TW201931184A - 生物特徵影像處理方法及其電子裝置 - Google Patents

Abstract

本發明提出一種生物特徵影像處理方法以及電子裝置。生物特徵影像處理方法包括以下步驟：取得第一生物特徵影像；擷取第一生物特徵影像的第一部分像素的多個灰階值，並且組合第一生物特徵影像的第一部分像素的所述多個灰階值，以產生第一子影像；對第一子影像進行影像處理程序；藉由經影像處理之後的第一子影像的全部像素的多個灰階值來取代第一生物特徵影像的第一部分像素的所述多個灰階值；以及對第一生物特徵影像的其他部分像素的未經取代的多個灰階值進行遮罩運算，以產生第二生物特徵影像。

Description

生物特徵影像處理方法及其電子裝置

本發明是有關於一種影像處理方法，且特別是有關於一種生物特徵影像處理方法及其電子裝置。

近年來生物辨識技術的廣泛地應用於各種電子裝置中，電子裝置例如行動裝置、個人電腦，而生物辨識技術例如是採用指紋辨識(Fingerprint recognition)技術、人臉辨識(Face recognition)技術、虹膜辨識(Iris recognition)技術或指靜脈辨識(Vein recognition)技術。一般而言，配置有生物特徵感測模組的電子裝置會先取得原始的生物特徵影像，並且對原始的生物特徵影像進行影像優化，以取得具有可辨識性或影像品質較佳的生物特徵影像。接著，電子裝置利用經影像處理之後的生物特徵影像來進行的辨識程序或其他應用程序。

然而，由於一般的生物特徵影像處理可對生物特徵影像進行如去影像雜訊程序、去影像背景程序、影像平滑化程序或強化影像對比度程序等諸如此類的影像優化程序，因此需要花費大量的處理運算以及額外的記憶體空間。對此，若電子裝置的資源有限，則會無法提供有效的生物特徵辨識功能。因此，如何降低電子裝置執行生物特徵影像處理所需要的運算資源，以下將提出幾個實施例的解決方案。

本發明提供一種生物特徵影像處理方法以及電子裝置可有效地優化的生物特徵影像。

本發明的生物特徵影像處理方法包括以下步驟：取得第一生物特徵影像；擷取第一生物特徵影像的第一部分像素的多個灰階值，並且組合第一生物特徵影像的第一部分像素的所述多個灰階值，以產生第一子影像；對第一子影像進行影像處理程序；藉由經影像處理之後的第一子影像的全部像素的多個灰階值來取代第一生物特徵影像的第一部分像素的所述多個灰階值；以及對第一生物特徵影像的其他部分像素的未經取代的多個灰階值進行遮罩運算，以產生第二生物特徵影像。

本發明的電子裝置包括感測器以及處理器。感測器用以取得第一生物特徵影像。處理器耦接感測器。處理器用以擷取第一生物特徵影像的第一部分像素的多個灰階值，並且組合第一生物特徵影像的第一部分像素的所述多個灰階值，以產生第一子影像。處理器對第一子影像進行影像處理程序，並且藉由經影像處理之後的第一子影像的全部像素的多個灰階值來取代第一生物特徵影像的第一部分像素的所述多個灰階值。處理器對第一生物特徵影像的其他部分像素的未經取代的多個灰階值進行遮罩運算，以產生第二生物特徵影像。

基於上述，本發明的生物特徵影像處理方法以及電子裝置可擷取原始生物特徵影像的部分像素的灰階值來製作子影像，並且對子影像進行影像處理後，再將經影像處理之後的子影像與原始生物特徵影像進行相對比例混合，以取得優化後的生物特徵影像。因此。本發明的生物特徵影像處理方法以及電子裝置可有效地優化的生物特徵影像，並且可有效地降低電子裝置執行生物特徵影像處理所需花費的運算資源。

為讓本發明的上述特徵和優點能更明顯易懂，下文特舉實施例，並配合所附圖式作詳細說明如下。

為了使本發明之內容可以被更容易明瞭，以下特舉實施例做為本發明確實能夠據以實施的範例。另外，凡可能之處，在圖式及實施方式中使用相同標號的元件/構件/步驟，係代表相同或類似部件。

圖1是依照本發明的一實施例的電子裝置的示意圖。參考圖1，電子裝置100包括感測器110、處理器120以及記憶體130。處理器120耦接感測器110以及記憶體130。在本實施例中，感測器110用以感測生物特徵，並且輸出生物特徵影像至處理器120，其中生物特徵影像可為灰階(grayscale)影像。處理器120接收感測器110提供的生物特徵影像，並且對生物特徵影像進行影像優化。在本實施例中，記憶體130可用以儲存處理器120在生物特徵影像進行影像優化的過程中產生的相關資料、影像或數據，並且記憶體130可用於儲存影像處理程式，以供處理器120讀取並執行之。

具體而言，處理器120接收感測器110提供的第一生物特徵影像，並且擷取第一生物特徵影像的第一部分像素的多個灰階值。處理器120可組合第一生物特徵影像的第一部分像素的這些灰階值，以產生第一子影像。首先，在本實施例中，處理器120可對第一子影像進行影像處理程序，以優化第一子影像，並且將經影像處理之後的第一子影像的全部像素的多個灰階值來取代第一生物特徵影像的第一部分像素的這些灰階值。接著，在本實施例中，處理器120可對第一生物特徵影像的其他部分像素的未經取代的多個灰階值進行遮罩運算(mask operation)，以產生第二生物特徵影像。

也就是說，本實施例的處理器120可只對第一生物特徵影像的部分像素進行調整，而無須運算第一生物特徵影像的全部像素。並且，本實施例的處理器120可將經影像處理之後的第一子影像與原始的第一生物特徵影像進行混合。處理器120可依據第一生物特徵影像的所述部分像素的經取代的這些灰階值來對第一生物特徵影像的未經取代的其他部分像素進行遮罩運算，以產生第二生物特徵影像。因此，本實施例的處理器120可有效地優化的第一生物特徵影像，並且可有效地降低電子裝置100的運算資源。

此外，在一實施例中，處理器120還可額外擷取第一生物特徵影像的第二部分像素的多個灰階值。處理器120可組合第一生物特徵影像的第二部分像素的這些灰階值，以產生第二子影像。並且，處理器120可對第二子影像進行影像處理程序，以優化第二子影像，並且將經影像處理之後的第一子影像以及第二子影像各別的全部像素的多個灰階值來取代第一生物特徵影像的第一部分像素的這些灰階值。值得注意的是，第一生物特徵影像的第一部分像素可例如是指在第一生物特徵影像中的每一偶數座標的像素，並且第一生物特徵影像的第二部分像素可例如是指在第一生物特徵影像中的每一奇數座標的像素，但本發明並不限於此。處理器120選擇第一生物特徵影像的部分像素來進行影像處理的方式，可依據不同生物特徵的類型或不同的影像處理需求來決定。

在本實施例中，感測器110可以是指紋(Fingerprint)感測器、人臉(Face)感測器、虹膜(Iris)感測器或指靜脈(Vien)感測器等。感測器110可擷取感測對象的影像，以輸出生物特徵影像至處理器120。處理器120可以是中央處理單元(Central Processing Unit, CPU)，或是其他可程式化之一般用途或特殊用途的微處理器(Microprocessor)、數位訊號處理器(Digital Signal Processor, DSP)、可程式化控制器、特殊應用積體電路(Application Specific Integrated Circuits, ASIC)、可程式化邏輯裝置(Programmable Logic Device, PLD)、其他類似處理電路或這些電路的組合。

在本實施例中，記憶體130可以是非臨時性電腦可讀記錄介質(Non-transitory computer-readable recording medium)。非臨時性電腦可讀記錄介質可以是唯讀記憶體(Read-Only Memory, ROM)、可抹除可程式化唯讀記憶體(Electrically-Erasable Programmable Read-Only Memory, EPROM)或是電子抹除式可複寫唯讀記憶體(Electrically-Erasable Programmable Read-Only Memory, EEPROM)等，本發明並不加以限制。

圖2是依照本發明的另一實施例的電子裝置的示意圖。參考圖2，以指紋感測為例。電子裝置200可包括指紋感測器210、處理器220、記憶體230以及類比至數位轉換器240。指紋感測器210耦接數位轉換器240。處理器220耦接記憶體230以及數位轉換器240。在本實施例中，指紋感測器210可包括光接收面211。當使用者將手指20放置在光接收面211上的時候，指紋感測器210的光源可發射可見光或非可見光至手指20，以使指紋感測器210的光接收器接收手指20反射的光線並且產生指紋特徵影像。

在本實施例中，指紋感測器210輸出指紋特徵影像至類比至數位轉換器240。類比至數位轉換器240將指紋感測器210提供的指紋特徵影像轉換為數位資訊後輸出至處理器220。因此，處理器220可對數位類型的指紋特徵影像的部分資料進行影像處理程序，並且將經影像處理之後的所述部分資料與未經影像處理的其他部分資料進行相對比例混合，以優化指紋特徵影像。並且，處理器220可將優化之後的指紋特徵影像儲存至記憶體230中，或將優化之後的指紋特徵影像與記憶體230中的註冊資料進行比對，以進行指紋辨識。

在本實施例中，關於指紋感測器210、處理器220以及記憶體230的其他實施方式以及影像處理細節可參考上述圖1實施例的說明，而獲致足夠的教示、建議以及實施說明，因此不再贅述。

圖3是依照本發明的第一實施例的生物特徵影像處理方法的流程圖。參考圖1以及圖3，圖3的生物特徵影像處理方法可適用於圖1的電子裝置100。在步驟S310中，感測器110取得第一生物特徵影像S310。在步驟S320中，處理器120以第一生物特徵影像的每一個偶數座標的像素的灰階值來製作第一子影像。偶數座標例如是(0,0)、(2,2)、(4,4)…等。在步驟S330中，處理器120對第一子影像進行影像處理程序。在步驟S330中，處理器120可第一子影像進行影像雜訊分析程序(步驟S331)，並且依據分析後的結果對第一子影像進行去影像雜訊程序(步驟S332)。在步驟S340中，處理器120產生經影像處理之後的第一子影像。在步驟S350中，處理器120合併第一生物特徵影像以及經影像處理的第一子影像，以產生第二生物特徵影像。也就是說，處理器120可將第一生物特徵影像優化，以取得影像品質較佳的第二生物特徵影像。並且，相較於處理第一生物特徵影像的全部像素，本實施的處理器120透過優化第一子影像的方式只需花費四分之一的運算資源以及記憶體空間。

詳細而言，在步驟S330中，影像雜訊分析程序(步驟S331)以及去影像雜訊程序(步驟S332)例如是對第一子影像進行影像平滑處理，例如使用高斯平滑濾波器(Gaussian Smoothing Filter)。在步驟S350中，處理器120將影像平滑處理後的第一子影像與第一生物特徵影像混合。在本實施例中，處理器120藉由影像平滑處理後的第一子影像的全部像素的灰階值來取代原始的第一生物特徵影像的每一個偶數座標的像素的灰階值，並且處理器120對在第一生物特徵影像中未經取代的其他像素進行遮罩運算。在本實施例中，遮罩運算係指依據計算遮罩對在第一生物特徵影像中的目標像素(未經取代的其他像素)以及目標像素周圍的多個鄰近像素的灰階值進行加權平均運算，以調整目標像素的灰階值。並且，這些鄰近像素中對應於偶數座標的部分像素的權重值大於這些鄰近像素的其他部分像素的權重值。舉例而言，在這些鄰近像素中對應於偶數座標的像素的權重可為4，而其他非偶數座標的像素的權重可為1。因此，本實施例的處理器120可有效地優化的生物特徵影像。

圖4是依照圖3實施例的生物特徵影像的灰階變化圖。參考圖1、圖3以及圖4，以一維的指紋影像的影像處理結果為例。舉例而言，感測器110可感測指紋特徵，並且提供160像素×160像素的指紋影像至處理器120。處理器120可依據上述圖3實施例的生物特徵影像處理方法對160像素×160像素的指紋影像進行優化。處理器120可擷取160像素×160像素的指紋影像當中的偶數座標的每一個像素來製作80像素×80像素的第一子影像。處理器120可對80像素×80像素的第一子影像進行影像平滑處理，並且藉由經影像平滑處理之後的第一子影像的全部像素來取代指紋影像的偶數座標的這些像素。處理器120對指紋影像當中未經取代的其他部分像素進行遮罩運算，以優化指紋影像。

因此，如圖4所示，曲線401(虛線)代表未經上述影像處理的指紋影像的其中一維的灰階值變化，而曲線402(實線)代表經上述影像處理的指紋影像的所述其中一維的灰階值變化。比較曲線401以及曲線402，經上述影像處理的灰階值變化較為平滑。也就是說，本實施例的處理器120可有效地優化指紋影像，並且可有效地降低電子裝置100的運算資源。另外，優化後的指紋影像可例如用於指紋辨識或指紋分析，而同樣可提升指紋辨識品質或良好指紋分析結果。

圖5是依照本發明的第二實施例的生物特徵影像處理方法的流程圖。參考圖1以及圖5，圖5的生物特徵影像處理方法可適用於圖1的電子裝置100。在步驟S510中，感測器110取得第一生物特徵影像。在步驟S520中，處理器120以第一生物特徵影像的每一個偶數座標的像素的灰階值來製作第一子影像。偶數座標例如是(0,0)、(2,2)、(4,4)…等。在步驟S530中，處理器120對第一子影像進行影像處理程序。在步驟S530中，處理器120可第一子影像進行影像整體分析程序(步驟S531)，並且依據分析後的結果對第一子影像進行去除影像不平均背景程序(步驟S532)，最後對第一子影像進行影像強化程序(步驟S533)。在步驟S540中，處理器120產生經影像處理之後的第一子影像。在步驟S550中，處理器120合併第一生物特徵影像以及經影像處理的第一子影像，以產生第二生物特徵影像。在步驟S560中，處理器120進一步優化第二生物特徵影像，以產生第三生物特徵影像。也就是說，處理器120可將第一生物特徵影像優化，以取得影像品質較佳的第二生物特徵影像，並且對第二生物特徵影像再次進行優化，以取得影像品質更佳的第三生物特徵影像。並且，相較於處理第一生物特徵影像的全部像素，本實施的處理器120透過優化第一子影像的方式只需花費四分之一的運算資源以及記憶體空間。

詳細而言，在步驟S530中，影像整體分析程序(步驟S531)以及去除影像不均勻背景程序(步驟S532)例如是對第一子影像進行影像去背處理，例如使用高斯去背法(Gaussian Background Removal)或滾球背景減去除法(Rolling Ball Background Removal)。影像強化程序(步驟S533)例如是對第一子影像進行等比例線性對比拉伸(Linear Scale Contrast Stretch)或是直方圖拉伸(Histogram Equalization)。在步驟S550中，處理器120將影像去背處理之後的第一子影像與第一生物特徵影像混合。在本實施例中，處理器120藉由影像去背處理後的第一子影像的全部像素的灰階值來取代原始的第一生物特徵影像的每一個偶數座標的像素的灰階值，並且處理器120對在第一生物特徵影像中未經取代的其他像素進行遮罩運算。在本實施例中，遮罩運算係指依據計算遮罩對在第一生物特徵影像中的目標像素(未經取代的其他像素)以及目標像素周圍的多個鄰近像素的灰階值進行加權平均運算，以調整目標像素的灰階值。並且，這些鄰近像素中對應於偶數座標或奇數座標的部分像素的權重值大於目標像素的權重值，並且目標像素的該權重值大於這些鄰近像素的其他部分像素的權重值。舉例而言，計算遮罩可例如採用以下公式(1)的矩陣。在以下公式(1)中，W0、W1、W2、W3為權重值。權重值W0對應於目標像素。權重值W1例如是對應於偶數座標或奇數座標的鄰近像素。權重值W1大於權重值W0，並且權重值W0大於權重值W2、W3。公式(1)如下：………公式(1)

在步驟S560中，處理器120可進一步優化第二生物特徵影像，以產生第三生物特徵影像。在本實施例中，處理器120可對第二生物特徵影像進行去除雜訊程序與整體亮度調整程序。去除雜訊程序可例如是對第二生物特徵影像使用高斯平滑濾波器或是中值濾波器(Median filter)。整體亮度調整程序可例如是對第二生物特徵影像使用等比例線性對比拉伸或是直方圖拉伸，以強化影像對比。因此，本實施例的處理器120可有效地優化的生物特徵影像。

圖6是依照圖5實施例的生物特徵影像的灰階變化圖。參考圖1、圖5以及圖6，以一維的指紋影像的影像處理結果為例。舉例而言，感測器110可感測指紋特徵，並且提供160像素×160像素的指紋影像至處理器120。處理器120可依據上述圖5實施例的生物特徵影像處理方法對160像素×160像素的指紋影像進行優化。處理器120可擷取160像素×160像素的指紋影像當中的偶數座標的每一個像素來製作80像素×80像素的第一子影像。處理器120可對80像素×80像素的第一子影像進行影像去背處理，並且藉由經影像去背處理之後的第一子影像的全部像素來取代指紋影像的偶數座標的這些像素。處理器120對指紋影像當中未經取代的其他部分像素進行遮罩運算，以優化指紋影像。處理器120對優化後的指紋影像再進行簡單的雜訊去除以及整體亮度調整。

因此，如圖6所示，曲線601(虛線)代表未經上述影像處理的指紋影像的其中一維的灰階值變化，而曲線602(實線)代表經上述影像處理的指紋影像的所述其中一維的灰階值變化。比較曲線601以及曲線602，經上述影像處理後，由於指紋影像的多餘的背景資訊被去除，並且指紋影像的對比度被強化，因此經上述影像處理的灰階值變化較為明顯。也就是說，本實施例的處理器120可有效地優化指紋影像，並且可有效地降低電子裝置100的運算資源。另外，優化後的指紋影像可例如用於指紋辨識或指紋分析，而同樣可提升指紋辨識品質或良好指紋分析結果。

圖7是依照本發明的第三實施例的生物特徵影像處理方法的流程圖。參考圖1以及圖7，圖7的生物特徵影像處理方法可適用於圖1的電子裝置100。在步驟S710中，感測器110取得第一生物特徵影像。在步驟S720中，處理器120以第一生物特徵影像的每一個偶數座標的像素的灰階值來製作第一子影像，並且處理器120以第一生物特徵影像的每一個奇數座標的像素的灰階值來製作第二子影像。偶數座標例如是(0,0)、(2,2)、(4,4)…等，並且奇數座標例如是(1,1)、(3,3)、(5,5)…等。在步驟S730中，處理器120對第一子影像以及第二子影像進行影像處理程序。在步驟S730中，處理器120可第一子影像進行影像整體分析程序(步驟S731)，並且依據分析後的結果對第一子影像進行去除影像不平均背景程序(步驟S732)，最後對第一子影像進行影像強化程序(步驟S733)。在步驟S740中，處理器120產生經影像處理之後的第一子影像以及經影像處理之後的第二子影像。在步驟S750中，處理器120合併第一生物特徵影像以及經影像處理的第一子影像以及經影像處理之後的第二子影像，以產生第二生物特徵影像。在步驟S760中，處理器120進一步優化第二生物特徵影像，以產生第三生物特徵影像。也就是說，處理器120可將第一生物特徵影像優化，以取得影像品質較佳的第二生物特徵影像，並且對第二生物特徵影像再次進行優化，以取得影像品質更佳的第三生物特徵影像。並且，相較於處理第一生物特徵影像的全部像素，本實施的處理器120透過優化第一子影像以及第二子影像的方式只需花費二分之一的運算資源以及記憶體空間。

詳細而言，在步驟S730中，影像整體分析程序(步驟S731)以及去除影像不均勻背景程序(步驟S732)例如是對第一子影像以及第二子影像進行影像去背處理，例如使用高斯去背法或滾球背景減去除法。影像強化程序(步驟S733)例如是分別對第一子影像以及第二子影像進行等比例線性對比拉伸或是直方圖拉伸。在步驟S750中，處理器120將影像去背處理之後的第一子影像以及第二子影像與第一生物特徵影像混合。在本實施例中，處理器120藉由影像去背處理後的第一子影像的全部像素的灰階值來取代原始的第一生物特徵影像的每一個偶數座標的像素的灰階值，並且處理器120藉由影像去背處理後的第二子影像的全部像素的灰階值來取代原始的第一生物特徵影像的每一個奇數座標的像素的灰階值。處理器120對在第一生物特徵影像中未經取代的其他像素進行遮罩運算。在本實施例中，遮罩運算係指依據計算遮罩對在第一生物特徵影像中的目標像素(未經取代的其他像素)以及目標像素周圍的多個鄰近像素的灰階值進行加權平均運算，以調整目標像素的灰階值。並且，在計算遮罩中，目標像素以及在目標像素周圍的多個鄰近像素的多個權重值可例如是依據四階二項式來決定。舉例而言，計算遮罩可例如採用以下公式(2)的矩陣。在公式(2)中，目標像素的權重值為36，並且在目標像素周圍的這些鄰近像素的權重值隨著與目標像素的距離增加而減少。公式(2)如下：………公式(2)

在步驟S760中，處理器120可進一步優化第二生物特徵影像，以產生第三生物特徵影像。在本實施例中，處理器120可對第二生物特徵影像進行去除雜訊程序與整體亮度調整程序。去除雜訊程序可例如是對第二生物特徵影像使用高斯平滑濾波器或是中值濾波器(Median filter)。整體亮度調整程序可例如是對第二生物特徵影像使用等比例線性對比拉伸或是直方圖拉伸，以強化影像對比。因此，本實施例的處理器120可有效地優化的生物特徵影像。

圖8是依照圖7實施例的生物特徵影像的灰階變化圖。參考圖1、圖7以及圖8，以一維的指紋影像的影像處理結果為例。舉例而言，感測器110可感測指紋特徵，並且提供160像素×160像素的指紋影像至處理器120。處理器120可依據上述圖7實施例的生物特徵影像處理方法對160像素×160像素的指紋影像進行優化。處理器120可擷取160像素×160像素的指紋影像當中的偶數座標的每一個像素來製作80像素×80像素的第一子影像，並且處理器120可擷取160像素×160像素的指紋影像當中的奇數座標的每一個像素來製作80像素×80像素的第二子影像。處理器120可對80像素×80像素的第一子影像以及第二子像素進行影像去背處理，並且藉由經影像去背處理之後的第一子影像以及第二子像素各別的全部像素來取代指紋影像的偶數座標以及奇數座標的這些像素。處理器120對指紋影像當中未經取代的其他部分像素進行遮罩運算，以優化指紋影像。處理器120對優化後的指紋影像再進行簡單的雜訊去除以及整體亮度調整。

因此，如圖8所示，曲線801(虛線)代表未經上述影像處理的指紋影像的其中一維的灰階值變化，而曲線802(實線)代表經上述影像處理的指紋影像的所述其中一維的灰階值變化。比較曲線801以及曲線802，經上述影像處理後，由於指紋影像的多餘的背景資訊被去除，並且指紋影像的對比度被強化，因此經上述影像處理的灰階值變化較為明顯。也就是說，本實施例的處理器120可有效地優化指紋影像，並且可有效地降低電子裝置100的運算資源。另外，優化後的指紋影像可例如用於指紋辨識或指紋分析，而同樣可提升指紋辨識品質或良好指紋分析結果。

圖9是依照本發明的另一實施例的生物特徵影像處理方法的流程圖。參考圖1以及圖9，本實施例的生物特徵影像處理方法可至少適用於圖1實施例的電子裝置100。在步驟S910中，感測器110取得第一生物特徵影像。在步驟S920中，處理器120擷取第一生物特徵影像的第一部分像素的多個灰階值，並且組合第一生物特徵影像的第一部分像素的所述多個灰階值，以產生第一子影像。在步驟S930中，處理器120對第一子影像進行影像處理程序。在步驟S940中，處理器120藉由經影像處理之後的第一子影像的全部像素的多個灰階值來取代第一生物特徵影像的第一部分像素的所述多個灰階值。在步驟S950中，處理器120對第一生物特徵影像的其他部分像素的未經取代的多個灰階值進行遮罩運算，以產生第二生物特徵影像。因此，處理器120可有效地優化第一生物特徵影像，以取得影像品質較佳的第二生物特徵影像。

綜上所述，本發明的生物特徵影像處理方法以及電子裝置可先藉由擷取原始的生物特徵影像的部分像素的灰階值來製作子影像，並對子影像進行優化後，可藉由經優化後的子影像的全部像素的灰階值來取代在原始的生物特徵影像中的所述部分像素的灰階值。接著，本發明的生物特徵影像處理方法以及電子裝置可針對在生物特徵影像中未經取代的多個像素進行遮罩運算，以使相對比例的混合經優化後的子影像以及原始的生物特徵影像。因此。本發明的生物特徵影像處理方法以及電子裝置可有效地優化的生物特徵影像，並且可有效地降低電子裝置執行生物特徵影像處理所需花費的運算資源。

雖然本發明已以實施例揭露如上，然其並非用以限定本發明，任何所屬技術領域中具有通常知識者，在不脫離本發明的精神和範圍內，當可作些許的更動與潤飾，故本發明的保護範圍當視後附的申請專利範圍所界定者為準。

20‧‧‧手指

100、200‧‧‧電子裝置

110、210‧‧‧感測器

120、220‧‧‧處理器

130、230‧‧‧記憶體

211‧‧‧光接收面

240‧‧‧類比至數位轉換器

401、402、601、602、801、802‧‧‧曲線

S310~S350、S510~S560、S710~S760、S910~S960‧‧‧步驟

圖1是依照本發明的一實施例的電子裝置的示意圖。 圖2是依照本發明的另一實施例的電子裝置的示意圖。 圖3是依照本發明的第一實施例的生物特徵影像處理方法的流程圖。 圖4是依照圖3實施例的生物特徵影像的灰階變化圖。 圖5是依照本發明的第二實施例的生物特徵影像處理方法的流程圖。 圖6是依照圖5實施例的生物特徵影像的灰階變化圖。 圖7是依照本發明的第三實施例的生物特徵影像處理方法的流程圖。 圖8是依照圖7實施例的生物特徵影像的灰階變化圖。 圖9是依照本發明的另一實施例的生物特徵影像處理方法的流程圖。

Claims (20)

1. 一種生物特徵影像處理方法，包括： 取得一第一生物特徵影像； 擷取該第一生物特徵影像的一第一部分像素的多個灰階值，並且組合該第一生物特徵影像的該第一部分像素的該些灰階值，以產生一第一子影像； 對該第一子影像進行一影像處理程序； 藉由經影像處理之後的該第一子影像的全部像素的多個灰階值來取代該第一生物特徵影像的該第一部分像素的該些灰階值；以及 對該第一生物特徵影像的其他部分像素的未經取代的多個灰階值進行一遮罩運算，以產生一第二生物特徵影像。
2. 如申請專利範圍第1項所述的生物特徵影像處理方法，其中該第一生物特徵影像的該第一部分像素為該第一生物特徵影像的每一偶數座標或每一奇數座標的像素。
3. 如申請專利範圍第1項所述的生物特徵影像處理方法，其中該遮罩運算包括： 依據一計算遮罩對在該第一生物特徵影像中的一目標像素以及該目標像素周圍的多個鄰近像素的灰階值進行一加權平均運算，以調整該目標像素的該灰階值。
4. 如申請專利範圍第3項所述的生物特徵影像處理方法，其中在該些鄰近像素中對應於偶數座標或奇數座標的一部分像素的權重值大於該些鄰近像素的其他部分像素的權重值。
5. 如申請專利範圍第4項所述的生物特徵影像處理方法，其中在該些鄰近像素中對應於偶數座標或奇數座標的該部分像素的權重值大於該目標像素的權重值，並且該目標像素的該權重值大於該些鄰近像素的該其他部分像素的該權重值。
6. 如申請專利範圍第3項所述的生物特徵影像處理方法，其中該目標像素以及在該目標像素周圍的多個鄰近像素的多個權重值依據一四階二項式來決定。
7. 如申請專利範圍第1項所述的生物特徵影像處理方法，其中該影像處理程序包括一去除影像雜訊程序、一去除影像不均勻背景程序以及一影像強化程序的至少其中之一。
8. 如申請專利範圍第1項所述的生物特徵影像處理方法，更包括： 擷取該第一生物特徵影像的一第二部分像素的多個灰階值，並且組合該第一生物特徵影像的該第二部分像素的該些灰階值，以產生一第二子影像； 對該第二子影像進行該影像處理程序；以及 藉由經影像處理之後的該第二子影像的全部像素的多個灰階值來取代該第一生物特徵影像的該第二部分像素的該些灰階值。
9. 如申請專利範圍第8項所述的生物特徵影像處理方法，其中該第一生物特徵影像的該第一部分像素以及該第二部分像素為該第一生物特徵影像的每一偶數座標以及每一奇數座標的像素。
10. 如申請專利範圍第1項所述的生物特徵影像處理方法，更包括： 對該第二生物特徵影像進行一整體亮度調整程序，以產生一第三生物特徵影像。
11. 一種電子裝置，包括： 一感測器，用以取得一第一生物特徵影像；以及 一處理器，耦接該感測器，用以擷取該第一生物特徵影像的一第一部分像素的多個灰階值，並且組合該第一生物特徵影像的該第一部分像素的該些灰階值，以產生一第一子影像， 其中該處理器對該第一子影像進行一影像處理程序，並且藉由經影像處理之後的該第一子影像的全部像素的多個灰階值來取代該第一生物特徵影像的該第一部分像素的該些灰階值， 其中該處理器對該第一生物特徵影像的其他部分像素的未經取代的多個灰階值進行一遮罩運算，以產生一第二生物特徵影像。
12. 如申請專利範圍第11項所述的電子裝置，其中該第一生物特徵影像的該第一部分像素為該第一生物特徵影像的每一偶數座標或每一奇數座標的像素。
13. 如申請專利範圍第11項所述的電子裝置，其中該遮罩運算包括該處理器依據一計算遮罩對在該第一生物特徵影像中的一目標像素以及該目標像素周圍的多個鄰近像素的灰階值進行一加權平均運算，以調整該目標像素的該灰階值。
14. 如申請專利範圍第13項所述的電子裝置，其中在該些鄰近像素中對應於偶數座標或奇數座標的一部分像素的權重值大於該些鄰近像素的其他部分像素的權重值。
15. 如申請專利範圍第14項所述的電子裝置，其中在該些鄰近像素中對應於偶數座標或奇數座標的該部分像素的權重值大於該目標像素的權重值，並且該目標像素的該權重值大於該些鄰近像素的該其他部分像素的該權重值。
16. 如申請專利範圍第13項所述的電子裝置，其中該目標像素以及在該目標像素周圍的多個鄰近像素的多個權重值依據一四階二項式來決定。
17. 如申請專利範圍第11項所述的電子裝置，其中該影像處理程序包括一去除影像雜訊程序、一去除影像不均勻背景程序以及一影像強化程序的至少其中之一。
18. 如申請專利範圍第11項所述的電子裝置，其中該處理器擷取該第一生物特徵影像的一第二部分像素的多個灰階值，並且組合該第一生物特徵影像的該第二部分像素的該些灰階值，以產生一第二子影像， 其中該處理器對該第二子影像進行該影像處理程序，並且藉由經影像處理之後的該第二子影像的全部像素的多個灰階值來取代該第一生物特徵影像的該第二部分像素的該些灰階值。
19. 如申請專利範圍第18項所述的電子裝置，其中該第一生物特徵影像的該第一部分像素以及該第二部分像素為該第一生物特徵影像的每一偶數座標以及每一奇數座標的像素。
20. 如申請專利範圍第11項所述的電子裝置，其中該處理器對該第二生物特徵影像進行一整體亮度調整程序，以產生一第三生物特徵影像。