基于梯度投影和形态学的指纹图像分割方法

摘要

基于梯度投影和形态学的指纹图像分割方法，属于图像处理技术领域。首先计算原始指纹图像的横、纵向一阶差分图像G_x、G_y和梯度图像▽f；然后利用梯度图像▽f在横向和纵向的投影曲线确定大致指纹前景区域；然后对大致指纹前景区域图像进行分块，利用梯度方向一致性阀值去除模糊区域；然后对去除了模糊区域的大致指纹前景区域图像的梯度值二值化，利用尺寸大于两相邻脊线之间距离的模板对梯度二值图像进行闭操作和开操作，得到指纹分割模板；最后将原始指纹图像同指纹分割模板进行点乘运算，得到最终的指纹前景区域图像。本发明的指纹分割算法均建立在指纹的梯度图之上，所以其计算量比较小，而且通过形态学操作之后的指纹前景轮廓也较平滑。

主权项

1、基于梯度投影和形态学的指纹图像分割方法，包含下述步骤：步骤1、计算原始指纹图像gray的梯度图像具体包括下述步骤：步骤1-1、分别计算原始指纹图像gray的横向一阶差分图像G_x和纵向一阶差分图像G_y，步骤1-2、由横向和纵向一阶差分图像计算原指指纹图像的梯度图像$▿f={[G_x^2+G_y^2]}^{1/2}$步骤2、找出指纹前景区域的边界以确定大致指纹前景区域，得到大致指纹前景区域图像，具体包括下述步骤：步骤2-1、分别对梯度图像在横向和纵向进行投影，得到横向投影曲线h(i)和纵向投影曲线v(i)；步骤2-2、在横向投影曲线h(i)上，找到梯度最大值所在的位置，然后向两边搜索；当搜索到h(i)曲线上的局部极小值点，且该点的梯度值小于Lower Mean，则该点所在的水平位置为指纹前景的水平边界线的位置；这样，我们就可以确定指纹前景区域的上边界top_bound和下边界bot_bound；其中Mean代表横向投影曲线h(i)的梯度平均值，Lower Mean代表横向投影曲线上的梯度值小于Mean的所有点的梯度平均值；步骤2-3、同步骤2-2，通过纵向投影曲线v(i)找到指纹前景区域的左边界left_bound和右边界right_bound；步骤3、去除步骤2所得的大致指纹前景区域图像中的模糊区域，具体包括下述步骤：步骤3-1、将步骤2中所确定的大致指纹前景区域图像划分成w×w的块，然后计算每个块的梯度方向一致性：$\mathrm{Coh}=\frac{\left|{\Sigma }_W(G_{s,x},G_{s,y})\right|}{{\Sigma }_W\left|(G_{s,x},G_{s,y})\right|}=\frac{\sqrt{{(G_{\mathrm{xx}}-G_{\mathrm{yy}})}^2+4G_{\mathrm{xy}}^2}}{G_{\mathrm{xx}}+G_{\mathrm{yy}}}$C_s，x＝G_xx-G_yy，G_s，y＝2G_xy$G_{\mathrm{xx}}={\Sigma }_W{G}_x^2,$$G_{\mathrm{yy}}={\Sigma }_W{G}_y^2,$G_xy＝∑WG_xG_y其中Coh为w×w块的梯度方向一致性值，G_x和G_y分别代表指纹的横向和纵向差分图像，而G_s，x，G_s，y，G_xx，G_xy，G_yy为中间变量，∑_W表示对w×w块内的所有元素进行累加操作；步骤3-2、设定梯度方向一致性的阀值，并将梯度方向一致性小于该阀值的块看成模糊区域，将其从大致指纹前景区域图像中删除；步骤4、对步骤3所得去除了模糊区域的大致指纹前景区域图像进行边缘提取，并用形态学方法确定最终的指纹前景区域图像；具体包括下述步骤：步骤4-1、对步骤3所得去除了模糊区域的大致指纹前景区域图像的梯度值进行二值化，提取出指纹的脊线或谷线边缘；步骤4-2、用尺寸大于两相邻脊线之间距离的模板对步骤4-1得到的梯度二值图像进行闭操作，然后再用该模板对闭操作后的二值图像进行开操作；步骤4-3、把上述形态学操作之后的连通的二值图像作为指纹分割的模板，模板中指纹前景区域的值为1，其它区域的值为0；将原始指纹图像Gray同该模板进行点乘运算，得到最终的指纹前景区域图像。