① 指紋識別預處理
介紹了採用TI公司的高速DSP晶元TMS320VC5402的指紋識別系統的預處理演算法和編程實現。演算法實現採用的DSP集成開發環境(IDE)為CCS 2.2。通過採用極值濾波、平滑濾波、拉普拉斯銳化、二值化等對指紋圖像進行預處理,取得了良好的試驗結果。
利用生物認證技術取代傳統的使用鑰匙、身份證、密碼等方法進行個人身份鑒定,可廣泛應用於銀行、機場、公安等領域的出入管理。將信息技術與生物技術相結合的生物認證技術是本世紀最有發展潛力的技術之一,而指紋識別技術則是其中非常有前景的一種。
數字信號處理器(DSP)是指以數值計算的方法對數字信號進行處理的晶元。它具有處理速度快、靈活、精確、抗干擾能力強、體積小、使用方便等優點。DSP應用於指紋識別已經成為一個新的科技領域和獨立的學科體系,當前已形成了有潛力的產業和市場。
本文選定100MHz DSP TMS320VC5402作為指紋信號的處理器,利用其流水線編碼的操作特點,並結合指紋識別技術,實現基於DSP CCS2.2的指紋識別預處理系統。CCS 2.2(Code Composer Studio)是一種針對標准TMS320調試介面的集成開發環境(IDE),由TI公司於1999年推出。指紋識別的處理流程如圖1所示。
指紋處理過程可分為三個階段:
(1) 獲取原始指紋圖像,進行預處理;
(2) 提取指紋特徵點;
(3) 指紋識別分析判斷。
在上述三個階段中,指紋圖像的預處理階段尤為重要,該階段對圖像處理的好壞直接關繫到後面兩個階段工作的開展。本文結合TMS320VC5402的特點,重點研究指紋識別的預處理演算法及其DSP實現問題,其中包括指紋的極值濾波、平滑濾波、拉普拉斯銳化、迭代二值化和該演算法在DSP開發平台CCS2.2的C5000上的模擬實現。這一問題的解決,可為未來指紋識別系統的離線應用提供很有價值的參考。
1 指紋識別預處理演算法
指紋識別預處理的目的是使指紋圖像更清晰,邊緣更明顯,以便提取指紋的特徵點進行識別。本文採取極值濾波和改進的平滑濾波進行雜訊消除,使圖像不失真;採取拉普拉斯銳化對指紋進行紋線增強,突出邊緣信息,為自適應閥值的迭代二值化提供方便。
1.1 極值濾波
解梅、馬爭[1]認為極值濾波器的設計是基於這樣一種理念:在指紋圖像的採集過程中,指紋圖像所受到的沖擊性雜訊表現為一些斑點或亮點。在一般情況下,可以認為絕大數沖擊性雜訊是被真實的灰度值所包圍。同時雜訊污染的像素要遠遠小於真實灰度值的像素。因此在雜訊的消除過程中,無需對大多數沒有被雜訊污染的像素進行改變處理,只需對那些被污染的像素進行「真實值」代替處理,而這些值的確定可通過圖像像素鄰域的相關性來確定。
指紋處理過程可分為三個階段:
(1) 獲取原始指紋圖像,進行預處理;
(2) 提取指紋特徵點;
(3) 指紋識別分析判斷。
在上述三個階段中,指紋圖像的預處理階段尤為重要,該階段對圖像處理的好壞直接關繫到後面兩個階段工作的開展。本文結合TMS320VC5402的特點,重點研究指紋識別的預處理演算法及其DSP實現問題,其中包括指紋的極值濾波、平滑濾波、拉普拉斯銳化、迭代二值化和該演算法在DSP開發平台CCS2.2的C5000上的模擬實現。這一問題的解決,可為未來指紋識別系統的離線應用提供很有價值的參考。
1 指紋識別預處理演算法
指紋識別預處理的目的是使指紋圖像更清晰,邊緣更明顯,以便提取指紋的特徵點進行識別。本文採取極值濾波和改進的平滑濾波進行雜訊消除,使圖像不失真;採取拉普拉斯銳化對指紋進行紋線增強,突出邊緣信息,為自適應閥值的迭代二值化提供方便。
1.1 極值濾波
解梅、馬爭[1]認為極值濾波器的設計是基於這樣一種理念:在指紋圖像的採集過程中,指紋圖像所受到的沖擊性雜訊表現為一些斑點或亮點。在一般情況下,可以認為絕大數沖擊性雜訊是被真實的灰度值所包圍。同時雜訊污染的像素要遠遠小於真實灰度值的像素。因此在雜訊的消除過程中,無需對大多數沒有被雜訊污染的像素進行改變處理,只需對那些被污染的像素進行「真實值」代替處理,而這些值的確定可通過圖像像素鄰域的相關性來確定。
設有一待處理器像素為s0,其周圍8鄰域像素排列為
取鄰域相關像素的均值為Ai,i∈{1,2,...8},並以四個像素為一組處理單元,則改進的極值濾波[1]演算法可表述如下:
如果A0>max(Ai),i∈{1,2,...8},則
如果A0 < min(Ai), i∈{1,2,...8}, 則
s1=s2=s4=s0=min(A1,A2,A4)
s2=s3=s5=s0=min(A2,A3,A5)
s4=s6=s7=s0=min(A4,A6,A7) (3)
s5=s7=s8=s0=min(A5,A7,A8)
如果min(Ai)≤Ai≤max(Ai),i∈{1,2,...8},則將像素原值輸出,不作處理。
實驗結果表明,該方法能得到與中值濾波類似的效果,達到了初步去除雜訊的目的。
1.2 平滑濾波
經過上面的極值濾波處理之後,圖像傳輸過程中所形成的大多數沖擊性雜訊均被除去,但指紋圖像中還存在著隨機雜訊,需進一步對圖像進行平滑處理。本文採取兩次平滑濾波,一次是在極值濾波之後,一次是在銳化濾波之後。改進的平滑卷積核為
系數取1/15而非原來的1/17的原因在於提高圖像的對比度;而卷積核中心像素加權系數取為5是為了突出該點像素。實驗結果表明,該改進是可行的,有利於突出中心像素並有效去除隨機雜訊。
1.3 銳化濾波
對於由於積分運算所造成的模糊圖像,有必要對其模糊進行校正,進而增強指紋圖像的邊界。具體做法為增強指紋脊線與谷的對比度。這種增強指紋圖像的高頻成分,使其邊緣清晰的方法稱為銳化。因此,銳化的目的在於使經過平均或積分運算後變得模糊的圖像的邊緣和輪廓變得清晰,並使細節清晰[2]。在本文中,銳化卷積核採用拉普拉斯運算元[3]:
通過該卷積核對圖像進行卷積預算,能實現高通濾波,進而得到銳化後的指紋脊線。
1．4 迭代閥值二值化
指紋圖像經過極值濾波、平滑濾波、拉普拉斯銳化濾波、平滑濾波後,大多數雜訊都已被消除,這就為特徵點提取提供了基礎。為了提取特徵點,需對指紋圖像進行分割。本文採取迭代閥值的方法對指紋圖像進行閥值分割。在圖像處理中,反復地用一種運算直至條件滿足而得到輸出圖像的方法稱為迭代。迭代閥值方法如下:
①設定初始灰度閥值T(如令T＝127),把指紋圖像的灰度值分為兩組R1和R2。
②計算兩組的平均灰度值u1和u2。
③重新設定新的灰度閥值T。新的T定義為:T＝(u1+u2)/2。
④依據新的T對指紋圖像進行閥值分割。
這種方法是以自適應的閥值對指紋圖像進行二值化處理。實驗結果表明,該方法比設定固定閥值進行處理更有普遍意義,且行之有效。
2 指紋圖像在CCS 2.2上的輸入與輸出
在設計中,採用DSP集成開發環境CCS2.2對指紋識別演算法進行模擬驗證。用指紋成像系統採集一幅*bmp格式指紋圖像,如finger.bmp指紋圖像。在該指紋圖像的數據上面添加一個COFF文件的文件頭。以文件名finger.out保存。*.out文件為TI的公共目標文件。利用CCS中的File-Load Data 可以將finger.out的指紋圖像放到DSP的相應內存中去,本次設計中將finger.out存放於DSP的數據存儲空間。利用CCS中的Image菜單,通過設置相關選項可以觀察處理前的圖像與處理後的圖像。
3 實際指紋圖像預處理效果
依據上述指紋識別預處理演算法,通過CCS2.2的模擬功能,實現了指紋識別預處理的DSP處理,達到了DSP處理指紋圖像的應用目的。結果如圖2所示。
圖2 實際指紋預處理結果
本文針對TMS320VC5402 DSP的快速、高效的特點,採取了DSP集成開發環境CCS2.2對指紋圖像進行預處理。在指紋的預處理中,由於DSP具有10ns指令周期,使採用改進的極值濾波和改進的卷積核平滑濾波對指紋圖像進行一次、二次平滑實時處理成為可能。實驗結果表明,該方法能有效地處理指紋圖像的沖擊性雜訊和隨機雜訊。而迭代二值化的運算充分利用了DSP 五級流水線操作,達到了利用DSP對指紋圖像進行預處理的應用目的。
② 關於激光檢測指紋技術的原理
指紋識別技術原理
1、產品構成
對指紋識別技術，目前除了一部分真正的研發人員之外，大部分涉業者或者興趣者都希望有個清晰的了解。在此，先從指紋識別產品的構成說起，也就是由產品構成再展開對技術構成的分析。
指紋識別產品是由基礎構件、中間構件和上層構件組成的，基礎構件是指一個完整的指紋識別（不是指紋採集）產品，包括硬體和軟體，都必須具備的基礎部分。中間構件，簡稱中間件，是向上支持各類軟體系統或者硬體設備，實現指紋注冊和認證功能的獨立部分。上層構件，是指在基礎構件之上，自己實現中間件或者利用中間件建立起來的執行應用的部分，也可以稱為應用構件。
指紋產品基礎構件包括：指紋感測器（指紋 Sensor ）、指紋感測器驅動程序（ Driver ）、指紋感測器底層介面程序（底層 SDK ），以及指紋演算法程序。其中前三個都是作為一個整體對待，籠統的稱為指紋 SENSOR 。指紋基礎構件的這四個部分，對於任何一類的指紋識別產品都是不可缺少的，所以稱之為基礎構件。
指紋產品中間構件，或者叫指紋應用中間件，它專門完成指紋注冊和認證功能，所以它一定包含指紋識別演算法。它屏蔽了應用層對設備層（基礎構件中的 SENSOR 以及 DRIVER ）的直接訪問。它既可以表現為軟體控制項（ ocx ），也可表現為硬體模塊，也就是俗稱的指紋離線模塊。
指紋產品上層構件，它是用戶需求的實現部分，其形態不定，可以是一個完整的指紋應用軟體產品，如指紋文件保護系統、計算機登錄指紋保護系統。也可是指紋考勤機、指紋保險櫃等這類嵌入式硬體產品。
在了解了指紋識別產品的構成要件之後，我們再一層層採用解析的方法來分析每個構件中的技術成份。
2 、指紋產品基礎構件
2.1、基礎構件之指紋SENSOR
從基礎構件層來看，其中的指紋SENSOR，是指紋圖像自動採集和生成部分，是整個指紋識別產品的數據輸入端。絕大多數指紋SENSOR通過光學掃描、晶體熱敏、晶體電容等三種主要感測原理採集指紋圖像。衡量一個指紋SENSOR的質量好壞或者使用的技術的高低，從其使用的採集原理上並不能得出結論，而是主要從以下幾個方面來衡量。
（1）成像質量。成像質量是衡量指紋 SENSOR （指紋感測器）質量的首要標准。成像質量主要表現為對指紋圖像的還原能力，以及去噪能力。
（2）手指適應能力。由於不同手指指紋的 紋路 深淺不同、干濕不同，污漬程度不同。要能夠對所有情況進行有效兼容，是指紋 SENSOR 的適用能力的表現。有時候手指適用能力被歸到成像質量中考慮。
（3）採集速度。採集速度表現為從手指放到 SENSOR 觸面後多長時間內完成一次指紋採集的時間，或者單位時間如 1S 可以採集的次數。速度的快慢直接影響到用戶的使用體驗。
（4）電氣特性。電氣特性是從產品化的角度來看，指紋 SENSOR 是否真正可用於某種產品。電氣特性主要關注三個參數，工作電壓，功耗和 ESD （防靜電能力）。如把指紋 SENSOR 應用到手機上，必然要考慮手機的現在供電方式能否滿足增加了指紋 SENOSR 後的電壓和功耗要求。不過大部分指紋 SENOSR 的電壓都在 3.6V 以下（含）。
（5）硬體介面能力。介面能力也是從產品化的角度來衡量的。介面能力直接影響著指紋 SENSOR 所獲得的指紋圖像數據的傳送方式，影響著與指紋處理模塊之間的通訊方式和通訊速度。比如已具備 USB 介面能力的指紋 SENSOR ，可以直接與 USB HUB 相連。而沒有 USB 介面的，就需要通過 USB 控制器來實現，給產品化增加一道技術門檻。
（6）SDK 能力。 SDK 能力是指指紋 SENSOR 的功能，也就是與指紋 SENSOR 配套使用的程序介面的功能。一般在這些介面中定義了上層應用如何啟動或終止硬體 SENSOR ，以及如何控制指紋 SENSOR 的函數族。比如發送指紋 SENOSR 初始化命令、開始或停止捕獲指紋圖像命令、詢問手指是存在、以及判斷是否是指紋等。對於滑動式（ SWIPE ）晶元來講，還包括指紋重構的命令介面。
作者： 西西里的豬 2007-4-30 13:23 回復此發言
--------------------------------------------------------------------------------
2 指紋識別技術原理
（7）附加功能。大部分指紋 SENSOR 除了具備指紋圖像採集能力之外，還能夠感知手指的移動方向、手指的點擊方式（單擊雙擊），這被稱之為導航能力。作者見過的一款導航能力非凡的指紋 SENSOR ，可以非常靈活的玩貪吃蛇游戲。另一方面，有的指紋 SENSOR ，如 ATMEL 和 AUTHENTECH 的，可以提供指紋特徵值的模板訪問介面。這些都是除了基本功能之外，指紋 SENSOR 廠商附加開發的功能，這部分功能可以使得，在其它條件相當的情況下，起到提升應用特色的作用。
2.2 、基礎構件之指紋演算法
以上是指紋產品基礎構件層中的指紋 SENSOR 部分的技術構成分析。下面介紹另一部分指紋演算法。全球指紋演算法據稱約有 100 種，不過這三大塊基本是少不了的。一是對指紋圖像進行預處理；二是提取特徵值，並形成特徵值模板；三是指紋特徵值比對。
2.2.1 指紋演算法之指紋圖像預處理
（1）指紋圖像增強 。指紋圖像增強的目的主要是為了減少噪音，增強脊谷對比度，使得圖像更加清晰真實，便於後續指紋特徵值提取的准確性。指紋圖像增強的方法較多，常見的如通過 8 域法計算方向場與設定合適的過濾閾值。處理時依據每個像素處脊的局部走向，會增強在同一方向脊的走向，並且在同一位置，減弱任何不同於脊的方向。這樣使得脊線相對背景更加清晰，特徵點走向更加明顯。
（2）指紋圖圖像平滑處理。 平滑處理是為了讓整個圖像取得均勻一致的明暗效果。平滑處理的過程是選取整個圖像的象素與其周期灰階差的均方值作為閾值來處理的。
（3）指紋圖像二值化。 在原始灰階圖像中，各象素的灰度是不同的，並按一定的梯度分布。在實際處理中只需要象素是不是脊線上的點，而無需知道它的灰度。所以每一個象素對判定脊線來講，只是一個「是與不是」的二元問題。所以，指紋圖像二值化是對每一個象素點按事先定義的閾值進行比較，大於閾值的，使其值等於 255 （假定），小於閾值的，使其值等於 0 。圖像二值化後，不僅可以大大減少數據儲存量，而且使得後面的判別過程少受干擾，大大簡化其後的處理。
（4）指紋圖像細化處理。 圖像細化就是將脊的寬度降為單個像素的寬度，得到脊線的骨架圖像的過程。這個過程進一步減少了圖像數據量，清晰化了脊線形態，為之後的特徵值提取作好了准備。由於我們所關心的不是紋線的粗細，而是紋線的有無。因此，在不破壞圖像連通性的情況下必須去掉多餘的信息。因而應先將指紋脊線的寬度採用逐漸剝離的方法，使得脊線成為只有一個象素寬的細線，這將非常有利於下一步的分析。
2.2.2 指紋演算法之特徵值提取
提取指紋特徵值是從細化過的指紋圖像中，掃描分析出能夠表達某個指紋圖像與眾不同的特徵點的集合。在最初的指紋識別演算法中，經歷以過圖像進行比較的階段，現在的演算法為了安全和確保精準度起見，採用圖像上的特徵點來進行比較，所以才有特徵值提取的說法。
（1）首先來認識一下指紋的特徵。
指紋特徵 ＝總體特徵＋局部特徵
總體特徵：
–紋形：環形、弓形、螺旋形（有的演算法分的更細，如左旋右旋）
–模式區：包含了紋形特徵的區域
–核心點：位於指紋紋路的漸進中心
–三角點：位於從核心點開始的第一個分叉點或者斷點、或者兩條紋路會聚處、孤立點、折轉處，或者指向這些奇異點。
–紋數：指模式區內指紋紋路的數量（脊密度）
局部特徵：指紋上的細節點的特徵。
特徵點：類型、方向、曲率、位置
特徵點類型
–終結點（ Ending ），一條紋路在此終結
–分叉點（ Bifurcation ），一條紋路在此分開成為兩條或更多的紋路
–分歧點（ Ridge Divergence ），兩條平行的紋路在此分開
–孤立點（ Dot or Island ），一條特別短的紋路，以至於成為一點 –環點（ Enclosure ），一條紋路分開成為兩條之後，立即有合並成為一條
作者： 西西里的豬 2007-4-30 13:23 回復此發言
--------------------------------------------------------------------------------
3 指紋識別技術原理
–短紋（ Short Ridge ），一端較短但不至於成為一點的紋路
（2）指紋特徵點的表示
認識到指紋包含以上特徵點之後，如何對指紋的特徵點進行描述？就像通過描述一個的特點不同於另一個人時，我們一般會採用儲如 「男性」「身高 170 」「偏白」等詞彙一樣，描述指紋的特徵點也有一系列的維度。如特徵點類型、位置坐標、方向、曲率等。甚至可以增加組合特徵描述。指紋處理是一個幾何域的問題，所以對這些特徵點的描述無外乎與幾何參數有關。
（3）指紋特徵點提取
對指紋的特徵信息（總體和局部的）進行選擇、編碼，形成二進制數據的過程。指紋特徵點的提取方法是演算法中的核心。一般採用 8 鄰域法對二值化、細化後的指紋圖像抽取特徵點，這種方法將脊線上的點用 「1」 表示，背景用 「0」 表示，將待測點（ x ,y ）的八鄰域點,進行循環比較，若 「0」 ， 「1」 變化有六次，則此待測點為分叉點，若變化兩次，則為端點。通過這個過程可以記錄下來一個指紋的所有特徵點。通常一個指紋的特徵點在 100~150 之間，在形成指紋特徵值模板（也就是特徵值的有序集合）時，盡量多的提取特徵點對於提高准確性是有很大幫助的。
2.2.3 指紋演算法之特徵值比對
指紋特徵值比對過程是把當前取得的指紋特徵值集合與事先存儲的指紋特徵值模板進行匹配的過程。匹配是一個模式識別的過程，判定的標准不是等與不等，而是相似的程度。這個程度判定依賴於某個閾值，以及與判定時比較的特徵點的個數有關。閾值取的合理，特徵點取的越多，誤判的機率就越小。理論一般認為只要 7 個特徵點不同就可以區別開兩枚指紋。實際在程序實現中，多採用 14 個或以上的特徵點作匹配。匹配的方法很多，包括基於特徵點的匹配、脊模式的匹配、以及線對（兩個特徵點的連線）匹配方法。匹配的過程還要處理如手指旋轉、壓力導致的伸縮及平移等情況。一般演算法的誤識率（ FAR ）為 0.001% 時，其拒認率（ FRR ）為 0.75 - 5% 。
在指紋識別演算法這一部分 補充說明一下 指紋識別和驗證的區別。
識別與驗證並不是指紋識別演算法領域的問題，而是指紋識別系統的問題。指紋識別就是指 1 ： N 模式下匹配指紋特徵值。它是從多個指紋模板中識別出一個特定指紋的過程。其結果是，有或者沒有。有時會給出是誰的信息。
指紋驗證是指在 1 ： 1 模式下匹配指紋特徵值。它是拿待比對的指紋特徵模板與事先存在的另一個指紋特徵模 板進行一次匹配的過程。其結果是，是不是。在一個系統中即可以採用 1：1模式也可以採用1：N模式，這是取決於應用系統的特點和要求。
從優缺方面比較， 1:1模式要比1：N快些，准確性高些，但方便性會差些。
3 、指紋產品中間件
指紋中間件技術，與一般中間件技術相似。對於指紋軟體中間件來講，主要是提供一系列從應用角度看已經封裝好的介面，一般不會開放指紋特徵值模板及下一級的介面。這些介面的能力表現為資料庫連接和拆線類介面、用戶注冊介面、用戶驗證介面、用戶手指信息、用戶信息訪問介面、用戶管理（增刪改）介面，以及常用的系統管理介面等。這些介面一般以 OCX組件形式提供，適用於以C/S、B/S、N-Tier等多種應用模式。 硬體中間件，一般是指指紋離線模塊。它主要是一個嵌入式指紋識別系統，對外提供兩方面的能力。一是向下能夠接入一定類型數量的指紋 SENSOR；二是向上給應用能夠提供指紋注冊、驗證、識別、指紋存儲等功能。硬體中間件的形態一直在發展和變化中，從板卡形態向晶元形態演變。市場上已經出現指紋識別IC，能夠完成所有指紋注冊驗證的功能。這對於開發嵌入式指紋識別設備，將無疑是一大福音。
4、指紋產品上層構件
指紋產品上層構件，即應用層，目前市場上所見完整的指紋產品形態多種多樣，在此不再累述。只是想說，在應用層，由於行業的不同、需求的多樣性，依然是有很多可以成就的東西。
總結
從以上分析總結來看，基礎構件中的指紋 SENSOR和指紋演算法是關鍵中的關鍵。如果沒有掌握這個關鍵，通過正常的商品交易得到這些，並以此為基礎構造出指紋中間件產品、或者開發出不同行業的不同類型的指紋應用產品（或系統），也會有非常不錯的前景，這也是創新——集成創新。
http://tieba..com/f?kz=196046842
③ 誰能給個好用的連通域處理的演算法，要8鄰域的
樓主要處理的圖像是什麼樣的？黑白圖像還是彩色的？我這里有個以前用過的只針對黑白圖像的連通域處理，目標是白色，背景是黑色的，不過，如果你的圖像不是這樣的，那先二值化，然後變換為黑色背景白色目標的圖片 CodeGo.net，再調用我這個函數，先看懂我這個函數，然後修改為可以處理白色背景黑色目標 具體函數
其中THRESHOLD_JOINNUM 是個宏定義……
你要先把圖像的邊緣像素處理下，把邊緣1到2個像素寬度的位置，都置為背景色，否則，可能得不到正確的結果，也可能造成訪問越界。也就是把四周的邊緣像素都置為背景色 然後，如果你仔細看這個函數的實現的話，其實是使用兩次連通域處理，一次是用來把黑色的小區域變為白色，也就是填補目標區域中可能出現的小黑洞。然後第二次處理才是用來刪除那些小於閾值的白色目標小連通域 這個函數你要看明白才能正確使用。看吧。
2. 樓主要處理的圖像是什麼樣的？黑白圖像還是彩色的？我這里有個以前用過的只針對黑白圖像的連通域處理，目標是白色，背景是黑色的，不過，如果你的圖像不是這樣的，那先二值化，然後變換為黑色背景白色目標的圖片，再調用我這個函數，先看懂我這個函數，然後修改為可以處理白色背景黑色目標 具體函數