CN110008796B - 生物特征影像处理方法及其电子装置 - Google Patents
生物特征影像处理方法及其电子装置 Download PDFInfo
- Publication number
- CN110008796B CN110008796B CN201810357790.7A CN201810357790A CN110008796B CN 110008796 B CN110008796 B CN 110008796B CN 201810357790 A CN201810357790 A CN 201810357790A CN 110008796 B CN110008796 B CN 110008796B
- Authority
- CN
- China
- Prior art keywords
- image
- pixels
- gray
- sub
- biometric
- 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.)
- Expired - Fee Related
Links
- 238000003672 processing method Methods 0.000 title abstract description 28
- 238000000034 method Methods 0.000 claims abstract description 70
- 230000000873 masking effect Effects 0.000 claims abstract description 19
- 230000008569 process Effects 0.000 claims description 23
- 238000005457 optimization Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 6
- 238000003706 image smoothing Methods 0.000 description 6
- 238000009499 grossing Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000010191 image analysis Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 210000003462 vein Anatomy 0.000 description 2
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
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
- G06V40/12—Fingerprints or palmprints
- G06V40/13—Sensors therefor
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
- Image Input (AREA)
Abstract
本发明提出一种生物特征影像处理方法以及电子装置。生物特征影像处理方法包括以下步骤:取得第一生物特征影像;撷取第一生物特征影像的第一部分像素的多个灰阶值,并且组合第一生物特征影像的第一部分像素的所述多个灰阶值,以产生第一子影像;对第一子影像进行影像处理程序;借由经影像处理之后的第一子影像的全部像素的多个灰阶值来取代第一生物特征影像的第一部分像素的所述多个灰阶值;以及对第一生物特征影像的其他部分像素的未经取代的多个灰阶值进行遮罩运算,以产生第二生物特征影像。
Description
技术领域
本发明涉及一种影像处理方法,且特别涉及一种生物特征影像处理方法及其电子装置。
背景技术
近年来生物识别技术的广泛地应用于各种电子装置中,电子装置例如行动装置、个人计算机,而生物识别技术例如是采用指纹识别(Fingerprint recognition)技术、人脸识别(Face recognition)技术、虹膜识别(Iris recognition)技术或指静脉识别(Veinrecognition)技术。一般而言,配置有生物特征感测模组的电子装置会先取得原始的生物特征影像,并且对原始的生物特征影像进行影像优化,以取得具有可识别性或影像质量较佳的生物特征影像。接着,电子装置利用经影像处理之后的生物特征影像来进行的识别程序或其他应用程序。
然而,由于一般的生物特征影像处理可对生物特征影像进行如去影像噪声程序、去影像背景程序、影像平滑化程序或强化影像对比度程序等诸如此类的影像优化程序,因此需要花费大量的处理运算以及额外的内存空间。对此,如果电子装置的资源有限,则会无法提供有效的生物特征识别功能。因此,如何降低电子装置执行生物特征影像处理所需要的运算资源,以下将提出几个实施例的解决方案。
发明内容
本发明提供一种生物特征影像处理方法以及电子装置可有效地优化的生物特征影像。
本发明的生物特征影像处理方法包括以下步骤:取得第一生物特征影像;撷取第一生物特征影像的第一部分像素的多个灰阶值,并且组合第一生物特征影像的第一部分像素的所述多个灰阶值,以产生第一子影像;对第一子影像进行影像处理程序;借由经影像处理之后的第一子影像的全部像素的多个灰阶值来取代第一生物特征影像的第一部分像素的所述多个灰阶值;以及对第一生物特征影像的其他部分像素的未经取代的多个灰阶值进行遮罩运算,以产生第二生物特征影像。
本发明的电子装置包括传感器以及处理器。传感器用于取得第一生物特征影像。处理器耦接传感器。处理器用于撷取第一生物特征影像的第一部分像素的多个灰阶值,并且组合第一生物特征影像的第一部分像素的所述多个灰阶值,以产生第一子影像。处理器对第一子影像进行影像处理程序,并且借由经影像处理之后的第一子影像的全部像素的多个灰阶值来取代第一生物特征影像的第一部分像素的所述多个灰阶值。处理器对第一生物特征影像的其他部分像素的未经取代的多个灰阶值进行遮罩运算,以产生第二生物特征影像。
基于上述,本发明的生物特征影像处理方法以及电子装置可撷取原始生物特征影像的部分像素的灰阶值来制作子影像,并且对子影像进行影像处理后,再将经影像处理之后的子影像与原始生物特征影像进行相对比例混合,以取得优化后的生物特征影像。因此。本发明的生物特征影像处理方法以及电子装置可有效地优化的生物特征影像,并且可有效地降低电子装置执行生物特征影像处理所需花费的运算资源。
为了让本发明的上述特征和优点能更明显易懂,下文特别列举实施例,并结合所附图式作详细说明如下。
附图说明
图1是根据本发明一实施例的电子装置的示意图;
图2是根据本发明另一实施例的电子装置的示意图;
图3是根据本发明的第一实施例的生物特征影像处理方法的流程图;
图4是根据图3实施例的生物特征影像的灰阶变化图;
图5是根据本发明的第二实施例的生物特征影像处理方法的流程图;
图6是根据图5实施例的生物特征影像的灰阶变化图;
图7是根据本发明的第三实施例的生物特征影像处理方法的流程图;
图8是根据图7实施例的生物特征影像的灰阶变化图;
图9是根据本发明的另一实施例的生物特征影像处理方法的流程图。
附图标号说明:
20:手指;
100、200:电子装置;
110、210:传感器;
120、220:处理器;
130、230:内存;
211:光接收面;
240:模拟至数字转换器;
401、402、601、602、801、802:曲线;
S310~S350、S510~S560、S710~S760、S910~S960:步骤。
具体实施方式
为了使本发明的内容可以被更容易明了,以下特别列举实施例作为本发明确实能够进行实施的示例。另外,在任何可能的情况下,在附图及实施方式中使用相同标号的组件/构件/步骤代表相同或类似部件。
图1是根据本发明一实施例的电子装置的示意图。参考图1,电子装置100包括传感器110、处理器120以及内存130。处理器120耦接传感器110以及内存130。在本实施例中,传感器110用于感测生物特征,并且将生物特征影像输出至处理器120,其中生物特征影像可为灰阶(grayscale)影像。处理器120接收传感器110提供的生物特征影像,并且对生物特征影像进行影像优化。在本实施例中,内存130可用于储存处理器120在生物特征影像进行影像优化的过程中产生的相关数据、影像或数据,并且内存130可用于储存影像处理程序,以供处理器120读取并执行该影像处理程序。
具体而言,处理器120接收传感器110提供的第一生物特征影像,并且撷取第一生物特征影像的第一部分像素的多个灰阶值。处理器120可组合第一生物特征影像的第一部分像素的这些灰阶值,以产生第一子影像。首先,在本实施例中,处理器120可对第一子影像进行影像处理程序,以优化第一子影像,并且将经影像处理之后的第一子影像的全部像素的多个灰阶值来取代第一生物特征影像的第一部分像素的这些灰阶值。接着,在本实施例中,处理器120可对第一生物特征影像的其他部分像素的未经取代的多个灰阶值进行遮罩运算(mask operation),以产生第二生物特征影像。
也就是说,本实施例的处理器120可只对第一生物特征影像的部分像素进行调整,而无须运算第一生物特征影像的全部像素。并且,本实施例的处理器120可将经影像处理之后的第一子影像与原始的第一生物特征影像进行混合。处理器120可根据第一生物特征影像的所述部分像素的经取代的这些灰阶值来对第一生物特征影像的未经取代的其他部分像素进行遮罩运算,以产生第二生物特征影像。因此,本实施例的处理器120可有效地优化第一生物特征影像,并且可有效地降低电子装置100的运算资源。
此外,在一实施例中,处理器120还可额外撷取第一生物特征影像的第二部分像素的多个灰阶值。处理器120可组合第一生物特征影像的第二部分像素的这些灰阶值,以产生第二子影像。并且,处理器120可对第二子影像进行影像处理程序,以优化第二子影像,并且将经影像处理之后的第一子影像以及第二子影像各别的全部像素的多个灰阶值来取代第一生物特征影像的第一部分像素的这些灰阶值。值得注意的是,第一生物特征影像的第一部分像素可例如是指在第一生物特征影像中的每一偶数坐标的像素,并且第一生物特征影像的第二部分像素可例如是指在第一生物特征影像中的每一奇数坐标的像素,但本发明并不限于此。处理器120选择第一生物特征影像的部分像素来进行影像处理的方式,可根据不同生物特征的类型或不同的影像处理需求来决定。
在本实施例中,传感器110可以是指纹(Fingerprint)传感器、人脸(Face)传感器、虹膜(Iris)传感器或指静脉(Vien)传感器等。传感器110可撷取感测对象的影像,以将生物特征影像输出至处理器120。处理器120可以是中央处理单元(Central Processing Unit,CPU),或是其他可程序化的一般用途或特殊用途的微处理器(Microprocessor)、数字信号处理器(Digital Signal Processor, DSP)、可程序化控制器、特殊应用集成电路(Application Specific Integrated Circuits, ASIC)、可程序化逻辑设备(Programmable Logic Device, PLD)、其他类似处理电路或这些电路的组合。
在本实施例中,内存130可以是非临时性计算机可读记录介质(Non-transitorycomputer-readable recording medium)。非临时性计算机可读记录介质可以是只读存储器(Read-Only Memory, ROM)、可抹除可程序化只读存储器(Electrically-ErasableProgrammable Read-Only Memory, EPROM)或是电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory, EEPROM)等,本发明并不加以限制。
图2是根据本发明的另一实施例的电子装置的示意图。参考图2,以指纹感测为例。电子装置200可包括指纹传感器210、处理器220、内存230以及模拟至数字转换器240。指纹传感器210耦接数字转换器240。处理器220耦接内存230以及数字转换器240。在本实施例中,指纹传感器210可包括光接收面211。当使用者将手指20放置在光接收面211上的时候,指纹传感器210的光源可将可见光或非可见光发射至手指20,以使指纹传感器210的光接收器接收手指20反射的光线并且产生指纹特征影像。
在本实施例中,指纹传感器210将指纹特征影像输出至模拟至数字转换器240。模拟至数字转换器240将指纹传感器210提供的指纹特征影像转换为数字信息后输出至处理器220。因此,处理器220可对数字类型的指纹特征影像的部分数据进行影像处理程序,并且将经影像处理之后的所述部分数据与未经影像处理的其他部分数据进行相对比例混合,以优化指纹特征影像。并且,处理器220可将优化之后的指纹特征影像储存至内存230中,或将优化之后的指纹特征影像与内存230中的注册数据进行比对,以进行指纹识别。
在本实施例中,关于指纹传感器210、处理器220以及内存230的其他实施方式以及影像处理细节可参考上述图1实施例的说明,而获致足够的教示、建议以及实施说明,因此不再赘述。
图3是根据本发明的第一实施例的生物特征影像处理方法的流程图。参考图1以及图3,图3的生物特征影像处理方法可适用于图1的电子装置100。在步骤S310中,传感器110取得第一生物特征影像S310。在步骤S320中,处理器120以第一生物特征影像的每一个偶数坐标的像素的灰阶值来制作第一子影像。偶数坐标例如是(0,0)、(2,2)、(4,4)…等。在步骤S330中,处理器120对第一子影像进行影像处理程序。在步骤S330中,处理器120可第一子影像进行影像噪声分析程序(步骤S331),并且根据分析后的结果对第一子影像进行去影像噪声程序(步骤S332)。在步骤S340中,处理器120产生经影像处理之后的第一子影像。在步骤S350中,处理器120合并第一生物特征影像以及经影像处理的第一子影像,以产生第二生物特征影像。也就是说,处理器120可将第一生物特征影像优化,以取得影像质量较佳的第二生物特征影像。并且,相较于处理第一生物特征影像的全部像素,本实施的处理器120透过优化第一子影像的方式只需花费四分之一的运算资源以及内存空间。
详细而言,在步骤S330中,影像噪声分析程序(步骤S331)以及去影像噪声程序(步骤S332)例如是对第一子影像进行影像平滑处理,例如使用高斯平滑滤波器(GaussianSmoothing Filter)。在步骤S350中,处理器120将影像平滑处理后的第一子影像与第一生物特征影像混合。在本实施例中,处理器120借由影像平滑处理后的第一子影像的全部像素的灰阶值来取代原始的第一生物特征影像的每一个偶数坐标的像素的灰阶值,并且处理器120对在第一生物特征影像中未经取代的其他像素进行遮罩运算。在本实施例中,遮罩运算是指根据计算遮罩对在第一生物特征影像中的目标像素(未经取代的其他像素)以及目标像素周围的多个邻近像素的灰阶值进行加权平均运算,以调整目标像素的灰阶值。并且,这些邻近像素中对应于偶数坐标的部分像素的权重值大于这些邻近像素的其他部分像素的权重值。举例而言,在这些邻近像素中对应于偶数坐标的像素的权重可为4,而其他非偶数坐标的像素的权重可为1。因此,本实施例的处理器120可有效地优化生物特征影像。
图4是根据图3实施例的生物特征影像的灰阶变化图。参考图1、图3以及图4,以一维的指纹影像的影像处理结果为例。举例而言,传感器110可感测指纹特征,并且将160像素×160像素的指纹影像提供至处理器120。处理器120可根据上述图3实施例的生物特征影像处理方法对160像素×160像素的指纹影像进行优化。处理器120可撷取160像素×160像素的指纹影像当中的偶数坐标的每一个像素来制作80像素×80像素的第一子影像。处理器120可对80像素×80像素的第一子影像进行影像平滑处理,并且借由经影像平滑处理之后的第一子影像的全部像素来取代指纹影像的偶数坐标的这些像素。处理器120对指纹影像当中未经取代的其他部分像素进行遮罩运算,以优化指纹影像。
因此,如图4所示,曲线401(虚线)代表未经上述影像处理的指纹影像的其中一维的灰阶值变化,而曲线402(实线)代表经上述影像处理的指纹影像的所述其中一维的灰阶值变化。比较曲线401以及曲线402,经上述影像处理的灰阶值变化较为平滑。也就是说,本实施例的处理器120可有效地优化指纹影像,并且可有效地降低电子装置100的运算资源。另外,优化后的指纹影像可例如用于指纹识别或指纹分析,而同样可提升指纹识别质量或良好指纹分析结果。
图5是根据本发明的第二实施例的生物特征影像处理方法的流程图。参考图1以及图5,图5的生物特征影像处理方法可适用于图1的电子装置100。在步骤S510中,传感器110取得第一生物特征影像。在步骤S520中,处理器120以第一生物特征影像的每一个偶数坐标的像素的灰阶值来制作第一子影像。偶数坐标例如是(0,0)、(2,2)、(4,4)…等。在步骤S530中,处理器120对第一子影像进行影像处理程序。在步骤S530中,处理器120可对第一子影像进行影像整体分析程序(步骤S531),并且根据分析后的结果对第一子影像进行去除影像不平均背景程序(步骤S532),最后对第一子影像进行影像强化程序(步骤S533)。在步骤S540中,处理器120产生经影像处理之后的第一子影像。在步骤S550中,处理器120合并第一生物特征影像以及经影像处理的第一子影像,以产生第二生物特征影像。在步骤S560中,处理器120进一步优化第二生物特征影像,以产生第三生物特征影像。也就是说,处理器120可将第一生物特征影像优化,以取得影像质量较佳的第二生物特征影像,并且对第二生物特征影像再次进行优化,以取得影像质量更佳的第三生物特征影像。并且,相较于处理第一生物特征影像的全部像素,本实施的处理器120透过优化第一子影像的方式只需花费四分之一的运算资源以及内存空间。
详细而言,在步骤S530中,影像整体分析程序(步骤S531)以及去除影像不均匀背景程序(步骤S532)例如是对第一子影像进行影像去背景处理,例如使用高斯去背法(Gaussian Background Removal)或滚球背景减去除法(Rolling Ball BackgroundRemoval)。影像强化程序(步骤S533)例如是对第一子影像进行等比例线性对比拉伸(Linear Scale Contrast Stretch)或是直方图拉伸(Histogram Equalization)。在步骤S550中,处理器120将影像去背景处理之后的第一子影像与第一生物特征影像混合。在本实施例中,处理器120借由影像去背景处理后的第一子影像的全部像素的灰阶值来取代原始的第一生物特征影像的每一个偶数坐标的像素的灰阶值,并且处理器120对在第一生物特征影像中未经取代的其他像素进行遮罩运算。在本实施例中,遮罩运算是指根据计算遮罩对在第一生物特征影像中的目标像素(未经取代的其他像素)以及目标像素周围的多个邻近像素的灰阶值进行加权平均运算,以调整目标像素的灰阶值。并且,这些邻近像素中对应于偶数坐标或奇数坐标的部分像素的权重值大于目标像素的权重值,并且目标像素的该权重值大于这些邻近像素的其他部分像素的权重值。举例而言,计算遮罩可例如采用于下公式(1)的矩阵。在以下公式(1)中,W0、W1、W2、W3为权重值。权重值W0对应于目标像素。权重值W1例如是对应于偶数坐标或奇数坐标的邻近像素。权重值W1大于权重值W0,并且权重值W0大于权重值W2、W3。公式(1)如下:
在步骤S560中,处理器120可进一步优化第二生物特征影像,以产生第三生物特征影像。在本实施例中,处理器120可对第二生物特征影像进行去除噪声程序与整体亮度调整程序。去除噪声程序可例如是对第二生物特征影像使用高斯平滑滤波器或是中值滤波器(Median filter)。整体亮度调整程序可例如是对第二生物特征影像使用等比例线性对比拉伸或是直方图拉伸,以强化影像对比。因此,本实施例的处理器120可有效地优化生物特征影像。
图6是根据图5实施例的生物特征影像的灰阶变化图。参考图1、图5以及图6,以一维的指纹影像的影像处理结果为例。举例而言,传感器110可感测指纹特征,并且将160像素×160像素的指纹影像提供至处理器120。处理器120可根据上述图5实施例的生物特征影像处理方法对160像素×160像素的指纹影像进行优化。处理器120可撷取160像素×160像素的指纹影像当中的偶数坐标的每一个像素来制作80像素×80像素的第一子影像。处理器120可对80像素×80像素的第一子影像进行影像去背景处理,并且借由经影像去背景处理之后的第一子影像的全部像素来取代指纹影像的偶数坐标的这些像素。处理器120对指纹影像当中未经取代的其他部分像素进行遮罩运算,以优化指纹影像。处理器120对优化后的指纹影像再进行简单的噪声去除以及整体亮度调整。
因此,如图6所示,曲线601(虚线)代表未经上述影像处理的指纹影像的其中一维的灰阶值变化,而曲线602(实线)代表经上述影像处理的指纹影像的所述其中一维的灰阶值变化。比较曲线601以及曲线602,经上述影像处理后,由于指纹影像的多余的背景信息被去除,并且指纹影像的对比度被强化,因此经上述影像处理的灰阶值变化较为明显。也就是说,本实施例的处理器120可有效地优化指纹影像,并且可有效地降低电子装置100的运算资源。另外,优化后的指纹影像可例如用于指纹识别或指纹分析,而同样可提升指纹识别质量或良好指纹分析结果。
图7是根据本发明的第三实施例的生物特征影像处理方法的流程图。参考图1以及图7,图7的生物特征影像处理方法可适用于图1的电子装置100。在步骤S710中,传感器110取得第一生物特征影像。在步骤S720中,处理器120以第一生物特征影像的每一个偶数坐标的像素的灰阶值来制作第一子影像,并且处理器120以第一生物特征影像的每一个奇数坐标的像素的灰阶值来制作第二子影像。偶数坐标例如是(0,0)、(2,2)、(4,4)…等,并且奇数坐标例如是(1,1)、(3,3)、(5,5)…等。在步骤S730中,处理器120对第一子影像以及第二子影像进行影像处理程序。在步骤S730中,处理器120可第一子影像进行影像整体分析程序(步骤S731),并且根据分析后的结果对第一子影像进行去除影像不平均背景程序(步骤S732),最后对第一子影像进行影像强化程序(步骤S733)。在步骤S740中,处理器120产生经影像处理之后的第一子影像以及经影像处理之后的第二子影像。在步骤S750中,处理器120合并第一生物特征影像以及经影像处理的第一子影像以及经影像处理之后的第二子影像,以产生第二生物特征影像。在步骤S760中,处理器120进一步优化第二生物特征影像,以产生第三生物特征影像。也就是说,处理器120可将第一生物特征影像优化,以取得影像质量较佳的第二生物特征影像,并且对第二生物特征影像再次进行优化,以取得影像质量更佳的第三生物特征影像。并且,相较于处理第一生物特征影像的全部像素,本实施的处理器120透过优化第一子影像以及第二子影像的方式只需花费二分之一的运算资源以及内存空间。
详细而言,在步骤S730中,影像整体分析程序(步骤S731)以及去除影像不均匀背景程序(步骤S732)例如是对第一子影像以及第二子影像进行影像去背景处理,例如使用高斯去背法或滚球背景减去除法。影像强化程序(步骤S733)例如是分别对第一子影像以及第二子影像进行等比例线性对比拉伸或是直方图拉伸。在步骤S750中,处理器120将影像去背景处理之后的第一子影像以及第二子影像与第一生物特征影像混合。在本实施例中,处理器120借由影像去背景处理后的第一子影像的全部像素的灰阶值来取代原始的第一生物特征影像的每一个偶数坐标的像素的灰阶值,并且处理器120借由影像去背景处理后的第二子影像的全部像素的灰阶值来取代原始的第一生物特征影像的每一个奇数坐标的像素的灰阶值。处理器120对在第一生物特征影像中未经取代的其他像素进行遮罩运算。在本实施例中,遮罩运算是指根据计算遮罩对在第一生物特征影像中的目标像素(未经取代的其他像素)以及目标像素周围的多个邻近像素的灰阶值进行加权平均运算,以调整目标像素的灰阶值。并且,在计算遮罩中,目标像素以及在目标像素周围的多个邻近像素的多个权重值可例如是根据四阶二项式来决定。举例而言,计算遮罩可例如采用于下公式(2)的矩阵。在公式(2)中,目标像素的权重值为36,并且在目标像素周围的这些邻近像素的权重值随着与目标像素的距离增加而减少。公式(2)如下:
在步骤S760中,处理器120可进一步优化第二生物特征影像,以产生第三生物特征影像。在本实施例中,处理器120可对第二生物特征影像进行去除噪声程序与整体亮度调整程序。去除噪声程序可例如是对第二生物特征影像使用高斯平滑滤波器或是中值滤波器(Median filter)。整体亮度调整程序可例如是对第二生物特征影像使用等比例线性对比拉伸或是直方图拉伸,以强化影像对比。因此,本实施例的处理器120可有效地优化生物特征影像。
图8是根据图7实施例的生物特征影像的灰阶变化图。参考图1、图7以及图8,以一维的指纹影像的影像处理结果为例。举例而言,传感器110可感测指纹特征,并且将160像素×160像素的指纹影像提供至处理器120。处理器120可根据上述图7实施例的生物特征影像处理方法对160像素×160像素的指纹影像进行优化。处理器120可撷取160像素×160像素的指纹影像当中的偶数坐标的每一个像素来制作80像素×80像素的第一子影像,并且处理器120可撷取160像素×160像素的指纹影像当中的奇数坐标的每一个像素来制作80像素×80像素的第二子影像。处理器120可对80像素×80像素的第一子影像以及第二子像素进行影像去背景处理,并且借由经影像去背景处理之后的第一子影像以及第二子像素各别的全部像素来取代指纹影像的偶数坐标以及奇数坐标的这些像素。处理器120对指纹影像当中未经取代的其他部分像素进行遮罩运算,以优化指纹影像。处理器120对优化后的指纹影像再进行简单的噪声去除以及整体亮度调整。
因此,如图8所示,曲线801(虚线)代表未经上述影像处理的指纹影像的其中一维的灰阶值变化,而曲线802(实线)代表经上述影像处理的指纹影像的所述其中一维的灰阶值变化。比较曲线801以及曲线802,经上述影像处理后,由于指纹影像的多余的背景信息被去除,并且指纹影像的对比度被强化,因此经上述影像处理的灰阶值变化较为明显。也就是说,本实施例的处理器120可有效地优化指纹影像,并且可有效地降低电子装置100的运算资源。另外,优化后的指纹影像可例如用于指纹识别或指纹分析,而同样可提升指纹识别质量或良好指纹分析结果。
图9是根据本发明的另一实施例的生物特征影像处理方法的流程图。参考图1以及图9,本实施例的生物特征影像处理方法可至少适用于图1实施例的电子装置100。在步骤S910中,传感器110取得第一生物特征影像。在步骤S920中,处理器120撷取第一生物特征影像的第一部分像素的多个灰阶值,并且组合第一生物特征影像的第一部分像素的所述多个灰阶值,以产生第一子影像。在步骤S930中,处理器120对第一子影像进行影像处理程序。在步骤S940中,处理器120借由经影像处理之后的第一子影像的全部像素的多个灰阶值来取代第一生物特征影像的第一部分像素的所述多个灰阶值。在步骤S950中,处理器120对第一生物特征影像的其他部分像素的未经取代的多个灰阶值进行遮罩运算,以产生第二生物特征影像。因此,处理器120可有效地优化第一生物特征影像,以取得影像质量较佳的第二生物特征影像。
综上所述,本发明的生物特征影像处理方法以及电子装置可先借由撷取原始的生物特征影像的部分像素的灰阶值来制作子影像,并对子影像进行优化后,可借由经优化后的子影像的全部像素的灰阶值来取代在原始的生物特征影像中的所述部分像素的灰阶值。接着,本发明的生物特征影像处理方法以及电子装置可针对在生物特征影像中未经取代的多个像素进行遮罩运算,以使相对比例的混合经优化后的子影像以及原始的生物特征影像。因此。本发明的生物特征影像处理方法以及电子装置可有效地优化的生物特征影像,并且可有效地降低电子装置执行生物特征影像处理所需花费的运算资源。
虽然本发明已通过实施例的方式公开如上,但其并非用于限定本发明,任何所属技术领域中具有公知常识的人,在不脱离本发明的精神和范围内,应当可作一些更动与润饰,因此本发明的保护范围应当以权利要求所界定的范围为准。
Claims (16)
1.一种生物特征影像处理方法,其特征在于,所述方法包括:
取得第一生物特征影像;
撷取所述第一生物特征影像的第一部分像素的多个灰阶值,并且将所述第一生物特征影像的所述第一部分像素的所述多个灰阶值排列为第一子影像,其中所述第一生物特征影像的所述第一部分像素为所述第一生物特征影像的每一偶数坐标的像素;
对所述第一子影像进行影像优化程序;
借由经影像优化之后的所述第一子影像的全部像素的多个灰阶值来取代所述第一生物特征影像的所述第一部分像素的所述多个灰阶值;以及
对所述第一生物特征影像的其他部分像素的未经取代的多个灰阶值进行遮罩运算,以产生第二生物特征影像。
2.根据权利要求1所述的生物特征影像处理方法,其特征在于,所述遮罩运算包括:
根据计算遮罩对在所述第一生物特征影像中的目标像素以及所述目标像素周围的多个邻近像素的灰阶值进行加权平均运算,以调整所述目标像素的所述灰阶值。
3.根据权利要求2所述的生物特征影像处理方法,其特征在于,在所述多个邻近像素中对应于偶数坐标或奇数坐标的一部分像素的权重值大于所述多个邻近像素的其他部分像素的权重值。
4.根据权利要求3所述的生物特征影像处理方法,其特征在于,在所述多个邻近像素中对应于偶数坐标或奇数坐标的所述部分像素的权重值大于所述目标像素的权重值,并且所述目标像素的所述权重值大于所述多个邻近像素的所述其他部分像素的所述权重值。
5.根据权利要求2所述的生物特征影像处理方法,其特征在于,所述目标像素以及在所述目标像素周围的多个邻近像素的多个权重值根据四阶二项式来决定。
6.根据权利要求1所述的生物特征影像处理方法,其特征在于,所述影像优化程序包括去除影像噪声程序、去除影像不均匀背景程序以及影像强化程序的至少其中之一。
7.根据权利要求1所述的生物特征影像处理方法,其特征在于,所述方法还包括:
撷取所述第一生物特征影像的第二部分像素的多个灰阶值,并且将所述第一生物特征影像的所述第二部分像素的所述多个灰阶值排列为第二子影像,其中所述第一生物特征影像的所述第二部分像素为所述第一生物特征影像的每一奇数坐标的像素;
对所述第二子影像进行所述影像优化程序;以及
借由经影像优化之后的所述第二子影像的全部像素的多个灰阶值来取代所述第一生物特征影像的所述第二部分像素的所述多个灰阶值。
8.根据权利要求1所述的生物特征影像处理方法,其特征在于,方法还包括:
对所述第二生物特征影像进行整体亮度调整程序,以产生第三生物特征影像。
9.一种电子装置,其特征在于,所述电子装置包括:
传感器,所述传感器用于取得第一生物特征影像;以及
处理器,所述处理器耦接所述传感器,用于撷取所述第一生物特征影像的第一部分像素的多个灰阶值,并且将所述第一生物特征影像的所述第一部分像素的所述多个灰阶值排列为第一子影像,其中所述第一生物特征影像的所述第一部分像素为所述第一生物特征影像的每一偶数坐标的像素,
其中所述处理器对所述第一子影像进行影像优化程序,并且借由经影像优化之后的所述第一子影像的全部像素的多个灰阶值来取代所述第一生物特征影像的所述第一部分像素的所述多个灰阶值,
其中所述处理器对所述第一生物特征影像的其他部分像素的未经取代的多个灰阶值进行遮罩运算,以产生第二生物特征影像。
10.根据权利要求9所述的电子装置,其特征在于,所述遮罩运算包括所述处理器根据计算遮罩对在所述第一生物特征影像中的目标像素以及所述目标像素周围的多个邻近像素的灰阶值进行加权平均运算,以调整所述目标像素的所述灰阶值。
11.根据权利要求10所述的电子装置,其特征在于,在所述多个邻近像素中对应于偶数坐标或奇数坐标的一部分像素的权重值大于所述多个邻近像素的其他部分像素的权重值。
12.根据权利要求11所述的电子装置,其特征在于,在所述多个邻近像素中对应于偶数坐标或奇数坐标的所述部分像素的权重值大于所述目标像素的权重值,并且所述目标像素的所述权重值大于所述多个邻近像素的所述其他部分像素的所述权重值。
13.根据权利要求10所述的电子装置,其特征在于,所述目标像素以及在所述目标像素周围的多个邻近像素的多个权重值根据四阶二项式来决定。
14.根据权利要求9所述的电子装置,其特征在于,所述影像优化程序包括去除影像噪声程序、去除影像不均匀背景程序以及影像强化程序的至少其中之一。
15.根据权利要求9所述的电子装置,其特征在于,所述处理器撷取所述第一生物特征影像的第二部分像素的多个灰阶值,并且将所述第一生物特征影像的所述第二部分像素的所述多个灰阶值排列为第二子影像,其中所述第一生物特征影像的所述第二部分像素为所述第一生物特征影像的每一奇数坐标的像素,
其中所述处理器对所述第二子影像进行所述影像优化程序,并且借由经影像优化之后的所述第二子影像的全部像素的多个灰阶值来取代所述第一生物特征影像的所述第二部分像素的所述多个灰阶值。
16.根据权利要求9所述的电子装置,其特征在于,所述处理器对所述第二生物特征影像进行整体亮度调整程序,以产生第三生物特征影像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/167,551 US10949957B2 (en) | 2018-01-04 | 2018-10-23 | Biometric image processing method and electronic device thereof |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201862613419P | 2018-01-04 | 2018-01-04 | |
US62/613,419 | 2018-01-04 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110008796A CN110008796A (zh) | 2019-07-12 |
CN110008796B true CN110008796B (zh) | 2021-06-01 |
Family
ID=67164810
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810357790.7A Expired - Fee Related CN110008796B (zh) | 2018-01-04 | 2018-04-20 | 生物特征影像处理方法及其电子装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN110008796B (zh) |
TW (1) | TWI709872B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI785335B (zh) * | 2020-05-20 | 2022-12-01 | 大陸商北京集創北方科技股份有限公司 | 指紋採集處理方法及利用其之指紋採集處理系統和資訊處理裝置 |
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 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011097936A1 (zh) * | 2010-02-11 | 2011-08-18 | 上海点佰趣信息科技有限公司 | 指纹图像增强方法 |
US20140003677A1 (en) * | 2012-06-29 | 2014-01-02 | Apple Inc. | Fingerprint Sensing and Enrollment |
CN103679639A (zh) * | 2012-09-05 | 2014-03-26 | 北京大学 | 基于非局部均值的图像去噪方法和装置 |
CN104392219A (zh) * | 2014-11-21 | 2015-03-04 | 上海箩箕技术有限公司 | 生物信息识别方法及装置 |
CN105243369A (zh) * | 2015-10-19 | 2016-01-13 | 广东欧珀移动通信有限公司 | 一种指纹的识别方法、装置以及移动终端 |
CN106709430A (zh) * | 2016-11-30 | 2017-05-24 | 努比亚技术有限公司 | 移动终端及基于移动终端的指纹信息图像处理方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101399991B (zh) * | 2007-09-26 | 2010-11-10 | 华为技术有限公司 | 一种视频解码的方法和装置 |
WO2013172471A1 (ja) * | 2012-05-14 | 2013-11-21 | 独立行政法人科学技術振興機構 | 画像処理装置、画像処理方法、プログラム、印刷媒体、および、記録媒体 |
CN104144310B (zh) * | 2014-07-31 | 2017-08-01 | 广东威创视讯科技股份有限公司 | 超高清分辨率图像处理方法和装置 |
-
2018
- 2018-04-20 CN CN201810357790.7A patent/CN110008796B/zh not_active Expired - Fee Related
- 2018-04-20 TW TW107113419A patent/TWI709872B/zh active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011097936A1 (zh) * | 2010-02-11 | 2011-08-18 | 上海点佰趣信息科技有限公司 | 指纹图像增强方法 |
US20140003677A1 (en) * | 2012-06-29 | 2014-01-02 | Apple Inc. | Fingerprint Sensing and Enrollment |
CN103679639A (zh) * | 2012-09-05 | 2014-03-26 | 北京大学 | 基于非局部均值的图像去噪方法和装置 |
CN104392219A (zh) * | 2014-11-21 | 2015-03-04 | 上海箩箕技术有限公司 | 生物信息识别方法及装置 |
CN105243369A (zh) * | 2015-10-19 | 2016-01-13 | 广东欧珀移动通信有限公司 | 一种指纹的识别方法、装置以及移动终端 |
CN106709430A (zh) * | 2016-11-30 | 2017-05-24 | 努比亚技术有限公司 | 移动终端及基于移动终端的指纹信息图像处理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110008796A (zh) | 2019-07-12 |
TWI709872B (zh) | 2020-11-11 |
TW201931184A (zh) | 2019-08-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20110211233A1 (en) | Image processing device, image processing method and computer program | |
US20070025625A1 (en) | Binarization of an image | |
KR102434703B1 (ko) | 생체 이미지 처리 방법 및 이를 포함한 장치 | |
JP6720845B2 (ja) | 画像処理装置、画像処理方法及びプログラム | |
JP5740844B2 (ja) | 撮像装置、画像処理方法、及び、コンピュータプログラム | |
CN110008796B (zh) | 生物特征影像处理方法及其电子装置 | |
US9536169B2 (en) | Detection apparatus, detection method, and storage medium | |
JP2014164528A (ja) | 文字認識装置、文字認識方法及びプログラム | |
CN117496560B (zh) | 一种基于多维向量的指纹纹线识别方法及装置 | |
JP5772675B2 (ja) | 濃淡画像のエッジ抽出方法、エッジ抽出装置並びに濃淡画像のエッジ抽出プログラム | |
US10373329B2 (en) | Information processing apparatus, information processing method and storage medium for determining an image to be subjected to a character recognition processing | |
JP2016164709A (ja) | 画像処理装置、撮像装置および画像処理プログラム | |
CN111222446A (zh) | 人脸识别方法、人脸识别装置及移动终端 | |
US20150262382A1 (en) | Image processing apparatus and image processing method | |
CN111091513B (zh) | 图像处理方法、装置、计算机可读存储介质及电子设备 | |
CN113470028A (zh) | 染色体核型图像质量评估方法、染色体分析仪和存储介质 | |
JP2018160024A (ja) | 画像処理装置、画像処理方法及びプログラム | |
US10949957B2 (en) | Biometric image processing method and electronic device thereof | |
JP6171165B2 (ja) | 運転免許証読取装置及び運転免許証読取方法 | |
JP5206300B2 (ja) | プログラム、カメラ、画像処理装置および画像の合焦度算出方法 | |
JP5355292B2 (ja) | 画像処理装置、画像処理方法 | |
US9639776B2 (en) | Image evaluation device and image evaluation system | |
JP6955147B2 (ja) | 画像処理装置、画像処理方法、及び画像処理プログラム | |
CN113158764B (zh) | 图像分割方法、装置、设备和存储介质 | |
WO2022137448A1 (ja) | 認識装置及び認識方法 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210601 |