TWI606405B - 影像處理方法及影像處理系統 - Google Patents

Description

影像處理方法及影像處理系統

本揭露文件係關於一種影像處理技術，特別係關於一種指紋影像處理技術。

指紋辨識已是行之有年之技術，被廣泛應用於各種資料保護或身分辨識相關領域中，而如何提高辨識精確度及提升辨識速度則為當前重要研發議題之一。

因為使用者對於指紋感測裝置之手指按壓方式的偏好習慣不同，感測裝置可能接收到指紋以外的雜訊，例如掌紋、關節紋及陰影等，其中又以大面積感測平面之感測裝置最易受影響，例如海關使用之指紋辨識裝置。而此等雜訊將造成指紋辨識率下降及提高辨識所需時間。此外，灰塵、水滴或其他外來雜訊可能誤觸感測裝置或影響指紋的感測，導致耗能或降低辨識成功率。

傳統濾除指紋影像外的雜訊的作法例如為利用指紋影像之灰階變化、梯度變化、方向場和紋理的相關性、計算特徵點數量等。然而，此等作法並無法濾除例如掌紋或文字等有紋路的雜訊，且當指紋影像不夠清晰時，亦可能造成辨識結果的誤判。

在本揭露文件之一技術態樣中提出一種影像處理方法。影像處理方法包含取得含有一圖案之感測影像、將包含此圖案的感測影像劃分為複數個區塊、根據此些區塊中各自包含的圖案計算方向場、計算此些區塊各自的方向場與至少一鄰近區塊的相似程度、以及根據此些區塊各自的相似程度，將此些區塊分為第一部份與第二部份。

在本揭露文件之一技術態樣中提出一種影像處理系統。影像處理系統包含有感測單元及處理器。感測單元可用以接收感測影像，其中此感測影像包含一圖案。處理器可用以執行下列動作：將包含圖案的此感測影像劃分為複數個區塊、根據此些區塊中各自包含的圖案計算方向場、計算此些區塊各自的方向場與至少一鄰近區塊的相似程度、以及根據此些區塊各自的相似程度，將此些區塊分為第一部份與第二部份。

110‧‧‧手

120‧‧‧感測單元

130‧‧‧感測平面

140‧‧‧處理器

200‧‧‧手指影像

210、400、710‧‧‧指紋

220、720‧‧‧關節紋

410‧‧‧箭頭

700‧‧‧影像

800a、800b、800c‧‧‧手指

810a、810b、810c‧‧‧指紋部分

900‧‧‧方法

S910~S960‧‧‧步驟

第1A圖為本揭露文件之一實施例之指紋感測示意圖。

第1B圖為本揭露文件之一實施例之系統架構示意圖。

第2圖為本揭露文件之一實施例之擷取影像。

第3A~3B圖為本揭露文件之一實施例之影像劃分示意圖。

第4圖為本揭露文件之一實施例之方向場示意圖。

第5A~5B圖為本揭露文件之一實施例之方向場示意圖。

第6A~6D圖為本揭露文件之一實施例之影像處理輔助說明圖。

第7A~7D圖為本揭露文件之一實施例之影像處理過程示意圖。

第8A~8B圖為本揭露文件之一實施例之影像處理前後對照圖。

第9圖為本揭露文件之一實施例之方法流程圖。

下文係舉實施例配合所附圖式作詳細說明，但所描述的具體實施例僅僅用以解釋本發明，並不用來限定本發明，而結構操作之描述非用以限制其執行之順序，任何由元件重新組合之結構，所產生具有均等功效的裝置，皆為本發明揭示內容所涵蓋的範圍。此外，附圖僅僅用以示意性地加以說明，并未依照其真實尺寸進行繪製。

請參閱第1A圖，其繪示根據本揭示文件之一實施例之指紋感測示意圖。於本文中，感測單元120可為大面積之影像擷取裝置，包含用以接收至少一根手指之影像的感測平面130。於第1A圖中繪示為感測單元110同時接收使用者之手110之其中三指的影像示意圖，並同時對此三指作影像處理及辨識程序。應注意的是，感測單元120可視實際需 求來使用不同面積大小之感測平面，以同時接收更多或較少的手指影像。此外，經由感測單元120擷取之影像可為灰階影像或經進一步處理而成的灰階影像。為了使說明清楚易懂，下文將以一根手指之影像為例作詳細說明。

第1B圖繪示本揭露文件之一實施例之感測單元120的系統架構示意圖。感測單元120包含有感測平面130及處理器140。其中感測平面130可能為電容式或光學式感測器，用以接收使用者之手指按壓影像。處理器140可針對由感測平面130接收之手指按壓影像作預先影像處理及指紋辨識。舉例來說，由處理器140執行之影像處理程序可包括區分按壓區及非按壓區、影像增強、雜訊濾除、二值化、細線化及特徵擷取等過程。其中，雜訊濾除效果好壞對於指紋辨識成功率及指紋辨識速率有著重要的影響。

請參閱第2圖，第2圖繪示本揭露文件之一實施例之擷取的手指影像200。因使用較大面積之感測平面130，手指影像200可例如包含指紋210、關節紋220、陰影等等。其中，指紋210為系統所欲辨識之目標，而關節紋220及陰影或其他不必要於指紋辨識流程的影像皆為本揭示文件中所謂的雜訊。

因雜訊可能包含有類似於指紋之條紋或紋路，若未事先濾除雜訊，將可能被系統誤判為目標指紋的一部份。本揭示文件揭露之濾除雜訊前的欲處理步驟可包括影像劃分、向量場計算、相似程度判斷及/或分類等過程。下文將對於雜訊濾除過程作進一步的說明。

第3A~3B圖繪示本揭露文件之一實施例之影像劃分示意圖。其中，第3A圖為欲處理之手指影像示意圖，圖中之白色條紋為凸起紋(ridge，或稱紋線)，而黑色條紋為凹陷紋(valley，或稱谷線)。處理器140可將第3A圖之影像劃分為複數個區塊。為了使每個區塊都至少涵蓋一凸起紋及一凹陷紋以利後續處理，上述區塊須劃分為適當的大小尺寸，尺寸過小時可能無法同時涵蓋到凸起紋及凹陷紋，尺寸過大時將可能同時涵蓋方向不一致的多條紋路並使解析度降低。於一實施例中所經劃分之區塊的大小可以設置至少為或較佳為16pixel*16pixel之大小，或是其他適當的尺寸大小藉此使每個區塊都至少涵蓋所需的一凸起紋及一凹陷紋。

於影像被劃分為複數個區塊之後，處理器140可進一步計算各個區塊所包含之影像部分的向量場。向量場之計算係透過處理器140藉由演算法計算得出。請見第4圖，第4圖繪示本揭露文件之一實施例之指紋400的方向場示意圖。其中，箭頭410即表示第4圖影像的方向場。由圖中可看出，方向場(箭頭410)大致與影像紋路一致。於本揭示文件中。處理器140將各區塊之向量場作角度數值化以便進一步之計算和處理。

於本揭示文件之一實施例中，處理器140進一步分析各區塊的向量場與其鄰近的區塊的向量場之間的相似程度(一致性)。一般而言，指紋部分具有高度的相似程度，而關節紋、掌紋或其他雜訊則具有低度的相似程度。於此實施例中，系統可根據各區塊與鄰近區塊間的相似程度來 作進一步之影像處理，以判斷各區塊應屬於指紋或雜訊。下文將藉由第5A圖及第5B圖來說明相似程度之判斷標準。第5A~5B圖繪示本揭露文件之一實施例之方向場示意圖。為了便於解說，第5A~5B圖之影像將以X1~X5之橫座標與Y1~Y5之縱座標劃分為5x5之區塊，各區塊將以座標位置來表示。

其中，第5A圖為相似程度較高之部分指紋影像中各區塊的向量場示意圖，而第5B圖則為相似程度較低之部分關節紋影像中各區塊的向量場示意圖。第5A~5B圖中各區塊中的短線表示為各區塊之向量場的方向。處理器140可計算各區塊之方向場角度與其鄰近區塊之方向場角度彼此間的角度差的平均值，若此平均值不低於一預設門檻值，則表示此區塊與緊鄰區塊間的差異性過大、相似程度較低，反之，則差異性較小、相似程度較高。

舉例來說，鄰近區塊之數量可為一或多個相鄰於欲判斷區塊的區塊、或是距此欲判斷區塊一預設距離範圍內的所有區塊。於此實施例中，將取以一區塊為中心之3x3矩陣內的周圍八個區塊作為此一區塊的鄰近區塊。此外，預設門檻值可例如設定為但不限於30°，依實際上需求的不同，門檻值可作適當地調整或設定。應注意的是，於此例中，係根據方向場角度差的平均值為例來設定門檻值，然應用上亦可將相似程度轉化為數值，並依此設定相似程度之門檻值。

第5A圖指紋影像各區塊方向場之對照角度如 下表一所示： 以第5A圖中座標(X3,Y3)之區塊作為例，並以此區塊緊鄰的八個區塊作為座標(X3,Y3)之欲判斷區塊的相似程度參考區塊，亦即，位於座標(X2,Y2)、(X2,Y3)、(X2,Y4)、(X3,Y4)、(X4,Y4)、(X4,Y3)、(X4,Y2)、(X3,Y2)之八個區塊。其中，座標(X3,Y3)之區塊與座標(X2,Y2)、(X2,Y3)、(X2,Y4)、(X3,Y4)、(X4,Y4)、(X4,Y3)、(X4,Y2)、(X3,Y2)之區塊彼此間的角度差依序為0°、5°、5°、10°、5°、5°、5°、5°，而平均角度差為：(0°+5°+5°+10°+5°+5°+5°+5°)/8=5°因平均角度差5°低於預設的門檻值30°，故系統將第5A圖中座標(X3,Y3)之欲判斷區塊判定為具有高度相似程度的區塊。

第5B圖關節紋影像各區塊方向場之對照角度如下表二所示： 以第5B圖中座標(X3,Y3)之區塊為例，並以此區塊緊鄰的八個區塊作為座標(X3,Y3)之欲判斷區塊的相似程度參考區塊，亦即，座標(X2,Y2)、(X2,Y3)、(X2,Y4)、(X3,Y4)、(X4,Y4)、(X4,Y3)、(X4,Y2)、(X3,Y2)之八個區塊。其中，座標(X3,Y3)之區塊與座標(X2,Y2)、(X2,Y3)、(X2,Y4)、(X3,Y4)、(X4,Y4)、(X4,Y3)、(X4,Y2)、(X3,Y2)之區塊彼此間的角度差依序為20°、90°、50°、80°、90°、50°、60°、60°，而平均角度差為：(20°+90°+50°+80°+90°+50°+60°+60°)/8=62.5°因平均角度差62.5°高於預設的門檻值30°，故系統將第5B圖中座標(X3,Y3)之欲判斷區塊判定為具有低度相似程度的區塊。

於本揭示文件之一實施態樣中，處理器140亦可將各區塊中與鄰近區塊間的平均角度差不低於門檻值之區塊(相似程度低)歸類或標記為第一部分，將平均角度差低於門檻值之區塊(相似程度高)歸類或標記為第二部分。請一併參閱第6A~6D圖，第6A~6D圖繪示本揭露文件之一實施 例之影像處理輔助說明圖。下表三為第5B圖各區塊對應之平均角度差(僅計算至小數第一位)： 第6A圖為第5B圖之影像各區塊依據表三之平均角度差來以門檻值30°為基準作判斷後之示例標記圖，其中經標記之部分(例如座標(X1,Y1)之區塊)為平均角度差不低於門檻值之區塊，即歸類為第一部分(相似程度低)的區塊；未經標記之空白部分(例如座標(X1,Y3)之區塊)為平均角度差低於門檻值之區塊，即歸類為第二部分(相似程度高)的區塊。

於區分出影像之第一部分及第二部分後，處理器140可進一步判斷各區塊之鄰近區塊中涵蓋之第一部分以及第二部分之比例。鄰近區塊可為相鄰於欲判斷區塊的複數個區塊、或是距此欲判斷區塊一預設距離範圍內的所有區塊。當欲判斷區塊之鄰近區塊中，屬於第一部分之區塊的數量占所有鄰近區塊之一半數量區塊、或屬於第一部分之區塊的數量多於屬於第二部分之區塊的數量時(亦即相似程度低的區塊不少於相似程度高的區塊時)，濾除此欲判斷區塊， 反之，則保留此欲判斷區塊。

於此實施例中，將以欲判斷區塊為中心之3x3矩陣內的周圍八個區塊作為此欲判斷區塊的鄰近區塊。舉例來說，以第6A圖中座標(X4,Y4)之區塊為欲判斷區塊。第6B圖為第6A圖中橫座標X3~X5、縱座標Y3~Y5範圍的九個區塊，座標(X4,Y4)之欲判斷區塊位於此九個區塊的中心。其中，座標(X4,Y4)之欲判斷區塊的周圍八個區塊中涵蓋兩個屬於第一部分之區塊(經標記區塊，即座標(X3,Y3)、(X3,Y5)之區塊)，其餘六個區塊為第二部分之區塊(未標記區塊)。因為此周圍八個區塊中屬於第一部分之區塊少於屬於第二部分之區塊，故將中心座標(X4,Y4)之欲判斷區塊保留。

再以第6A圖中座標(X2,Y3)之區塊為欲判斷區塊作說明。第6C圖為第6A圖中橫座標X1~X3、縱座標Y2~Y4範圍的九個區塊，座標(X2,Y3)之欲判斷區塊位於此九個區塊的中心。其中，座標(X2,Y3)之欲判斷區塊的周圍八個區塊中涵蓋四個屬於第一部分之區塊(經標記區塊，即座標(X1,Y2)、(X2,Y2)、(X3,Y2)、(X3,Y3)之區塊)，其餘四個區塊為第二部分之區塊(未標記區塊)。因為此周圍八個區塊中屬於第一部分之區塊不少於屬於第二部分之區塊，故將中心座標(X2,Y3)之欲判斷區塊濾除。

於此實施例中，若欲判斷區塊位於影像邊界上，例如第6A圖中座標(X1,Y3)之區塊，則其鄰近區塊僅有周圍五個區塊。第6D圖為第6A圖中橫座標X1~X2、縱座 標Y2~Y4範圍的六個區塊，座標(X1,Y3)之區塊為欲判斷之區塊。其中，座標(X1,Y3)之欲判斷區塊的周圍五個區塊中涵蓋三個屬於第一部分之區塊(經標記區塊，即座標(X1,Y2)、(X2,Y2)、(X2,Y3)之區塊)，其餘兩個區塊為第二部分之區塊(未標記區塊)。因為此周圍五個區塊中屬於第一部分之區塊不少於屬於第二部分之區塊，故將座標(X1,Y3)之欲判斷區塊濾除。

處理器140以上述規則依序將每個區塊作保留或濾除之動作。下文將以第2圖中擷取的手指影像200為參考影像作解說。請一併參考第7A~7D圖繪示之本揭露文件之一實施例之影像處理過程示意圖。其中，第7A圖所繪為第2圖中擷取的手指影像200經劃分為多個區塊後的示例影像700。應注意的是，影像700中區塊之大小並非為實際應用上之劃分大小，而係僅用以輔助說明之示例圖。影像700包含有指紋710、關節紋720兩部分，其中指紋710為欲辨識之目標所在，而關節紋720則為欲濾除之雜訊部分。

第7B圖為影像700中各區塊經過向量場計算、相似程度判斷及分類後的示例標記圖，其中經標記區塊屬於第一部分(與鄰近區塊之相似程度低的區塊)，而未經標記之空白區塊屬於第二部分(與鄰近區塊之相似程度高的區塊)。根據前述第6A~6D圖之濾除/保留規則，處理器140將第7B圖之各區塊作進一步之處理以產生第7C圖。手指影像200則依據第7C圖進行最後的雜訊濾除程序，以得到如第7D圖之濾除雜訊後的影像730。於影像730中，可明顯看出 關節紋720等雜訊部分已被濾除，僅保留辨識目標之指紋710。

實際上應用本揭示文件揭露內容來處理的影像可例如為第8A~8B圖之影像。第8A~8B圖為本揭露文件之一實施例之影像處理前後對照圖。其中，第8A圖為初步同時接收到的三根手指800a~800c之影像，經過本揭示文件揭露之影像處理後，將雜訊有效的濾除，以得到如第8B圖之指紋部分810a~810c的影像。相較於傳統指紋辨識流程，根據本揭示文件之揭露，因預先將不必要之雜訊影像部分濾除，系統僅需針對目標指紋部分作分析，故指紋辨識流程將更加快速。此外，因為雜訊的有效濾除，指紋辨識成功率將能有十分顯著的提升。

請參閱第9圖，第9圖繪示本揭露文件之一實施例之方法900流程圖。首先，於步驟S910，接收一手指感測影像之輸入。接著，於步驟S920中，將感測區塊劃分為複數個區塊以進行下一步處理。步驟S930中，計算每個區塊各自的方向場。於步驟S940，計算每個區塊的方向場與各自鄰近區塊的方向場間的相似程度。於步驟S950，進一步將相似程度低的區塊歸類為第一部份、其餘的區塊歸類為第二部份。最後，於步驟S960，當其中一個區塊的鄰近區塊所包含之第一部份的區塊數量/比例等於或多於第二部份的區塊數量/比例時，濾除此其中一個區塊。

於本揭示文件之一實施方式中，指紋辨識系統可藉由計算影像中各區塊之方向場與相似程度，作為指紋特 徵擷取之參考依據。其中，可根據方向場角度與相似之程度，判斷指紋影像中的線端、分歧線、短線等等指紋特徵點。

於本揭示文件之一實施方式中，指紋辨識系統可根據經影像處理後的圖像，判斷原始影像是否涵蓋有指紋影像。若系統判斷出原始影像涵蓋有指紋影像，則進一步啟動辨識程序，反之，則不啟動。此機制將能避免因誤觸或水滴、灰塵等導致之誤動作，有效達成節能的效果。

於本揭示文件之又一實施方式中，指紋辨識系統可藉由前述影像處理方法，進一步區分出指紋部分與背景部分。因為指紋邊界可能包含斷線等假的特徵點，藉由區分出的指紋部分與背景部分來判斷指紋之邊界，並進一步濾除邊界特徵點，將能有效避免邊界上的假特徵點造成系統誤判的情形，使辨識率提升。

承上實施方式，指紋辨識系統亦可進一步找出指紋之奇異點，例如core(中心)及delta(三角點)。因為core為指紋中心彎曲區域，其與周圍區塊之相似程度低，故可判斷出core之所在及數量。而根據core及delta之數量可將指紋分類為弧型(arch)、帳型(tented arch)、左箕型(left loop)、右箕型(right loop)以及螺旋型(whorl)等指紋分類。因此，本揭示文件揭露之技術亦可提供指紋分類上的參考。

雖然本發明之實施例已揭露如上，然其並非用以限定本發明，任何熟習此技藝者，在不脫離本發明之精神和範圍內，當可做些許之更動與潤飾，因此本發明之保護範圍當以 後附之申請專利範圍所界定為準。

900‧‧‧方法

S910~S960‧‧‧步驟

Claims (10)

1. 一種影像處理方法，包含：取得一感測影像，該感測影像包含一圖案；將包含該圖案的該感測影像劃分為複數個區塊；根據該些區塊中各自包含的該圖案計算一方向場；計算該些區塊各自的該方向場與至少一鄰近區塊的一相似程度；以及根據該些區塊各自的該相似程度，將該些區塊分為一第一部份與一第二部份。
2. 如請求項1所述之影像處理方法，其中該等區塊各自包含之該圖案對應至一指紋的至少一凸起紋或至少一凹陷紋。
3. 如請求項1所述之影像處理方法，其中計算該等區塊各自的該方向場是根據該等區塊之灰階圖像。
4. 如請求項1所述之影像處理方法，其中該些區塊其中一個區塊的該方向場與以該其中一個區塊為中心之3x3矩陣內的其他八個鄰近區塊之該些方向場比較，以得到該其中一個區塊與該些鄰近區塊的該相似程度。
5. 如請求項1所述之影像處理方法，其中將該相似程度低於一門檻值之區塊歸類為該第一部份，將該 相似程度不低於該門檻值之區塊歸類為該第二部份。
6. 如請求項1所述之影像處理方法，進一步包含：計算其中一個區塊的複數個鄰近區塊中該第一部份之比例與該第二部份之比例；以及當該第一部份之比例大於該第二部份之比例時，濾除該其中一個區塊。
7. 如請求項1所述之影像處理方法，進一步包含：計算其中一個區塊的複數個鄰近區塊中該第一部份之比例與該第二部份之比例；以及當該第二部份之比例大於屬於該第一部份之比例時，保留該其中一個區塊。
8. 如請求項1所述之影像處理方法，進一步包含：基於該等區塊之各者之方向場來擷取指紋特徵。
9. 如請求項1所述之影像處理方法，進一步包含：判斷該感測影像中是否存在指紋，若指紋存在則啟動指紋辨識。
10. 一種影像處理系統，包含：一感測單元，用以接收一感測影像，該感測影像包含一圖案；一處理器，用以執行下列動作：將包含該圖案的該感測影像劃分為複數個區塊；根據該些區塊中各自包含的該圖案計算一方向場；計算該些區塊各自的該方向場與至少一鄰近區塊的一相似程度；以及根據該些區塊各自的該相似程度，將該些區塊分為一第一部份與一第二部份。