计模块，用于统计以像素点(x，y)为中心的k*k邻域中像素点小于或等于所述像素点(x，y)的灰度值的像素点的个数num，其中，所述k为奇数，所述x、y为整数，且(k-1)/2<x≤M-(k-1)/2，(k-1)/2<y≤N-(k-1)/2；第一替代模块，用于将num*255/k2替代所述像素点(x，y)的灰度值，以得到增强后的指纹图像。
根据本发明的一个实施例，所述指纹图像的增强装置，还包括：第二处理模块，用于在所述第一处理模块对所述指纹图像进行赋值处理之前，对所述指纹图像进行去除坏点处理，以生成第一图像；第三处理模块，用于对所述第一图像进行滤波处理，以生成第二图像；生成模块，用于根据所述第一图像和所述第二图像生成第三图像，所述第三图像为进行赋值处理的指纹图像。
根据本发明的一个实施例，所述指纹图像包括以矩阵形式排列的M*N个像素点，其中，M、N为正整数，其中，所述第二处理模块，包括：第一计算模块，用于计算所述指纹图像中每个像素点的平均灰度值，其中，所述指纹图像为灰度图像；第一判断模块，用于判断所述像素点的灰度值与对应的平均灰度值的差值的绝对值是否小于第一预设阈值；第二替代模块，用于在所述像素点的灰度值与对应的平均灰度值的差值的绝对值大于或等于所述第一预设阈值时，将所述像素点的灰度值替代为对应的平均灰度值。
根据本发明的一个实施例，所述第一计算模块具体用于：计算以像素点(i，j)为中心的a*a邻域中的不包括所述像素点(i，j)的(a2-1)个像素点的平均灰度值，其中，i、j为正整数，a为奇数，且(a-1)/2<i≤M-(a-1)/2，(a-1)/2<j≤N-(a-1)/2。
根据本发明的一个实施例，所述第一预设阈值为40～60。
根据本发明的一个实施例，所述第二处理模块，具体用于：对所述第一图像进行m*m的均值滤波后，再进行n*n的均值滤波，以生成所述第二图像，其中，所述m为大于或等于一个指纹纹线距离的奇数，所述n为小于所述m的奇数。
根据本发明的一个实施例，所述生成模块，包括：第二计算模块，用于将所述第一图像中每个像素点的灰度值减去所述第二图像中每个像素点的灰度值；第二判断模块，用于在获取计算得到的所有像素点的灰度值的差值中的最小值后，判断所述最小值是否小于0；第三计算模块，用于在所述最小值小于0时，将计算得到的所有像素点的灰度值的差值减去所述最小值，以生成所述第三图像。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1是根据本发明实施例的指纹图像的增强方法的流程图；
图2是根据本发明一个实施例的指纹图像的增强方法的流程图；
图3是根据本发明实施例的指纹图像的增强方法中步骤S202的流程图；
图4是根据本发明实施例的指纹图像的增强方法中步骤S204的流程图；
图5、图6、图7是根据本发明实施例的指纹图像的对比示意图；
图8是根据本发明实施例的指纹图像的增强装置的结构框图；
图9是根据本发明一个实施例的指纹图像的增强装置的结构框图；
图10是根据本发明实施例的指纹图像的增强装置中的一个组成的结构框图；
图11是根据本发明实施例的指纹图像的增强装置中的另一个组成的结构框图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
下面参考附图描述本发明实施例的指纹图像的增强方法和装置。
图1是根据本发明实施例的指纹图像的增强方法的流程图。如图1所示，该指纹图像的增强方法包括：
S101，采集用户指纹并生成指纹图像。
在本发明的实施例中，指纹图像包括以矩阵形式排列的M*N个像素点。
其中，M、N为正整数。
S102，对指纹图像进行赋值处理，以得到增强后的指纹图像。
具体地，统计指纹图像中以像素点(x，y)为中心的k*k邻域中像素点小于或等于像素点(x，y)的灰度值的像素点的个数num，将num*255/k2替代像素点(x，y)的灰度值，以得到增强后的指纹图像。
其中，为了取像素点方便，k为奇数，x、y为正整数，且(k-1)/2<x≤M-(k-1)/2，(k-1)/2<y≤N-(k-1)/2。
具体而言，对指纹图像中每一个像素点(x，y)处理。首先，选择以像素点(x，y)为中心的k*k的区域范围，越界则重新划分k*k的区域；然后，统计小于或等于像素点(x，y)的灰度值的像素点的个数num，num*255/k2即为像素点(x，y)对应的增强后的指纹图像中该像素点的灰度值；图像中每个像素点轮询一遍，即可得到增强后的指纹图像。
其中，越界则重新划分k*k的区域表示如果不能以指纹图像中的像素点为中心划分k*k区域，则忽略该像素点(即保持该像素点灰度值不变)，重新以其他像素点划分k*k区域。
需要说明的是，在本发明的实施例中，指纹图像为灰度图像。
本发明实施例的指纹图像的增强方法，通过对指纹图像进行赋值处理，得到增强后的指纹图像，由此，能够增大指纹图像中的脊线和谷线灰度对比差，提高求出的低质量指纹图像中指纹纹线方向信息的准确性，进而有助于提取更准确的指纹特征信息，提高指纹特征比对的有效性。
在本发明的一个实施例中，如图2所示，该指纹图像的增强方法还可以包括：
S201，采集用户指纹并生成指纹图像。
在本发明的实施例中，指纹图像包括以矩阵形式排列的M*N个像素点。
其中，M、N为正整数。
S202，对指纹图像进行去除坏点处理，以生成第一图像。
具体地，在本发明的一个实施例中，如图3所示，上述步骤S102进一步包括：
S2021，计算指纹图像中每个像素点的平均灰度值。
其中，指纹图像为灰度图像。
具体地，计算以像素点(i，j)为中心的a*a邻域中的不包括所述像素点(i，j)的(a2-1)个像素点的平均灰度值，其中，i、j为正整数，a为奇数，且(a-1)/2<i≤M-(a-1)/2，(a-1)/2<j≤N-(a-1)/2。
可选地，a的取值可以为3。
可以理解的是，指纹图像中的边缘像素点没有以其为中心的a*a邻域，则该处像素点的灰度值保持不变。
S2022，判断像素点的灰度值与对应的平均灰度值的差值的绝对值是否小于第一预设阈值。
其中，第一预设阈值的取值范围可以为40～60，例如50。
S2023，如果像素点的灰度值与对应的平均灰度值的差值的绝对值大于或等于第一预设阈值，则将像素点的灰度值替代为对应的平均灰度值。
具体而言，如表1(a)所示，中心像素点的灰度值255与对应的平均灰度值(180+186+196+187+193+178+200+190)/8的差值的绝对值66.25大于第一预设阈值50，则该像素点为坏点，需要用其它8个像素点的平均灰度值188.75代替；如表1(b)所示，中心像素点的灰度值5与对应的平均灰度值(85+80+96+87+100+69+78+120)/8的差值的绝对值84.375大于第一预设阈值50，则该像素点为坏点，需要用其它8个像素点的平均灰度值89.375代替。由此，可以避免坏点作为稳定信息被提取出来，减少了误识别的可能，同时也可以减少方向计算突变情况的发生，使方向计算结果更贴近指纹的真实纹理趋势。
表1
需要说明的是，如果像素点的灰度值与对应的平均灰度值的差值的绝对值小于第一预设阈值，则保持该像素点的灰度值不变。
S203，对第一图像进行滤波处理，以生成第二图像。
具体地，对第一图像进行m*m的均值滤波后，再进行n*n的均值滤波，以生成第二图像。
其中，m为大于或等于一个指纹纹线距离的奇数，取值可以为9、11、13、15或17；n为小于m的奇数，例如取值可以为7。
S204，根据第一图像和第二图像生成第三图像。
具体地，在本发明的一个实施例中，如图4所示，步骤S204可以包括：
S2041，将第一图像中每个像素点的灰度值减去第二图像中每个像素点的灰度值。
S2042，获取计算得到的所有像素点的灰度值的差值中的最小值，并判断最小值是否小于0。
S2043，如果最小值小于0，则将计算得到的所有像素点的灰度值的差值减去最小值，以生成第三图像。
在本发明的一个实施例中，如果最小值大于或等于0，则第一图像中每个像素点的灰度值减去对应的第二图像中每个像素点的灰度值后生成的图像即为第三图像。
在本发明的实施例中，通过上述步骤S203和S204，能够有效减少电容式指纹芯片采集图像时，芯片涂层、封装不平带来的干扰，使采集的指纹图像灰度值全部在同一基准，进而有助于提高后续计算结果的准确性。
S205，对第三图像进行赋值处理，以得到增强后的指纹图像。
具体地，统计第三图像中以像素点(x，y)为中心的k*k邻域中像素点小于或等于像素点(x，y)的灰度值的像素点的个数num，将num*255/k2替代像素点(x，y)的灰度值，以得到增强后的指纹图像。
其中，为了取像素点方便，k为奇数，x、y为整数，且(k-1)/2<x≤M-(k-1)/2，(k-1)/2<y≤N-(k-1)/2。
具体而言，对第三图像中每一个像素点(x，y)处理。首先，选择以像素点(x，y)为中心的k*k的区域范围，越界则重新划分k*k的区域；然后，统计小于或等于像素点(x，y)的灰度值的像素点的个数num，num*255/k2即为像素点(x，y)对应的增强后的指纹图像中该像素点的灰度值；图像中每个像素点轮询一遍，即可得到增强后的指纹图像。
其中，越界则重新划分k*k的区域表示如果不能以第三图像中的像素点为中心划分k*k区域，则忽略该像素点(即保持该像素点灰度值不变)，重新以其他像素点划分k*k区域。
举例而言，在本发明的一个实施例中，图5(a)为采集并生成的原始指纹图像，图5(b)为对应的通过本发明的上述方法增强后的指纹图像。可以看出，图5(b)所示的图像中相邻脊线、谷线间的灰度差对比更加清晰。
在本发明的另一个实施例中，图6(a)为采集并生成的原始指纹图像，图6(b)为对应的通过本发明的上述方法增强后的指纹图像。可以看出，图6(b)所示的图像中相邻脊线、谷线的对比基准相同，灰度差水平相同。
在本发明的有一个实施例中，图7(a)为采集并生成的原始指纹图像，图7(b)为原始指纹图像对应的方向计算结果图像，图7(c)为原始指纹图像对应的通过本发明的上述方法增强后的指纹图像，图7(d)为增强后的指纹图像对应的方向计算结果图像。可以看出，增强后的指纹图像比原始指纹图像的方向结果更一致，跟纹线真实趋势更贴近。
由此，通过对指纹图像进行去除坏点处理，以生成第一图像，并第一图像进行滤波处理，以生成第二图像，进而根据第一图像和第二图像生成第三图像，通过对第三图像进行赋值处理，得到增强后的指纹图像，由此，能够使采集到的指纹图像灰度值全部在同一基准，增大指纹图像中的脊线和谷线灰度对比差，提高求出的低质量指纹图像中指纹纹线方向信息的准确性，进而有助于提取更准确的指纹特征信息，提高指纹特征比对的有效性。
图8是本发明实施例的指纹图像的增强装置的结构框图。如图8所示，该指纹图像的增强装置包括：采集生成模块10和第一处理模块20。
其中，采集生成模块10用于采集用户指纹并生成指纹图像。
在本发明的实施例中，指纹图像包括以矩阵形式排列的M*N个像素点。
其中，M、N为正整数。
第一处理模块20用于对指纹图像进行赋值处理，以得到增强后的指纹图像。
具体地，第一处理模块20进一步包括：统计模块21和第一替代模块22。
其中，统计模块21用于统计指纹图像中以像素点(x，y)为中心的k*k邻域中像素点小于或等于像素点(x，y)的灰度值的像素点的个数num。
其中，k为奇数，x、y为正整数，且(k-1)/2<x≤M-(k-1)/2，(k-1)/2<y≤N-(k-1)/2。
第一替代模块52用于将num*255/k2替代像素点(x，y)的灰度值，以得到增强后的指纹图像。
具体而言，对指纹图像中每一个像素点(x，y)处理。选择以像素点(x，y)为中心的k*k的区域范围，越界则重新划分k*k的区域；通过统计模块21统计小于或等于像素点(x，y)的灰度值的像素点的个数num，通过第一替代模块22将num*255/k2替代为像素点(x，y)对应的增强后的指纹图像中该像素点的灰度值；图像中每个像素点轮询一遍，即可得到增强后的指纹图像。
其中，越界则重新划分k*k的区域表示如果不能以指纹图像中的像素点为中心划分k*k区域，则忽略该像素点(即保持该像素点灰度值不变)，重新以其他像素点划分k*k区域。
需要说明的是，上述指纹图像为灰度图像。
本发明实施例的指纹图像的增强装置，通过第一处理模块对指纹图像进行赋值处理，得到增强后的指纹图像，由此，能够增大指纹图像中的脊线和谷线灰度对比差，提高求出的低质量指纹图像中指纹纹线方向信息的准确性，进而有助于提取更准确的指纹特征信息，提高指纹特征比对的有效性。
在本发明的一个实施例中，如图9所示，该指纹图像的增强装置包括：采集生成模块10、第一处理模块20、第二处理模块30、第三处理模块40和生成模块50。
其中，采集生成模块10用于采集用户指纹并生成指纹图像。
在本发明的实施例中，指纹图像包括以矩阵形式排列的M*N个像素点。
其中，M、N为正整数。
第二处理模块30用于对指纹图像进行去除坏点处理，以生成第一图像。
具体地，在本发明的一个实施例中，如图10所示，第一处理模块30进一步包括：第一计算模块31、第一判断模块32和第二替代模块33。
其中，第一计算模块31用于计算指纹图像中每个像素点的平均灰度值，其中，指纹图像为灰度图像。
具体地，第一计算模块31计算以像素点(i，j)为中心的a*a邻域中的不包括像素点(i，j)的(a2-1)个像素点的平均灰度值，其中，i、j为正整数，a为奇数，且(a-1)/2<i≤M-(a-1)/2，(a-1)/2<j≤N-(a-1)/2。
可选地，a的取值可以为3。
可以理解的是，指纹图像中的边缘像素点没有以其为中心的a*a邻域，则该处像素点的灰度值保持不变。
第一判断模块32用于判断像素点的灰度值与对应的平均灰度值的差值的绝对值是否小于第一预设阈值。
其中，第一预设阈值的取值范围可以为40～60，例如50。
第二替代模块33用于在像素点的灰度值与对应的平均灰度值的差值的绝对值大于或等于第一预设阈值时，将像素点的灰度值替代为对应的平均灰度值。
具体而言，如表1(a)所示，中心像素点的灰度值255与对应的平均灰度值(180+186+196+187+193+178+200+190)/8的差值的绝对值66.25大于第一预设阈值50，则该像素点为坏点，需要用其它8个像素点的平均灰度值188.75代替；如表1(b)所示，中心像素点的灰度值5与对应的平均灰度值(85+80+96+87+100+69+78+120)/8的差值的绝对值84.375大于第一预设阈值50，则该像素点为坏点，需要用其它8个像素点的平均灰度值89.375代替。由此，可以避免坏点作为稳定信息被提取出来，减少了误识别的可能，同时也可以减少方向计算突变情况的发生，使方向计算结果更贴近指纹的真实纹理趋势。
表1
需要说明的是，如果像素点的灰度值与对应的平均灰度值的差值的绝对值小于第一预设阈值，则保持该像素点的灰度值不变。
第三处理模块40用于对第一图像进行滤波处理，以生成第二图像。
具体地，第三处理模块40对第一图像进行m*m的均值滤波后，再进行n*n的均值滤波，以生成第二图像。
其中，m为大于或等于一个指纹纹线距离的奇数，取值可以为9、11、13、15或17；n为小于m的奇数，例如取值可以为7。
生成模块50用于根据第一图像和第二图像生成第三图像。
具体地，在本发明的一个实施例中，如图11所示，生成模块50进一步包括：第二计算模块51、第二判断模块52和第三计算模块53。
第二计算模块51用于将第一图像中每个像素点的灰度值减去对应的第二图像中每个像素点的灰度值。
第二判断模块52用于在获取计算得到的所有像素点的灰度值的差值中的最小值后，判断最小值是否小于0。
第三计算模块43用于在最小值小于0时，将计算得到的所有像素点的灰度值的差值减去最小值，以生成第三图像。
在本发明的一个实施例中，如果最小值大于或等于0，则第一图像中每个像素点的灰度值减去第二图像中每个像素点的灰度值后生成的图像即为第三图像。
在本发明的实施例中，通过上述第二处理模块40和生成模块50，能够有效减少电容式指纹芯片采集图像时，芯片涂层、封装不平带来的干扰，使采集的指纹图像灰度值全部在同一基准，进而有助于提高后续计算结果的准确性。
第一处理模块20用于对第三图像进行赋值处理，以得到增强后的指纹图像。
具体地，统计模块21用于统计第三图像中以像素点(x，y)为中心的k*k邻域中像素点小于或等于像素点(x，y)的灰度值的像素点的个数num。
其中，k为奇数，x、y为正整数，且(k-1)/2<x≤M-(k-1)/2，(k-1)/2<y≤N-(k-1)/2。
第一替代模块22用于将num*255/k2替代像素点(x，y)的灰度值，以得到增强后的指纹图像。
具体而言，对第三图像中每一个像素点(x，y)处理。选择以像素点(x，y)为中心的k*k的区域范围，越界则重新划分k*k的区域；通过统计模块21统计小于或等于像素点(x，y)的灰度值的像素点的个数num，通过第一替代模块22将num*255/k2替代为像素点(x，y)对应的增强后的指纹图像中该像素点的灰度值；图像中每个像素点轮询一遍，即可得到增强后的指纹图像。
其中，越界则重新划分k*k的区域表示如果不能以第三图像中的像素点为中心划分k*k区域，则忽略该像素点(即保持该像素点灰度值不变)，重新以其他像素点划分k*k区域。
举例而言，在本发明的一个实施例中，图4(a)为采集并生成的原始指纹图像，图4(b)为对应的通过本发明的上述装置增强后的指纹图像。可以看出，图4(b)所示的图像中相邻脊线、谷线间的灰度差对比更加清晰。
在本发明的另一个实施例中，图5(a)为采集并生成的原始指纹图像，图5(b)为对应的通过本发明的上述装置增强后的指纹图像。可以看出，图5(b)所示的图像中相邻脊线、谷线的对比基准相同，灰度差水平相同。
在本发明的有一个实施例中，图6(a)为采集并生成的原始指纹图像，图6(b)为原始指纹图像对应的方向计算结果图像，图6(c)为原始指纹图像对应的通过本发明的上述装置增强后的指纹图像，图6(d)为增强后的指纹图像对应的方向计算结果图像。可以看出，增强后的指纹图像比原始指纹图像的方向结果更一致，跟纹线真实趋势更贴近。
由此，通过第二处理模块对指纹图像进行去除坏点处理，以生成第一图像，并通过第三处理模块第一图像进行滤波处理，以生成第二图像，进而通过生成模块根据第一图像和第二图像生成第三图像，通过第一处理模块对第三图像进行赋值处理，得到增强后的指纹图像，由此，能够使采集到的指纹图像灰度值全部在同一基准，增大指纹图像中的脊线和谷线灰度对比差，提高求出的低质量指纹图像中指纹纹线方向信息的准确性，进而有助于提取更准确的指纹特征信息，提高指纹特征比对的有效性。
在本发明的描述中，需要理解的是，术语“中心”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
在本发明中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度小于第二特征。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (14)

1.一种指纹图像的增强方法，其特征在于：
采集用户指纹并生成指纹图像，其中，所述指纹图像包括以矩阵形式排列的M*N个像素点，M、N为正整数；
统计以像素点(x，y)为中心的k*k邻域中像素点的灰度值小于或等于所述像素点(x，y)的灰度值的像素点的个数num，其中，k为奇数，x、y为正整数，且(k-1)/2<x≤M-(k-1)/2，(k-1)/2<y≤N-(k-1)/2；
将所述像素点(x，y)的灰度值替代为num*255/k2，以得到增强后的指纹图像。
2.如权利要求1所述的指纹图像的增强方法，其特征在于，在对所述指纹图像进行赋值处理之前，还包括：
对所述指纹图像进行去除坏点处理，以生成第一图像；
对所述第一图像进行滤波处理，以生成第二图像；
根据所述第一图像和所述第二图像生成第三图像，所述第三图像为进行赋值处理的指纹图像。
3.如权利要求2所述的指纹图像的增强方法，其特征在于，所述指纹图像包括以矩阵形式排列的M*N个像素点，其中，M、N为正整数，其中，所述对所述指纹图像进行去除坏点处理包括：
计算所述指纹图像中每个像素点的平均灰度值，其中，所述指纹图像为灰度图像；
判断所述像素点的灰度值与对应的平均灰度值的差值的绝对值是否小于第一预设阈值；
如果所述像素点的灰度值与对应的平均灰度值的差值的绝对值大于或等于所述第一预设阈值，则将所述像素点的灰度值替代为对应的平均灰度值。
4.如权利要求3所述的指纹图像的增强方法，其特征在于，所述计算所述指纹图像中像素点(i，j)的平均灰度值包括：
计算以像素点(i，j)为中心的a*a邻域中的不包括所述像素点(i，j)的(a2-1)个像素点的平均灰度值，其中，i、j为正整数，a为奇数，且(a-1)/2<i≤M-(a-1)/2，(a-1)/2<j≤N-(a-1)/2。
5.如权利要求4所述的指纹图像的增强方法，其特征在于，所述第一预设阈值的取值范围为40～60。
6.如权利要求2所述的指纹图像的增强方法，其特征在于，所述对所述第一图像进行滤波处理，以生成第二图像包括：
对所述第一图像进行m*m的均值滤波后，再进行n*n的均值滤波，以生成所述第二图像，其中，所述m为大于或等于一个指纹纹线距离的奇数，所述n为小于所述m的奇数。
7.如权利要求2所述的指纹图像的增强方法，其特征在于，所述根据所述第一图像和所述第二图像生成第三图像包括：
将所述第一图像中每个像素点的灰度值减去对应的所述第二图像中每个像素点的灰度值；
获取计算得到的所有像素点的灰度值的差值中的最小值，并判断所述最小值是否小于0；
如果所述最小值小于0，则将计算得到的所有像素点的灰度值的差值减去所述最小值，以生成所述第三图像。
8.一种指纹图像的增强装置，其特征在于，包括：
采集生成模块，用于采集用户指纹并生成指纹图像，其中，所述指纹图像包括以矩阵形式排列的M*N个像素点，M、N为正整数；
第一处理模块，所述第一处理模块包括：
统计模块，用于统计以像素点(x，y)为中心的k*k邻域中像素点小于或等于所述像素点(x，y)的灰度值的像素点的个数num，其中，k为奇数，x、y为整数，且(k-1)/2<x≤M-(k-1)/2，(k-1)/2<y≤N-(k-1)/2，
第一替代模块，用于将num*255/k2替代所述像素点(x，y)的灰度值，以得到增强后的指纹图像。
9.如权利要求8所述的指纹图像的增强装置，其特征在于，还包括：
第二处理模块，用于在所述第一处理模块对所述指纹图像进行赋值处理之前，对所述指纹图像进行去除坏点处理，以生成第一图像；
第三处理模块，用于对所述第一图像进行滤波处理，以生成第二图像；
生成模块，用于根据所述第一图像和所述第二图像生成第三图像，所述第三图像为进行赋值处理的指纹图像。
10.如权利要求9所述的指纹图像的增强装置，其特征在于，所述指纹图像包括以矩阵形式排列的M*N个像素点，其中，M、N为正整数，所述第二处理模块，包括：
第一计算模块，用于计算所述指纹图像中每个像素点的平均灰度值，其中，所述指纹图像为灰度图像；
第一判断模块，用于判断所述像素点的灰度值与对应的平均灰度值的差值的绝对值是否小于第一预设阈值；
第二替代模块，用于在所述像素点的灰度值与对应的平均灰度值的差值的绝对值大于或等于所述第一预设阈值时，将所述像素点的灰度值替代为对应的平均灰度值。
11.如权利要求10所述的指纹图像的增强装置，其特征在于，所述第一计算模块具体用于：
计算以像素点(i，j)为中心的a*a邻域中的不包括所述像素点(i，j)的(a2-1)个像素点的平均灰度值，其中，i、j为正整数，a为奇数，且(a-1)/2<i≤M-(a-1)/2，(a-1)/2<j≤N-(a-1)/2。
12.如权利要求11所述的指纹图像的增强装置，其特征在于，所述第一预设阈值为40～60。
13.如权利要求9所述的指纹图像的增强装置，其特征在于，所述第二处理模块，具体用于：
对所述第一图像进行m*m的均值滤波后，再进行n*n的均值滤波，以生成所述第二图像，其中，所述m为大于或等于一个指纹纹线距离的奇数，所述n为小于所述m的奇数。
14.如权利要求9所述的指纹图像的增强装置，其特征在于，所述生成模块，包括：
第二计算模块，用于将所述第一图像中每个像素点的灰度值减去所述第二图像中每个像素点的灰度值；
第二判断模块，用于在获取计算得到的所有像素点的灰度值的差值中的最小值后，判断所述最小值是否小于0；
第三计算模块，用于在所述最小值小于0时，将计算得到的所有像素点的灰度值的差值减去所述最小值，以生成所述第三图像。
CN201610450915.1A 2016-06-20 2016-06-20 指纹图像的增强方法和装置 Active CN106156726B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610450915.1A CN106156726B (zh) 2016-06-20 2016-06-20 指纹图像的增强方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610450915.1A CN106156726B (zh) 2016-06-20 2016-06-20 指纹图像的增强方法和装置

Publications (2)

Publication Number Publication Date
CN106156726A CN106156726A (zh) 2016-11-23
CN106156726B true CN106156726B (zh) 2017-07-04

Family

ID=57353517

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610450915.1A Active CN106156726B (zh) 2016-06-20 2016-06-20 指纹图像的增强方法和装置

Country Status (1)

Country Link
CN (1) CN106156726B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106815821B (zh) * 2017-01-23 2020-08-28 上海兴芯微电子科技有限公司 近红外图像的去噪方法和装置
CN108701218B (zh) * 2017-02-03 2021-02-12 华为技术有限公司 一种指纹采集的方法、装置及终端
CN109426795A (zh) * 2017-09-05 2019-03-05 比亚迪股份有限公司 指纹识别方法和装置
CN107886134A (zh) * 2017-11-30 2018-04-06 奕响（大连）科技有限公司 一种局部创造性的图片相似判定方法
CN107832473A (zh) * 2017-11-30 2018-03-23 奕响（大连）科技有限公司 一种非等比例拉伸后的图片相似判定方法
EP3598337B1 (en) 2017-12-01 2024-02-07 Shenzhen Goodix Technology Co., Ltd. Fingerprint image enhancement method and fingerprint image module
CN112884756A (zh) * 2021-03-12 2021-06-01 敦泰电子（深圳）有限公司 一种指纹图像处理方法、指纹芯片及电子设备

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100752640B1 (ko) * 2005-01-05 2007-08-29 삼성전자주식회사 방향성 기울기 필터를 이용한 지문 영역 분할 장치 및 방법
CN101576999B (zh) * 2009-06-01 2012-10-17 杭州晟元芯片技术有限公司 一种指纹图像方向增强方法
CN102254163A (zh) * 2011-08-03 2011-11-23 山东志华信息科技股份有限公司 自适应模板大小的Gabor指纹图像增强方法

Also Published As

Publication number Publication date
CN106156726A (zh) 2016-11-23

Similar Documents

Publication Publication Date Title
CN106156726B (zh) 指纹图像的增强方法和装置
CN101901336B (zh) 指纹与指静脉双模态识别决策级融合法
CN110097034A (zh) 一种智能人脸健康程度的识别与评估方法
CN105956578A (zh) 一种基于身份证件信息的人脸验证方法
CN102629316B (zh) 自动指纹识别技术中的图像增强方法
JP4237145B2 (ja) 生体情報検出装置
CN103218605B (zh) 一种基于积分投影与边缘检测的快速人眼定位方法
CN108764093B (zh) 基于相机的非接触指纹图像采集装置及方法
CN100385451C (zh) 基于局部三角结构特征集的形变指纹识别方法
US20030035571A1 (en) Method for analyzing fingerprint images
CN103714323B (zh) 指纹增强方法及指纹识别装置
CN103324944A (zh) 一种基于svm和稀疏表示的假指纹检测方法
CN102142080A (zh) 生物特征认证装置、生物特征认证方法以及程序
CN101615241B (zh) 一种证件照片的筛选方法
WO2017161636A1 (zh) 一种基于指纹的终端支付方法及装置
CN104408780A (zh) 一种人脸识别考勤系统
Bhowmik et al. Fingerprint Image Enhancement And It‟ s Feature Extraction For Recognition
Espinoza et al. Risk evaluation for spoofing against a sensor supplied with liveness detection
Lu et al. A pore-based method for fingerprint liveness detection
JP5669572B2 (ja) 指紋認証装置
WO2018196521A1 (zh) 一种指静脉图像的质量分数计算方法及装置
Devadoss et al. Performance improvement using an automation system for recognition of multiple parametric features based on human footprint
CN104573628A (zh) 一种三维人脸识别方法
CN106600615A (zh) 一种图像边缘检测算法评价系统及方法
CN115082465B (zh) 基于扫描电镜图像处理的羊毛羊绒分类方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20191231

Address after: 518119 1 Yanan Road, Kwai Chung street, Dapeng New District, Shenzhen, Guangdong

Patentee after: SHENZHEN BYD MICROELECTRONICS Co.,Ltd.

Address before: BYD 518118 Shenzhen Road, Guangdong province Pingshan New District No. 3009

Patentee before: BYD Co.,Ltd.

CP01 Change in the name or title of a patent holder
CP01 Change in the name or title of a patent holder

Address after: 518119 No.1 Yan'an Road, Kuiyong street, Dapeng New District, Shenzhen City, Guangdong Province

Patentee after: BYD Semiconductor Co.,Ltd.

Address before: 518119 No.1 Yan'an Road, Kuiyong street, Dapeng New District, Shenzhen City, Guangdong Province

Patentee before: BYD Semiconductor Co.,Ltd.

Address after: 518119 No.1 Yan'an Road, Kuiyong street, Dapeng New District, Shenzhen City, Guangdong Province

Patentee after: BYD Semiconductor Co.,Ltd.

Address before: 518119 No.1 Yan'an Road, Kuiyong street, Dapeng New District, Shenzhen City, Guangdong Province

Patentee before: SHENZHEN BYD MICROELECTRONICS Co.,Ltd.