指紋密碼參考模板

1、2015年數(shù)學(xué)建模與仿真課程論文題目：找出你的指紋密碼姓名：學(xué)院：專業(yè)：學(xué)號：選課老師：2015年月日1 / 44摘要人的指紋各不相同，指紋可以用來確定人的身份。在眾多的生物識別技術(shù)中，指紋識別是出現(xiàn)最早、應(yīng)用最廣、價格最為低廉的一種生物識別技術(shù)。目前，指紋識別相關(guān)的研究一直十分活躍，它集光學(xué)傳感器技術(shù)、電子技術(shù)、數(shù)字圖像處理、模式識別于一體，吸引了大量研究者的注意和參與。想要更好地利用指紋識別技術(shù)，必須在指紋的特征提取上進(jìn)行優(yōu)化。本文針對不同的指紋給出了普遍適用且較為精準(zhǔn)的指紋基本特征的表示方法。在此基礎(chǔ)上，利用不同指紋的基本特征的表示結(jié)果對不同的指紋進(jìn)行對比區(qū)分，進(jìn)而實現(xiàn)指紋的匹配。針對問

2、題一，我們需要對指紋的基本特征進(jìn)行提取并表示。首先，我們對指紋圖像利用二值化和細(xì)化處理進(jìn)行了圖像預(yù)處理，修復(fù)圖像采集中的指紋線條信息的丟失；其次，對處理后的圖像進(jìn)行特征總結(jié)提??；最后，利用相鄰特征點的特征向量對其進(jìn)行表示。為了減少字節(jié)數(shù)，我們在圖像預(yù)處理前進(jìn)行了歸一化和均衡化的處理，使得特征信息更為精簡。事實證明，我們的表示方法能由指紋唯一確定。針對問題二，對每一指紋進(jìn)行“指紋密碼”描述，只需要將問題一中的模型普遍化，推廣為一般模型即可，然后通過matlab實現(xiàn)算法過程。比較不同指紋間的異同及相似程度即對指紋進(jìn)行匹配，相似程度高的則越匹配，反之則越不匹配。對指紋進(jìn)行匹配采用了特征匹配算法，抓住

3、特征點的匹配程度衡量指紋之間的相似性。針對問題三，首先，我們先對不同特征的指紋進(jìn)行分類，主要分為五類，包括弓型、螺旋型、斗篷型、左旋、右旋。其次，通過指紋的密碼表示，將具有相同特征的指紋提取出來歸為一類，從而實現(xiàn)了對指紋的分類。關(guān)鍵詞：指紋 指紋密碼 指紋匹配 指紋匹配 二值化 細(xì)化 特征提取 目錄：摘要2一、 問題的背景4二、 問題的提出與重述4三、 基本假設(shè)5四、 模型的主要符號變量說明5五、 問題的分析55.1問題一的分析55.2問題二的分析55.3問題三的分析5六、 問題一的模型建立與求解66.1刻畫描述指紋基本特征的表示方法66.1.1圖像預(yù)處理階段切割66.1.1.

4、2均衡化處理歸一化處理與二值化處理細(xì)化并且去除毛刺處理階段96.1.2 特征提取階段136.2進(jìn)一步壓縮字節(jié)數(shù)146.3“指紋密碼”的唯一性15七、 問題二的模型建立與求解157.1對每一指紋的“指紋密碼表示”157.2比較不同指紋的異同及相似程度157.2.1指紋數(shù)字圖像匹配過程 中間點定位建立特征模板定義匹配點167.2.2指紋數(shù)字圖像的匹配算法16八、 問題三的模型建立與求解16參考文獻(xiàn)17附錄18一、 問題的背景人的指紋各不相同，指紋可以用來確定人的身份，指紋識別技術(shù)作為最傳統(tǒng)、最成熟的生物識別方式之

5、一，已經(jīng)在很多領(lǐng)域得以應(yīng)用。如何對指紋的基本特征進(jìn)行有效提取制約著指紋識別技術(shù)的發(fā)展。對指紋的特征進(jìn)行更為完善、精準(zhǔn)、簡潔地表示是我們當(dāng)前最重要的任務(wù)，只有做好這一步，才能使得指紋匹配進(jìn)行的更加順利，指紋識別技術(shù)有質(zhì)的飛躍。二、 問題的提出與重述人的指紋各不相同，里面藏著很多秘密。指紋可以用來確定人的身份，廣泛用于刑偵、加密、考勤等領(lǐng)域，最近還出現(xiàn)了用指紋進(jìn)行手機(jī)解鎖等應(yīng)用。還有一些人聲稱指紋與人的健康、性格、命運等都有一定的聯(lián)系。指紋傳統(tǒng)上以圖像格式存儲，一般占用較多的空間，且圖像里面的像素信息并不易用來進(jìn)行分析或比對。為發(fā)現(xiàn)指紋中隱藏的秘密，我們需要有一種方法來描述指紋的內(nèi)在結(jié)構(gòu)、具體形態(tài)

6、和其它特征并將其用最少的字節(jié)數(shù)來存儲于計算機(jī)中。試根據(jù)下圖中的指紋例子，不借助現(xiàn)有的指紋相關(guān)算法及軟件，來嘗試進(jìn)行一次“指紋密碼”發(fā)現(xiàn)之旅。問題1：以第一個指紋為例，給出一種用不超過200字節(jié)（下面稱為“指紋密碼”）來刻畫描述指紋基本特征的表示方法，介紹其數(shù)學(xué)原理。你能否進(jìn)一步壓縮表示指紋特征的字節(jié)數(shù)？對可能性予以討論。你給出的“指紋密碼”能否由指紋唯一確定？問題2：將你的方法編程實現(xiàn)，對每一幅指紋都給出其“指紋密碼”的表示?；谀阏业降倪@些指紋表示，你能否給出一種方法比較不同指紋間的異同及相似程度？問題3：你能否對以下16個指紋進(jìn)行對比和歸類？請給出你對比及分類的依據(jù)和結(jié)果。三、 基本假設(shè)1

7、.建模過程中不考慮指紋圖像質(zhì)量對各異性的影響。即假設(shè)所有的圖像都是標(biāo)準(zhǔn)的圖像。四、 模型的主要符號變量說明G(i,j)是像素點(i，j)的灰度值M和VAR是估計的指紋平均灰度和方差對于具有256級灰度的指紋圖像，.取M0=150 VAR0 = 2000 f(Pi)是原圖像Pi點處的灰度值，N是領(lǐng)域S(Pi)內(nèi)的像素個數(shù)。g(Pi)是二值化處理后Pi點處的灰度值。五、 問題的分析5.1問題一的分析 問題一需要實現(xiàn)對指紋基本特征的提取，在此基礎(chǔ)上，進(jìn)一步簡化基本特征的表示，并判斷“指紋密碼”表示的唯一性。首先，為了使得指紋圖像更加完整，信息更加健全，我們對指紋圖像進(jìn)行了圖像預(yù)處理，依次進(jìn)行二值化處

8、理和細(xì)化處理，得到更為完善的指紋圖像；其次，通過總結(jié)指紋特征點的幾何特征，提取指紋特征點的必要信息；最后，通過設(shè)計一種基于相鄰特征點的特征向量達(dá)到對指紋基本特征的表示。以上過程實現(xiàn)了對指紋基本特征的表示。在此基礎(chǔ)上，為了使得字節(jié)數(shù)更少，我們必須優(yōu)化特征提取方案，可以在圖像預(yù)處理之前進(jìn)行均衡化和歸一化處理，使指紋圖像的特征信息更為集中從而減少了字節(jié)數(shù)。最終通過指紋進(jìn)行驗證“指紋密碼”能否由指紋唯一確定。5.2問題二的分析 將指紋的基本特征的表示方法用matlab實現(xiàn)，即將二值化，細(xì)化特征提取用編程語言進(jìn)行實現(xiàn)。對不同指紋的異同及相似程度分析轉(zhuǎn)換為指紋的匹配程度進(jìn)行刻畫，抓住特征點的匹配程度衡量指

9、紋的匹配度，從而得出指紋的相似程度。5.3問題三的分析根據(jù)上面兩問，利用上面的代碼，分別兩兩匹配，分別匹配歸類。六、 問題一的模型建立與求解6.1刻畫描述指紋基本特征的表示方法對指紋的基本特征進(jìn)行描述采取以下算法，如圖6.1所示：歸一化均衡化指紋圖像切割處理毛刺細(xì)化二值化 特征值提取圖圖像預(yù)處理階段優(yōu)秀的指紋圖像預(yù)處理方法能夠修復(fù)圖像采集中的指紋線條信息的丟失，減小指紋傳感器采集高質(zhì)量指紋圖像的壓力，同時能夠為下一步的特征點提取提供一幅完整的局部指紋圖像。切割切割是指將不需要計算的空白的地方切去，可以使后面的計算點大大減少以提高處理的速度，切割的算法是分別從四邊進(jìn)

10、行逐行(逐列)的掃描，遇到像素值不等于255的則退出當(dāng)前方向的切割，否則將這一行切去。（詳情見代碼1） 處理前 處理后均衡化處理指紋圖像的灰度變換就是對指紋圖像進(jìn)行點運算。對于一幅輸入圖像，經(jīng)過點運算將產(chǎn)生一幅輸出圖像，后者的每個像素點的灰度值僅由相應(yīng)輸入像素點的灰度值決定。點運算不改變圖像內(nèi)的空間關(guān)系。通過點運算可以擴(kuò)展圖像中感興趣部分的對比度，因而有時也稱為對比度增強(qiáng)。圖像均衡化的目的就是增加灰度圖像的對比度。1并且在這里將整個圖像分成了8x8的小塊，分塊進(jìn)行處理計算公式為：（詳情見代碼2）某點處像素新值=255x小于等于該點處像素灰度值的象素數(shù)量/圖像所有像素數(shù)量處理結(jié)果：

11、歸一化處理與二值化處理一：歸一化為了實現(xiàn)對不同灰度值的圖像進(jìn)行統(tǒng)一處理，需要對圖像進(jìn)行歸一化處理。歸一化處理的目的是調(diào)整指紋圖像的灰度均值和方差接近期望均值M0,V0。歸一化不改變脊線和谷線的清晰度，但可以減少沿著脊線和谷線方向上灰度的變化。采用下面的方法進(jìn)行歸一化2，（詳情見代碼3）(公式6-1)對以上的每一點都進(jìn)行如下處理：(公式6-2)上述均衡化過程中，M0和VAR的值必須預(yù)先確定。但是從傳感器差得的指紋圖像因為壓力或噪聲的影響，圖像的灰度分布可能存在很大的不同。通過實驗發(fā)現(xiàn)，這種自適應(yīng)的均衡化對增強(qiáng)后的特征提耳的改善作用不是特別顯著。二：二值化（1）二值化的定義二值化處理

12、即對指紋圖像中像素的灰度值與閾值進(jìn)行比較判斷，從而把灰度值變?yōu)?0 或 255，其中0表示脊線子圖，255表示背景子圖，就是把灰度圖像變?yōu)楹诎讏D像的過程。（2）閾值的計算本題采用了局部閾值法中的分塊均值法。由于指紋圖像的特點是紋線和谷線交錯有序地排列,紋線和谷線上的點的數(shù)量大致相當(dāng),因此,簡單地求取灰度平均值即可得到分塊區(qū)域的閾值。計算公式如下：（詳情見代碼4） (公式6-3)f(Pi)是原圖像Pi點處的灰度值，N是領(lǐng)域S(Pi)內(nèi)的像素個數(shù)。（3）二值化的處理二值化處理的公式： 公式（6-4）g(Pi)是二值化處理后Pi點處的灰度值。 二值化處理前的圖像 二值化處理后的圖像細(xì)化

13、并且去除毛刺處理階段 圖像細(xì)化就是將峭的寬度降為單個像素的寬度，得到峭線的骨架圖像的過程。這個過程進(jìn)一步減少了圖像數(shù)據(jù)量，清晰化了峭線形態(tài)，為之后的特征值提取作好準(zhǔn)備。由于我們所關(guān)心的不是峭線的粗細(xì)，而是峭線的有無。因此，在不破壞圖像連通性的情況下必須去掉多余的信息。因而應(yīng)先將指紋峭線的寬度采用逐漸剝離的方法，使得峭線成為只有一個象素寬的細(xì)線，這將非常有利于下一步分析。而毛刺，帶有非常短的分支而被誤認(rèn)為是分叉。認(rèn)識到合法的和不合法的節(jié)點后，在特征提取階段排除這些節(jié)點。指紋圖像預(yù)處理的目的主要是為特征值提取的有效性、準(zhǔn)確性作好準(zhǔn)備。細(xì)化處理階段采用并行方式進(jìn)行細(xì)化。如下幾個過程。具體的步驟如下：

14、先對圖形做3x3的濾波處理、如圖 6.1 建立待測點的 14 象限模型 p 點為待檢測點，又其為中心，依次列為 p1到 p14。P1P2P3P12P4PP5P13P6P7P8P14P9P10P11然后,通過與如圖6.2所示的 8 個消除模板圖像進(jìn)行對照，如果不匹配，則保留 p 點，如果匹配，則進(jìn)入下一環(huán)節(jié)。0X10110x1000x1x111111x1x0001X01101x0x00110x1x00x011x1xx1x110x00x1x01100x圖6.2消除模板模型進(jìn)入此環(huán)節(jié)的待測點再與圖6.3中的 6 個保留模板進(jìn)行對照，如果匹配，則保留，如果不匹配，則把待測點 p點進(jìn)行刪除xx1x011

15、0xx00xxxxx1x00110x1x0xxxxx0xxx1xx110xx00xx0xx111xx1xx000xxx000110xx1xxxxxx0xxx1xx011x00xx圖6.3保留模板模型待測點p點檢測完畢，進(jìn)入下一p點循環(huán)。如圖6.4細(xì)化處理的流程建構(gòu)待測點的14象限結(jié)構(gòu)是與消除模板匹配？進(jìn)入下一點檢測否否保留該點與保留模板匹配？是待測點刪除本待測點檢測完畢圖6.4（詳情見代碼5）最終得到細(xì)化圖像如圖6.5所示。圖6.5細(xì)化處理后圖像相對于指紋圖像的二值化來說，指紋圖像的細(xì)化大大減少了指紋圖像的存儲空間，去除了大量的冗余信息，提高了指紋識別的效率。6.1.2 特征提取階段指紋特征點

16、在二值化和細(xì)化之后，會有著一些較為明顯的拓?fù)湫再|(zhì)。本階段，通過分析指紋特征點的拓?fù)湫螤?，總結(jié)出提取指紋特征點的公式。然后，通過對指紋圖像細(xì)化后的脊線上的像素點計算該公式，完成指紋圖像特征提取工作。（1）端點提取由于指紋圖像已經(jīng)進(jìn)行了二值化和細(xì)化的處理，每一點的灰度值只能為 0 或 255，本文則以待檢測點為中心，以一個像素距離的 8 個點為邊界建立 8 象限模板圖形。如圖6.6所示，圖像正中間的 A 點即為待檢測點。如果待測點為端點，則其滿足此 8 象限模板圖形中相鄰像素點灰度值之差的絕對值為 2*255。AA圖6.5指紋實際紋線端點（左）和端點 8 像素模型（右）具體的提取方法為：掃描某一待

17、測點，如果其周圍相鄰的 8 個點兩兩灰度值之差的絕對值之和為 2*255，則此點即為端點。(2)分叉點提取由于指紋圖像已經(jīng)進(jìn)行了二值化和細(xì)化的處理，每一點的灰度值只能為 0 或 255，本文則以待檢測點為中心，以一個像素距離的 8 個點為邊界建立 8 象限模板圖形。如圖6.6所示，圖像正中間的黑點即為待檢測點，如果待測點為分叉點，則其滿足此 8 象限模板圖形中相鄰點像素灰度值之差的絕對值為 2*255。BB圖6.6指紋實際紋分叉點（左）和分叉點 8 象限模型（右）具體的提取方法為：掃描某一待測點，如果其周圍相鄰的 8 個點兩兩灰度值之差的絕對值之和為 6*255，則此點即為分叉點。其中提取的主

18、要算法是：(abs(f(i-1,j+1)-f(i,j+1)+abs(f(i-1,j)-f(i-1,j+1)+abs(f(i-1,j-1)-f(i-1,j)+abs(f(i,j-1)-f(i-1,j-1)+abs(f(i+1,j-1)-f(i,j-1)+abs(f(i+1,j)-f(i+1,j-1)+abs(f(i+1,j+1)-f(i+1,j)+abs(f(i,j+1)-f(i+1,j+1)=6)&(f(i-1,j+1)+f(i,j+1)+f(i-1,j)+f(i-1,j-1)+f(i,j-1)+f(i+1,j-1)+f(i+1,j)+f(i+1,j+1)=5)（詳情見代碼6）6.2進(jìn)

19、一步壓縮字節(jié)數(shù)為了使得字節(jié)數(shù)更少，存儲更加精簡，我們對表示方案進(jìn)行改進(jìn)，在圖像預(yù)處理之前對指紋圖像進(jìn)行歸一化和均衡化處理，這樣使得指紋的無用信息進(jìn)一步減少，從而使得指紋的存儲更加精簡。并且通過條件控制特征值提取的數(shù)量。經(jīng)過以上步驟，實現(xiàn)了對指紋的特征提取，經(jīng)驗證，表示方法小于200字節(jié)。6.3“指紋密碼”的唯一性 經(jīng)過實驗驗證，指紋密碼可由指紋唯一確定。七、 問題二的模型建立與求解7.1對每一指紋的“指紋密碼表示” 將問題一中的對一個指紋的基本特征表示推廣即得到對指紋基本特征表述的普遍方法。利用matlab軟件編程實現(xiàn)的過程見附錄。 7.2比較不同指紋的異同及相似程度將比較不同指紋的異同及相似

20、程度轉(zhuǎn)化為指紋匹配問題。7.2.1指紋數(shù)字圖像匹配過程在指紋數(shù)字圖像匹配之前，要先提取出指紋數(shù)字圖像的中間點，再建立特征模板，這些都是為指紋數(shù)字圖像進(jìn)行匹配做的準(zhǔn)備工作。 中間點定位中間點是指指紋數(shù)字圖像的脊曲線曲率最大的點，在本文的匹配算法中，將中間點作為匹配參考點。這里選取的中間是指紋數(shù)字圖像中間的一個小范圍，先求出指紋數(shù)字圖像的點方位，相鄰 8 個灰度數(shù)值之和的平均數(shù)值，再求這 8 個灰度數(shù)值與平均數(shù)值之差的和，最小的所在的方位即此點所在指紋數(shù)字圖像脊線的。方位，從而得到點方位圖。把點方位圖分為 16×16 大小的小塊，對每塊計算直方圖，其峰數(shù)值方位即為塊方位，即

21、每塊中點的主導(dǎo)方位。然后在這個粗的塊方位圖上按照以下原則去搜索中間范圍，逐行檢查塊方位數(shù)組。然后再根據(jù)求出各個方位的角度以及相鄰 8 個灰度數(shù)值之和的平均數(shù)值，再求這 8 個灰度數(shù)值與平均數(shù)值之差的和，最小的所在的方位即此點所在指紋數(shù)字圖像脊線的方位，這樣就得到了點方位圖。建立特征模板如前所述，端點及交叉點是指紋細(xì)化圖像的主要特征，我們可以采用這兩種主要特征來構(gòu)造指紋的特征向量模板。特征端點分類為 1，特征分叉點分類為 2；建立特征端點相對中間點的距離向量，和特征分叉點相對中間點的距離向量；建立特征端點相對中間點的方位向量，和特征分叉點相對中間點的方位向量。對于一幅徹底細(xì)化的指紋

22、圖像來說，只有三種紋線點：(1)C n(P)=1，S n(P)=1，稱為端點；(2)Cn(P)=2，Sn(P)=2，3，4，稱為連續(xù)點；(3)C n(P)=3，S n(P)=3，稱為叉點。設(shè)提取的特征點集用 P(P1，P2，Pn )表示，其中 n 為所提取的特征37點的個數(shù)，Pi=(Xi ，Yi ，Ti，Ai)，Xi，Yi 表示特征點的坐標(biāo)；Ti 表示特征點的類型，當(dāng)特征點為端點時 Ti=1，當(dāng)特征點為端點時 Ti =2；a 表示特征點的角度，端點的角度取從端點為起點的端線的角度。端線及分支的角度求法為：從特征點開始搜索連續(xù)點直到搜到另一個特征點或步長達(dá)到 7，設(shè)搜索到的最后一點為(X，Y)，

23、有：其對應(yīng)的Ti=sqrt(X-X0)2+(Y-Y0)2)ai=(X-X0)/(Y-Y0)(公式7-3)定義匹配點PointOfModel（點集合 P 中的特征點）是從輸入的指紋數(shù)字圖像中提取出來的，另外一個匹配點 PointOfMatch（點集合 Q 中的特征點）則是從指紋數(shù)字圖像庫中提取出來儲存在模板庫中的，將兩組點集合進(jìn)行比對。7.2.2指紋數(shù)字圖像的匹配算法具體的算法步驟描述如下：（1）分別讀取兩個特征點集合中的特征點；（2）對特征點進(jìn)行分類。定義取“1”時，歸屬特征點端點分類，取“2”時，歸屬特征點分叉點分類；（3）分別計算他們相對于中間點的方位向量和距離向量；（4）定

24、義一個誤差值e1,e2若兩個特征點的距離向量之差小于“e1”且兩個特征點的方位向量小于等于e2，則認(rèn)為兩個特征點匹配；如果被匹配的特征點的特征值（Ti,ai）與模板的（T,a）的誤差值（e1i,e2i）小于（e1,e2）,那么認(rèn)為該點匹配，如果被匹配的圖大部分特征點與模板匹配，則認(rèn)為這兩個模板是匹配的。（5） 若不滿足（4）的限定條件則認(rèn)為不匹配，并移除。（詳情見代碼7）八、 問題三的模型建立與求解指紋分類是指根據(jù)指紋的全局特征將指紋分別歸屬到不同的類別中的過程。一般的，指紋數(shù)字圖像按其基本指紋線路可分為五類，包括弓型、螺旋型、斗篷型、左旋、右旋等等。但是每個人的特征又都不盡相同。經(jīng)過兩兩匹配

25、，發(fā)現(xiàn)一部分能夠成功匹配，而另外一部分則差別較大，原因還是有比較多的。主要原因：1. 模型還不夠完善。2. 錄取指紋的時候由于按壓力度的不同，出現(xiàn)了很多偽特征點，或者特征點沒有顯現(xiàn)出來，缺少信息3. 指紋通過按壓有些變形，且指紋方向不一，也導(dǎo)致結(jié)果的偏差。參考文獻(xiàn)1 Zhang D. Automated Biometrics: Technolo廖es and SystemM. USA: Kluwer AcademicPublishers,20002田捷，楊鑫.生物特征識別技術(shù)理論與應(yīng)用M.北京:電了工業(yè)出版社.20053A.K.Jain Lin Hong Sharath Pankanti.An

26、 identity authentication system using fingerprintsJ.Proceeding of the IEEE.1997，86(9):1365一1388.4李海雄，劉國潔.活體指紋識別系統(tǒng)及其應(yīng)用J.計算技術(shù)與白動化.2003, 22（4）:68-705黃裕霞.指紋圖像處理中若干算法的研究D. 19966 Maio, D., Maltoni, D., Cappelli, R., Wayman, J.L, A. K. Jain, FVC2002: Second FingerprintVerification CompetitionC. Pattern Rec

27、ognition, 2002. Proceedings. 16th InternationalConference on Volume 3, Issue，2002 Page(s): 811一814 vo1.37胡海威，公緒成，孫立民.基于二值圖像的指紋特征點快速提取算法J.廣西師范大學(xué)學(xué)報2009 Vol. 27 No. 3, 162一165.8丁裕鋒，馬利莊，聶棟棟等.Gabor濾波器在指紋圖像分割中的應(yīng)用J.中國圖象圖形學(xué)報.2004, 9: 1037一10419公緒成，孫立民，鄭植慶.改進(jìn)的指紋奇異點檢測算法J.煙臺大學(xué)學(xué)報(白然科學(xué)與工程版).2010, 23(02):132-137.

28、10李雄偉.指紋匹配算法研究D.沈陽工業(yè)大學(xué)，200611吳夏平，土福明，趙景媛.基于Gabor濾波器的指紋圖像增強(qiáng)研究J.現(xiàn)代電了技術(shù).2008,20:145一147附錄代碼1m,n=size(f);for j=n:-1:1 k=0; for i=1:m if(f(i,j)<=100) k=1; break; end end if(k=0) f(:,j)=; else break endendsizef=size(f); for j=1:1:sizef(1,2) k=0; for i=1:m if(f(i,j)<=100) k=1; break; end end if(k=0)

29、e=j; break endendf(:,1:e)=;sizef=size(f); for i=sizef(1,1):-1:1 k=0; for j=1:sizef(1,2) if(f(i,j)<=100) k=1; break; end end if(k=0) f(i,:)=; else break endendsizef=size(f); for i=1:1:sizef(1,1) k=0; for j=1:sizef(1,2) if(f(i,j)<100) k=1; break; end end if(k=0) e=i; break endendf(1:e,:)=;sizef=

30、size(f); modfx16=mod(sizef(1,1),32);modfy16=mod(sizef(1,2),32); for i=modfx16:-1:1 f(i,:)=;end for j=modfy16:-1:1 f(:,j)=;end代碼2function y=junheng(f)sizef=size(f);ff=f(:);sizeff=size(ff);unit=sizeff(1,1);null1=ones(1,unit);for i=1:unit-1 for j=i:unit if(ff(i)<ff(j) null1(j)=null1(j)+1; elseif(ff(

31、i)>ff(j) null1(i)=null1(i)+1; elseif(ff(i)=ff(j)&(ff(i)>150) null1(j)=null1(j)+1; null1(i)=null1(i)+1; end endendfor i=1:unit ff(i)=255*null1(i)/unit;endff(8000:8010)y=reshape(ff,sizef(1),sizef(2);end代碼3function y=guiyi(x,m)sizef=size(x);a=sizef(1,1);b=sizef(1,2);x1=double(x);a1=a/m;b1=b/m

32、;M0=mean2(x1);V=std2(x1);V0=V*V;M1=M0*0,6;V1=V0-2;T=50;a3=1;b3=1;for i=1:a for j=1:b if x1(i,j)>M0 result(i,j)=M1+sqrt(V1*(x1(i,j)-M0)*(x1(i,j)-M0)/V0); else result(i,j)=M1-sqrt(V1*(x1(i,j)-M0)*(x1(i,j)-M0)/V0); end endendfor k=1:a1 for l=1:b1 M2=mean2(result(a3:(a3+m-1),b3:(b3+m-1); V2=std2(resu

33、lt(a3:(a3+m-1),b3:(b3+m-1); V3=V2*V2; if V3<1000 for i1=a3:a3+m-1 for j1=b3:b3+m-1 result(i1,j1)=255; end end end if V2=0 for i1=a3:a3+m-1 for j1=b3:b3+m-1 result(i1,j1)=255; end end else Th=M2/V2; if Th>T for i1=a3:a3+m-1 for j1=b3:b3+m-1 result(i1,j1)=255; end end end end b3=b3+m; end b3=1;

34、a3=a3+m;end代碼4function f= erzhi(f )sizef=size(f);cell1=sizef(1,1)/8;cell2=sizef(1,2)/8; f=double(f);cell16=mat2cell(f,ones(sizef(1,1)/cell1,1)*cell1,ones(sizef(1,2)/cell2,1)*cell2);%8x8fff=cell16;for i=1:8 for j=1:8fffi,j=fffi,j(:); endend sum=zeros(8,8);for i=1:8 for j=1:8 for m=1:cell1*cell2 sum(i

35、,j)=sum(i,j)+fffi,j(m); end endend ave=sum/(cell1*cell2); for i=1:8 for j=1:8 for m=1:cell1*cell2 if(fffi,j(m)<ave(i,j) fffi,j(m)=0; else fffi,j(m)=1; end end endend for i=1:8 for j=1:8 fffi,j=reshape(fffi,j,cell1,cell2); endendf=cell2mat(fff);end代碼5function f = xihua(f)x=f;I=ordfilt2(x,5,ones(3,

36、3);t=graythresh(I);u=im2bw(I,t); m,n=size(u);for i=1:m u(i,1)=1; u(i,n)=1;end for j=1:n u(1,j)=1; u(m,j)=1;end for x=2:m-1 for y=2:n-1 if u(x,y)=0 if u(x,y-1)+u(x,y+1)+u(x+1,y)+u(x-1,y)>=3 u(x,y)=1; else u(x,y)=u(x,y); end end endendfor a=2:m-1 for b=2:n-1 if u(a,b)=1 if abs(u(a,b+1)-u(a-1,b+1)+a

37、bs(u(a-1,b+1)-u(a-1,b)+abs(u(a-1,b)-u(a-1,b-1)+abs(u(a-1,b-1)-u(a,b-1)+abs(u(a,b-1)-u(a+1,b-1)+abs(u(a+1,b-1)-u(a+1,b)+abs(u(a+1,b)-u(a+1,b+1)+abs(u(a+1,b+1)-u(a,b+1)=1; if (u(a,b+1)+u(a-1,b+1)+u(a-1,b)*(u(a,b-1)+u(a+1,b-1)+u(a+1,b)+(u(a-1,b)+u(a-1,b-1)+u(a,b-1)*(u(a+1,b)+u(a+1,b+1)+u(a,b+1)=0; u(a,b)=0; end end end endendv=u;v=bwmorph(v,'hbreak',Inf);w=bwmorph(v,'thin',Inf);for x=2:m-1 for y=2:n-1 if w(x,y)=1 if(w(x-1,y)=1&w(x,y-1)=1)|(w(x-1,y)=