指纹图像二值化优化算法

陈戈珩,李文秀

(长春工业大学 计算机科学与工程学院，吉林 长春 130012)



指纹图像二值化优化算法

陈戈珩,李文秀

(长春工业大学 计算机科学与工程学院，吉林 长春 130012)

对几种常用的图像二值化方法进行研究比较，且用各算法分别对正常指纹、黑指纹以及淡指纹图像进行二值化处理。对迭代法进行了优化，实验证明,优化后的算法对淡指纹及黑指纹等非正常指纹进行二值化可以取得更理想的效果。

二值化; 指纹图像; 算法

0 引 言

指纹图像二值化的目的就是通过阈值使黑色的脊线区域灰度都达到0，白色的谷线区域都达到255，将灰度图像转化为只有黑白两种颜色的区域。实践证明，在对指纹进行特征点提取及匹配之前进行二值化处理，已成为指纹识别的关键步骤之一[1]。

1 双峰法

1.1 双峰法算法

双峰法是一种被广泛应用的二值化方法。它认为图像由前景和背景组成,且前景和背景分别拥有自己的峰值，两个峰值之间的谷变是图像二值化的阈值[2]。这种方法适用于有明显双峰值的图像，而对于无法提供明显双峰值的直方图则效果不佳，甚至会导致有用信息的严重丢失,如图1所示。

双峰法算法步骤如下：

1)计算图像灰度直方图;

2)在灰度直方图上找到两个峰的峰值;

3)找到两个峰值之间的谷，即为阈值;

4)大于阈值的灰度值为1，小于阈值的灰度值为0。

图1 直方图

1.2 基于双峰法的指纹图像二值化

文中用MATLAB实现双峰法分别对正常指纹、黑指纹以及淡指纹的二值化处理，如图2所示。

(a) 正常指纹及其二值化图像

(b) 黑指纹及其二值化图像

(c) 淡指纹及其二值化图像

由图2可以看出，双峰法对于正常指纹、黑指纹以及淡指纹都比较实用。

2 大津法

2.1 大津法算法

大津法是由日本学者大津在1979年提出的一种阈值自适应确定方法。大津法的基本思想是寻求阈值T作为图像前景与背景的分割。设前景图像点数占图像比例为W0，图像的平均灰度为U1,则图像的总平均灰度为：

U=W0U0+W1U1

当T使得

最大时为分割的最佳阈值[3]。

2.2 基于大津法的指纹图像二值化

文中用MATLAB实现大津法分别对正常指纹、黑背景指纹以及淡指纹的二值化处理,如图3所示。

由图3可以看出，大津法对于正常指纹、黑指纹以及淡指纹都比较实用。

大津法是一种计算自适应单阈值的简单高效的方法。该算法选取出来的阈值比较理想,且对各种情况的图像都能取得较好的效果，是各种二值化算法的经典算法;缺点是容易受光照的影响，对于存在光照不均匀的图像效果不理想。

(a) 正常指纹的二值化图像 (b) 黑背景指纹的二值化图像 (c) 淡指纹二值化图像

3 迭代法及其优化算法

3.1 迭代法算法

迭代法是不断的求取前景与背景的平均灰度值，直到所得到的平均值与上次取得的值几乎相等为止,此时的灰度平均值即为寻求的阈值。此方法的优点是对于背景较复杂图像处理效果较好，也不会导致较大有用信息的丢失;缺点是占用了大量的时间，即时间复杂度高，与其他算法相比效率较低[4]。

算法步骤如下：

1)为T选一个初始值。一般选取最大灰度值与最小灰度值的中间值。

2)使用T分割图像。把亮度值大于T的所有像素和小于T的两组像素分为两组G1和G2。

3)计算G1和G2的平均亮度值μ1和μ2。

5)重复步骤2)到步骤4)，直到T值比开始所选定的阈值小为止。

3.2 基于迭代法的优化算法的指纹图像二值化

图像迭代法选定初始阈值一般选择图像最大灰度值与最小灰度值的平均值[5]。通过实验发现，在对黑指纹以及淡指纹进行二值化处理时，选取平均值效果并不理想，如图4和图5所示。

(a) 原图 (b) 取均值图像 (c) 优化后的图像

(a) 原图 (b) 取均值图像 (c) 优化后的图像

根据二值化原理，文中针对黑指纹及淡指纹的迭代法分别做了优化,在对黑指纹进行迭代法二值化处理时，初始阈值的选取要小于最大灰度值与最小灰度值的平均值，而对淡化指纹初始阈值的选取，则要小于最大灰度值与最小灰度值的平均值，取得了很好的效果[6-8]。

从图中可以看出，图4(b)二值化后的图像有些地方明显产生了噪声，图4(c)则没有，且更接近原图。

图5(b)二值化后的图像明显丢失了大量有用的信息，图5(c)则很好地对原图进行了二值化处理，效果很好。

4 结 语

二值化在指纹识别的预处理中起着至关重要的作用，如何有效地对指纹图像进行二值化处理非常关键。通过对常用的几种算法进行研究与比较，指出了它们的优缺点,并用它们分别对正常指纹、黑指纹及淡指纹进行处理，发现双峰法及大津法都能取得理想的效果，迭代法对正常指纹效果较好，但对于黑指纹及淡指纹效果并不理想。文中对迭代法进行了优化，克服了迭代法对非正常指纹二值化结果不佳的问题，为指纹特征提取及其匹配打下了良好的基础。

[1]KennethR.Castleman数字图像处理[M].北京:电子工业出版社,2004.

[2] 龚纯，王正林.MATLAB语言常用算法程序集[M].北京:电子工业出版社,2008.

[3] Rafacel C Gonzalez，Richard E Woods.数字图像处理(MATLAB版)[M].阮秋琦,阮宇智,译.北京:电子工业出版社，2011.

[4] 呂俊哲.图像二值化算法研究及其实现[J].科技情报开发与经济，2004，12:266-270.

[5] 马驰，张红云.改进的多阈值动态二值化算法[J].计算机工程，2006(5):203-207.

[6] 严由，赵跃龙.一种基于迭代阈值法的身份证图像二值化算法研究[J].计算机测量与控制，2005,13(6):595-599.

[7] 郑亚萍.指纹图像二值化算法的研究[J].科技信息，2011(23):24-28.

[8] 康皓，李秋艳，赵成丽.基于梯度图像的块状物体识别方法[J].长春工业大学学报:自然科学版，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

国家科技支撑计划基金资助项目(2007BAQ00097)

陈戈珩(1961-)，女，汉族，吉林长春人，长春工业大学教授，主要从事嵌入式系统设计和图像处理方向研究,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