TW202020738A - 一種光學成像處理方法及存儲介質 - Google Patents

Abstract

一種光學成像處理方法及存儲介質，其中方法包括如下步驟，獲取圖像，所述圖像包括生物特徵圖案，還進行步驟，檢測圖像上的亮點，將亮點及其鄰域進行均一化處理。上述技術方案能夠有效利用無透鏡成像的資訊；將無透鏡成像中的單幅成像中的噪點及亮斑、暗斑都進行有效剔除，得到符合軟體處理要求的單幅成像的指紋部分區塊圖像。解決無透鏡光學成像中生物特徵圖像的處理問題。

Description

光學成像處理方法及存儲介質

本發明涉及生物特徵識別技術領域，尤其涉及一種生物特徵光學成像的處理方法及存儲介質。

隨著資訊科技的發展，生物特徵識別技術在保障資訊安全的方面發揮著越來越重要的作用，其中指紋識別已經成為移動互聯網領域廣泛應用的身份識別、設備解鎖的關鍵技術手段之一。在設備的屏占比越來越大的趨勢下，傳統的電容式指紋識別已經不能滿足需求，而超聲波指紋識別則存在技術成熟度和成本等方面的問題，光學指紋識別是有望成為屏下指紋識別的主流技術方案。 現有的光學指紋識別方案是基於幾何光學透鏡成像原理，所用的指紋模組包含微透鏡陣列、光學空間濾光器等元件，存在結構複雜、模組厚、感測範圍小、成本高等諸多缺點。通過物理光學的全反射成像原理實現無透鏡屏下光學指紋識別，相比於現有的光學指紋方案，具有結構簡單、模組薄、感測範圍大、成本低等優點。但是，普通的均勻照明光源無法滿足全反射成像原理的需要，結構光為無透鏡屏下光學指紋成像方案必要的光源。本發明提供針對結構光照明的無透鏡屏下光學指紋成像的資料處理方法。

為此，需要提供一種能夠對陣列式光源等結構光的生物特徵識別成像進行專門處理的成像處理軟體及方法 為實現上述目的，發明人提供了一種光學成像處理方法，包括如下步驟，獲取圖像，所述圖像包括生物特徵圖案，還進行步驟，檢測圖像上的亮點，將亮點及其鄰域進行均一化處理。 具體地，所述將亮點及其鄰域進行均一化處理具體包括步驟，將亮點及鄰域的灰度值全部置零。 優選地，所述將亮點及其鄰域進行均一化處理具體包括步驟，獲取亮點鄰域外區域與亮點鄰域交界處的灰度值，用該灰度值對亮點區域及鄰域進行填補。 進一步地，還包括步驟，對圖像進行濾波去噪。 優選地，還包括步驟，定位原點，具體包括，以光源中心在感測器平面上的豎直投影為感測器物理座標的原點，並以感測器物理座標的原點在圖像中對應的圖元點為圖像座標原點，以圖像座標原點為中心檢測亮點。 一種光學成像處理存儲介質，存儲有電腦程式，所述電腦程式在被運行時執行包括如下步驟，獲取圖像，所述圖像包括生物特徵圖案，還進行步驟，檢測圖像上的亮點，將亮點及其鄰域進行均一化處理。 進一步地，所述將亮點及其鄰域進行均一化處理具體執行步驟，將亮點及鄰域的灰度值全部置零。 優選地，所述將亮點及其鄰域進行均一化處理具體執行步驟，獲取亮點鄰域外區域與亮點鄰域交界處的灰度值，用該灰度值對亮點區域及鄰域進行填補。 可選地，所述電腦程式在被運行時還執行步驟，對圖像進行濾波去噪。 進一步地，所述電腦程式在被運行時還執行步驟，定位原點，具體包括，以光源中心在感測器平面上的豎直投影為感測器物理座標的原點，並以感測器物理座標的原點在圖像中對應的圖元點為圖像座標原點，以圖像座標原點為中心檢測亮點。 一種光學成像處理方法，包括如下步驟，獲取多幅生物特徵圖像，根據不同圖像的座標原點為中心進行圖像還原，將還原後的生物特徵圖像進行拼接，得到合成生物特徵圖像， 對合成生物特徵圖像分割為若干局部區域，求得局部區域的灰度值的平均值，計算合成生物特徵圖像的灰度平均值，對該局部區域內的所有圖元進行步驟，除以該局部區域的灰度平均值再乘以合成生物特徵圖像的灰度平均值。 進一步地，所述局部區域包括合成生物特徵圖像的行、列或預設大小、形狀的塊區域。 具體地，對每一局部區域都進行步驟，求得局部區域的灰度值的平均值，計算合成生物特徵圖像的灰度平均值，對該局部區域內的所有圖元進行步驟，除以該局部區域的灰度平均值再乘以合成生物特徵圖像的灰度平均值。 可選地，還繼續進行步驟，對所述合成生物特徵圖像進行濾波去噪。 一種光學成像處理存儲介質，存儲有電腦程式，所述電腦程式在被運行時執行如下步驟，獲取多幅生物特徵圖像，根據不同圖像的座標原點為中心進行圖像還原，將還原後的生物特徵圖像進行拼接，得到合成生物特徵圖像， 還執行步驟，對合成生物特徵圖像分割為若干局部區域，求得局部區域的灰度值的平均值，計算合成生物特徵圖像的灰度平均值，對該局部區域內的所有圖元進行步驟，除以該局部區域的灰度平均值再乘以合成生物特徵圖像的灰度平均值。 進一步地，所述局部區域包括合成生物特徵圖像的行、列或預設大小、形狀的塊區域。 具體地，所述電腦程式在被運行時對每一局部區域都執行如下步驟，求得局部區域的灰度值的平均值，計算合成生物特徵圖像的灰度平均值，對該局部區域內的所有圖元進行步驟，除以該局部區域的灰度平均值再乘以合成生物特徵圖像的灰度平均值。 可選地，所述電腦程式在被運行時還執行如下步驟，對所述合成生物特徵圖像進行濾波去噪。 區別於現有技術，上述技術方案能夠有效利用無透鏡成像的資訊；將無透鏡成像中的單幅成像中的噪點及亮斑、暗斑都進行有效剔除，得到符合軟體處理要求的單幅成像的指紋部分區塊圖像。還通過拼接獲取完整圖片資訊；進而使得整個指紋圖像能夠正確生成，適應無透鏡成像放大係數，得到合適比例、大小的合成指紋圖像，去除失真，去除雜訊，以便後續對指紋圖像進行對比、識別。

為詳細說明技術方案的技術內容、構造特徵、所實現目的及效果，以下結合具體實施例並配合附圖詳予說明。 本技術發明的目的通過以下技術方案來實現： 這裡請看圖2，在圖2所示的實施例中，展示了利用全反射成像原理實現無透鏡屏下光學生物特徵成像的示意圖。圖中及下文的生物特徵以指紋為例，但若要是將指紋替換為掌紋、足紋、趾紋、視網膜、虹膜等生物特徵紋樣，也是足夠清楚實現的。如果我們要將手指按壓的玻璃蓋板（Cover glass）或其他透明介質上某一點A成像到感測器表面上的B點，根據全反射條件，發光層上的發光點O所發射的光線正好滿足需要。因為屏下空間非常小，單個點光源照明的範圍也很小，必須使用多個分立的點光源（點陣光源）並行照亮手指，才能滿足快速屏下指紋成像的要求。 然而，每一個點光源O都會在正下方感測器上O＇位置形成一個像（非全反射成像），而點光源O正上方Ａ＇點的指紋卻因為光線入射角小於臨界角，無法實現全反射成像。這樣，多個點光源形成一個點陣，同時照明指紋，在感測器表面上既有指紋經過全反射所成的像，也有點光源的光線向下直射所成的像。資料處理的任務是（1）通過各種演算法將點光源的像從指紋的像當中剔除，並且不留下明顯痕跡；（2）將每個點陣光源照明形成的指紋圖像無縫拼接；（3）消除拼接後的指紋圖像中各種雜訊，保障指紋圖像的信噪比達到指紋識別的要求。 基於上述說明，本發明提供一種光學成像處理方法，如圖1所示包括如下步驟，S100獲取圖像，所述圖像包括指紋圖案，還進行步驟，S102檢測圖像上的亮點，S104將亮點及其鄰域進行均一化處理。在我們的實施例中，裝置上方設置有透明介質，如圖2中的玻璃蓋板，透明介質上方設置有指紋識別區，透明介質下方設置有發光單元或稱光源，還包括傳感單元，所述傳感單元設置於所述指紋識別區的下方，用於獲取指紋識別區上的指紋資訊。這裡的發光單元可以是LED、OLED等，優選為AMOLED顯示幕或類似的光源陣列。由於OLED屬於自發光元件，其360度均可透光，因此就一定會正下方的傳感單元上顯示出亮斑，覆蓋掉指紋圖像的細節資訊影響指紋圖像的識別。對於該種具體情況，我們將S100步驟獲得的圖像方便辨識地稱之為單幅圖像，所謂單幅圖像可以為若干大小的感測器陣列或稱傳感單元識別到的指紋圖樣，其中可能根據這個單幅圖像的感受域的大小不同包括不同數量的點光源成像，即亮斑。如圖3所示的實施例中我們看到上下方的區塊間有明顯的黑色罅隙分隔，罅隙之間的圖像既包括指紋圖案資訊，也包括若干亮斑，或四個，或六個，可以根據需要進行劃分，並作為本實施例所述的“單幅圖像”。針對這樣輸入的“單幅圖像”，我們需要對其進行處理，包括識別圖像上的亮點，並對亮點或亮點及其鄰域進行圖像優化處理。亮點的檢測方式可以有很多種，譬如純數學的方式試舉例說明如下： 1）設置灰度閾值，若大於灰度閾值的圖像點的集合（或連通域）面積大於另一閾值，則判定其為亮點； 2）檢測灰度梯度，若存在一閉合區域內灰度梯度均為負且區域邊界灰度梯度為0，區域邊界間不同角度可畫出的最長線段誤差比值不超過類圓形判定閾值（如8%-10%），則該區域判定為亮斑； 3）灰度閾值及灰度梯度相結合、連通域面積判定和區域形狀判定相結合的其他方式。 鄰域為亮點附近一定預設規則確定範圍大小的區域，可以通過預設半徑或形狀或灰度值閾值加以限定，可以根據不同預設規則的需要自動調整範圍，優選的預設規則可以為，以亮點邊界向外，灰度梯度第一次出現局部極大值的區域。由於亮點中心開始向外灰度值將逐漸減小，將會有第一次極小值，此時可以認為進入暗斑區域，這裡的暗斑區域為未達到全反射角的光線反光不足導致的，隨後再慢慢變亮出現灰度極大值，我們將這以內的部分定義為亮點的鄰域。我們的方法就在於通過均一化消除亮點及其鄰域對指紋識別的影響。 因此在某些具體的實施例中，所述將亮點及其鄰域進行均一化處理可以包括步驟，將亮點及鄰域的灰度值全部置零；灰度值全置零能夠使得該區域變為全黑，雖然同樣未能體現指紋細節，但是置零能夠消除該區域資訊對後續指紋識別的影響及幹擾，滿足單幅圖像無效資訊填補的要求。也可以通過下列方式均一化：獲取亮點鄰域外區域與亮點鄰域交界處的灰度值，用該灰度值對亮點區域及鄰域進行填補。例如，可以獲取亮點鄰域交界處的所有邊界圖元點的灰度值，取均值後用均值取代亮點及亮點鄰域內的所有圖元點的灰度值。也可以對邊界分塊進行邊界圖元提取、取分塊邊界圖元的灰度平均值對分塊內亮點及亮點鄰域進行填補，分塊可以為扇形、三角形、矩形或其他多邊形等。通過這樣的均一化填補過程，同樣也能夠達到消除亮點，排除該區域資訊對指紋識別影響及幹擾的技術效果。 優選的實施例中，我們還包括步驟，對圖像進行濾波去噪。我們的方法通常直接設計多個點光源，點光源的有效識別區域有限，但光經過多次全反射仍可能對其他區域的感測器陣列產生影響，變成背景雜訊，這屬於系統固有誤差。對於這種系統固有誤差的消除，可以直接利用現有的影像處理中的小波去噪軟體進行處理，各類濾波去噪軟體均可用於此處的去噪，優選的實施例中可以採用“db45”基矢分解圖像並去除高頻和低頻資訊，達到剔除亮點的目的。該方法適用於照明光源的點陣比較密集的情況，甚至在某些情況下可以替代上述亮點及鄰域方法中的歸一化處理。 在其他一些具體的實施例中，我們還進行步驟，定位原點，具體包括，以光源中心在感測器平面上的豎直投影為感測器物理座標的原點，並以感測器物理座標的原點在圖像中對應的圖元點為圖像座標原點，以圖像座標原點為中心檢測亮點及其附近區域。這樣做的原理在於，在圖1中可以發現，亮點必定是嚴格出現在感測器的下方的o’點，且從圖3我們也明顯可以看到亮點相對於其所遮蔽的指紋資訊均更大更明顯。則在具體的實施方式中，通過標定座標原點，其實就是光源中心在正下方的投影與圖像中亮點中心點的對應位置標定。從而根據該原點標定，能夠更好地對“單幅圖像”中的亮點進行檢測識別，例如，上述的灰度值閾值或灰度值梯度變化檢測的方法均以標定原點為中心輻狀向外檢測即可。通過上述原點標定更好地解決了光學成像處理中亮點及周圍暗斑區域的檢測優化問題。 本發明還提供一種光學成像處理存儲介質，存儲有電腦程式，所述電腦程式在被運行時執行包括如下步驟，獲取圖像，所述圖像包括生物特徵圖案，還進行步驟，檢測圖像上的亮點，將亮點及其鄰域進行均一化處理。 進一步地，所述將亮點及其鄰域進行均一化處理具體執行步驟，將亮點及鄰域的灰度值全部置零。 優選地，所述將亮點及其鄰域進行均一化處理具體執行步驟，獲取亮點鄰域外區域與亮點鄰域交界處的灰度值，用該灰度值對亮點區域及鄰域進行填補。 可選地，所述電腦程式在被運行時還執行步驟，對圖像進行濾波去噪。 進一步地，所述電腦程式在被運行時還執行步驟，定位原點，具體包括，以光源中心在感測器平面上的豎直投影為感測器物理座標的原點，並以感測器物理座標的原點在圖像中對應的圖元點為圖像座標原點，以圖像座標原點為中心檢測亮點。 在圖4所示的實施例中，我們還進行一種光學成像處理方法，用於對點光源陣列已經識別到的指紋資訊在傳感單元上的投影進行視覺化處理。在本實施例中光學成像處理方法基於如下假設，素材指紋圖像基於同個指紋的掃描結果，且素材指紋圖像已經基於不同點光源能夠採集的有效區域範圍進行了圖像有效分割，這裡討論的單幅圖像為僅包括一個點光源對應的原點的狀態。 在本實施例中，仍然以生物特徵圖像為指紋圖像為例。光學成像處理方法包括如下步驟，S400獲取多幅指紋圖像，S402根據不同圖像的座標原點為中心進行圖像還原，S404將還原後的指紋圖像進行拼接，得到合成指紋圖像，S406對合成指紋圖像進行歸一化操作。 這裡的對多幅指紋圖像根據中心原點進行還原具體為，由於每幅圖像的分割結果已假定為包括一個亮點即標定原點，根據全反射原理我們得到的圖像是放大後的指紋樣式，放大的對應原點就是亮點的中心點，因為各指紋的主要資訊展示區域相對於其原點方向是不固定的，在感測器感知來看就會產生一定的失真。則將各幅圖像以標定原點進行圖像還原能夠有效還原指紋資訊，防止失真，更好地展現指紋的原本面貌。至於如何劃分單幅圖像，如何在基於原點還原的過程中保存盡可能多的資訊我們也有相應的處理方式，但並不影響本專利的實質內容，在此不做展開討論。 這裡的歸一化操作具體為，將合成指紋圖像分割為若干局部區域，求得局部區域的灰度值的平均值，計算合成指紋圖像的灰度平均值，對該局部區域內的所有圖元進行步驟，除以該局部區域的灰度平均值再乘以合成指紋圖像的灰度平均值。 即對於一定區域的圖像進行操作：求得圖像中一行、一列以及一塊區域的灰度平均值，並將這塊區域內每個圖元的灰度值除以該平均值，並乘以整個圖像的灰度平均值。按照下式

其中A(i,j)表示第i行第j列的圖元灰度值，

(i,j)表示歸一化後的灰度值。最終的歸一化效果如圖5所示，圖5左邊是歸一化之前的指紋影響，右邊是歸一化之後的效果，可以看到在清晰度及亮度一致性上有了明顯提高。 進一步的實施例中，我們還可以針對合成指紋圖像進行劃分局部區域，因此本發明方法還包括步驟，將合成指紋圖像根據行分割局部區域，或進行步驟，將合成指紋圖像根據列分割局部區域；或進行步驟，將合成指紋圖像根據拼接位置劃分不同的矩形，分割出局部區域，等等。因此，在我們的技術方案中，所述局部區域包括合成指紋圖像的若干行、若干列或預設大小、形狀的塊區域，局部區域最好能夠跨越多個原素材指紋圖像選取。 優選的實施例中，可以針對若干挑選過的局部區域進行歸一化操作，還進行步驟，接收使用者對合成指紋圖像中局部區域的選取操作，根據使用者選擇的局部區域進行歸一化操作步驟。當然也可以對所有局部區域都進行歸一化操作。意即，對每一局部區域都進行步驟，求得局部區域的灰度值的平均值，計算合成指紋圖像的灰度平均值，對該局部區域內的所有圖元進行步驟，除以該局部區域的灰度平均值再乘以合成指紋圖像的灰度平均值。這裡的合成指紋圖像的灰度平均值，優選是初始的灰度平均值，也可以是在每個局部區域歸一化之後新的合成指紋圖像的灰度平均值。通過上述歸一化操作，能夠使得合成指紋圖像中局部與整體的亮度關係更為均衡，並不會出現某些部分之間對比過強烈導致指紋無法有效識別的問題。 可選地，還繼續進行步驟，S408對所述合成指紋圖像進行濾波去噪。在這裡對合成指紋圖像的雜訊消除主要包括小波變化、傅裡葉濾波或高斯濾波後二值化。同前述部分一樣，若選取小波變換則選取基矢為“db45”，通過去除高頻及低頻資訊。傅裡葉濾波去除高頻中心資訊及低頻兩邊資訊。高斯濾波二值化是將所得圖像局部歸一化後使用高斯函數中的bilateral演算法（影像處理的標準演算法），並進行局部二值化。通過上述雜訊消除步驟，我們能夠減少合成指紋圖像中整體的雜訊幹擾，保留有效指紋資訊在最終的指紋圖像中，並且能夠更好地消除合成指紋圖像中拼接的痕跡，因為接縫痕跡某種程度上也算雜訊，進行濾波同時也能夠更好地消除拼接痕跡，滿足對光學成像的生物指紋影像處理的技術要求。 其他一些實施例中還提供另一種光學成像處理存儲介質，存儲有電腦程式，所述電腦程式在被運行時執行如下步驟，獲取多幅生物特徵圖像，根據不同圖像的座標原點為中心進行圖像還原，將還原後的生物特徵圖像進行拼接，得到合成生物特徵圖像， 還執行步驟，對合成生物特徵圖像分割為若干局部區域，求得局部區域的灰度值的平均值，計算合成生物特徵圖像的灰度平均值，對該局部區域內的所有圖元進行步驟，除以該局部區域的灰度平均值再乘以合成生物特徵圖像的灰度平均值。 進一步地，所述局部區域包括合成生物特徵圖像的行、列或預設大小、形狀的塊區域。 具體地，所述電腦程式在被運行時對每一局部區域都執行如下步驟，求得局部區域的灰度值的平均值，計算合成生物特徵圖像的灰度平均值，對該局部區域內的所有圖元進行步驟，除以該局部區域的灰度平均值再乘以合成生物特徵圖像的灰度平均值。 可選地，所述電腦程式在被運行時還執行如下步驟，對所述合成生物特徵圖像進行濾波去噪。 需要說明的是，儘管在本文中已經對上述各實施例進行了描述，但並非因此限制本發明的專利保護範圍。因此，基於本發明的創新理念，對本文所述實施例進行的變更和修改，或利用本發明說明書及附圖內容所作的等效結構或等效流程變換，直接或間接地將以上技術方案運用在其他相關的技術領域，均包括在本發明的專利保護範圍之內。

S100~S104:流程圖步驟 S400~S408:流程圖步驟

圖1所繪示為具體實施方式所述的一種光學成像處理方法流程圖 圖2所繪示為具體實施方式所述的無透鏡光學成像結構圖 圖3所繪示為具體實施方式所述的單幅圖像示意圖 圖4所繪示為具體實施方式所述的光學成像處理方法流程圖 圖5所繪示為具體實施方式所述的合成指紋圖像歸一化效果圖

S100~S104:流程圖步驟

Claims (18)

1. 一種光學成像處理方法，其特徵在於，包括如下步驟，獲取圖像，所述圖像包括生物特徵圖案，還進行步驟，檢測圖像上的亮點，將亮點及其鄰域進行均一化處理。
2. 如申請專利範圍第1項所述之光學成像處理方法，其特徵在於，所述將亮點及其鄰域進行均一化處理具體包括步驟，將亮點及鄰域的灰度值全部置零。
3. 如申請專利範圍第1項所述之光學成像處理方法，其特徵在於，所述將亮點及其鄰域進行均一化處理具體包括步驟，獲取亮點鄰域外區域與亮點鄰域交界處的灰度值，用該灰度值對亮點區域及鄰域進行填補。
4. 如申請專利範圍第2項所述之光學成像處理方法，其特徵在於，還包括步驟，對圖像進行濾波去噪。
5. 如申請專利範圍第1項所述之光學成像處理方法，其特徵在於，還包括步驟，定位原點，具體包括，以光源中心在感測器平面上的豎直投影為感測器物理座標的原點，並以感測器物理座標的原點在圖像中對應的圖元點為圖像座標原點，以圖像座標原點為中心檢測亮點。
6. 一種光學成像處理存儲介質，其特徵在於，存儲有電腦程式，所述電腦程式在被運行時執行包括如下步驟，獲取圖像，所述圖像包括生物特徵圖案，還進行步驟，檢測圖像上的亮點，將亮點及其鄰域進行均一化處理。
7. 如申請專利範圍第6項所述之光學成像處理存儲介質，其特徵在於，所述將亮點及其鄰域進行均一化處理具體執行步驟，將亮點及鄰域的灰度值全部置零。
8. 如申請專利範圍第6項所述之光學成像處理存儲介質，其特徵在於，所述將亮點及其鄰域進行均一化處理具體執行步驟，獲取亮點鄰域外區域與亮點鄰域交界處的灰度值，用該灰度值對亮點區域及鄰域進行填補。
9. 如申請專利範圍第6項所述之光學成像處理存儲介質，其特徵在於，所述電腦程式在被運行時還執行步驟，對圖像進行濾波去噪。
10. 如申請專利範圍第6項所述之光學成像處理存儲介質，其特徵在於，所述電腦程式在被運行時還執行步驟，定位原點，具體包括，以光源中心在感測器平面上的豎直投影為感測器物理座標的原點，並以感測器物理座標的原點在圖像中對應的圖元點為圖像座標原點，以圖像座標原點為中心檢測亮點。
11. 一種光學成像處理方法，其特徵在於，包括如下步驟，獲取多幅生物特徵圖像，根據不同圖像的座標原點為中心進行圖像還原，將還原後的生物特徵圖像進行拼接，得到合成生物特徵圖像， 對合成生物特徵圖像分割為若干局部區域，求得局部區域的灰度值的平均值，計算合成生物特徵圖像的灰度平均值，對該局部區域內的所有圖元進行步驟，除以該局部區域的灰度平均值再乘以合成生物特徵圖像的灰度平均值。
12. 如申請專利範圍第11項所述之光學成像處理存儲介質，其特徵在於，所述局部區域包括合成生物特徵圖像的行、列或預設大小、形狀的塊區域。
13. 如申請專利範圍第11項所述之光學成像處理存儲介質，其特徵在於，對每一局部區域都進行步驟，求得局部區域的灰度值的平均值，計算合成生物特徵圖像的灰度平均值，對該局部區域內的所有圖元進行步驟，除以該局部區域的灰度平均值再乘以合成生物特徵圖像的灰度平均值。
14. 如申請專利範圍第11項或第13項所述之光學成像處理存儲介質，其特徵在於，還繼續進行步驟，對所述合成生物特徵圖像進行濾波去噪。
15. 一種光學成像處理存儲介質，其特徵在於，存儲有電腦程式，所述電腦程式在被運行時執行如下步驟，獲取多幅生物特徵圖像，根據不同圖像的座標原點為中心進行圖像還原，將還原後的生物特徵圖像進行拼接，得到合成生物特徵圖像， 還執行步驟，對合成生物特徵圖像分割為若干局部區域，求得局部區域的灰度值的平均值，計算合成生物特徵圖像的灰度平均值，對該局部區域內的所有圖元進行步驟，除以該局部區域的灰度平均值再乘以合成生物特徵圖像的灰度平均值。
16. 如申請專利範圍第15項所述之光學成像處理存儲介質，其特徵在於，所述局部區域包括合成生物特徵圖像的行、列或預設大小、形狀的塊區域。
17. 如申請專利範圍第15項所述之光學成像處理存儲介質，其特徵在於，所述電腦程式在被運行時對每一局部區域都執行如下步驟，求得局部區域的灰度值的平均值，計算合成生物特徵圖像的灰度平均值，對該局部區域內的所有圖元進行步驟，除以該局部區域的灰度平均值再乘以合成生物特徵圖像的灰度平均值。
18. 如申請專利範圍第15項或第17項所述之光學成像處理存儲介質，其特徵在於，所述電腦程式在被運行時還執行如下步驟，對所述合成生物特徵圖像進行濾波去噪。

Images