基于opencv的指紋圖像處理技術(shù)研究

李紀嫻　蔡昕晨　胡安正

摘 要：指紋識別技術(shù)是一種安全可靠且可行性高的生物識別技，在新興的安全系統(tǒng)中占有重要地位。本文通過引用opencv的指紋圖像處理技術(shù)、數(shù)據(jù)庫和高斯濾波等技術(shù)進行綜合處理，發(fā)現(xiàn)在指紋圖像處理上運用opencv技術(shù)后效果更加理想，且使得圖像算法更為簡潔。

關(guān)鍵詞：opencv 指紋圖像 高斯濾波 形態(tài)學處理

中圖分類號：G64 文獻標識碼：A 文章編號：1003-9082（2018）10-0-01

在這個科技飛速發(fā)展的時代，信息技術(shù)是關(guān)注焦點和核心技術(shù)，它在給予方便的同時也提出很多難題，如：以往人們通常都是通過證件驗證人的身份，由于證件很容易被偽造、也易丟失，從而帶來很多弊端。如果利用生物識別技術(shù)，如利用人體的某種、具有唯一性的生理特征（如指紋信息）來辨別人的身份，可以有效解決上述弊端。

一、指紋圖像處理整體思路

本系統(tǒng)分為指紋采集、指紋圖像預處理、指紋圖像后處理和指紋圖像比對等部分，其系統(tǒng)的運行流程，如圖1所示。

二、指紋數(shù)據(jù)庫的創(chuàng)建通過指紋采集器獲取人體指紋特征信息，然后對采取的信息進行壓縮處理，最后將處理后的數(shù)據(jù)儲存在對應的數(shù)據(jù)庫中，如圖2所示。

三、指紋圖像預處理

周圍環(huán)境會對指紋采集產(chǎn)生影響，為了采集有效的指紋特征，需要對指紋圖像進行預處理，本文采用opencv的形態(tài)學圖像處理[1]、高斯濾波和圖像細化等算法，一定程度上的去除了圖像中的噪點、提高了圖像的質(zhì)量。

1.利用腐蝕、膨脹運算去除孔噪聲這些噪聲在圖像細化后會變成偽特征點，給圖像識別造成困難，因此圖像細化前需去除這些噪聲。

本設計使用opencv中的腐蝕膨脹運算去除孔噪聲[2]，圖3中（a）（b）分別為處理前后的圖片。在opencv中實現(xiàn)腐蝕膨脹運算需執(zhí)行以下操作。

void cv：：erode（const cv：：arr *src，cv：：arr*dst，IplConvKernel *element=NULL，int iterations=1）；

void cv：：dilate（const cv：：arr *src，cv：：arr *dst，IplConvKernel *element=NULL，

int iterations=1）；。

2.高斯濾波

仍然存在噪聲，這會導致圖像細化后產(chǎn)生短

枝噪聲。利用高斯濾波算法能保證在不改變

圖像的原有特征的情況下去除這些噪聲[2]。

實際圖像基本都是連續(xù)的，相鄰像素點關(guān)系密切，高斯濾波就是利用這點處理圖像，對圖像每個像素點與高斯濾波模板進行卷積，輸出圖像的每個像素值都是其本身和相鄰像素點的加權(quán)平均[3]。高斯濾波在opencv中的實現(xiàn)如下：

void GaussanBlur（InputArraysrc，OutputArray dst，Size ksize， double sigmaX， double sigmaY=0，int borderType=BORDER_DEFAULT ）；

3.圖像的細化

在應用圖像處理中，為了方便后續(xù)圖

像分析，通常采取骨架提取的方法。

圖像細化就是將具有一定面積的區(qū)域用一條與其形狀相似的曲線代替，本設計采用Zhang快速并行細化算法[4]，該算法具有快速高效的特點，實驗證明，通過Zhang快速并行細化算法處理后的圖像，骨架幾乎處于指紋紋線中心，且光滑無毛刺，如圖5所示。

四、指紋圖像后處理

后處理部分包括特征點的提取和比對，目

前基于細節(jié)點的表述方式使用較為廣泛，它通

過圖像處理確定指紋圖像的特征點，將其與數(shù)

據(jù)庫中的數(shù)據(jù)進行特征點匹配。

像中的分布和出現(xiàn)頻率不同，其中（a），（b）出現(xiàn)較多，因此許多指紋識別系統(tǒng)均以此為細節(jié)特征進行圖像比對。

上述方法基本達到指紋匹配要求，且由于是細節(jié)特征的比對，使得我們不需要存儲整幅指紋圖像，很大程度上降低了存儲容量。

結(jié)論

本文主要研究指紋圖像處理，在OpenCV計算機視覺庫的基礎(chǔ)上，采用了形態(tài)學圖像處理、高斯濾波、Zhang快速并行細化、特征點匹配等算法。通過實驗表明，本設計能在保持原圖像特征點不丟失的情況下，使指紋圖像線條清晰且具有良好的視覺效果，便于指紋特征的提取和匹配，為指紋圖像的進一步處理提供良好的基礎(chǔ)。

參考文獻

[1]Robert Laganiere著，張靜譯OpenCV 2 計算機視覺編程手冊[M].北京，科學出版社，2013.7

[2]張久文，溫志賢，張步達等，基于數(shù)學形態(tài)學的圖像處理[J].天水師范學院學報，2004年02期

[3]王海菊，譚常玉，王坤林等，自適應高斯濾波圖像去噪算法[J].福建電腦，2017年11期

[4]吳選忠，快速并行細化算法的擴展[J].福建工程學院學報，2006年01期

*通信作者：胡安正，湖北文理學院，物理與電子工程學院，教授。