指纹识别算法的matlab实现 - 图文

对称的删除；（4）保证细化完后的指纹图像是单个像素的；（5）对边缘上噪声不应该敏感；（6）算法简单且实用。 2.4.1 快速细化算法

快速细化算法的原理为先判断出指纹的边缘，并沿着脊线的边缘对称的逐步删除像素，直至删除的剩下单个像素。该算法速度快但不彻底。它的算法为

（1）遍历整个指纹的图像，找出指纹图像脊线的边界点（图2-14中的X的八邻域为P1到P8）。脊线上每一点的八邻域，脊线端点的八邻域中只有一个目标点，脊线连续点的八邻域有两个目标点，分叉点有三个目标点，且每点八邻域最多只有三个目标点，符合上述条件的才为单像素宽。

图 2-14 X点的八邻域

（2）当X点周围的点多于三个目标点时，将多余的点删除，依次删除到剩下三个时判断该点是否为分叉点，不是再删除，剩下两个点时，判断是否为连续点，不是时删除，当为一个点时不删除。

（3）循环寻找，直到没可删除的点为止。 2.4.2 改进的OPTA算法

常用的传统细化算法还有OPTA算法[10]（基于模板的图象细化算法），原理为构造两个模板：一消除模板和一保留模板，将指纹图像二值化后与这

21

两个模板相比较，来决定是否删除该像素，本文研究的是改进后的OPTA算法，改进后的OPTA算法的优点是消除了原OPTA算法算法中两种模板不一致的问题。本算法采用统一的4*4模板，消除模板有八个，保留模板有六个，模板的结构如下图2-15，图2-16，图2-17所示。

图 2-15 OPTA算法的改进模板(4*4)

图 2-16 消除模板（八个）

22

图2-17 保留模板（六个）

改进后的OPTA算法的细化原理：从图像（类似于4*4的模板中）左上角开始进行，图中的各个像素（如图所示的元素，用P表示）抽取如图2-15所示的P1~P15总共十五个相邻像素，其中的八个相邻的像素(P1~P4，

P6~P9)与图2-15所示的消除模板（八个）相比较， 若都不匹配，则P保留，

否则将抽取出来的元素和图2-16的保留模板（六个）相比较，若与其中的一个匹配，则保留P，否则应该将P删除。重复利用以上的操作，将所有图像中的像素值进行比较直至不变为止。此算法是八连通的算法，基本都能够保证单像素的宽度。但该算法却不能使分叉点处彻底的细化，同时也会产生部分毛刺。

Matlab程序见附录A。细化结果图如图2-18：

23

图2-18 细化图

根据实验发现，该方法处理弓形指纹效果较好，对于环形或螺旋形指纹的中心区域时会出现较多的毛刺和断裂，如下图2-19，这是其的缺点之一，为了很好的使其有实际应用，有待改进。

图 2-19 细化图

本章通过对指纹原图像的分割，二值化，滤波和细化算法的分析比较，得出了一套比较实用和便捷的算法，并通过matlab仿真实现最终的结果，为后续的特征提取和匹配打下了基础。

24