CN114782478B - 一种手掌图像分割方法及装置 - Google Patents

Abstract

一种手掌图像分割方法及装置，其中，手掌分割方法包括：将手掌图像进行二值化处理得到初始手掌分割图像，获取所述手掌图像的轮廓边缘并根据所述手掌图像的轮廓边缘分割所述初始手掌分割图像得到手掌分割图像。本发明提供的技术方案可以有效分割闭合手掌，便于掌纹或掌静脉认证过程中的指缝点定位。

Description

一种手掌图像分割方法及装置

技术领域

本发明属于信息安全领域中的生物识别技术，具体涉及一种手掌图像分割方法及装置。

背景技术

近年来，随着信息技术的发展，信息安全和身份认证受到极大重视，采用生物识别进行身份认证相比传统密码、口令、IC卡等认证方式，具有不会丢失、随身携带、不会被仿冒盗用等特点，基于此，采用生物识别进行身份认证已逐渐成为身份认证主流的方式。采用生物识别进行身份认证一般采集的为人脸、手部的生物特征，其中手部相对于人脸属于被动采集，安全性更高。手部的生物特征一般为指纹、指静脉、掌纹、掌静脉，其中因掌部相对于指部面积更大，因此包含的生物特征信息更加丰富，因此基于掌纹和掌静脉的身份认证发展日趋迅猛。

无论是掌纹或掌静脉身份认证，一般均需首先定位指缝点，然后基于指缝点进行感兴趣区域截取，进而提取掌纹或掌静脉特征进行身份认证。现有的掌纹或掌静脉身份认证方法中，采集的均为张开的手掌，相邻的手指间存在背景区域，因此通过与背景分割即可定位指缝点。但若采集的为闭合手掌，因相邻的手指间不存在或存在极小的背景区域，因此难以分割并定位指缝点。

发明内容

本发明的目的在于提供一种手掌图像分割方法及装置，可以有效分割闭合手掌，便于掌纹或掌静脉认证过程中的指缝点定位。为了达到目的，本发明提供的技术方案为：一种手掌图像分割方法，包括：将手掌图像进行二值化处理得到初始手掌分割图像并获取所述手掌图像的轮廓边缘，根据所述手掌图像的轮廓边缘分割所述初始手掌分割图像得到手掌分割图像。

优选地，所述将所述手掌图像进行二值化处理得到初始手掌分割图像，包括：采用分割算法计算所述手掌图像的第一分割阈值，获取所述手掌图像中像素点灰度值小于第一分割阈值的区域，根据所述区域计算所述手掌图像的第二分割阈值，并通过所述第二分割阈值将所述手掌图像二值化处理得到初始手掌分割图像。

优选地，所述获取所述手掌图像的轮廓边缘之前，还包括对所述手掌图像进行预处理，所述预处理包括：获取所述手掌图像的细节层，通过所述细节层对手掌图像进行增强处理，其中，所述细节层为所述手掌图像与采用低通滤波处理后手掌图像对应位置的像素点的灰度值差。

优选地，所述预处理还包括对增强后的手掌图像进行非线性变换。

优选地，所述获取所述手掌图像的轮廓边缘，包括：计算所述手掌图像每个像素点的梯度值，根据所述梯度值获取所述手掌图像的初始轮廓边缘，通过初始轮廓边缘获取第一置信度轮廓边缘和第二置信度轮廓边缘，所述第二置信度轮廓边缘所在像素点的梯度值大于所述第一置信度轮廓边缘所在像素点的梯度值，根据所述第一置信度轮廓边缘和第二置信度轮廓边缘获得所述手掌图像的轮廓边缘。

优选地，所述手掌图像每个像素点的梯度值包括每个像素点多个方向的梯度值，同一方向梯度值最大的像素点为所述手掌图像的初始轮廓边缘。

优选地，所述根据所述第一置信度轮廓边缘和第二置信度轮廓点边缘获得所述手掌图像的轮廓边缘，包括分别计算第一置信度轮廓边缘和第二置信度轮廓边缘的连通区域，若第一置信度轮廓边缘和第二置信度轮廓边缘具有相交的连通区域，则该连通区域为手掌图像的轮廓边缘。

优选地，所述根据所述手掌图像的轮廓边缘分割所述初始手掌分割图像为腐蚀所述初始手掌分割图上的与所述手掌图像的轮廓边缘相对应的像素点。

优选地，在所述获取手掌图像的轮廓边缘并将所述手掌图像进行二值化处理得到初始手掌分割图像之前，还包括：采集用户的手掌图像，所述手掌图像为近红外灯照射手掌下采集的掌静脉图像或可见光照射手掌下采集的掌纹图像。

为解决上述技术问题，本申请还提供一种手掌图像分割装置，包括：二值化模块，用于将手掌图像进行二值化处理得到初始手掌分割图像；轮廓边缘获取模块，用于获取所述手掌图像的轮廓边缘；分割模块：用于根据所述手掌图像的轮廓边缘分割所述初始手掌分割图像得到手掌分割图像。

采用本申请提供的技术方案，将手掌图像进行二值化处理得到初始手掌分割图像和获取所述手掌图像的轮廓边缘，然后根据所述手掌图像的轮廓边缘分割所述初始手掌分割图像得到手掌分割图像，可以有效分割闭合手掌，便于掌纹或掌静脉认证过程中的指缝点定位。

附图说明

为了更清楚地说明本申请实施例，下面将对实施例中所需要使用的附图做简单的介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种手掌图像分割方法的流程图；

图2为本发明实施例提供的一种手掌图像分割装置的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下，所获得的所有其他实施例，都属于本申请保护范围。

参照附图1所示，本发明涉及一种手掌图像分割方法，包括以下步骤：

1）采集用户的手掌图像P，手掌图像为近红外灯照射手掌下采集的掌静脉图像或可见光照射手掌下采集的掌纹图像。采集掌静脉图像的原理是用近红外光源对人体手掌进行照射，利用血液中血红素对近红外光具有较强的吸收特性，使得近红外光照射后的手掌图像会在皮下静脉处呈现较暗的纹路，利用该静脉特征也可以进行身份识别。掌纹是手掌皮肤上所有纹路的统称，主要包括乳突纹、主线和皱褶，掌纹具有唯一性，即人的掌纹千差万别，没有任何两个手掌是完全相同的，由于掌纹的这一特点，人们可以利用掌纹进行身份鉴别。

2）采用大津阈值分割算法计算上述手掌图像的第一分割阈值，然后获取上述手掌图像中像素点灰度值小于第一分割阈值的区域，针对上述区域，再次使用大津阈值分割算法计算第二分割阈值，根据第二分割阈值将手掌图像二值化处理得到初始手掌分割图像，其中像素点灰度值大于第二分割阈值第二分割阈值的置1，小于第二分割阈值的置0。需要说明的是，本申请中采用的分割算法为大津阈值分割算法，其它也可以采用直方图阈值分割算法或最优阈值法等，在此不做限定。根据光学特性，采集的手掌图像一般会出现中间亮四周暗的情况，第一分割阈值一般会相对较大，如采用第一分割阈值进行分割，则容易出现手指缺失，无法分割出完整的手掌的现象，因此，本申请中通过两次计算分割阈值，可以有效避免上述情况的产生。

3）对上述采集的手掌图像P进行预处理，包括：

3.1）采用低通滤波对上述手掌图像P进行滤波处理获得底层图像P1，计算公式为：

P1=F(P) （1）

式中，P为采集的用户的手掌图像，F为低通滤波处理，P1为低通滤波处理后的底层图像。

需要说明的是，常见的低通滤波有高斯滤波、导向滤波、均值滤波，本申请中不做限定。低通滤波可以消除手掌图像中的高频部分，使图像变得更加平滑，得到的为手掌图像的低频信息。

3.2）获取上述手掌图像P的细节层P2，细节层P2为手掌图像P与采用低通滤波处理后获得的底层图像P对应像素位置的灰度差。计算公式为：

P2=P-P1 （2）

3.3）利用细节层P2对手掌图像P进行增强处理得到增强手掌图像P3，计算公式为：

P3=P+P2 （3）

3.4）对增强手掌图像P3进行非线性变换，提高低灰度区域的灰度值，本申请中采用gamma系数小于1的gamma变换，可以有效提高低灰度区域的灰度值，得到预处理后的手掌图像P4，计算公式为：

（4）

式中，G为gamma变换，

为gamma变换系数，取值范围为0＜

＜1。

需要说明的是，还可以对增强手掌图像P3进行对数变换、分段线性变换等非线性变换，只要可以有效提高灰度区域的灰度值即可，在此不做限定。

需要说明的是，因为通过对手掌图像P进行了细节增强处理，所以有可能导致手掌图像中部分区域较暗，即灰度值较低，此种情况不便于后续的轮廓特征提取，因此通过非线性增强处理，可以有效避免此种情况的发生。

4）获取预处理后的手掌图像的轮廓边缘，包括：

4.1）计算预处理后的手掌图像每个像素点多个方向的梯度值，同一方向梯度值最大的像素点为所述手掌图像的初始轮廓边缘。

4.2）通过初始轮廓边缘获取第一置信度轮廓边缘和第二置信度轮廓边缘，第二置信度轮廓边缘所在像素点的梯度值大于第一置信度轮廓边缘所在像素点的梯度值；本申请中，首先通过将初始轮廓边缘的梯度值从大到小排序，选取前10%的轮廓边缘点作为第一置信度轮廓边缘，选取前2%的轮廓边缘点作为第二置信度轮廓边缘。

需要说明的是，梯度表示图像变化的速度，对于图像的边缘部分，其灰度值变化较大，因此梯度值也较大，所以可以认为梯度值越大，其为边缘的置信度也越大。

4.3）根据第一置信度轮廓边缘和第二置信度轮廓边点缘获得手掌图像的轮廓边缘，包括分别计算第一置信度轮廓边缘和第二置信度轮廓边缘的连通区域，若第一置信度轮廓边缘和第二置信度轮廓边缘具有相交的连通区域，则该连通区域为手掌图像的轮廓边缘，反之不是手掌轮廓边缘。

需要说明的是，现有方案中，一般通过判断初始轮廓边缘连通区域的大小进行筛选是否为手掌图像的轮廓边缘，若采集的是闭合手掌图像，相邻手指间会有较多的小间缝，若采用此种方案，则很有可能把上述小间缝剔除，认为不是手掌图像的轮廓边缘。本申请通过第一置信度轮廓边缘和第二置信度轮廓边缘是否相交的连通区域进行判断，可以有效避免上述问题的产生，此外，通过双置信度，可以去除手掌中间部分的如掌纹等的轮廓，最终保证得到所有的轮廓边缘且去除其它非轮廓边缘。

5）根据手掌图像的轮廓边缘分割初始手掌分割图像，本申请中采用腐蚀操作，腐蚀初始手掌分割图上的与手掌图像的轮廓边缘相对应的像素点。需要说明的是，若是直接剔除初始手掌分割图上的与手掌图像的轮廓边缘相对应的像素点，则手指间缝较小，且有可能出现相邻手指粘连的情况，本申请通过腐蚀操作，可以增加手指间隙，避免出现相邻手指粘连的情况，便于后期的指缝点定位。

以上为本申请实施例提供的一种手掌图像分割方法，基于此，本申请还提供了对应的手掌图像分割装置，该装置可以是电子设备上的模块、程序段或代码。应理解，该装置与上述方法实施例对应，能够执行上述方法实施例涉及的各个步骤，该装置具体的功能可以参见上文中的描述，为避免重复，此处适当省略详细描述。参照附图2所示，手掌图像分割装置包括：二值化模块，用于将手掌图像进行二值化处理得到初始手掌分割图像；轮廓边缘获取模块，用于获取手掌图像的轮廓边缘；分割模块：用于根据手掌图像的轮廓边缘分割初始手掌分割图像得到手掌分割图像。需要说明的是在本实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

以上结合实施例对本发明进行了详细说明，但所述内容仅为本发明的较佳实施例，不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等，均应仍属于本发明的专利涵盖范围之内。

Claims (8)

1.一种手掌图像分割方法，其特征在于，包括：将手掌图像进行二值化处理得到初始手掌分割图像；获取所述手掌图像的轮廓边缘，包括：计算所述手掌图像每个像素点的梯度值，根据所述梯度值获取所述手掌图像的初始轮廓边缘，通过初始轮廓边缘获取第一置信度轮廓边缘和第二置信度轮廓边缘，所述第二置信度轮廓边缘所在像素点的梯度值大于所述第一置信度轮廓边缘所在像素点的梯度值，分别计算第一置信度轮廓边缘和第二置信度轮廓边缘的连通区域，若第一置信度轮廓边缘和第二置信度轮廓边缘具有相交的连通区域，则该连通区域为手掌图像的轮廓边缘；根据所述手掌图像的轮廓边缘分割所述初始手掌分割图像得到手掌分割图像。

2.根据权利要求1所述的手掌图像分割方法，其特征在于，所述将手掌图像进行二值化处理得到初始手掌分割图像，包括：采用分割算法计算所述手掌图像的第一分割阈值，获取所述手掌图像中像素点灰度值小于第一分割阈值的区域，根据所述区域计算所述手掌图像的第二分割阈值，并通过所述第二分割阈值将所述手掌图像二值化处理得到初始手掌分割图像。

3.根据权利要求1所述的手掌图像分割方法，其特征在于，所述获取所述手掌图像的轮廓边缘之前，还包括对所述手掌图像进行预处理，所述预处理包括：获取所述手掌图像的细节层，通过所述细节层对手掌图像进行增强处理，其中，所述细节层为所述手掌图像与采用低通滤波处理后手掌图像对应像素点的灰度值差。

4.根据权利要求3所述的手掌图像分割方法，其特征在于，所述预处理还包括对增强后的手掌图像进行非线性变换。

5.根据权利要求1所述的手掌图像分割方法，其特征在于，所述手掌图像每个像素点的梯度值包括每个像素点多个方向的梯度值，同一方向梯度值最大的像素点为所述手掌图像的初始轮廓边缘。

6.根据权利要求1所述的手掌图像分割方法，其特征在于，所述根据所述手掌图像的轮廓边缘分割所述初始手掌分割图像为腐蚀所述初始手掌分割图上的与所述手掌图像的轮廓边缘相对应的像素点。

7.根据权利要求1所述的手掌图像分割方法，其特征在于，在所述获取手掌图像的轮廓边缘并将所述手掌图像进行二值化处理得到初始手掌分割图像之前，还包括：采集用户的手掌图像，所述手掌图像为近红外灯照射手掌下采集的掌静脉图像或可见光照射手掌下采集的掌纹图像。

8.一种手掌图像分割装置，包括：二值化模块，用于将手掌图像进行二值化处理得到初始手掌分割图像；轮廓边缘获取模块，用于获取所述手掌图像的轮廓边缘，包括：计算所述手掌图像每个像素点的梯度值，根据所述梯度值获取所述手掌图像的初始轮廓边缘，通过初始轮廓边缘获取第一置信度轮廓边缘和第二置信度轮廓边缘，所述第二置信度轮廓边缘所在像素点的梯度值大于所述第一置信度轮廓边缘所在像素点的梯度值，分别计算第一置信度轮廓边缘和第二置信度轮廓边缘的连通区域，若第一置信度轮廓边缘和第二置信度轮廓边缘具有相交的连通区域，则该连通区域为手掌图像的轮廓边缘；分割模块：用于根据所述手掌图像的轮廓边缘分割所述初始手掌分割图像得到手掌分割图像。

Images