基于matlab的指纹图像增强方法

课程设计报告

设计题目：指纹图像的增强—

学院：电子工程学院

专业：电子信息工程

班级：__________________________

成绩：

指导教师:

一、设计概述

1. 课程设计题目：指纹图像的增强方法

2. 基本要求：读取初始指纹图像，设计程序，实现指纹图像的增强，使指纹的纹理更加清晰，便于

识别。

3. 指纹图像增强的意义：指纹是人类手指末端指腹上由凹凸的皮肤所形成的纹路。指纹能使手在接触物件时增加摩擦力，从而更容易发力及抓紧物件。是人类进化过程式中自然形成的。目前尚未发现有不同的人拥有相同的指纹，所以每个人的指纹也是独一无二。由于指纹是每个人独有的标记，近几百年来，罪犯在犯案现场留下的指纹，均成为警方追捕疑犯的重要线索，使得指纹识别技术得到了飞快的发展，指纹图像的识别也就变得非常具有意义，但是通过传感器等方式获取到的指纹图像往往是比较模糊的，识别率相对较低，此时，指纹图像增强就孕育而生，通过对指纹图像的增强处理，得出了具有较清晰的图像，是识别率更高。

二．设计思路：指纹图像增强的主要步骤及方法

①读取指纹图像

②指纹图像灰度化处理

③指纹图像平滑处理

④指纹图像的腐蚀处理

⑤指纹图像的锐化处理

⑥指纹图像二值化

⑦指纹图像纹理的细化处理

三．具体的处理流程及其分析

1. 指纹图像的读取

将通过传感器或者别的方式获取到的指纹图像读取到matlab 中；如.bmp .jpg 等格式的图片文件。通过matlab 实现：

I=imread（‘文件路径+图像名.jpg'）;

2. 指纹图像灰度化处理

数字图像可分为灰度图像和彩色图像。通过灰度化处理和伪彩色处理，可以使伪彩色图像与灰度图像相互转化；灰度化就是使彩色的R，G，B 分量值相等的过程

I=rbg2gray （I ）

3. 指纹图像平滑处理(此处我们使用的是中值滤波的方法处理) 图像平滑的主要目的是减少图像噪声。图像噪声来自于多方面，有来自于系统外部的干扰(如电磁波或经电源窜进系统内部的外部噪声) ，也有来自于系统内部的干扰(如摄像机的热噪声、电器机械运动而产生的抖动噪声等内部噪声) 。实际获得的图像都因受到干扰而含有噪声，噪声产生的原因决定了噪声分布的特性及与图像信号的关系。减少噪声的方法可以在空间域或频率域处理。在空间域中进行时，基本方法就是

求像素的平均值或中值；在频率域中则运用低通滤波技术。

图像平滑总是要以一定细节模糊为代价，因此如何尽量平滑掉图像的噪声，又尽量保持图像细节，是图像平滑研究的主要问题之一。

此处我们使用的是中值滤波的方法处理。中值滤波是一种非线性处理技术，由于它在实际运算过程中并不需要知道图像的统计特性，所以比较方便。在一定的条件下，中值滤波可以克服线性滤波器所带来的图像细节模糊，而且对滤除脉冲干扰及图像扫描噪声非常有效；但是，对一些细节多，特点是点、线、尖顶细节较多的图像则不宜采用中值滤波的方法。中值滤波的目的是在保护图像边缘的同时，去除噪声。

中值滤波的特性：

(1)对某些输入信号中值滤波具有不变性

(2)中值滤波的去噪声性能中值滤波可以用来减弱随机干扰和脉冲干扰。由于中值滤波是非线性的，因此对随机输入信号数学分析比较复杂。中值滤波的输出与输入噪声的概率密度分布有关，而领域平均法的输出与输入分布无关。中值滤波在抑制随机噪声上要比领域法差一些，但对于脉冲烦扰，中值滤波是非常有效的。

(3)中值滤波的频谱特性：由于中值滤波是非线性运算，在输入与输出之间的频率上不存在一一对应的关系，故不能用一般线性滤波器频率特性分析方法。采用总体实验观察法，经大量实验表明，中值滤波器的频率响应与输入信号的频谱有关，呈现不规则波动不大的曲线，中值滤波幅谱特性起伏不大，可以认为信号经中值滤波后，频谱基本不变。

中值滤波的matlab 实现：

I1=medfilt2(I,[5,5]);

figure,imshow(I); figure,imshow(I1);

对带有噪声的指纹图像进行预处理, 经过滤波后的图像能够消除图像中的一部分干扰影响。

4. 指纹图像的腐蚀处理指纹图像腐蚀运算后使得指纹纹路更细，便于后续的处理，但指纹图像显得模糊，但是接下来我们将对指纹图像进行锐化，使得图像边缘更加清晰。

灰度腐蚀的matlab 实现程序：

s=ones(3,3);

I2=imerode(I1,s);

figure,imshow(I2);

5. 指纹图像的锐化处理图像锐化即对图像进行处理，使图像的边缘变得鲜明。目的是为了突出图像

的边缘信息，加强轮廓特征，以便于人眼的观察和机器的识别对比。

这里我们采用的是Sobel 算子对图像增强。Matlab 实现程序如下I3=double(I2);

h=fspecial('sobel');

K=filter2(h,I3);

figure,imshow(K)

K1=I3-K;

figure,imshow(K1);

指纹图像竖直方向的纹路有很大的残缺，显然该图像的清晰度不令人满意，为了获得较清晰的指纹图像，我们将对上述图像进行修补，本文所使用的方法是将锐化处理前的图像逆时针旋转90 度，再以上述同样的方法对图像进行锐化增强，由此得到的图像再顺时针旋转90 度。

matlab 实现程序：

%图像逆时针旋转90 度再进行锐化

I=imread('f:\image2_0.jpg');

J=double(I);

h=fspecial('sobel');

K=filter2(h,J);

figure,imshow(K)

K1=J-K;

figure,imshow(K1');

imwrite(K1','f:\s2.jpg'); 先将两幅指纹图像进行配准，配准完成后，再进行简单的融合。

%两幅图像配准

I1=imread('f:/s1.jpg');

I2=imread('f:/s2.jpg');

J1=double(I1);

J2=double(I2);

K1=fft2(J1);

K2=fft2(J2);

out=dftregistration(K1,K2,1);

两幅图像进行配准后再相加的的MATLAB?序

%配准后相加

I1=imread('f:/s1.jpg');

I2=imread('f:/s2.jpg');

I4=double(I1);

I5=double(I2);

[width,height]=size(I5);

NewR2=zeros(width,height);

for i=1:width

for j=1:height

source_x=i+1;

source_y=j+1; if(source_x>width||source_y>height)

NewR2(i,j)=0;

else if(source_x/double(uint16(source_x))==1.0&source_y/double(uint16(sour ce_y))==1.0) NewR2(i,j)=I5(int16(source_x),int16(source_y));

End

end

end

end

I6=NewR2;

I3=uint8(I4);

I7=uint8(I6);

figure,imshow(I3);

figure,imshow(I7);

K=imadd(I3,I7,'uint16');

figure,imshow(K,[]);