指紋圖像二值化優化算法

陳戈珩,李文秀

(長春工業大學 計算機科學與工程學院，吉林 長春 130012)

?

指紋圖像二值化優化算法

陳戈珩,李文秀

(長春工業大學 計算機科學與工程學院，吉林 長春 130012)

對幾種常用的圖像二值化方法進行研究比較，且用各算法分別對正常指紋、黑指紋以及淡指紋圖像進行二值化處理。對迭代法進行了優化，實驗證明,優化后的算法對淡指紋及黑指紋等非正常指紋進行二值化可以取得更理想的效果。

二值化; 指紋圖像; 算法

0 引 言

指紋圖像二值化的目的就是通過閾值使黑色的脊線區域灰度都達到0，白色的谷線區域都達到255，將灰度圖像轉化為只有黑白兩種顏色的區域。實踐證明，在對指紋進行特征點提取及匹配之前進行二值化處理，已成為指紋識別的關鍵步驟之一[1]。

1 雙峰法

1.1 雙峰法算法

雙峰法是一種被廣泛應用的二值化方法。它認為圖像由前景和背景組成,且前景和背景分別擁有自己的峰值，兩個峰值之間的谷變是圖像二值化的閾值[2]。這種方法適用于有明顯雙峰值的圖像，而對于無法提供明顯雙峰值的直方圖則效果不佳，甚至會導致有用信息的嚴重丟失,如圖1所示。

雙峰法算法步驟如下：

1)計算圖像灰度直方圖;

2)在灰度直方圖上找到兩個峰的峰值;

3)找到兩個峰值之間的谷，即為閾值;

4)大于閾值的灰度值為1，小于閾值的灰度值為0。

圖1 直方圖

1.2 基于雙峰法的指紋圖像二值化

文中用MATLAB實現雙峰法分別對正常指紋、黑指紋以及淡指紋的二值化處理，如圖2所示。

(a) 正常指紋及其二值化圖像

(b) 黑指紋及其二值化圖像

(c) 淡指紋及其二值化圖像

由圖2可以看出，雙峰法對于正常指紋、黑指紋以及淡指紋都比較實用。

2 大津法

2.1 大津法算法

大津法是由日本學者大津在1979年提出的一種閾值自適應確定方法。大津法的基本思想是尋求閾值T作為圖像前景與背景的分割。設前景圖像點數占圖像比例為W0，圖像的平均灰度為U1,則圖像的總平均灰度為：

U=W0U0+W1U1

當T使得

最大時為分割的最佳閾值[3]。

2.2 基于大津法的指紋圖像二值化

文中用MATLAB實現大津法分別對正常指紋、黑背景指紋以及淡指紋的二值化處理,如圖3所示。

由圖3可以看出，大津法對于正常指紋、黑指紋以及淡指紋都比較實用。

大津法是一種計算自適應單閾值的簡單高效的方法。該算法選取出來的閾值比較理想,且對各種情況的圖像都能取得較好的效果，是各種二值化算法的經典算法;缺點是容易受光照的影響，對于存在光照不均勻的圖像效果不理想。

(a) 正常指紋的二值化圖像 (b) 黑背景指紋的二值化圖像 (c) 淡指紋二值化圖像

3 迭代法及其優化算法

3.1 迭代法算法

迭代法是不斷的求取前景與背景的平均灰度值，直到所得到的平均值與上次取得的值幾乎相等為止,此時的灰度平均值即為尋求的閾值。此方法的優點是對于背景較復雜圖像處理效果較好，也不會導致較大有用信息的丟失;缺點是占用了大量的時間，即時間復雜度高，與其他算法相比效率較低[4]。

算法步驟如下：

1)為T選一個初始值。一般選取最大灰度值與最小灰度值的中間值。

2)使用T分割圖像。把亮度值大于T的所有像素和小于T的兩組像素分為兩組G1和G2。

3)計算G1和G2的平均亮度值μ1和μ2。

5)重復步驟2)到步驟4)，直到T值比開始所選定的閾值小為止。

3.2 基于迭代法的優化算法的指紋圖像二值化

圖像迭代法選定初始閾值一般選擇圖像最大灰度值與最小灰度值的平均值[5]。通過實驗發現，在對黑指紋以及淡指紋進行二值化處理時，選取平均值效果并不理想，如圖4和圖5所示。

(a) 原圖 (b) 取均值圖像 (c) 優化后的圖像

(a) 原圖 (b) 取均值圖像 (c) 優化后的圖像

根據二值化原理，文中針對黑指紋及淡指紋的迭代法分別做了優化,在對黑指紋進行迭代法二值化處理時，初始閾值的選取要小于最大灰度值與最小灰度值的平均值，而對淡化指紋初始閾值的選取，則要小于最大灰度值與最小灰度值的平均值，取得了很好的效果[6-8]。

從圖中可以看出，圖4(b)二值化后的圖像有些地方明顯產生了噪聲，圖4(c)則沒有，且更接近原圖。

圖5(b)二值化后的圖像明顯丟失了大量有用的信息，圖5(c)則很好地對原圖進行了二值化處理，效果很好。

4 結 語

二值化在指紋識別的預處理中起著至關重要的作用，如何有效地對指紋圖像進行二值化處理非常關鍵。通過對常用的幾種算法進行研究與比較，指出了它們的優缺點,并用它們分別對正常指紋、黑指紋及淡指紋進行處理，發現雙峰法及大津法都能取得理想的效果，迭代法對正常指紋效果較好，但對于黑指紋及淡指紋效果并不理想。文中對迭代法進行了優化，克服了迭代法對非正常指紋二值化結果不佳的問題，為指紋特征提取及其匹配打下了良好的基礎。

[1]KennethR.Castleman數字圖像處理[M].北京:電子工業出版社,2004.

[2] 龔純，王正林.MATLAB語言常用算法程序集[M].北京:電子工業出版社,2008.

[3] Rafacel C Gonzalez，Richard E Woods.數字圖像處理(MATLAB版)[M].阮秋琦,阮宇智,譯.北京:電子工業出版社，2011.

[4] 呂俊哲.圖像二值化算法研究及其實現[J].科技情報開發與經濟，2004，12:266-270.

[5] 馬馳，張紅云.改進的多閾值動態二值化算法[J].計算機工程，2006(5):203-207.

[6] 嚴由，趙躍龍.一種基于迭代閾值法的身份證圖像二值化算法研究[J].計算機測量與控制，2005,13(6):595-599.

[7] 鄭亞萍.指紋圖像二值化算法的研究[J].科技信息，2011(23):24-28.

[8] 康皓，李秋艷，趙成麗.基于梯度圖像的塊狀物體識別方法[J].長春工業大學學報:自然科學版，2008，29(3):279-282.

An optimal algorithm for fingerprint image double-value

CHEN Geheng，LI Wenxiu

(School of Computer Science & Engineering,Changchun University of Technology,Changchun 130012，China)

Algorithms for image double-value are compared. The algorithms are applied to double-value process normal,black and light fingerprint images. The iterative algorithm is optimized and the simulation results show that it is effective for the double-value processing for light and black fingerprint images.

double-value; fingerprint image; algorithm.

2016-01-25

國家科技支撐計劃基金資助項目(2007BAQ00097)

陳戈珩(1961-)，女，漢族，吉林長春人，長春工業大學教授，主要從事嵌入式系統設計和圖像處理方向研究,E-mail:chengeheng@ccut.edu.cn.

10.15923/j.cnki.cn22-1382/t.2016.5.17

TN 911

A

1674-1374(2016)05-0499-04