CN108875621B - 图像处理方法、装置、计算机设备及存储介质 - Google Patents
图像处理方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN108875621B CN108875621B CN201810588087.7A CN201810588087A CN108875621B CN 108875621 B CN108875621 B CN 108875621B CN 201810588087 A CN201810588087 A CN 201810588087A CN 108875621 B CN108875621 B CN 108875621B
- Authority
- CN
- China
- Prior art keywords
- image
- pixel point
- pixel
- finger vein
- evaluation
- 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
Links
Images
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
-
- 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
- G06V40/14—Vascular patterns
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Collating Specific Patterns (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明涉及图像处理技术领域,提供了一种图像处理方法、装置、计算机设备及存储介质,图像处理方法包括:从采集设备中获取原始的手指静脉图像;对所述手指静脉图像进行Gabor滤波变换,得到增强图像;根据预设的切割方向和预设的像素间隔,对增强图像进行切割得到n条切割线;针对每条切割线,计算切割线上的每个像素点的曲率值,确定评估像素点和局部静脉区域;针对每个评估像素点,计算评估像素点的评估分数;利用评估分数对评估像素点的像素值进行调整后更新增强图像;对更新后的增强图像进行二值化处理,得到静脉图像。本发明的技术方案实现了对静脉纹路的准确定位,提高静脉纹路提取的准确性,以及对多种不同指静脉采集设备的适用性。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种图像处理方法、装置、计算机设备及存储介质。
背景技术
手指静脉识别技术是一种新的生物特征识别技术,它利用手指静脉识别技术作为最先进的新兴的第二代生物识别技术之一,因其安全等级高,稳定性高,普适性强及采集设备便捷成为国内外诸多学者的研究热点。
传统的手指静脉提取算法在低端采集设备中使用不理想,无法准确提取静脉图像中的静脉纹路,尤其是对非清晰静脉图像进行静脉纹路提取时无法保证其准确性,导致静脉纹路提取的准确性较低。
发明内容
基于此,有必要针对上述技术问题,提供一种提高对手指静脉图像中静脉纹路提取的准确性的图像处理方法、装置、计算机设备及存储介质。
一种图像处理方法,包括:
使用指静脉采集设备获取原始的手指静脉图像;
对所述手指静脉图像进行Gabor滤波变换,得到增强图像;
根据预设的切割方向和预设的像素间隔,对所述增强图像进行切割,得到n条切割线,其中,n为正整数;
针对每条所述切割线,计算在该切割线上的每个像素点的曲率值,将所述曲率值大于零的像素点确定为评估像素点,并将连续的所述评估像素点所在的区域确定为局部静脉区域;
针对每个所述评估像素点,获取包含该评估像素点的所述局部静脉区域的宽度,并将该宽度与该评估像素点的曲率值的乘积,作为该评估像素点的评估分数;
使用所述评估分数对所述评估像素点的像素值进行调整,得到每个所述评估像素点的修正像素值,并使用所述修正像素值更新所述增强图像;
对更新后的增强图像进行二值化处理,得到静脉图像。
一种图像处理装置,包括:
采集模块,用于使用指静脉采集设备获取原始的手指静脉图像;
变换模块,用于对所述手指静脉图像进行Gabor滤波变换,得到增强图像;
切割模块,用于根据预设的切割方向和预设的像素间隔,对所述增强图像进行切割,得到n条切割线,其中,n为正整数;
匹配模块,用于针对每条所述切割线,计算在该切割线上的每个像素点的曲率值,将所述曲率值大于零的像素点确定为评估像素点,并将连续的所述评估像素点所在的区域确定为局部静脉区域;
计算模块,用于针对每个所述评估像素点,获取包含该评估像素点的所述局部静脉区域的宽度,并将该宽度与该评估像素点的曲率值的乘积,作为该评估像素点的评估分数;
更新模块,用于使用所述评估分数对所述评估像素点的像素值进行调整,得到每个所述评估像素点的修正像素值,并使用所述修正像素值更新所述增强图像;
二值化模块,用于对更新后的增强图像进行二值化处理,得到静脉图像。
一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述图像处理方法的步骤。
一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述图像处理方法的步骤。
上述图像处理方法、装置、计算机设备及存储介质,通过对手指静脉图像进行Gabor滤波变换得到增强图像,对该增强图像进行切割并获取n条切割线,计算每条切割线上每个像素点的曲率值,获取曲率值大于0的像素点作为评估像素点,以及获取曲率值大于零的连续像素点所在的区域作为局部静脉区域,利用评估像素点的曲率值与该评估像素点所在的局部静脉区域的宽度的积,对每个评估像素点进行计算得到评估分数,再利用评估分数对评估像素点的像素值进行调整,获取每个评估像素点的修正像素值并对增强图像上的像素点进行更新,最后对更新后的增强图像进行二值化处理,得到静脉图像。一方面,通过Gabor滤波变换提高手指静脉图像的图像质量,使得在对静脉纹路提取时能够提高识别静脉纹路的准确性,从而实现对低端指静脉采集设备采集到的低质量手指静脉图像进行静脉纹路的准确定位,有效提高手指静脉图像中静脉纹路的提取的准确性,以及对多种不同指静脉采集设备的适用性;另一方面,通过曲率算法能够快速地识别静脉图像中的静脉纹路,提高静脉纹路的识别效率,并且通过计算评估分数能够进一步准确区分静脉区域和非静脉区域,从而进一步提高对静脉纹路提取的准确性。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例的描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的图像处理方法的应用环境示意图;
图2是本发明实施例提供的图像处理方法的流程图;
图3是本发明实施例提供的图像处理方法中对增强图像进行切割的示例图;
图4是本发明实施例提供的图像处理方法中对手指静脉图像进行灰度化及灰度反转处理的流程图;
图5是本发明实施例提供的图像处理方法中步骤S7的流程图;
图6是本发明实施例提供的图像处理装置的示意图;
图7是本发明实施例提供的计算机设备的示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1示出了本发明实施例提供的应用环境,该应用环境包括服务端和客户端,其中,服务端和客户端之间通过网络进行连接,客户端用于对手指静脉图像进行采集,并且将采集到的手指静脉图像发送到服务端,客户端具体可以但不限于是摄像机、相机、扫描仪或者带有其他拍照功能的手指静脉图像采集设备;服务端用于对手指静脉图像进行手指静脉纹路提取,服务端具体可以用独立的服务器或者多个服务器组成的服务器集群实现。本发明实施例提供的图像处理方法应用于服务端。
在一实施例中,如图2所示,提供一种图像处理方法,以该方法应用在图1中的服务器为例进行说明,包括如下步骤:
S1:使用指静脉采集设备获取原始的手指静脉图像。
在本发明实施例中,原始的手指静脉图像是指未经过任何处理,直接从指静脉采集设备中采集到的手指静脉图像。
需要说明的是,由于不同的指静脉采集设备获取到的手指静脉图像的质量不同,通常使用的指静脉采集设备采集到的手指静脉图像的质量均比较低,通过本发明实施例提供的方法,能够对低质量的手指静脉图像中手指静脉纹路进行准确的识别,从而有效提高手指静脉图像中手指静脉纹路提取的准确性,以及对多种不同指静脉采集设备的适用性。
S2:对手指静脉图像进行Gabor滤波变换,得到增强图像。
在本发明实施例中,根据步骤S1获取的手指静脉图像,为了进一步提高该手指静脉图像的质量,采用Gabor滤波变换的方法对图像作增强处理,最终得到处理后的增强图像。
具体地,根据Gabor滤波函数对手指静脉图像进行卷积运算,通过卷积运算结果获取增强图像。其中,卷积运算指的是使用一个卷积核对手指静脉图像中的每个像素点进行一系列操作,卷积核是预设的矩阵模板,用于与手指静脉图像进行运算,其具体可以是一个四方形的网格结构,例如3*3的矩阵,该矩阵中的每个元素都有一个预设的权重值,在使用卷积核进行计算时,将卷积核的中心放置在要计算的目标像素点上,计算卷积核中每个元素的权重值和其覆盖的图像像素点的像素值之间的乘积并求和,得到的结果即为目标像素点的新像素值。
Gabor滤波变换属于加窗傅里叶变换,Gabor函数可以在频域不同尺度、不同方向上提取图像的相关特征,实现对图像的增强效果。
S3:根据预设的切割方向和预设的像素间隔,对增强图像进行切割,得到n条切割线,其中,n为正整数。
在本发明实施例中,预设的切割方向可以是水平切割、垂直切割或者其它方向的切割,其具体可以根据实际应用的需要进行设置,此处不做限制。预设的像素间隔是指以预设个数的像素点作为间隔,其可以是以1个像素点为间隔,也可以是以5个像素点为间隔,具体也可以根据实际应用的需要进行设置,此处不做限制。
具体地,对步骤S2获取到的增强图像按照预设的切割方向和预设的像素间隔进行切割,获取n条切割线。
为了更好的理解本步骤,下面通过一个具体的例子进行说明。如图3所示,图3为对步骤S2得到的增强图像进行切割的示意图,在该增强图像中,手指水平放置,预设的切割方向为垂直方向,预设的像素间隔为5个像素点,对增强图像进行切割,若图像中每行有2000个像素点,则将得到399条垂直的切割线。
S4:针对每条切割线,计算在该切割线上的每个像素点的曲率值,将曲率值大于零的像素点确定为评估像素点,并将连续的评估像素点所在的区域确定为局部静脉区域。
在本发明实施例中,按照公式(1)对每个像素点的曲率值进行计算:
具体地,针对S3中获得的每条切割线,根据公式(1)计算该切割线上每个像素点的曲率值。使用曲率值对像素点是否属于静脉上的像素点进行判断,若像素点的曲率值大于0,则表示该像素点为静脉上的像素点,并将其作为评估像素点,若像素点的曲率值小于或者等于0,则表示该像素点不属于静脉上的像素点。并且,局部静脉区域由曲率值大于0的连续像素点构成,也即连续的评估像素点构成。
S5:针对每个评估像素点,获取包含该评估像素点的局部静脉区域的宽度,并将该宽度与该评估像素点的曲率值的乘积,作为该评估像素点的评估分数。
在本发明实施例中,由于局部静脉区域是由曲率值大于0的连续像素点构成,故其宽度可以为曲率值大于0的连续像素点的个数,例如,若曲率值大于0的连续像素点的个数为5,则该局部静脉区域的宽度为5。
针对每个评估像素点,将包含该评估像素点的局部静脉区域的宽度与该评估像素点的曲率值进行相乘,并将相乘得到的结果作为该评估像素点的评估分数。
具体地,通过公式(2)计算评估像素点的评估分数:
Sr(zi)=k(zi)*Wr 公式(2)
其中,zi为第i个评估像素点,i为大于0的正数,Sr(zi)为第i个评估像素点的评估分数,k(zi)为第i个评估像素点的曲率值,Wr为包含zi的局部静脉区域的宽度。
S6:使用评估分数对评估像素点的像素值进行调整,得到每个评估像素点的修正像素值,并使用修正像素值更新增强图像。
在本发明实施例中,针对每个评估像素点,将每个评估像素点的原始像素值与其对应的评估分数进行相加,得到的和作为该评估像素点的修正像素值,根据每个评估像素点的修正像素值,对每个评估像素点的像素值进行调整后获取增强图像,从而使静脉区域上的点变得更加明显,提高静脉区域的识别度,并且能够更好地识别出静脉区域和非静脉区域。
具体地,通过公式(3)计算评估像素点的修正像素值:
Va'(x,y)=Va(x,y)+Sr(za) 公式(3)
其中,x和y为手指静脉图像中第a个评估像素点的横坐标和纵坐标,a为大于0的正数,za为第a个评估像素点,Va'(x,y)为第a个评估像素点的修正像素值,Va(x,y)为第a评估像素点的像素值,Sr(za)为第a个评估像素点的评估分数。
需要说明的是,若评估像素点经过计算后的修正像素值超过最大像素值,则将修正像素值设置为最大像素值。
S7:对更新后的增强图像进行二值化处理,得到静脉图像。
在本发明实施例中,根据步骤S6获取更新后的增强图像,为了让图像中的像素点的像素值只呈现0或者255,即图像只呈现黑色或者白色两种颜色,需要进一步对该增强图像进行二值化处理。
二值化,就是将图像上的像素点的像素值设置为0或255,也就是将整个图像呈现出明显的只有黑和白的视觉效果。
具体地,扫描步骤S6获取的更新后的增强图像中的每个像素点,若该像素点的像素值小于预设的像素阈值,则将该像素点的像素值设为0,即像素点变为黑色;若该像素点的像素值大于等于预设值的像素阈值,则将该像素点的像素值设为255,即像素点变为白色,得到二值化图像。
本实施例中,通过对手指静脉图像进行Gabor滤波变换得到增强图像,对该增强图像进行切割并获取n条切割线,计算每条切割线上每个像素点的曲率值,获取曲率值大于0的像素点作为评估像素点,以及获取曲率值大于零的连续像素点所在的区域作为局部静脉区域,利用评估像素点的曲率值与该评估像素点所在的局部静脉区域的宽度的积,对每个评估像素点进行计算得到评估分数,再利用评估分数对评估像素点的像素值进行调整,获取每个评估像素点的修正像素值并对增强图像上的像素点进行更新,最后对更新后的增强图像进行二值化处理,得到静脉图像。一方面,通过Gabor滤波变换提高手指静脉图像的图像质量,使得在对静脉纹路提取时能够提高识别静脉纹路的准确性,从而实现对低端指静脉采集设备采集到的低质量手指静脉图像进行静脉纹路的准确定位,有效提高手指静脉图像中静脉纹路的提取的准确性,以及对多种不同指静脉采集设备的适用性;另一方面,通过曲率算法能够快速地识别静脉图像中的静脉纹路,提高静脉纹路的识别效率;并且通过计算评估分数能够进一步准确区分静脉区域和非静脉区域,从而进一步提高对静脉纹路提取的准确性。
在一实施例中,如图4所示,步骤S1之后,步骤S2之前,该图像处理方法还可以进一步对图像进行灰度化和灰度反转处理,详述如下:
S81:对手指静脉图像中的像素点进行遍历,获取每个像素点的RGB分量值。
具体地,按照预设的遍历方式对手指静脉图像中的像素点进行遍历,获取每个像素点的RGB分量值,其中,R、G、B分别代表红、绿、蓝三个通道的颜色。
其中,预设的遍历方式具体可以是以手指静脉图像的左上角像素点为起点,从上往下从左往右的顺序进行逐行遍历,也可以是从手指静脉图像的中线位置同时向两边遍历,还可以是其他遍历方式,此处不做限制。
S82:根据像素点的RGB分量值,按照公式(4)对手指静脉图像作灰度化处理,得到灰化图像:
g(x,y)=k1*R(x,y)+k2*G(x,y)+k3*B(x,y) 公式(4)
其中,x和y为手指静脉图像中每个像素点的横坐标和纵坐标,g(x,y)为像素点(x,y)灰度化处理后的灰度值,R(x,y)为像素点(x,y)的R通道的颜色分量,G(x,y)为像素点(x,y)的G通道的颜色分量,B(x,y)为像素点(x,y)的B通道的颜色分量,k1,k2,k3分别为R通道,G通道和B通道对应的占比参数。
在本发明实施例中,为了实现对手指静脉图像中信息内容的准确提取,首先需要对手指静脉图像进行灰度化处理,其中,k1,k2,k3和σ的参数值可以根据实际应用的需要进行设置,此处不做限制,通过调节k1,k2,k3的取值范围可以分别对R通道,G通道和B通道的占比进行调整。
RGB模型是目前常用的一种彩色信息表达方式,它使用红、绿、蓝三原色的亮度来定量表示颜色。该模型也称为加色混色模型,是以RGB三色光互相叠加来实现混色的方法,因而适合于显示器等发光体的显示。
灰度化是指在RGB模型中,如果R=G=B时,则色彩表示只有一种灰度颜色,其中R=G=B的值叫灰度值,因此,灰度图像每个像素只需一个字节存放灰度值,灰度范围为0-255。
需要说明的是,在本发明实施例中,通过公式(4)进行加权计算灰度值,在其他实施例中还可以采用分量法、最大值法或者平均值法对图像进行灰度化处理,此处不做限制。
S83:对灰化图像进行灰度反转处理,得到灰度反转后的手指静脉图像。
具体地,对步骤S82获取的灰化图像中的每个像素点进行遍历,获取每个像素点的像素值,对灰化图像进行灰度反转处理,将灰化图像中像素点的像素值范围从[0,255]变换为[255,0],即将像素点的像素值从0调整为255,将像素点的像素值从255调整为0,从而使灰化图像中原始的白色像素点变为黑色像素点,原始的黑色像素顶变为白色像素点,经过灰度反转处理后得到灰度反转后的手指静脉图像。
需要说明的是,为了方便在不同环境下的计算,还可进一步将像素点的取值范围从[0,255]压缩为[0,1],即将每个像素点的像素值除以255得到压缩后的像素值,例如,像素值为1的像素点压缩后的像素值为1/255,像素值为254的像素点压缩后的像素值为254/255,其他像素点的像素值变换以此类推。
例如:在MATLAB工具中,可通过直接调用imadjust函数,对灰化图像进行灰度反转处理,将图像中像素值区间由原来的[0,255]变换为[255,0],再压缩变换为[1,0],生成与灰化图像灰度相反的手指静脉图像。
本实施例中,通过遍历手指静脉图像中的像素点并获取对应像素点的RGB分量值,根据获取到的每个像素点的RGB分量值,利用公式(4)对手指静脉图像进行灰度化处理,将图像中像素点的像素值范围设定在0-255之间,从而减少图像原始数据量,提高在后续处理计算中的计算效率;再对灰度化处理后的图像进行灰度反转处理,使图像的显示效果更加清晰,提高后续对手指静脉纹路提取的准确性。
在一实施例中,步骤S2中,即对手指静脉图像进行Gabor滤波变换,得到增强图像具体包括如下步骤:
按照公式(5)对手指静脉图像进行Gabor滤波变换:
其中,为Gabor滤波函数,x和y为手指静脉图像中像素点的横坐标和纵坐标,λ为预设的波长,θ为预设的方向,为相位偏移,σ为gabor函数的高斯因子的标准差,γ为长宽比,U(x,y)为增强图像,I(x,y)为手指静脉图像,为张量积运算,x'和y'为所述手指静脉图像中像素点(x,y)根据θ旋转后的横坐标和纵坐标。
具体地,使用预设的波长和预设的方向,利用公式(5)的Gabor滤波函数对手指静脉图像进行变换,从而将手指静脉图像的高频波滤掉,只留下低频部分,在预设的方向上将低频波滤掉,只留下高频部分,最终使图像变得高亮,即通过Gabor滤波变换后得到的增强图像。
本实施例中,通过公式(5)对手指静脉图像进行Gabor滤波变换,能够快速地将图像变得高亮,达到图像增强的效果,从而提高手指静脉图像的图像质量,以及对手指静脉图像中纹路的辨别率,以便在对低端指静脉采集设备采集到的低质量手指静脉图像进行静脉纹路提取时,能够实现准确定位,从而提高静脉纹路提取的准确性,同时也提高对不同指静脉采集设备的适用性。
在一实施例中,步骤S6之后,以及步骤S7之前,该图像处理方法还可以进一步对每个像素点的像素值进行修正,详述如下:
针对更新后的增强图像中的每个像素点,按照预设的相邻区域,使用相邻区域的相邻像素点的像素值,对该像素点的像素值进行修正。
在本发明实施例中,按照公式(6)对每个像素点的像素值进行修正:
C(x,y)=min{max(V(x+1,y),V(x+2,y)),max(V(x-1,y),V(x-2,y))} 公式(6)
其中,x和y为手指静脉图像中每个像素点的横坐标和纵坐标,V(x,y)为更新后的增强图像中像素点(x,y)的像素值,C(x,y)为像素点(x,y)修正后的像素值。
具体地,选取更新后的增强图像中的像素点(x,y)左侧相邻两个像素点(x-1,y)、(x-2,y)和右侧相邻两个像素点(x+1,y)、(x+2,y),若(x,y)和两侧的像素点的像素值一样大,则不做处理;若像素点(x,y)的像素值和两侧的像素点的像素值不同,则选取左侧两个像素点的像素值中较大的像素值,再选取右侧两个像素点的像素值中较大的像素值,最后比较左侧较大的像素值和右侧较大的像素值,选取两者中较小的像素值对像素点(x,y)进行修正。
需要说明的是,若像素点为图像边界的像素点,则只对一侧的像素值进行比较,例如,若像素点位于图像左边界,则选取该像素点右侧相邻两个像素点的像素值中较大的像素值,对像素点的像素值进行修正;若像素点位于图像右边界,则选取该像素点左侧相邻两个像素点的像素值中较大的像素值,对像素点的像素值进行修正。
本实施例中,若像素点(x,y)的像素值很小而两侧的像素值很大,则通过公式(6)将像素点(x,y)的像素值调大,使得该像素点和两侧的像素点能够连接起来形成纹路;若像素点(x,y)的像素值很大而两侧的像素值很小,则认为该像素点为噪点,为避免该噪点对静脉纹路的提取造成干扰,通过公式(6)将像素点(x,y)的像素值调小,实现对手指静脉图像中的噪点进行消除,从而使静脉区域变得更加明显,提高对静脉纹路的辨别度,同时也提高在后续对静脉纹路提取的准确性。
在一实施例中,预设的切割方向包括至少2个方向,即可以基于2个或者2个以上不同的切割方向对手指静脉图像进行图像处理,得到静脉图像。预设的切割方向具体可以包括45°、90°、135°和180°共4个方向,但并不限于此,其也可以包括其他方向,可根据实际应用的需要进行设置,此处不做限制。
如图5所示,步骤S7中,即对增强图像进行二值化处理,得到静脉图像,具体包括如下步骤:
S71:将根据每个切割方向得到的更新后的增强图像作为待合成图像。
在本发明实施例中,对每个具体的切割方向,均按照步骤S3至步骤S6得到的每个切割方向上的更新后的增强图像作为待合成图像,例如,若预设的切割方向包括45°、90°、135°和180°共4个方向,则以45°的切割方向得到的更新后的增强图像为一个待合成图像,以90°的切割方向得到的增强图像为另一个待合成图像,其他方向以此类推,一共可得到四个待合成图像。
S72:对每个待合成图像中相同位置的像素点,选取该像素点在每个待合成图像中的最大像素值,作为该像素点在合成图像中的像素值,得到合成图像。
具体地,根据步骤S71获取的待合成图像,通过对每个待合成图像中相同位置的像素点的像素值进行比较,选取最大的像素值作为合成图像对应位置的像素点的像素值,得到合成图像。
S73:对合成图像进行二值化处理,得到静脉图像。
在本发明实施例中,在步骤S72获取的合成图像的基础上,为了让图像中的像素点的像素值只呈现0或者255,即图像只呈现黑色或者白色两种颜色,需要进一步对该合成图像进行二值化处理,获取静脉图像。
具体地,扫描步骤S72获取的合成图像中的每个像素点,若该像素点的像素值小于预设的像素阈值,则将该像素点的像素值设为0,即为像素点变为黑色;若该像素点的像素值大于等于预设值的像素阈值,则将该像素点的像素值设为255,即像素点变为白色,得到静脉图像。
本实施例中,根据不同的切割方向获取不同的待合成图像,再对每个待合成图像中每个相同位置的像素点的像素值进行比较,选取每个像素点的最大像素值作为合成图像中对应位置的像素点的像素值,对图像进行合成,最后再对合成图像进行二值化处理,得到静脉图像。由于仅对一个切割方向上得到的增强图像进行静脉纹路提取可能存在误差,因此通过对多个切割方向的待合成图像进行合成,再对合成图像进行二值化处理得到的静脉图像进行静脉纹路提取,能够有效地降低误差,实现对静脉纹路的准确提取,提高静脉纹路提取的准确性。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
在一实施例中,提供一种图像处理装置,该图像处理装置与上述实施例中图像处理方法一一对应。如图6所示,该图像处理装置包括:采集模块61,变换模块62,切割模块63,匹配模块64,计算模块65,更新模块66和二值化模块67。各功能模块详细说明如下:
采集模块61,用于使用指静脉采集设备获取原始的手指静脉图像;
变换模块62,用于对手指静脉图像进行Gabor滤波变换,得到增强图像;
切割模块63,用于根据预设的切割方向和预设的像素间隔,对增强图像进行切割,得到n条切割线,其中,n为正整数;
匹配模块64,用于针对每条切割线,计算在该切割线上的每个像素点的曲率值,将曲率值大于零的像素点确定为评估像素点,并将连续的评估像素点所在的区域确定为局部静脉区域;
计算模块65,用于针对每个评估像素点,获取包含该评估像素点的局部静脉区域的宽度,并将该宽度与该评估像素点的曲率值的乘积,作为该评估像素点的评估分数;
更新模块66,用于使用评估分数对评估像素点的像素值进行调整,得到每个评估像素点的修正像素值,并使用修正像素值更新增强图像;
二值化模块67,用于对更新后的增强图像进行二值化处理,得到静脉图像。
进一步地,该图像处理装置还包括:
获取模块68,用于对手指静脉图像中的像素点进行遍历,获取每个像素点的RGB分量值;
灰化模块69,用于根据像素点的RGB分量值,按照如下公式对手指静脉图像作灰度化处理,得到灰化图像:
g(x,y)=k1*R(x,y)+k2*G(x,y)+k3*B(x,y)
其中,x和y为手指静脉图像中每个像素点的横坐标和纵坐标,g(x,y)为像素点(x,y)灰度化处理后的灰度值,R(x,y)为像素点(x,y)的R通道的颜色分量,G(x,y)为像素点(x,y)的G通道的颜色分量,B(x,y)为像素点(x,y)的B通道的颜色分量,k1,k2,k3分别为R通道,G通道和B通道对应的占比参数;
反转模块610,用于对灰化图像进行灰度反转处理,得到灰度反转后的手指静脉图像。
进一步地,变换模块62包括:
滤波子模块621:用于按照如下公式对手指静脉图像进行Gabor滤波变换:
x'=xcosθ+ysinθ
y'=-xsinθ+ycosθ
其中,为Gabor滤波函数,x和y为手指静脉图像中像素点的横坐标和纵坐标,λ为预设的波长,θ为预设的方向,为相位偏移,σ为gabor函数的高斯因子的标准差,γ为长宽比,U(x,y)为增强图像,I(x,y)为手指静脉图像,为张量积运算,x'和y'为所述手指静脉图像中像素点(x,y)根据θ旋转后的横坐标和纵坐标。
进一步地,该图像处理装置还包括:
修正模块611:用于针对更新后的增强图像中的每个像素点,按照预设的相邻区域,使用相邻区域的相邻像素点的像素值,对该像素点的像素值进行修正。
进一步地,二值化模块67包括:
待合成子模块671:用于将根据每个切割方向得到的更新后的增强图像作为待合成图像;
合成子模块672:用于对每个待合成图像中相同位置的像素点,选取该像素点在每个待合成图像中的最大像素值,作为该像素点在合成图像中的像素值,得到合成图像;
提取子模块673:用于对合成图像进行二值化处理,得到静脉图像。
关于图像处理装置的具体限定可以参见上文中对于图像处理方法的限定,在此不再赘述。上述图像处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储手指静脉图像的数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种图像处理方法。
在一个实施例中,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述实施例图像处理法的步骤,例如图2所示的步骤S1至步骤S7。或者,处理器执行计算机程序时实现上述实施例中图像处理装置的各模块的功能,例如图6所示模块61至模块67的功能。为避免重复,这里不再赘述。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述方法实施例中图像处理方法,或者,该计算机程序被处理器执行时实现上述装置实施例中图像处理装置中各模块/单元的功能。为避免重复,这里不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种图像处理方法,其特征在于,所述图像处理方法包括:
使用指静脉采集设备获取原始的手指静脉图像;
对所述手指静脉图像进行Gabor滤波变换,得到增强图像;
根据预设的切割方向和预设的像素间隔,对所述增强图像进行切割,得到n条切割线,其中,n为正整数;
针对每条所述切割线,计算在该切割线上的每个像素点的曲率值,将所述曲率值大于零的像素点确定为评估像素点,并将连续的所述评估像素点所在的区域确定为局部静脉区域;
针对每个所述评估像素点,获取包含该评估像素点的所述局部静脉区域的宽度,并将该宽度与该评估像素点的曲率值的乘积,作为该评估像素点的评估分数;
使用所述评估分数对所述评估像素点的像素值进行调整,得到每个所述评估像素点的修正像素值,并使用所述修正像素值更新所述增强图像;
对更新后的增强图像进行二值化处理,得到静脉图像。
2.如权利要求1所述的图像处理方法,其特征在于,在所述使用指静脉采集设备获取原始的手指静脉图像之后,并且在所述对所述手指静脉图像进行Gabor滤波变换,得到增强图像之前,所述图像处理方法还包括:
对所述手指静脉图像中的像素点进行遍历,获取每个所述像素点的RGB分量值;
根据所述像素点的RGB分量值,按照如下公式对所述手指静脉图像作灰度化处理,得到灰化图像:
g(x,y)=k1*R(x,y)+k2*G(x,y)+k3*B(x,y)
其中,x和y为所述手指静脉图像中每个像素点的横坐标和纵坐标,g(x,y)为像素点(x,y)灰度化处理后的灰度值,R(x,y)为所述像素点(x,y)的R通道的颜色分量,G(x,y)为所述像素点(x,y)的G通道的颜色分量,B(x,y)为所述像素点(x,y)的B通道的颜色分量,k1,k2,k3分别为所述R通道,所述G通道和所述B通道对应的占比参数;
对所述灰化图像进行灰度反转处理,得到灰度反转后的所述手指静脉图像。
4.如权利要求1所述的图像处理方法,其特征在于,在所述使用所述评估分数对所述评估像素点的像素值进行调整,得到每个所述评估像素点的修正像素值,并使用所述修正像素值更新所述增强图像之后,并且在所述对更新后的增强图像进行二值化处理,得到静脉图像之前,所述图像处理方法还包括:
针对更新后的所述增强图像中的每个像素点,按照预设的相邻区域,使用所述相邻区域的相邻像素点的像素值,对该像素点的像素值进行修正。
5.如权利要求1所述的图像处理方法,其特征在于,所述预设的切割方向包括至少2个方向,所述对更新后的增强图像进行二值化处理,得到静脉图像包括:
将根据每个所述切割方向得到的所述更新后的增强图像作为待合成图像;
对每个所述待合成图像中相同位置的像素点,选取该像素点在每个所述待合成图像中的最大像素值,作为该像素点在合成图像中的像素值,得到合成图像;
对所述合成图像进行二值化处理,得到所述静脉图像。
6.一种图像处理装置,其特征在于,所述图像处理装置包括:
采集模块,用于使用指静脉采集设备获取原始的手指静脉图像;
变换模块,用于对所述手指静脉图像进行Gabor滤波变换,得到增强图像;
切割模块,用于根据预设的切割方向和预设的像素间隔,对所述增强图像进行切割,得到n条切割线,其中,n为正整数;
匹配模块,用于针对每条所述切割线,计算在该切割线上的每个像素点的曲率值,将所述曲率值大于零的像素点确定为评估像素点,并将连续的所述评估像素点所在的区域确定为局部静脉区域;
计算模块,用于针对每个所述评估像素点,获取包含该评估像素点的所述局部静脉区域的宽度,并将该宽度与该评估像素点的曲率值的乘积,作为该评估像素点的评估分数;
更新模块,用于使用所述评估分数对所述评估像素点的像素值进行调整,得到每个所述评估像素点的修正像素值,并使用所述修正像素值更新所述增强图像;
二值化模块,用于对更新后的增强图像进行二值化处理,得到静脉图像。
7.如权利要求6所述的图像处理装置,其特征在于,所述图像处理装置还包括:
获取模块,用于对所述手指静脉图像中的像素点进行遍历,获取每个所述像素点的RGB分量值;
灰化模块,用于根据所述像素点的RGB分量值,按照如下公式对所述手指静脉图像作灰度化处理,得到灰化图像:
g(x,y)=k1*R(x,y)+k2*G(x,y)+k3*B(x,y)
其中,x和y为所述手指静脉图像中每个像素点的横坐标和纵坐标,g(x,y)为像素点(x,y)灰度化处理后的灰度值,R(x,y)为所述像素点(x,y)的R通道的颜色分量,G(x,y)为所述像素点(x,y)的G通道的颜色分量,B(x,y)为所述像素点(x,y)的B通道的颜色分量,k1,k2,k3分别为所述R通道,所述G通道和所述B通道对应的占比参数;
反转模块,用于对所述灰化图像进行灰度反转处理,得到灰度反转后的所述手指静脉图像。
9.一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述图像处理方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至5任一项所述图像处理方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810588087.7A CN108875621B (zh) | 2018-06-08 | 2018-06-08 | 图像处理方法、装置、计算机设备及存储介质 |
PCT/CN2018/103809 WO2019232945A1 (zh) | 2018-06-08 | 2018-09-03 | 图像处理方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810588087.7A CN108875621B (zh) | 2018-06-08 | 2018-06-08 | 图像处理方法、装置、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108875621A CN108875621A (zh) | 2018-11-23 |
CN108875621B true CN108875621B (zh) | 2023-04-18 |
Family
ID=64338548
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810588087.7A Active CN108875621B (zh) | 2018-06-08 | 2018-06-08 | 图像处理方法、装置、计算机设备及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN108875621B (zh) |
WO (1) | WO2019232945A1 (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109766761A (zh) * | 2018-12-15 | 2019-05-17 | 深圳壹账通智能科技有限公司 | 滑冰评级方法、装置、设备及存储介质 |
CN109859165B (zh) * | 2018-12-24 | 2023-06-09 | 新绎健康科技有限公司 | 一种取脉点的定位方法及装置 |
CN109902586A (zh) * | 2019-01-29 | 2019-06-18 | 平安科技(深圳)有限公司 | 掌纹提取方法、装置及存储介质、服务器 |
CN110084238B (zh) * | 2019-04-09 | 2023-01-03 | 五邑大学 | 基于LadderNet网络的指静脉图像分割方法、装置和存储介质 |
CN111223787B (zh) * | 2020-01-02 | 2023-04-07 | 长江存储科技有限责任公司 | 三维存储器的沟槽结构测量方法、装置、设备及介质 |
CN111382703B (zh) * | 2020-03-10 | 2023-06-23 | 大连海事大学 | 一种基于二次筛选与分数融合的指静脉识别方法 |
CN112116542B (zh) * | 2020-09-24 | 2024-03-08 | 西安宇视信息科技有限公司 | 图像对比度增强方法、装置、电子设备和存储介质 |
CN112801980B (zh) * | 2021-01-28 | 2023-08-08 | 浙江聚视信息技术有限公司 | 一种图像的角点检测方法及装置 |
CN113421203A (zh) * | 2021-06-30 | 2021-09-21 | 深圳市纵维立方科技有限公司 | 图像处理方法、打印方法、打印相关装置及可读存储介质 |
CN115082507B (zh) * | 2022-07-22 | 2022-11-18 | 聊城扬帆田一机械有限公司 | 一种路面切割机智能调控系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101867704A (zh) * | 2010-05-20 | 2010-10-20 | 苏州新海宜通信科技股份有限公司 | 一种去除视频图像块状噪声的方法 |
CN102184528A (zh) * | 2011-05-12 | 2011-09-14 | 中国人民解放军国防科学技术大学 | 低质量手指静脉图像增强方法 |
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 |
CN104239769A (zh) * | 2014-09-18 | 2014-12-24 | 北京智慧眼科技发展有限公司 | 基于手指静脉特征的身份识别方法及系统 |
CN104616260A (zh) * | 2015-02-06 | 2015-05-13 | 武汉工程大学 | 静脉图像增强方法及装置 |
CN105404864A (zh) * | 2015-11-16 | 2016-03-16 | 成都四象联创科技有限公司 | 基于灰度图像的识别方法 |
CN107862282A (zh) * | 2017-11-07 | 2018-03-30 | 深圳市金城保密技术有限公司 | 一种手指静脉识别与安全认证方法及其终端及系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7519209B2 (en) * | 2004-06-23 | 2009-04-14 | Vanderbilt University | System and methods of organ segmentation and applications of same |
WO2011052085A1 (ja) * | 2009-10-30 | 2011-05-05 | 富士通フロンテック株式会社 | 生体情報登録方法、生体認証方法および生体認証装置 |
-
2018
- 2018-06-08 CN CN201810588087.7A patent/CN108875621B/zh active Active
- 2018-09-03 WO PCT/CN2018/103809 patent/WO2019232945A1/zh active Application Filing
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101867704A (zh) * | 2010-05-20 | 2010-10-20 | 苏州新海宜通信科技股份有限公司 | 一种去除视频图像块状噪声的方法 |
CN102184528A (zh) * | 2011-05-12 | 2011-09-14 | 中国人民解放军国防科学技术大学 | 低质量手指静脉图像增强方法 |
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 |
CN104239769A (zh) * | 2014-09-18 | 2014-12-24 | 北京智慧眼科技发展有限公司 | 基于手指静脉特征的身份识别方法及系统 |
CN104616260A (zh) * | 2015-02-06 | 2015-05-13 | 武汉工程大学 | 静脉图像增强方法及装置 |
CN105404864A (zh) * | 2015-11-16 | 2016-03-16 | 成都四象联创科技有限公司 | 基于灰度图像的识别方法 |
CN107862282A (zh) * | 2017-11-07 | 2018-03-30 | 深圳市金城保密技术有限公司 | 一种手指静脉识别与安全认证方法及其终端及系统 |
Non-Patent Citations (2)
Title |
---|
张珣等.用于手背静脉注射的图像自动识别与标注.《红外技术》.2015,第第37卷卷(第第37卷期),全文. * |
林剑 ; 钟舜聪 ; 张翔 ; .基于Hessian矩阵的手指静脉图像分割.机电工程.2016,(12),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN108875621A (zh) | 2018-11-23 |
WO2019232945A1 (zh) | 2019-12-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108875621B (zh) | 图像处理方法、装置、计算机设备及存储介质 | |
WO2019205290A1 (zh) | 一种图像检测方法、装置、计算机设备及存储介质 | |
CN110163842B (zh) | 建筑裂缝检测方法、装置、计算机设备和存储介质 | |
CN111680746B (zh) | 车损检测模型训练、车损检测方法、装置、设备及介质 | |
CN110059700B (zh) | 图像摩尔纹识别方法、装置、计算机设备及存储介质 | |
CN109509200B (zh) | 基于轮廓提取的棋盘格角点检测方法以及计算机可读存储介质 | |
CN104239870B (zh) | 一种基于曲线弧分割的椭圆检测方法 | |
CN108898132B (zh) | 一种基于形状上下文描述的太赫兹图像危险品识别方法 | |
JP2021531571A (ja) | 証明書画像抽出方法及び端末機器 | |
WO2020155764A1 (zh) | 掌纹提取方法、装置及存储介质、服务器 | |
CN113160087A (zh) | 图像增强方法、装置、计算机设备及存储介质 | |
CN115457063A (zh) | Pcb板圆孔的边缘提取方法、装置、设备及存储介质 | |
CN117152163A (zh) | 一种桥梁施工质量视觉检测方法 | |
CN111915541A (zh) | 基于人工智能的图像增强处理方法、装置、设备及介质 | |
KR20130035914A (ko) | 디지털 단색 이미지의 결함 픽셀의 휘도를 정정하는 방법 | |
CN107239761B (zh) | 基于骨架角点检测的果树拉枝效果评价方法 | |
CN109035285B (zh) | 图像边界确定方法及装置、终端及存储介质 | |
CN110298816B (zh) | 一种基于图像重生成的桥梁裂缝检测方法 | |
CN109785353B (zh) | 一种二维码的二次遍历二值化方法、装置和存储介质 | |
CN108647680B (zh) | 图像定位框检测方法和装置 | |
CN113643290B (zh) | 一种基于图像处理的吸管计数方法、装置及存储介质 | |
CN112308044B (zh) | 针对掌静脉图像的图像增强处理方法和掌静脉识别方法 | |
CN114140620A (zh) | 一种物体直线轮廓检测方法 | |
CN114943720A (zh) | 一种电力图像处理方法及装置 | |
CN112395988A (zh) | 手指静脉识别方法、装置、计算机设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |