指纹识别-(6)指纹图像预处理算法之图像频率场

2023-10-17 10:40

本文主要是介绍指纹识别-(6)指纹图像预处理算法之图像频率场,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

4、指纹图像的频率场

指纹图像的频率场反映的是指纹的纹线间隔情况。沿着脊线与谷的方向,指纹图像的灰度能够建模成一个类正弦曲线的波。图像的频率可以定义为像素点 ( x , y ) \left(x,y\right) (x,y)方向场 θ ( x , y ) \theta\left(x,y\right) θ(x,y)垂直方向上单位长度内脊线的条数。
方向窗口和X幅值
指纹图像频率场的计算步骤如下:

  1. 将归一化后的指纹图像分为 w × w ( 16 × 16 ) w\times w\ (16\times16) w×w (16×16)的小块;
  2. 对于每一个以像素点 ( x , y ) \left(x,y\right) (x,y)为中心的块,计算确定尺寸为 l × w ( 32 × 16 ) l\times w\ (32\times16) l×w (32×16)的以脊线方向法向为方向的窗口。
  3. 计算方向窗口内沿脊线方向投射成的正弦波的幅值 X [ k ] X\left[k\right] X[k]
    X [ k ] = 1 w ∑ d = 0 w − 1 G ( u , v ) , k = 0 , 1 , … , l − 1 X\left[k\right]=\frac{1}{w}\sum_{d=0}^{w-1}G\left(u,v\right),k=0,1,\ldots,l-1 X[k]=w1d=0w1G(u,v),k=0,1,,l1
    u = x + ( d − w 2 ) c o s ( O ( x , y ) ) + ( k − l 2 ) s i n ( O ( x , y ) ) u=x+\left(d-\frac{w}{2}\right)cos{\left(O\left(x,y\right)\right)}+\left(k-\frac{l}{2}\right)sin\left(O\left(x,y\right)\right) u=x+(d2w)cos(O(x,y))+(k2l)sin(O(x,y))
    v = y + ( d − w 2 ) s i n ( O ( x , y ) ) − ( k − l 2 ) c o s ( O ( x , y ) ) v=y+\left(d-\frac{w}{2}\right)sin{\left(O\left(x,y\right)\right)}-\left(k-\frac{l}{2}\right)cos\left(O\left(x,y\right)\right) v=y+(d2w)sin(O(x,y))(k2l)cos(O(x,y))
  4. 求出 X [ k ] X\left[k\right] X[k]中所有极大值点,计算这些极大值点间相邻两点间距离的平均值,记为 S ( x , y ) S\left(x,y\right) S(x,y),则波形的频率可表示为 F ( x , y ) = 1 S ( x , y ) F\left(x,y\right)=\frac{1}{S\left(x,y\right)} F(x,y)=S(x,y)1
  5. 对于固定分辨率的指纹图像,局部邻域内的纹线频率在一定范围内,对于500dpi的图像范围在 [ 1 3 , 1 25 ] \left[\frac{1}{3},\ \ \frac{1}{25}\right] [31,  251]。对于频率的估计值超出此范围的,频率被设为-1,表示无法获得该指纹区域的有效频率。细节点和奇点的出现会造成指纹块不能形成明确的正弦波,这些块的频率值需要从具有明确频率的相邻块的频率内插。
    F ′ ( x , y ) = { F ( x , y ) F ( x , y ) ≠ − 1 ∑ u = − w f 2 w f 2 ∑ v = − v 2 w f 2 W g ( u , v ) μ ( F ( x + u , y + v ) ) ∑ u = − w f 2 w f 2 ∑ v = − w f 2 w f 2 W g ( u , v ) σ ( F ( x + u , y + v ) ) o t h e r F^{\prime}(x, y)=\left\{\begin{array}{ll} F(x, y) & F(x, y) \neq-1 \\ \frac{\sum_{u=-\frac{w_{f}}{2}}^{\frac{w_{f}}{2}} \sum_{v=-\frac{v}{2}}^{\frac{w_{f}}{2}} W_{g}(u, v) \mu(F(x+u, y+v))}{\sum_{u=-\frac{w_{f}}{2}}^{\frac{w_{f}}{2}} \sum_{v=-\frac{w_{f}}{2}}^{\frac{w_{f}}{2}} W_{g}(u, v) \sigma(F(x+u, y+v))} & other \end{array}\right. F(x,y)= F(x,y)u=2wf2wfv=2wf2wfWg(u,v)σ(F(x+u,y+v))u=2wf2wfv=2v2wfWg(u,v)μ(F(x+u,y+v))F(x,y)=1other
    其中 W g W_g Wg为离散高斯核,其平均值为0,方差为9, w f w_f wf为核的尺寸为7。
    μ ( x ) = { 0 x ≤ 0 x 其他  \mu(x)=\left\{\begin{array}{l} 0 & x \leq 0 \\ x &\text { 其他 } \end{array}\right. μ(x)={0xx0 其他 
    σ ( x ) = { 0 x ≤ 0 x 其他  \sigma(x)=\left\{\begin{array}{l} 0 & x \leq 0 \\ x &\text { 其他 } \end{array}\right. σ(x)={0xx0 其他 

代码参考:https://download.csdn.net/download/xuhe93/85802879?spm=1001.2014.3001.5503

这篇关于指纹识别-(6)指纹图像预处理算法之图像频率场的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/224829

相关文章

Python中OpenCV与Matplotlib的图像操作入门指南

《Python中OpenCV与Matplotlib的图像操作入门指南》:本文主要介绍Python中OpenCV与Matplotlib的图像操作指南,本文通过实例代码给大家介绍的非常详细,对大家的学... 目录一、环境准备二、图像的基本操作1. 图像读取、显示与保存 使用OpenCV操作2. 像素级操作3.

C/C++的OpenCV 进行图像梯度提取的几种实现

《C/C++的OpenCV进行图像梯度提取的几种实现》本文主要介绍了C/C++的OpenCV进行图像梯度提取的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的... 目录预www.chinasem.cn备知识1. 图像加载与预处理2. Sobel 算子计算 X 和 Y

c/c++的opencv图像金字塔缩放实现

《c/c++的opencv图像金字塔缩放实现》本文主要介绍了c/c++的opencv图像金字塔缩放实现,通过对原始图像进行连续的下采样或上采样操作,生成一系列不同分辨率的图像,具有一定的参考价值,感兴... 目录图像金字塔简介图像下采样 (cv::pyrDown)图像上采样 (cv::pyrUp)C++ O

使用雪花算法产生id导致前端精度缺失问题解决方案

《使用雪花算法产生id导致前端精度缺失问题解决方案》雪花算法由Twitter提出,设计目的是生成唯一的、递增的ID,下面:本文主要介绍使用雪花算法产生id导致前端精度缺失问题的解决方案,文中通过代... 目录一、问题根源二、解决方案1. 全局配置Jackson序列化规则2. 实体类必须使用Long封装类3.

Python+wxPython构建图像编辑器

《Python+wxPython构建图像编辑器》图像编辑应用是学习GUI编程和图像处理的绝佳项目,本教程中,我们将使用wxPython,一个跨平台的PythonGUI工具包,构建一个简单的... 目录引言环境设置创建主窗口加载和显示图像实现绘制工具矩形绘制箭头绘制文字绘制临时绘制处理缩放和旋转缩放旋转保存编

Springboot实现推荐系统的协同过滤算法

《Springboot实现推荐系统的协同过滤算法》协同过滤算法是一种在推荐系统中广泛使用的算法,用于预测用户对物品(如商品、电影、音乐等)的偏好,从而实现个性化推荐,下面给大家介绍Springboot... 目录前言基本原理 算法分类 计算方法应用场景 代码实现 前言协同过滤算法(Collaborativ

python+OpenCV反投影图像的实现示例详解

《python+OpenCV反投影图像的实现示例详解》:本文主要介绍python+OpenCV反投影图像的实现示例详解,本文通过实例代码图文并茂的形式给大家介绍的非常详细,感兴趣的朋友一起看看吧... 目录一、前言二、什么是反投影图像三、反投影图像的概念四、反向投影的工作原理一、利用反向投影backproj

使用Python实现图像LBP特征提取的操作方法

《使用Python实现图像LBP特征提取的操作方法》LBP特征叫做局部二值模式,常用于纹理特征提取,并在纹理分类中具有较强的区分能力,本文给大家介绍了如何使用Python实现图像LBP特征提取的操作方... 目录一、LBP特征介绍二、LBP特征描述三、一些改进版本的LBP1.圆形LBP算子2.旋转不变的LB

openCV中KNN算法的实现

《openCV中KNN算法的实现》KNN算法是一种简单且常用的分类算法,本文主要介绍了openCV中KNN算法的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的... 目录KNN算法流程使用OpenCV实现KNNOpenCV 是一个开源的跨平台计算机视觉库,它提供了各

OpenCV图像形态学的实现

《OpenCV图像形态学的实现》本文主要介绍了OpenCV图像形态学的实现,包括腐蚀、膨胀、开运算、闭运算、梯度运算、顶帽运算和黑帽运算,文中通过示例代码介绍的非常详细,需要的朋友们下面随着小编来一起... 目录一、图像形态学简介二、腐蚀(Erosion)1. 原理2. OpenCV 实现三、膨胀China编程(