CN109978803B - 图像处理方法及装置 - Google Patents
图像处理方法及装置 Download PDFInfo
- Publication number
- CN109978803B CN109978803B CN201910162690.3A CN201910162690A CN109978803B CN 109978803 B CN109978803 B CN 109978803B CN 201910162690 A CN201910162690 A CN 201910162690A CN 109978803 B CN109978803 B CN 109978803B
- Authority
- CN
- China
- Prior art keywords
- fingerprint image
- line
- row
- image
- standard deviation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/12—Fingerprints or palmprints
- G06V40/1347—Preprocessing; Feature extraction
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- Collating Specific Patterns (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种图像处理方法包括:判断采集到的原始指纹图像是否具有共模噪声;当所述原始指纹图像具有共模噪声时,对所述原始指纹图像进行行内拼接处理得到第一指纹图像;对所述第一指纹图像进行行间拼接处理得到第二指纹图像。本发明还提供了一种图像处理装置,通过对具有共模噪声的指纹图像进行行内拼接处理以及行间拼接处理得到较为清晰的指纹图像,解决了由于共模噪声的干扰而导致的指纹图像模糊问题。
Description
技术领域
本发明涉及指纹传感系统技术领域,具体涉及一种图像处理方法及装置。
背景技术
指纹是手指表面皮肤凹凸不平形成的纹理。指纹的纹理特性具有唯一性、稳定性,因此常常用来作为身份识别的依据。指纹传感系统就是一种通过指纹来识别身份的传感系统,包括电容式指纹传感系统。但是在使用电容式指纹传感系统进行指纹图像的识别时非常容易受到共模噪声(如充电器噪声、变压器噪声以及开关电源噪声)的干扰,会导致指纹图像识别异常。而且共模噪声的随机性使得图像恢复不易,也无法通过正常的滤波方法恢复。
发明内容
为了解决上述技术问题,本发明提供了一种图像处理方法及装置,可以判断指纹传感系统所采集的指纹图像是否有受到共模噪声的干扰,以及可以解决由于共模噪声导致的指纹图像模糊问题。
根据本发明提供的一种图像处理方法,其特征在于,包括:判断采集到的原始指纹图像是否具有共模噪声;当所述原始指纹图像具有共模噪声时,对所述原始指纹图像进行行内拼接处理得到第一指纹图像;对所述第一指纹图像进行行间拼接处理得到第二指纹图像。
优选地,所述行内拼接处理包括:对所述原始指纹图像的每一行进行行内分组;获取同一行内各分组的边缘斜率;根据同一行相邻两分组的边缘斜率对其中一个分组进行纵向拉伸;以及根据同一行相邻两分组的边缘高度差对一个分组进行平移。
优选地,所述纵向拉伸使得同一行相邻两分组的边缘斜率相同。
优选地,所述平移使得同一行相邻两分组的边缘高度差为零。
优选地,所述行间拼接处理包括:获取所述第一指纹图像中每一行的均值和标准差;根据每一行的均值和标准差进行标准差归一化处理得到第三指纹图像;对第三指纹图像进行均值归一化处理。
优选地,所述标准差归一化处理包括:以其中一行为基准行,获取其他行的标准差与基准行的标准差之间的比值;获取第一指纹图像的每行与相应行均值之间的差值,并将所述差值乘以所述比值以得到第三指纹图像。
优选地,所述均值归一化处理包括:将第三指纹图像的每行加上所述基准行的均值以得到第二指纹图像。
优选地,所述判断采集到的原始指纹图像是否具有共模噪声包括:对所述原始指纹图像的每一行进行行内分组;获取同一行内各分组的边缘斜率;根据各分组的边缘斜率获取相邻两分组的边缘高度差;将所有的边缘高度差求和得到偏移距离;当所述偏移距离大于预设阈值时,所述原始指纹图像具有共模噪声。
优选地,还包括:对第二指纹图像进行高斯滤波。
优选地,所述原始指纹图像以逐行扫描的方式获取。
优选地,所述共模噪声包括充电器噪声、变压器噪声以及开关电源噪声。
根据本发明提供的一种图像处理装置,其特征在于,包括:判断模块,用于判断采集到的原始指纹图像是否具有共模噪声;第一处理模块,用于当所述原始指纹图像具有共模噪声时,对所述原始指纹图像进行行内拼接处理得到第一指纹图像;第二处理模块,用于对所述第一指纹图像进行行间拼接处理得到第二指纹图像。
优选地,第一处理模块包括:分组单元,用于对所述原始指纹图像的每一行进行行内分组;边缘斜率单元,用于获取同一行内各分组的边缘斜率;拉伸单元,用于根据同一行相邻两分组的边缘斜率对其中一个分组的进行纵向拉伸;以及平移单元,用于根据同一行相邻两分组的边缘高度差对一个分组的进行平移。
优选地,所述纵向拉伸使得同一行相邻两分组的边缘斜率相同。
优选地,所述平移使得同一行相邻两分组的边缘高度差为零。
优选地,第二处理模块包括:获取单元,用于获取所述第一指纹图像中每一行的均值和标准差;第一归一化单元,用于根据每一行的均值和标准差进行标准差归一化处理得到第三指纹图像;第二归一化单元,用于对第三指纹图像进行均值归一化处理。
优选地,所述第一归一化单元用于以其中一行为基准行,获取其他行的标准差与基准行的标准差之间的比值;以及获取第一指纹图像的每行与相应行均值之间的差值,并将所述差值乘以所述比值以得到第三指纹图像。
优选地,所述第二归一化单元用于将第三指纹图像的每行加上所述基准行的均值以得到第二指纹图像。
优选地,所述判断模块用于对所述原始指纹图像的每一行进行行内分组;获取同一行内各分组的边缘斜率;根据各分组的边缘斜率获取相邻两分组的边缘高度差;将所有的边缘高度差求和得到偏移距离;当所述偏移距离大于预设阈值时,所述原始指纹图像具有共模噪声。
优选地,还包括:滤波模块,用于对第二指纹图像进行高斯滤波。
优选地,所述原始指纹图像以逐行扫描的方式获取。
优选地,所述共模噪声包括充电器噪声、变压器噪声以及开关电源噪声。
本发明的有益效果是:本发明公开了一种图像处理方法及装置,通过对指纹传感器所采集到的指纹图像进行噪声检测,以及对具有共模噪声的指纹图像进行行内拼接处理以及行间拼接处理,可以得到较为清楚的指纹图像,解决了由于共模噪声的干扰而导致的指纹图像模糊问题。
附图说明
通过以下参照附图对本发明实施例的描述,本发明的上述以及其他目的、特征和优点将更为清楚。
图1示出本发明实施例提供的图像处理方法的流程图;
图2示出本发明实施例中步骤S100的流程图;
图3a-图3c示出本发明实施例的指纹图像的波形图;
图4示出本发明实施例中步骤S200的流程图;
图5示出本发明实施例中步骤S300的流程图;
图6示出本发明实施例提供的图像处理装置的结构框图;
图7示出本发明实施例提供的图像处理装置中第一处理模块的结构示意图;
图8示出本发明实施例提供的图像处理装置中第二处理模块的结构示意图。
具体实施方式
为了便于理解本发明,下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的较佳实施例。但是,本发明可以以不同的形式来实现,并不限于本文所描述的实施例。相反的,提供这些实施例的目的是使对本发明的公开内容的理解更加透彻全面。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文在本发明的说明书中所使用的术语只是为了描述具体地实施例的目的,不是旨在于限制本发明。
下面,参照附图对本发明进行详细说明。
图1示出本发明实施例提供的图像处理方法的流程图。如图1所示,本发明提供的图像处理方法包括以下步骤。
在步骤S100中,判断采集到的原始指纹图像是否具有共模噪声。
本实施例中,在运用指纹传感系统等相关设备进行指纹录入或解锁等相应操作时,有时候会发生指纹录入或解锁失败的情况,导致这种失败情况的其中一个重要原因是因为指纹传感系统所采集的指纹图像可能受到了外界共模噪声(如充电器噪声、变压器噪声以及开关电源噪声)的干扰。
本发明实施例中,在指纹传感器采集到原始指纹图像,并且所采集的原始指纹图像进行录入/解锁失败后进行噪声检测步骤,对原始的指纹图像进行噪声检测,判断所采集的原始指纹图像是否具有共模噪声。
具体步骤如图2所示,步骤S100包括步骤S110至步骤S150。
在步骤S110中,对原始指纹图像的每一行进行行内分组。
本发明实施例中,电容式指纹传感系统采集原始指纹图像的方式为逐行扫描,在逐行扫描的过程中,每一行进行多次采集,每一次可采集多个像素。以一行采集5次,每次采集8个像素为例,我们可以将原始指纹图像的每行分成5个分组,每个分组包括8个像素。
由于采集到的一个分组中的多个像素具有相同的共模噪声N1;而采集的下一个分组的多个像素所具有的共模噪声为N2,以此类推,每行中相邻两个分组之间所具有的共模噪声均不相同。
对于指纹传感系统采集到的指纹图像,在所采集指纹图像的同一行内,由于相邻的多个像素之间保持原有的趋势,那么在相邻的两组像素之间会存在一定的偏移,需要估算并记录偏移值d。
步骤S120:获取同一行内各分组的边缘斜率。
在本实施例中,当所采集指纹图像具有共模噪声后,原始指纹图像会从X变为k*X+d。其中,k为指纹图像的斜率,d为偏移值(或边缘高度差),两者均为任意实数。
图3a示出了原始指纹图像的波形图。其中,针对第一行,在第一分组和第二分组相邻的边缘处计算第一分组的边缘斜率k11和第二分组的边缘斜率k12。以此类推,得到原始指纹图像中的第一行内各分组的边缘斜率k11~k1n。
以此类推,得到原始指纹图像中的第m行内各分组的边缘斜率km1~kmn。
步骤S130:根据各分组的边缘斜率获取相邻两分组的边缘高度差。
根据其中一个分组的边缘斜率,预测下一个分组中与该分组相邻的一个像素可能出现的位置;然后记录实际采集到的指纹图像中该像素点的实际位置,计算预测位置和实际位置之间的高度差作为边缘高度差。
在图3a中,针对第一行,根据第一分组的边缘斜率k11,预测下一个分组中第一个像素可能出现的位置,再根据下一个分组中第一个像素的实际位置,获取两个位置之间的高度差作为边缘高度差d11。依次类推,得到原始指纹图像中的第一行内相邻两分组之间的边缘高度差d11-d1(n-1)。
以此类推,得到原始指纹图像中的第m行内相邻两分组之间的边缘高度差dm1-dm(n-1)。
步骤S140:将所有的边缘高度差求和得到偏移距离。
此步骤中,获取每一行各分组中所有相邻两组的边缘高度差,计算每一行中所有的边缘高度差之和,其中,第一行的边缘高度差之和d1=d11+d12+……+d1(n-1),第二行的边缘高度差之和d2=d21+d22+……+d2(n-1),第m行的边缘高度差之和为dm=dm1+dm2+……+dm(n-1)。然将所有行中相邻分组的边缘高度差求和得到该原始指纹图像的偏移距离d,d=d1+d2+……+dm。
步骤S150:当偏移距离大于预设阈值时,原始指纹图像具有共模噪声。
此步骤中,比较所得偏移距离d与预设阈值dx的大小,判断所采集到的指纹图像是否有受到共模噪声的干扰。具体地,当偏移距离d大于预设阈值dx,则说明所采集到的指纹图像有受到共模噪声的干扰;当偏移距离d小于或等于预设阈值dx,则说明所采集到的指纹图像没有受到共模噪声的干扰。
如果经过检测后发现指纹图像没有共模噪声,那么就可以排除共模噪声干扰的原因,以方便进一步的问题检测,在此不做叙述。
在步骤S200中,当原始指纹图像具有共模噪声时,对原始指纹图像进行行内拼接处理得到第一指纹图像。
本发明实施例中,有噪声干扰的指纹图像的行内信号拼接方法主要应用于在每次所采集到的指纹图像的多个相邻像素内,受到共模噪声干扰后的信号与原信号的大体趋势相同的情况。
具体步骤如图4所示,步骤S200包括步骤S210至步骤S250。
在步骤S210中,对具有共模噪声的原始指纹图像的每一行进行行内分组。
在步骤S220中,获取同一行内各分组的边缘斜率。
图3a示出了原始指纹图像的波形图。其中,针对第一行,在第一分组和第二分组相邻的边缘处计算第一分组的边缘斜率k11和第二分组的边缘斜率k12。以此类推,得到原始指纹图像中的第一行内各分组的边缘斜率k11~k1n。
以此类推,得到原始指纹图像中的第m行内各分组的边缘斜率km1~kmn。
在步骤S230中,根据同一行相邻两分组的边缘斜率对其中一个分组进行纵向拉伸。
在本实施例中,所述纵向拉伸使得同一行相邻两分组的边缘斜率相同。
图3b示出了原始指纹图像纵向拉伸后的波形图。针对第一行,以第一分组的边缘斜率k11为基准,对第二分组进行纵向拉伸,使得第一分组和第二分组的边缘斜率相同。
步骤S240,根据同一行相邻两分组的边缘高度差对一个分组的进行平移。
在本实施例中,根据各分组的边缘斜率获取相邻两分组的边缘高度差,然后根据同一行相邻两分组的边缘高度差对一个分组的进行平移,使得同一行相邻两分组的边缘高度差为零。
如图3c所示,针对第一行,将第二分组进行纵向平移使得第一分组与第二分组之间的边缘高度差为零。
在步骤S300中,对第一指纹图像进行行间拼接处理得到第二指纹图像。
本实施例中,有噪声干扰的指纹图像的行间信号拼接方法主要应用于逐行之间的噪声随机,而且相互之间也没有类似斜率关系的情况。
具体步骤如图5所示,步骤S300包括步骤S310至步骤S330。
在步骤S310中,获取第一指纹图像中每一行的均值和标准差。
在步骤S320中,根据每一行的均值和标准差进行标准差归一化处理得到第三指纹图像。
在本实施例中,以其中一行为基准行,获取其他行的标准差与基准行的标准差之间的比值;获取第一指纹图像的每行与相应行均值之间的差值,并将差值乘以比值以得到第三指纹图像。该基准行可以是第一行,也可以是任意一行。
步骤S330,对第三指纹图像进行均值归一化处理。
在本实施例中,将第三指纹图像的每行加上基准行的均值以得到第二指纹图像。
在一个优选地实施例中,所述图像处理方法还包括步骤S400中
在骤S400中,对第二指纹图像进行高斯滤波。
在本实施例中,由于在行内拼接处理以及行间拼接处理过程中,会产生如毛刺、断裂等干扰,需要对第二指纹图像进行滤波。
本发明实施例还公开了一种图像处理装置。请参考图6、图7和图8进行理解。
图6示出本发明实施例提供的图像处理装置的结构框图。
如图6所示,在本实施例中,图像处理装置包括依次连接的指纹传感器100、判断模块200、第一处理模块300、第二处理模块400以及滤波模块500。
在本实施例中,指纹传感器100用于采集原始的指纹图像,并将所采集的原始指纹图像发送给判断模块200。
优选地,指纹传感器100以逐行扫描的方式获取原始指纹图像。
在本实施例中,判断模块200用于接收指纹传感器100采集的原始指纹图像,并对该原始指纹图像进行检测,判断其是否具有共模噪声。
判断模块200用于对指纹传感器100采集的原始指纹图像的每一行进行行内分组;获取同一行内各分组的边缘斜率;根据各分组的边缘斜率获取相邻两分组的边缘高度差;将所有的边缘高度差求和得到偏移距离;当偏移距离大于预设阈值时,判定该原始指纹图像具有共模噪声。
在本实施例中,第一处理模块300用于接收判断模块200发送的判断结果和原始指纹图像,并当原始指纹图像具有共模噪声时,对原始指纹图像进行行内拼接处理得到第一指纹图像。
第一处理模块300主要在每次所采集到的指纹图像的多个相邻像素内,受到共模噪声干扰后的信号与原信号的大体趋势相同时工作。
在本实施例中,第二处理模块400用于接收第一处理模块300发送的第一指纹图像,并对第一指纹图像进行行间拼接处理得到第二指纹图像。
第二处理模块400主要应用于逐行之间的噪声随机,且在相互之间也没有类似斜率关系时工作。
滤波模块500则用于接收第二处理模块400发送的第二指纹图像,并对第二指纹图像进行高斯滤波,过滤在行内拼接处理以及行间拼接处理过程中产生的如毛刺、断裂等干扰。
图7示出本发明实施例提供的图像处理装置中第一处理模块的结构示意图。
如图7所示,在本实施例中,第一处理模块300包括依次连接的分组单元310、边缘斜率单元320、拉伸单元330以及平移单元340。
在本实施例中,分组单元310用于接收原始指纹图像,并对原始指纹图像的每一行像素点进行行内分组。
以指纹传感器100逐行扫描时一行采集5次,每次采集8个像素为例,分组单元310可以将原始指纹图像的每行分成5个分组,每个分组包括8个像素。
在本实施例中,边缘斜率单元320用于获取同一行内各分组的边缘斜率。
针对第一行,在第一分组和第二分组相邻的边缘处计算第一分组的边缘斜率k11和第二分组的边缘斜率k12。以此类推,得到原始指纹图像中的第一行内各分组的边缘斜率k11~k1n。
以此类推,得到原始指纹图像中的第m行内各分组的边缘斜率km1~kmn。
在本实施例中,拉伸单元330用于根据同一行相邻两分组的边缘斜率对其中一个分组的进行纵向拉伸,以使得同一行相邻两分组的边缘斜率相同。
在本实施例中,平移单元340用于根据同一行相邻两分组的边缘高度差对一个分组的进行平移,以使得同一行相邻两分组的边缘高度差为零。
图8示出本发明实施例提供的图像处理装置中第二处理模块的结构示意图。
如图8所示,本实施例中,第二处理模块400包括依次连接的获取单元410、第一归一化单元420以及第二归一化单元430。
在本实施例中,获取单元410用于接收第一处理模块300输出的第一指纹图像,并获取该第一指纹图像中每一行像素点的均值和标准差。
在本实施例中,第一归一化单元420用于根据每一行的均值和标准差进行标准差归一化处理得到第三指纹图像。
具体地,以其中一行为基准行,获取其他行的标准差与基准行的标准差之间的比值;获取第一指纹图像的每行与相应行均值之间的差值,并将差值乘以比值以得到第三指纹图像。该基准行可以是第一行,也可以是任意一行。
优选地,本实施例中选取第一行或中间行作为基准行。
在本实施例中,第二归一化单元430用于对第三指纹图像进行均值归一化处理。
具体地,第二归化单元430用于将第三指纹图像的每行加上基准行的均值以得到第二指纹图像。
在本发明实施例中,通过对指纹传感器所采集到的指纹图像进行噪声检测,以及对具有共模噪声的指纹图像进行行内拼接处理以及行间拼接处理,可以得到较为清楚的指纹图像,解决了由于共模噪声的干扰而导致的指纹图像模糊问题,一定程度上减小共模噪声(如充电器噪声、变压器噪声以及开关电源噪声)对电容式指纹传感系统接收图像的干扰。
应当说明的是,在本文中,所含术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
最后应说明的是:显然,上述实施例仅仅是为清楚地说明本发明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引申出的显而易见的变化或变动仍处于本发明的保护范围之中。
Claims (18)
1.一种图像处理方法,其特征在于,包括:
判断采集到的原始指纹图像是否具有共模噪声;
当所述原始指纹图像具有共模噪声时,对具有共模噪声的所述原始指纹图像进行行内分组,并对同一行的相邻两分组进行行内拼接处理得到第一指纹图像;
获取所述第一指纹图像中每一行的均值和标准差,基于所述均值和所述标准差对所述第一指纹图像进行行间拼接处理得到第二指纹图像,
其中,所述行内拼接处理包括:
获取同一行内各分组的边缘斜率;
根据同一行相邻两分组的边缘斜率对其中一个分组进行纵向拉伸;
根据同一行相邻两分组的边缘高度差对一个分组进行平移;以及
所述行间拼接处理包括:
根据每一行的均值和标准差进行标准差归一化处理得到第三指纹图像;
对第三指纹图像进行均值归一化处理。
2.根据权利要求1所述的图像处理方法,其特征在于,所述纵向拉伸使得同一行相邻两分组的边缘斜率相同。
3.根据权利要求1所述的图像处理方法,其特征在于,所述平移使得同一行相邻两分组的边缘高度差为零。
4.根据权利要求1所述的图像处理方法,其特征在于,所述标准差归一化处理包括:
以其中一行为基准行,获取其他行的标准差与基准行的标准差之间的比值;
获取第一指纹图像的每行与相应行均值之间的差值,并将所述差值乘以所述比值以得到第三指纹图像。
5.根据权利要求4所述的图像处理方法,其特征在于,所述均值归一化处理包括:
将第三指纹图像的每行加上所述基准行的均值以得到第二指纹图像。
6.根据权利要求1所述的图像处理方法,其特征在于,所述判断采集到的原始指纹图像是否具有共模噪声包括:
对所述原始指纹图像的每一行进行行内分组;
获取同一行内各分组的边缘斜率;
根据各分组的边缘斜率获取相邻两分组的边缘高度差;
将所有的边缘高度差求和得到偏移距离;
当所述偏移距离大于预设阈值时,所述原始指纹图像具有共模噪声。
7.根据权利要求1所述的图像处理方法,其特征在于,还包括:
对第二指纹图像进行高斯滤波。
8.根据权利要求1-7中任一项所述的图像处理方法,其特征在于,所述原始指纹图像以逐行扫描的方式获取。
9.根据权利要求1-7中任一项所述的图像处理方法,其特征在于,所述共模噪声包括充电器噪声、变压器噪声以及开关电源噪声。
10.一种图像处理装置,其特征在于,包括:
判断模块,用于判断采集到的原始指纹图像是否具有共模噪声;
第一处理模块,用于当所述原始指纹图像具有共模噪声时,对具有共模噪声的所述原始指纹图像进行行内分组,并对同一行的相邻两分组进行行内拼接处理得到第一指纹图像;
第二处理模块,用于获取所述第一指纹图像中每一行的均值和标准差,并基于所述均值和所述标准差对所述第一指纹图像进行行间拼接处理得到第二指纹图像,
其中,所述第一处理模块包括:
分组单元,用于对所述原始指纹图像的每一行进行行内分组;
边缘斜率单元,用于获取同一行内各分组的边缘斜率;
拉伸单元,用于根据同一行相邻两分组的边缘斜率对其中一个分组的进行纵向拉伸;
平移单元,用于根据同一行相邻两分组的边缘高度差对一个分组的进行平移;
所述第二处理模块包括:
获取单元,用于获取所述第一指纹图像中每一行的均值和标准差;
第一归一化单元,用于根据每一行的均值和标准差进行标准差归一化处理得到第三指纹图像;
第二归一化单元,用于对第三指纹图像进行均值归一化处理。
11.根据权利要求10所述的图像处理装置,其特征在于,所述纵向拉伸使得同一行相邻两分组的边缘斜率相同。
12.根据权利要求10所述的图像处理装置,其特征在于,所述平移使得同一行相邻两分组的边缘高度差为零。
13.根据权利要求10所述的图像处理装置,其特征在于,所述第一归一化单元用于以其中一行为基准行,获取其他行的标准差与基准行的标准差之间的比值;以及获取第一指纹图像的每行与相应行均值之间的差值,并将所述差值乘以所述比值以得到第三指纹图像。
14.根据权利要求13所述的图像处理装置,其特征在于,所述第二归一化单元用于将第三指纹图像的每行加上所述基准行的均值以得到第二指纹图像。
15.根据权利要求10所述的图像处理装置,其特征在于,所述判断模块用于对所述原始指纹图像的每一行进行行内分组;获取同一行内各分组的边缘斜率;根据各分组的边缘斜率获取相邻两分组的边缘高度差;将所有的边缘高度差求和得到偏移距离;当所述偏移距离大于预设阈值时,所述原始指纹图像具有共模噪声。
16.根据权利要求10所述的图像处理装置,其特征在于,还包括:
滤波模块,用于对第二指纹图像进行高斯滤波。
17.根据权利要求10-16中任一项所述的图像处理装置,其特征在于,所述原始指纹图像以逐行扫描的方式获取。
18.根据权利要求10-16中任一项所述的图像处理装置,其特征在于,所述共模噪声包括充电器噪声、变压器噪声以及开关电源噪声。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910162690.3A CN109978803B (zh) | 2019-03-05 | 2019-03-05 | 图像处理方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910162690.3A CN109978803B (zh) | 2019-03-05 | 2019-03-05 | 图像处理方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109978803A CN109978803A (zh) | 2019-07-05 |
| CN109978803B true CN109978803B (zh) | 2021-01-22 |
Family
ID=67077843
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910162690.3A Active CN109978803B (zh) | 2019-03-05 | 2019-03-05 | 图像处理方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109978803B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107590475A (zh) * | 2017-09-22 | 2018-01-16 | 北京小米移动软件有限公司 | 指纹识别的方法和装置 |
| CN108323206A (zh) * | 2018-02-06 | 2018-07-24 | 深圳市汇顶科技股份有限公司 | 指纹数据处理方法及装置、计算机可读存储介质 |
| CN108596060A (zh) * | 2018-04-12 | 2018-09-28 | 上海思立微电子科技有限公司 | 指纹图像处理方法、指纹识别装置及电子设备 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102103692B (zh) * | 2011-03-17 | 2012-07-18 | 电子科技大学 | 一种指纹图像增强方法 |
| US9035895B2 (en) * | 2012-07-13 | 2015-05-19 | Apple Inc. | Redundant sensing element sampling |
| US9519819B2 (en) * | 2014-07-14 | 2016-12-13 | Fingerprint Cards Ab | Method and electronic device for noise mitigation |
| US9639733B2 (en) * | 2014-11-25 | 2017-05-02 | Cypress Semiconductor Corporation | Methods and sensors for multiphase scanning in the fingerprint and touch applications |
| CN108960039B (zh) * | 2018-05-07 | 2021-08-06 | 西安电子科技大学 | 一种基于对称hash的不可逆指纹模板加密方法 |
-
2019
- 2019-03-05 CN CN201910162690.3A patent/CN109978803B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107590475A (zh) * | 2017-09-22 | 2018-01-16 | 北京小米移动软件有限公司 | 指纹识别的方法和装置 |
| CN108323206A (zh) * | 2018-02-06 | 2018-07-24 | 深圳市汇顶科技股份有限公司 | 指纹数据处理方法及装置、计算机可读存储介质 |
| CN108596060A (zh) * | 2018-04-12 | 2018-09-28 | 上海思立微电子科技有限公司 | 指纹图像处理方法、指纹识别装置及电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109978803A (zh) | 2019-07-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111080582B (zh) | 工件内外表面缺陷检测方法 | |
| CN112446838B (zh) | 一种基于局部统计信息的图像噪声检测方法、装置 | |
| US9330325B2 (en) | Apparatus and method for reducing noise in fingerprint images | |
| Ryu et al. | Enhancement of feature extraction for low-quality fingerprint images using stochastic resonance | |
| JP4824101B2 (ja) | 傾斜画像データを検出及び補正するための方法及び装置 | |
| KR20060060742A (ko) | 자동화 웹 검사를 위한 장치 및 방법 | |
| CN111612773B (zh) | 一种红外热像仪及实时自动盲元检测处理方法 | |
| CN107315935B (zh) | 一种多指纹的识别方法及装置 | |
| JPH0467275A (ja) | 認識方法及び認識装置 | |
| KR100270651B1 (ko) | 화상처리방법 | |
| US6990218B2 (en) | Method for disturbance-component-free image acquisition by an electronic sensor | |
| JP5264457B2 (ja) | 物体検出装置 | |
| KR20210082624A (ko) | 지문 향상 방법 | |
| KR20210082587A (ko) | 지문 향상 모듈 | |
| JP2005165387A (ja) | 画面のスジ欠陥検出方法及び装置並びに表示装置 | |
| CN109978803B (zh) | 图像处理方法及装置 | |
| WO2003010707A1 (en) | Method and apparatus for image distortion compensation in biometric scanner | |
| JP2000003436A (ja) | Isar画像識別装置およびisar画像識別方法 | |
| JPH11108660A (ja) | 距離検出装置 | |
| CN113971636B (zh) | 一种临界噪点数据的处理方法及装置、设备、存储介质 | |
| CN110634124A (zh) | 一种区域检测的方法及设备 | |
| KR20250048337A (ko) | 표면 결함 검출 방법 및 표면 결함 검출 장치 | |
| CN112150385B (zh) | 红外图像滤波方法及装置 | |
| Indu et al. | Image fusion algorithm for impulse noise reduction | |
| CN102799880A (zh) | 用于捕获滚动指纹图像的装置和方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |