根據(jù)實(shí)驗(yàn)數(shù)據(jù)測定和分析，當(dāng)Aver>36 時(shí)，可認(rèn)為該區(qū)域內(nèi)有圖像，否則認(rèn)為是背景。利用均方差區(qū)分出了前后景，還可以據(jù)此判斷圖像的對比度。根據(jù)對比度的差異分別來增強(qiáng)圖像，可以使得不同曝光亮度的圖像得到一致增強(qiáng)。對原始圖像進(jìn)行了算法處理，提取處理前后效果進(jìn)行比對，具體效果如圖4 所示。
圖4 圖像增強(qiáng)前后的變化
軟件算法中對于指紋處理中的求取圖像方向場問題，采用了基于原Sobel 算子改進(jìn)后的Sobel 算子。
原Sobel 算子如下：
改進(jìn)后的Sobel 算子為：
改進(jìn)的Sobel 算子能增加方向場的準(zhǔn)確性，實(shí)測通過率從采用標(biāo)準(zhǔn)Sobel 算子的93.3% 提高到95.8%.圖5 所示為其變化情況。
圖5 Sobel算子改進(jìn)前后的效果變化
如圖5 可見，改進(jìn)的Sobel 算子在原Sobel 算子的基礎(chǔ)上，能顯著地分割出正確圖像的面積，幾乎能在整個(gè)畫面區(qū)域提取出正確的方向來。系統(tǒng)對圖像進(jìn)行了Gabor 濾波和圖像數(shù)據(jù)二值化。指紋圖像屬于紋理圖像，紋理圖像采用Gabor 濾波器，利用每一點(diǎn)的點(diǎn)方向沿方向指向增強(qiáng)，沿方向的法線方向減弱。Gabor 濾波器能很好地拼接斷紋，濾除環(huán)境噪聲，最后將Gabor 濾波后的圖像做雙窗口均值門限二值化：
門限1 ：均值化算子矩陣： 7×7 的單位矩陣。
門限2 ：均值化算子矩陣： 3×3 的單位矩陣。
具體運(yùn)算表達(dá)式如下：
當(dāng)每一點(diǎn)的值g(x，y)>p(x，y) 時(shí)，則賦值g(x，y)=1，否則賦值為0，以此得到二值化最終的結(jié)果，提取圖像進(jìn)行實(shí)測效果的比對如圖6 所示。
圖6 二值化處理前后的實(shí)測效果比對
圖7 是最后根據(jù)圖像紋理的粗細(xì)二值化圖像，并根據(jù)端點(diǎn)和交叉點(diǎn)提取特征點(diǎn)。
圖7 根據(jù)圖像紋理的粗細(xì)提取的二值化圖像端點(diǎn)和交叉點(diǎn)特征
經(jīng)過上面的步驟，即可從原始圖像里面提取出有效的特征信息。特征信息描述了特征點(diǎn)的位置、方向等信息，最終形成一個(gè)大小不超過512 字節(jié)的特征模板。指紋的比對就是在特征模板的基礎(chǔ)上，構(gòu)建兩個(gè)點(diǎn)形成的桿對集，而桿對所包含的桿長度、端點(diǎn)方向與桿的夾角等信息已經(jīng)是相對量，與位置無關(guān)。理想狀況下，同一枚指紋，采集的兩幅圖像能找到的桿對的每一個(gè)量(長度、夾角)在數(shù)學(xué)上是完全相等的。以此為基本數(shù)學(xué)模型，構(gòu)建整個(gè)比對算法。
4 結(jié)語
本文的基于ARM的光學(xué)指紋識別系統(tǒng)的設(shè)計(jì)方案，經(jīng)過實(shí)物測試， 模塊錄入用戶指紋圖像時(shí)間為500 ~ 800 ms，拒真率小于等于1%，平均4.2 ms 即可比對一枚指紋，支持1∶1 指紋驗(yàn)證和1∶N 指紋搜索。在硬件設(shè)計(jì)中引出了通信端子，系統(tǒng)支持3.3V TTL 串口通信，可以通過串口對模塊進(jìn)行用戶注冊、刪除特定用戶、刪除所有用戶、復(fù)位模塊、獲取用戶總數(shù)、獲取用戶權(quán)限、1∶1 比對、1∶N 比對、設(shè)置串口波特率、讀取圖像并提取特征值、獲取圖像等30 個(gè)常規(guī)或擴(kuò)展功能命令，能滿足大多數(shù)的指紋應(yīng)用場合，可以很好地運(yùn)用于嵌入式領(lǐng)域，從而證實(shí)了本方案的可行性。