💥1 概述
每个人(包括指纹在内)皮肤纹路在图案、断点和交叉点上各不相同, 也就是说, 是唯一的, 并且终生不变。依靠这种唯一性和稳定性, 我们就可以把一个人同他的指纹对应起来, 通过比较他的指纹和预先保存的指纹进行比较, 就可以验证他的真实身份。这就是指纹识别技术。
十年后指纹识别技术即将迎来一个跳跃性发展的黄金时期, 专家们保守估计, 未来 5 年, 我国将有近百亿元的市场等待着企业去开拓。指纹识别技术的巨大市场前景, 将对国际、国内安防产业产生巨大的影响。识别指纹, 实际上是提取指纹的“细节”特征。所谓“细节”,是指指纹的纹路端点或交叉点。通过研究指纹的一个局部区域的放大, 可以清楚地看到, 在图的中心, 有一个竖直走向的纹路端点, 即有一个竖直方向的细节。细节的存在与否、类型、位置和方向就是所需提取的细节特征参数。
📚2 运行结果
部分代码：
function [ K ] = TuXiangYuChuLi( img_file_name ) %UNTITLED6 Summary of this function goes here % Detailed explanation goes here % 空域增强 ------------------------------- % image_file_name = 'test.png'; img=double(rgb2gray(imread(img_file_name))); % figure('name','原始指纹图像'); % imshow(img,[]) [m n]=size(img); Fe=1;%控制参数 Fd=128; xmax=max(max(img)); u=(1+(xmax-img)/Fd).^(-Fe); %空间域变换到模糊域 %也可以多次迭代 for i=1:m %模糊域增强算子 for j=1:n if u(i,j)<0.5 u(i,j)=2*u(i,j)^2; else u(i,j)=1-2*(1-u(i,j))^2; end end end img=xmax-Fd.*(u.^(-1/Fe)-1); %模糊域变换回空间域 % figure('name','空域滤波后的图像'); img = uint8(img); % imshow(img); %--------------------------------------------------------------- %二值化图像------------------------------------------------------- level=graythresh(img); J=im2bw(img,level); % figure('name','二值化后的图像'); % imshow(J); %--------------------------------------------------------------- %图像细化-------------------------------------------------------- I=J; K=bwmorph(~I,'thin','inf'); % figure('name','图像细化后的图像'); % imshow(~K); % saveas(fs,'wan'); %---------------------------------------------------------------
🎉3 参考文献
[1]邓秀春,韩孜,黄剑.基于BP神经网络特征提取的指纹识别应用[J].广西轻工业,2008(04):51-52.
