CN107247918A - 一种终端及指纹成像方法 - Google Patents
一种终端及指纹成像方法 Download PDFInfo
- Publication number
- CN107247918A CN107247918A CN201710283293.2A CN201710283293A CN107247918A CN 107247918 A CN107247918 A CN 107247918A CN 201710283293 A CN201710283293 A CN 201710283293A CN 107247918 A CN107247918 A CN 107247918A
- Authority
- CN
- China
- Prior art keywords
- intensity profile
- gray
- stretching
- fingerprint
- characteristic point
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR 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
- G06V40/13—Sensors therefor
- G06V40/1324—Sensors therefor by using geometrical optics, e.g. using prisms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR 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
- G06V40/1359—Extracting features related to ridge properties; Determining the fingerprint type, e.g. whorl or loop
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Optics & Photonics (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Collating Specific Patterns (AREA)
- Image Input (AREA)
Abstract
本发明公开了一种终端及指纹成像方法,该终端包括:采集模块,用于采集指纹;图像预处理模块,用于对该指纹进行图像预处理以生成该指纹的灰度图;统计模块,用于统计该灰度图中的灰度分布,并生成灰度分布图;处理模块,用于将该灰度分布图截去灰度值小于第一阈值的一段,和/或大于第二阈值的一段,并将截去后的灰度分布图按照预设规则在灰度级上进行拉伸;输出模块,用于将拉伸后的灰度分布图对应的指纹图像作为目标指纹图像,并输出;采用上述方案,能针对不同肤色的指纹成像数据进行差异化处理,放大差异,更能准确体现用户指纹的细节,提高图像识别能力,改善用户体验。
Description
技术领域
本发明涉及终端技术领域,更具体地说,涉及一种终端及指纹成像方法。
背景技术
当前手机等终端已经成为人们生活中必不可少的消费品,而伴随着手机的普及,移动支付作为一种新兴的网络支付方式,以其方便、快捷、实时性高等特点也越来越多的被人们所青睐。与此同时带来了一系列的支付安全问题,也因为安全的需求,作为一项重要的安全加密技术,指纹正逐渐成为手机的标配。
在拼颜值的时代,手机的一体化需求被放大,光学指纹由于光的可穿透性,可以隐藏在玻璃、陶瓷盖板下的特性,正在成为一种趋势。
现有的光学指纹技术,利用光反射原理来检测人手指的指纹,但不同肤色的手指对光的反射能力是不一样的,这就造成指纹的辨识度存在差异,如果采用统一的算法来处理不同肤色的指纹,很可能出现部分人群的指纹难以识别的情况,用户体验很差。
发明内容
本发明的主要目的在于提出一种终端及指纹成像方法,旨在解决现有技术中,采用现有的指纹算法来处理不同肤色的指纹,很可能出现部分人群的指纹难以识别的情况的问题。
为解决上述技术问题,本发明提供一种终端,包括:
采集模块,用于采集指纹;
图像预处理模块,用于对该指纹进行图像预处理以生成该指纹的灰度图;
统计模块,用于统计该灰度图中的灰度分布,并生成灰度分布图;
处理模块,用于将该灰度分布图截去灰度值小于第一阈值的一段,和/或大于第二阈值的一段,并将截去后的灰度分布图按照预设规则在灰度级上进行拉伸;
输出模块,用于将拉伸后的灰度分布图对应的指纹图像作为目标指纹图像,并输出。
其中,还包括:
提取模块,用于在处理模块将截去后的灰度分布图按照预设规则在灰度级上进行拉伸之后,且在输出模块将拉伸后的灰度分布图对应的指纹图像作为目标指纹图像,并输出之前,提取拉伸后的灰度分布图对应的灰度图中的特征点;
比较模块,用于将特征点的个数与此次拉伸前的灰度分布图对应的灰度图中特征点的个数进行比较;
处理模块还用于在特征点的个数大于此次拉伸前的灰度分布图对应的灰度图中特征点的个数的情况下,将该拉伸后的灰度分布图截去灰度值小于第一阈值的一段,和/或大于第二阈值的一段,并将截去后的灰度分布图按照预设规则在灰度级上进行拉伸;重复上述步骤,直至拉伸后的灰度分布图对应的灰度图中特征点的个数等于此次拉伸前的灰度分布图对应的灰度图中特征点的个数。
其中,输出模块还用于在拉伸后的灰度分布图对应的灰度图中特征点的个数小于此次拉伸前的灰度分布图对应的灰度图中特征点的个数的情况下,则将此次拉伸前的灰度分布图对应的指纹图像作为目标指纹图像,并输出。
其中,处理模块用于将截去后的灰度分布图在灰度级上按照第一预设子规则进行整体拉伸,或按照第二预设子规则进行分段拉伸。
其中,处理模块用于
将截去后的灰度分布图在灰度级上按照以下公式进行整体拉伸:
a=(A-A1)*255/(A2-A1);
其中,A1为第一阈值,A2为第二阈值,A为灰度分布图上其中一点拉伸前的灰度值,a为灰度分布图上A对应的点拉伸后的灰度值;
或者,将截去后的灰度分布图在灰度级上按照以下公式进行分段拉伸:
a=(A-Aa)*(Xb-Xa)/(Ab-Aa);
其中,Aa为灰度分布图上其中一个分段的灰度边界值,Ab为灰度分布图上Aa所在分段的另一灰度边界值,且Aa小于Ab;Xa为灰度分布图上Aa、Ab所在分段映射的灰度值,Xb为灰度分布图上Aa、Ab所在分段映射的灰度值,且Xa小于Xb;A为灰度分布图上Aa、Ab对应段的其中一点拉伸前的灰度值,a为灰度分布图上A对应的点拉伸后的灰度值。
进一步地,本发明提供一种指纹成像方法,包括:
采集指纹;
对该指纹进行图像预处理以生成该指纹的灰度图;
统计该灰度图中的灰度分布,并生成灰度分布图;
将该灰度分布图截去灰度值小于第一阈值的一段,和/或大于第二阈值的一段,并将截去后的灰度分布图按照预设规则在灰度级上进行拉伸;
将拉伸后的灰度分布图对应的指纹图像作为目标指纹图像,并输出。
其中,在将截去后的灰度分布图按照预设规则在灰度级上进行拉伸之后,且在将拉伸后的灰度分布图对应的指纹图像作为目标指纹图像,并输出之前,还包括:
提取拉伸后的灰度分布图对应的灰度图中的特征点;
将特征点的个数与此次拉伸前的灰度分布图对应的灰度图中特征点的个数进行比较;
在特征点的个数大于此次拉伸前的灰度分布图对应的灰度图中特征点的个数的情况下,将该拉伸后的灰度分布图截去灰度值小于第一阈值的一段,和/或大于第二阈值的一段,并将截去后的灰度分布图按照预设规则在灰度级上进行拉伸;
重复上述步骤,直至拉伸后的灰度分布图对应的灰度图中特征点的个数等于此次拉伸前的灰度分布图对应的灰度图中特征点的个数。
其中,在将特征点的个数与此次拉伸前的灰度分布图对应的灰度图中特征点的个数进行比较之后,还包括:在拉伸后的灰度分布图对应的灰度图中特征点的个数小于此次拉伸前的灰度分布图对应的灰度图中特征点的个数的情况下,则将此次拉伸前的灰度分布图对应的指纹图像作为目标指纹图像,并输出。
其中,将截去后的灰度分布图按照预设规则在灰度级上进行拉伸包括:
将截去后的灰度分布图在灰度级上按照第一预设子规则进行整体拉伸,或按照第二预设子规则进行分段拉伸。
其中,将截去后的灰度分布图在灰度级上按照第一预设子规则进行整体拉伸包括:
将截去后的灰度分布图在灰度级上按照以下公式进行整体拉伸:
a=(A-A1)*255/(A2-A1);
其中,A1为第一阈值,A2为第二阈值,A为灰度分布图上其中一点拉伸前的灰度值,a为灰度分布图上A对应的点拉伸后的灰度值;
将截去后的灰度分布图在灰度级上按照第二预设子规则进行分段拉伸包括:
将截去后的灰度分布图在灰度级上按照以下公式进行分段拉伸:
a=(A-Aa)*(Xb-Xa)/(Ab-Aa);
其中,Aa为灰度分布图上其中一个分段的灰度边界值,Ab为灰度分布图上Aa所在分段的另一灰度边界值,且Aa小于Ab;Xa为灰度分布图上Aa、Ab所在分段映射的灰度值,Xb为灰度分布图上Aa、Ab所在分段映射的灰度值,且Xa小于Xb;A为灰度分布图上Aa、Ab对应段的其中一点拉伸前的灰度值,a为灰度分布图上A对应的点拉伸后的灰度值。
有益效果
本发明提供了一种终端及指纹成像方法,该终端包括:采集模块,用于采集指纹;图像预处理模块,用于对该指纹进行图像预处理以生成该指纹的灰度图;统计模块,用于统计该灰度图中的灰度分布,并生成灰度分布图;处理模块,用于将该灰度分布图截去灰度值小于第一阈值的一段,和/或大于第二阈值的一段,并将截去后的灰度分布图按照预设规则在灰度级上进行拉伸;输出模块,用于将拉伸后的灰度分布图对应的指纹图像作为目标指纹图像,并输出;采用上述方案,将截去后的灰度分布图在灰度级上进行拉伸,并将拉伸后的灰度分布图对应的指纹图像作为目标指纹图像,能针对不同肤色的指纹成像数据进行差异化处理,放大差异,更能准确体现用户指纹的细节,提高图像识别能力,改善用户体验。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1为实现本发明各个实施例一个可选的终端的硬件结构示意图;
图2为本发明第一实施例提供的一种终端的示意图;
图3为本发明第一、第二、第三实施例提供的一种利用光反射原理检测用户手指指纹的示意图;
图4为本发明第一、第二、第三实施例提供的一种某一指纹的灰度分布图的示意图;
图5为本发明第一实施例提供的另一种终端的示意图;
图6为本发明第三实施例提供的一种指纹成像方法的流程图;
图7为本发明第四实施例提供的另一种指纹成像方法的流程图。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
现在将参考附图描述实现本发明各个实施例的终端。在后续的描述中,使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明,其本身并没有特定的意义。因此,"模块"与"部件"可以混合地使用。
终端可以以各种形式来实施。例如,本发明中描述的终端可以包括诸如移动电话、智能电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、导航装置等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。本领域技术人员将理解的是,除了特别用于移动目的的元件之外,根据本发明的实施方式的构造也能够应用于固定类型的终端。
图1为实现本发明各个实施例一个可选的终端的硬件结构示意图。
终端100可以包括用户输入单元110、感测单元120、输出单元130、存储器140、控制器150和电源单元160等等。图1示出了具有各种组件的终端100,但是应理解的是,并不要求实施所有示出的组件,可以替代地实施更多或更少的组件,将在下面详细描述终端100的元件。
用户输入单元110可以根据用户输入的命令生成键输入数据以控制终端100的各种操作。用户输入单元110允许用户输入各种类型的信息,并且可以包括键盘、锅仔片、触摸板(例如,检测由于被接触而导致的电阻、压力、电容等等的变化的触敏组件)、滚轮、摇杆等等。特别地,当触摸板以层的形式叠加在显示模块131上时,可以形成触摸屏。
感测单元120检测终端100的当前状态,(例如,终端100的打开或关闭状态)、终端100的位置、用户对于终端100的接触(即,触摸输入)的有无、终端100的取向、终端100的加速或减速移动和方向等等,并且生成用于控制终端100的操作的命令或信号。例如,当终端100实施为滑动型移动电话时,感测单元120可以感测该滑动型电话是打开还是关闭。另外,感测单元120能够检测电源单元160是否提供电力。感测单元120可以包括接近传感器121。
输出单元130可以包括显示模块131等。
显示模块131可以显示在终端100中处理的信息。例如,当终端100处于电话通话模式时,显示模块131可以显示与通话或其它通信(例如,文本消息收发、多媒体文件下载等等)相关的用户界面(UI)或图形用户界面(GUI)。当终端100处于视频通话模式或者图像捕获模式时,显示模块131可以显示捕获的图像和/或接收的图像、示出视频或图像以及相关功能的UI或GUI等等。
同时,当显示模块131和触摸板以层的形式彼此叠加以形成触摸屏时,显示模块131可以用作输入装置和输出装置。显示模块131可以包括液晶显示器(LCD)、薄膜晶体管LCD(TFT-LCD)、有机发光二极管(OLED)显示器、柔性显示器、三维(3D)显示器等等中的至少一种。这些显示器中的一些可以被构造为透明状以允许用户从外部观看,这可以称为透明显示器,典型的透明显示器可以例如为TOLED(透明有机发光二极管)显示器等等。根据特定想要的实施方式,终端100可以包括两个或更多显示模块(或其它显示装置),例如,终端100可以包括外部显示模块(未示出)和内部显示模块(未示出)。触摸屏可用于检测触摸输入压力以及触摸输入位置和触摸输入面积。
存储器140可以存储由控制器150执行的处理和控制操作的软件程序等等,或者可以暂时地存储己经输出或将要输出的数据(例如,电话簿、消息、静态图像、视频等等)。而且,存储器140可以存储关于当触摸施加到触摸屏时输出的各种方式的振动和音频信号的数据。
存储器140可以包括至少一种类型的存储介质,存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等等。而且,终端100可以与通过网络连接执行存储器140的存储功能的网络存储装置协作。
控制器150通常控制终端100的总体操作。例如,控制器150执行与语音通话、数据通信、视频通话等等相关的控制和处理。控制器150可以执行模式识别处理,以将在触摸屏上执行的手写输入或者图片绘制输入识别为字符或图像。
电源单元160在控制器150的控制下接收外部电力或内部电力并且提供操作各元件和组件所需的适当的电力。
这里描述的各种实施方式可以以使用例如计算机软件、硬件或其任何组合的计算机可读介质来实施。对于硬件实施,这里描述的实施方式可以通过使用特定用途集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理装置(DSPD)、可编程逻辑装置(PLD)、现场可编程门阵列(FPGA)、处理器、控制器、微控制器、微处理器、被设计为执行这里描述的功能的电子单元中的至少一种来实施,在一些情况下,这样的实施方式可以在控制器150中实施。对于软件实施,诸如过程或功能的实施方式可以与允许执行至少一种功能或操作的单独的软件模块来实施。软件代码可以由以任何适当的编程语言编写的软件应用程序(或程序)来实施,软件代码可以存储在存储器140中并且由控制器150执行。
至此,己经按照其功能描述了终端100。下面,为了简要起见,将描述诸如折叠型、直板型、摆动型、滑动型终端等等的各种类型的移动终端中的滑动型移动终端作为示例。因此,本发明能够应用于任何类型的移动终端,并且不限于滑动型移动终端。
基于上述终端硬件结构,以下通过具体实施例对本发明进行详细说明。
第一实施例
本实施例提供了一种终端,参见图2,图2为本发明第一实施例提供的终端的示意图,该终端包括:采集模块201、图像预处理模块202、统计模块203、处理模块204、输出模块205,其中,
采集模块201,用于采集指纹;
该指纹可以是来自于不同肤色的用户的指纹,在采集指纹时,利用光反射原理来检测用户手指的指纹,不同肤色的手指对光的反射能力是不一样的;
参见图3,图3为本实施例提供的一种利用光反射原理检测用户手指指纹的示意图,图3中,将手指放在玻璃盖板301上,由内置LED302的光源照射手指,LED302的光源射出的光线在手指表面指纹凹凸不平的线纹上折射的角度及反射回去的光线明暗就会不一样,并将其投射在接收器件303上,进而形成脊线(指纹图像中具有一定宽度和走向的纹线)呈黑色、谷线(纹线之间的凹陷部分)呈白色的数字化的、可被指纹设备算法处理的多灰度指纹图像。
图像预处理模块202,用于对该指纹进行图像预处理以生成该指纹的灰度图;
在进行图像预处理之后,会生成该指纹的灰度图。
统计模块203,用于统计该灰度图中的灰度分布,并生成灰度分布图;
手指褶皱区的光反射能力较弱,灰度值较小;手指平滑区光反射能力较强,灰度值较大;
示例性的,某一指纹的灰度分布参见图4,图4为本实施例提供的一种某一指纹的灰度分布图的示意图,图4的灰度分布图中,以灰度值为横坐标,以数量为纵坐标。
处理模块204,用于将该灰度分布图截去灰度值小于第一阈值的一段,和/或大于第二阈值的一段,并将截去后的灰度分布图按照预设规则在灰度级上进行拉伸;
将该灰度分布图截去灰度值小于第一阈值的一段,和/或大于第二阈值的一段,即从该灰度分布图中剔除所有小于第一阈值的灰度,和/或从该灰度分布图中剔除所有大于第二阈值的灰度;
在从灰度分布图中剔除灰度值时,可以只剔除小于第一阈值的一段,也可以只剔除大于第二阈值的一段,也可以同时将小于第一阈值的一段、大于第二阈值的一段均剔除;
在图4中,第一阈值为A1,第一阈值为选取的灰度下限,该值可以根据实际情况进行选取;第二阈值为A2,第二阈值为选取的灰度上限,该值可以根据实际情况进行选取;A为A1、A2之间任一点的灰度值;
例如一共有100个点,灰度值为1的点一共有2个,灰度值为2的点一共有8个,若从灰度分布图中剔除所有小于第一阈值的灰度值占百分之十,则将灰度值为1、灰度值为2的共10个点剔除。
输出模块205,用于将拉伸后的灰度分布图对应的指纹图像作为目标指纹图像,并输出;
在经过上述将灰度分布图进行一次拉伸的步骤之后,放大了差异,更能准确体现用户指纹的细节,提高图像识别能力。
可选的,参见图5,图5为本实施例提供的另一种终端的示意图,该终端还包括:
提取模块206,用于在处理模块204将截去后的灰度分布图按照预设规则在灰度级上进行拉伸之后,且在输出模块205将拉伸后的灰度分布图对应的指纹图像作为目标指纹图像,并输出之前,提取拉伸后的灰度分布图对应的灰度图中的特征点,并记录特征点的数量;
每个指纹都有几个独一无二、可测量的特征点,每个特征点都有大约5~7个特征;
指纹上的断点、分叉点和转折点就称为特征点,就是这些特征点提供了指纹唯一性的确认信息,其中最典型的是终结点和分叉点。特征点的参数包括:方向(节点可以朝着一定的方向)、曲率(描述纹路方向改变的速度)、位置(节点的位置通过x/y坐标来描述,可以是绝对的,也可以是相对于三角点或特征点的);
比较模块207,用于将特征点的个数与此次拉伸前的灰度分布图对应的灰度图中特征点的个数进行比较;
处理模块204还用于在特征点的个数大于此次拉伸前的灰度分布图对应的灰度图中特征点的个数的情况下,将该拉伸后的灰度分布图截去灰度值小于第一阈值的一段,和/或大于第二阈值的一段,并将截去后的灰度分布图按照预设规则在灰度级上进行拉伸;重复上述提取模块206、比较模块207、处理模块204的处理步骤,直至拉伸后的灰度分布图对应的灰度图中特征点的个数等于此次拉伸前的灰度分布图对应的灰度图中特征点的个数;
特征点的数量越多,指纹图像越清晰;若特征点的数量不再增加,则认为此时的效果最优,将此时的指纹图像作为目标指纹图像进行输出。
由于特征点的数量越少,指纹图像越不清晰,在一种实施例中,输出模块205还用于在拉伸后的灰度分布图对应的灰度图中特征点的个数小于此次拉伸前的灰度分布图对应的灰度图中特征点的个数的情况下,则将此次拉伸前的灰度分布图对应的指纹图像作为目标指纹图像,并输出。
其中,处理模块204用于将截去后的灰度分布图在灰度级上按照第一预设子规则进行整体拉伸,或按照第二预设子规则进行分段拉伸。
其中,处理模块204用于将截去后的灰度分布图在灰度级上按照以下公式进行整体拉伸:
a=(A-A1)*255/(A2-A1);
其中,A1为第一阈值,A2为第二阈值,A为灰度分布图上其中一点拉伸前的灰度值,a为灰度分布图上A对应的点拉伸后的灰度值;
例如,原始指纹图像的灰度分布图的灰度级为0到255,在截去了灰度值为10以下的点、以及截去了灰度值为250以上的点之后,剩下的灰度分布图的灰度级为10到250,然后将该灰度级为10到250的灰度分布图进行整体拉伸,拉伸到灰度级为0到255上。
或者,处理模块204用于将截去后的灰度分布图在灰度级上按照以下公式进行分段拉伸:
a=(A-Aa)*(Xb-Xa)/(Ab-Aa);
其中,Aa为灰度分布图上其中一个分段的灰度边界值,Ab为灰度分布图上Aa所在分段的另一灰度边界值,且Aa小于Ab;Xa为灰度分布图上Aa、Ab所在分段映射的灰度值,Xb为灰度分布图上Aa、Ab所在分段映射的灰度值,且Xa小于Xb;A为灰度分布图上Aa、Ab对应段的其中一点拉伸前的灰度值,a为灰度分布图上A对应的点拉伸后的灰度值;
分段拉伸是根据灰度分布将灰度曲线分为多个分段,每个分段均对应一个灰度范围,以图4的灰度分布图为例,将A1~A拉伸到0~100灰度范围,将A~A2拉伸至100~255灰度范围;
示例性的,每个分段的灰度边界值分别是(A1,Aa),(Aa,Ab),...,(Ax,A2),而每一个分段映射的灰度级分别为(0,Xa),(Xa,Xb),...,(Xx,255);
则每一分段的分段拉伸公式分别为:
第一分段:a=(A-A1)*(Xa-0)/(Aa-A1);
第二分段:a=(A-Aa)*(Xb-Xa)/(Ab-Aa);
...
第x分段a=(A-Ax)*(255-Xx)/(A2-Ax)。
分段拉伸得到的效果相较整体拉伸更清晰。
采用本实施例提供的方案,将指纹的灰度分布图进行拉伸是为了减小指纹图像中的噪声,提高有效信息的对比度,从而放大差异,为特征提取创造良好前提条件,更能准确体现用户指纹的细节,提高图像识别能力,能识别不同肤色的指纹,改善了用户体验。
第二实施例
本实施例提供另一种终端,第一实施例中的终端的各功能模块执行的功能可通过图1中的部分硬件来实现,当然,各硬件执行的功能也可由上述功能模块实现。上述各功能模块的功能具体由如下硬件实现:
采集模块201的功能可通过用户输入单元110来实现;用户输入单元110允许用户输入各种类型的信息,并且可以包括键盘、锅仔片、触摸板(例如,检测由于被接触而导致的电阻、压力、电容等等的变化的触敏组件)、滚轮、摇杆等等;
图像预处理模块202、统计模块203、处理模块204、输出模块205、提取模块206、比较模块207的功能均可通过控制器150来实现;
用户输入单元110,用于采集指纹;
该指纹可以是来自于不同肤色的用户的指纹,在采集指纹时,利用光反射原理来检测用户手指的指纹,不同肤色的手指对光的反射能力是不一样的;
参见图3,图3为本实施例提供的一种利用光反射原理检测用户手指指纹的示意图,图3中,将手指放在玻璃盖板301上,由内置LED302的光源照射手指,LED302的光源射出的光线在手指表面指纹凹凸不平的线纹上折射的角度及反射回去的光线明暗就会不一样,并将其投射在接收器件303上,进而形成脊线(指纹图像中具有一定宽度和走向的纹线)呈黑色、谷线(纹线之间的凹陷部分)呈白色的数字化的、可被指纹设备算法处理的多灰度指纹图像。
控制器150,用于对该指纹进行图像预处理以生成该指纹的灰度图;
在进行图像预处理之后,会生成该指纹的灰度图。
控制器150,用于统计该灰度图中的灰度分布,并生成灰度分布图;
手指褶皱区的光反射能力较弱,灰度值较小;手指平滑区光反射能力较强,灰度值较大;
示例性的,某一指纹的灰度分布参见图4,图4为本实施例提供的一种某一指纹的灰度分布图的示意图,图4的灰度分布图中,以灰度值为横坐标,以数量为纵坐标。
控制器150,用于将该灰度分布图截去灰度值小于第一阈值的一段,和/或大于第二阈值的一段,并将截去后的灰度分布图按照预设规则在灰度级上进行拉伸;
将该灰度分布图截去灰度值小于第一阈值的一段,和/或大于第二阈值的一段,即从该灰度分布图中剔除所有小于第一阈值的灰度,和/或从该灰度分布图中剔除所有大于第二阈值的灰度;
在从灰度分布图中剔除灰度值时,可以只剔除小于第一阈值的一段,也可以只剔除大于第二阈值的一段,也可以同时将小于第一阈值的一段、大于第二阈值的一段均剔除;
在图4中,第一阈值为A1,第一阈值为选取的灰度下限,该值可以根据实际情况进行选取;第二阈值为A2,第二阈值为选取的灰度上限,该值可以根据实际情况进行选取;A为A1、A2之间任一点的灰度值;
例如一共有100个点,灰度值为1的点一共有2个,灰度值为2的点一共有8个,若从灰度分布图中剔除所有小于第一阈值的灰度值占百分之十,则将灰度值为1、灰度值为2的共10个点剔除。
控制器150,用于将拉伸后的灰度分布图对应的指纹图像作为目标指纹图像,并输出;
在经过上述将灰度分布图进行一次拉伸的步骤之后,放大了差异,更能准确体现用户指纹的细节,提高图像识别能力。
可选的,控制器150,用于在将截去后的灰度分布图按照预设规则在灰度级上进行拉伸之后,且在将拉伸后的灰度分布图对应的指纹图像作为目标指纹图像,并输出之前,提取拉伸后的灰度分布图对应的灰度图中的特征点,并记录特征点的数量;
每个指纹都有几个独一无二、可测量的特征点,每个特征点都有大约5~7个特征;
指纹上的断点、分叉点和转折点就称为特征点,就是这些特征点提供了指纹唯一性的确认信息,其中最典型的是终结点和分叉点。特征点的参数包括:方向(节点可以朝着一定的方向)、曲率(描述纹路方向改变的速度)、位置(节点的位置通过x/y坐标来描述,可以是绝对的,也可以是相对于三角点或特征点的);
控制器150,用于将特征点的个数与此次拉伸前的灰度分布图对应的灰度图中特征点的个数进行比较;
控制器150还用于在特征点的个数大于此次拉伸前的灰度分布图对应的灰度图中特征点的个数的情况下,将该拉伸后的灰度分布图截去灰度值小于第一阈值的一段,和/或大于第二阈值的一段,并将截去后的灰度分布图按照预设规则在灰度级上进行拉伸;重复上述步骤,直至拉伸后的灰度分布图对应的灰度图中特征点的个数等于此次拉伸前的灰度分布图对应的灰度图中特征点的个数;
特征点的数量越多,指纹图像越清晰;若特征点的数量不再增加,则认为此时的效果最优,将此时的指纹图像作为目标指纹图像进行输出。
由于特征点的数量越少,指纹图像越不清晰,在一种实施例中,将特征点的个数与此次拉伸前的灰度分布图对应的灰度图中特征点的个数进行比较之后,还包括:在拉伸后的灰度分布图对应的灰度图中特征点的个数小于此次拉伸前的灰度分布图对应的灰度图中特征点的个数的情况下,则将此次拉伸前的灰度分布图对应的指纹图像作为目标指纹图像,并输出。
其中,控制器150用于将截去后的灰度分布图在灰度级上按照第一预设子规则进行整体拉伸,或按照第二预设子规则进行分段拉伸。
其中,控制器150用于将截去后的灰度分布图在灰度级上按照以下公式进行整体拉伸:
a=(A-A1)*255/(A2-A1);
其中,A1为第一阈值,A2为第二阈值,A为灰度分布图上其中一点拉伸前的灰度值,a为灰度分布图上A对应的点拉伸后的灰度值;
例如,原始指纹图像的灰度分布图的灰度级为0到255,在截去了灰度值为10以下的点、以及截去了灰度值为250以上的点之后,剩下的灰度分布图的灰度级为10到250,然后将该灰度级为10到250的灰度分布图进行整体拉伸,拉伸到灰度级为0到255上。
或者,处理模块204用于将截去后的灰度分布图在灰度级上按照以下公式进行分段拉伸:
a=(A-Aa)*(Xb-Xa)/(Ab-Aa);
其中,Aa为灰度分布图上其中一个分段的灰度边界值,Ab为灰度分布图上Aa所在分段的另一灰度边界值,且Aa小于Ab;Xa为灰度分布图上Aa、Ab所在分段映射的灰度值,Xb为灰度分布图上Aa、Ab所在分段映射的灰度值,且Xa小于Xb;A为灰度分布图上Aa、Ab对应段的其中一点拉伸前的灰度值,a为灰度分布图上A对应的点拉伸后的灰度值;
分段拉伸是根据灰度分布将灰度曲线分为多个分段,每个分段均对应一个灰度范围,以图4的灰度分布图为例,将A1~A拉伸到0~100灰度范围,将A~A2拉伸至100~255灰度范围;
示例性的,每个分段的灰度边界值分别是(A1,Aa),(Aa,Ab),...,(Ax,A2),而每一个分段映射的灰度级分别为(0,Xa),(Xa,Xb),...,(Xx,255);
则每一分段的分段拉伸公式分别为:
第一分段:a=(A-A1)*(Xa-0)/(Aa-A1);
第二分段:a=(A-Aa)*(Xb-Xa)/(Ab-Aa);
...
第x分段a=(A-Ax)*(255-Xx)/(A2-Ax)。
分段拉伸得到的效果相较整体拉伸更清晰。
采用本实施例提供的方案,将指纹的灰度分布图进行拉伸是为了减小指纹图像中的噪声,提高有效信息的对比度,从而放大差异,为特征提取创造良好前提条件,更能准确体现用户指纹的细节,提高图像识别能力,能识别不同肤色的指纹,改善了用户体验。
第三实施例
本实施例提供了一种指纹成像方法,参见图6,图6为本实施例提供的一种指纹成像方法的流程图,该方法包括以下步骤:
S601:采集指纹;
该指纹可以是来自于不同肤色的用户的指纹,在采集指纹时,利用光反射原理来检测用户手指的指纹,不同肤色的手指对光的反射能力是不一样的;
参见图3,图3为本实施例提供的一种利用光反射原理检测用户手指指纹的示意图,图3中,将手指放在玻璃盖板301上,由内置LED302的光源照射手指,LED302的光源射出的光线在手指表面指纹凹凸不平的线纹上折射的角度及反射回去的光线明暗就会不一样,并将其投射在接收器件303上,进而形成脊线(指纹图像中具有一定宽度和走向的纹线)呈黑色、谷线(纹线之间的凹陷部分)呈白色的数字化的、可被指纹设备算法处理的多灰度指纹图像。
S602:对该指纹进行图像预处理以生成该指纹的灰度图;
在进行图像预处理之后,会生成该指纹的灰度图。
S603:统计该灰度图中的灰度分布,并生成灰度分布图;
手指褶皱区的光反射能力较弱,灰度值较小;手指平滑区光反射能力较强,灰度值较大;
示例性的,某一指纹的灰度分布参见图4,图4为本实施例提供的一种某一指纹的灰度分布图的示意图,图4的灰度分布图中,以灰度值为横坐标,以数量为纵坐标。
S604:将该灰度分布图截去灰度值小于第一阈值的一段,和/或大于第二阈值的一段,并将截去后的灰度分布图按照预设规则在灰度级上进行拉伸;
将该灰度分布图截去灰度值小于第一阈值的一段,和/或大于第二阈值的一段,即从该灰度分布图中剔除所有小于第一阈值的灰度,和/或从该灰度分布图中剔除所有大于第二阈值的灰度;
在从灰度分布图中剔除灰度值时,可以只剔除小于第一阈值的一段,也可以只剔除大于第二阈值的一段,也可以同时将小于第一阈值的一段、大于第二阈值的一段均剔除;
在图4中,第一阈值为A1,第一阈值为选取的灰度下限,该值可以根据实际情况进行选取;第二阈值为A2,第二阈值为选取的灰度上限,该值可以根据实际情况进行选取;A为A1、A2之间任一点的灰度值;
例如一共有100个点,灰度值为1的点一共有2个,灰度值为2的点一共有8个,若从灰度分布图中剔除所有小于第一阈值的灰度值占百分之十,则将灰度值为1、灰度值为2的共10个点剔除。
S605:将拉伸后的灰度分布图对应的指纹图像作为目标指纹图像,并输出;
在经过上述将灰度分布图进行一次拉伸的步骤之后,放大了差异,更能准确体现用户指纹的细节,提高图像识别能力。
可选的,在S604将截去后的灰度分布图按照预设规则在灰度级上进行拉伸之后,且在S605将拉伸后的灰度分布图对应的指纹图像作为目标指纹图像,并输出之前,还包括:
提取拉伸后的灰度分布图对应的灰度图中的特征点,并记录特征点的数量;
每个指纹都有几个独一无二、可测量的特征点,每个特征点都有大约5~7个特征;
指纹上的断点、分叉点和转折点就称为特征点,就是这些特征点提供了指纹唯一性的确认信息,其中最典型的是终结点和分叉点。特征点的参数包括:方向(节点可以朝着一定的方向)、曲率(描述纹路方向改变的速度)、位置(节点的位置通过x/y坐标来描述,可以是绝对的,也可以是相对于三角点或特征点的);
将特征点的个数与此次拉伸前的灰度分布图对应的灰度图中特征点的个数进行比较;
在特征点的个数大于此次拉伸前的灰度分布图对应的灰度图中特征点的个数的情况下,将该拉伸后的灰度分布图截去灰度值小于第一阈值的一段,和/或大于第二阈值的一段,并将截去后的灰度分布图按照预设规则在灰度级上进行拉伸;
重复上述步骤,直至拉伸后的灰度分布图对应的灰度图中特征点的个数等于此次拉伸前的灰度分布图对应的灰度图中特征点的个数;
特征点的数量越多,指纹图像越清晰;若特征点的数量不再增加,则认为此时的效果最优,将此时的指纹图像作为目标指纹图像进行输出。
由于特征点的数量越少,指纹图像越不清晰,在一种实施例中,在将特征点的个数与此次拉伸前的灰度分布图对应的灰度图中特征点的个数进行比较之后,还包括:在拉伸后的灰度分布图对应的灰度图中特征点的个数小于此次拉伸前的灰度分布图对应的灰度图中特征点的个数的情况下,则将此次拉伸前的灰度分布图对应的指纹图像作为目标指纹图像,并输出。
其中,S604将截去后的灰度分布图按照预设规则在灰度级上进行拉伸包括:将截去后的灰度分布图在灰度级上按照第一预设子规则进行整体拉伸,或按照第二预设子规则进行分段拉伸。
其中,将截去后的灰度分布图在灰度级上按照第一预设子规则进行整体拉伸包括:
将截去后的灰度分布图在灰度级上按照以下公式进行整体拉伸:
a=(A-A1)*255/(A2-A1);
其中,A1为第一阈值,A2为第二阈值,A为灰度分布图上其中一点拉伸前的灰度值,a为灰度分布图上A对应的点拉伸后的灰度值;
例如,原始指纹图像的灰度分布图的灰度级为0到255,在截去了灰度值为10以下的点、以及截去了灰度值为250以上的点之后,剩下的灰度分布图的灰度级为10到250,然后将该灰度级为10到250的灰度分布图进行整体拉伸,拉伸到灰度级为0到255上。
将截去后的灰度分布图在灰度级上按照第二预设子规则进行分段拉伸包括:
将截去后的灰度分布图在灰度级上按照以下公式进行分段拉伸:
a=(A-Aa)*(Xb-Xa)/(Ab-Aa);
其中,Aa为灰度分布图上其中一个分段的灰度边界值,Ab为灰度分布图上Aa所在分段的另一灰度边界值,且Aa小于Ab;Xa为灰度分布图上Aa、Ab所在分段映射的灰度值,Xb为灰度分布图上Aa、Ab所在分段映射的灰度值,且Xa小于Xb;A为灰度分布图上Aa、Ab对应段的其中一点拉伸前的灰度值,a为灰度分布图上A对应的点拉伸后的灰度值;
分段拉伸是根据灰度分布将灰度曲线分为多个分段,每个分段均对应一个灰度范围,以图4的灰度分布图为例,将A1~A拉伸到0~100灰度范围,将A~A2拉伸至100~255灰度范围;
示例性的,每个分段的灰度边界值分别是(A1,Aa),(Aa,Ab),...,(Ax,A2),而每一个分段映射的灰度级分别为(0,Xa),(Xa,Xb),...,(Xx,255);
则每一分段的分段拉伸公式分别为:
第一分段:a=(A-A1)*(Xa-0)/(Aa-A1);
第二分段:a=(A-Aa)*(Xb-Xa)/(Ab-Aa);
...
第x分段a=(A-Ax)*(255-Xx)/(A2-Ax)。
分段拉伸得到的效果相较整体拉伸更清晰。
采用本实施例提供的方案,将指纹的灰度分布图进行拉伸是为了减小指纹图像中的噪声,提高有效信息的对比度,从而放大差异,为特征提取创造良好前提条件,更能准确体现用户指纹的细节,提高图像识别能力,能识别不同肤色的指纹,改善了用户体验。
第四实施例
本实施例提供了一种指纹成像方法,参见图7,图7为本实施例提供的一种指纹成像方法的流程图,该方法包括以下步骤:
S701:采集指纹;
S702:对该指纹进行图像预处理以生成该指纹的灰度图,提取该灰度图中的特征点,并记录该灰度图中的特征点数量为F;
S703:统计该灰度图中的灰度分布,并生成灰度分布图;
S704:将该灰度分布图截去灰度值小于10的一段,以及截去大于250的一段,并将截去后的灰度分布图在灰度级上按照以下公式进行整体拉伸:
a=(A-10)*255/240;
其中,A为灰度分布图上其中一点拉伸前的灰度值,a为灰度分布图上A对应的点拉伸后的灰度值;
并将此时的灰度分布图记为图M,即图M为第一次进行拉伸后的灰度分布图;
S705:提取图M对应的灰度图中的特征点,并记录特征点的数量为G;
S706:比较G和F的大小,比较结果为G大于F;
S707:将图M截去灰度值小于10的一段,以及截去大于250的一段,并将截去后的灰度分布图在灰度级上按照以下公式进行整体拉伸:
a=(A-10)*255/240;
其中,A为灰度分布图上其中一点拉伸前的灰度值,a为灰度分布图上A对应的点拉伸后的灰度值;
并将此时的灰度分布图记为图N,即图N为第二次进行拉伸后的灰度分布图;
S708:提取图N对应的灰度图中的特征点,并记录特征点的数量为H;
S709:比较G和H的大小,比较结果为G等于H;
S710:将图N对应的指纹图像作为目标指纹图像,并输出。
采用本实施例提供的方案,将指纹的灰度分布图进行拉伸是为了减小指纹图像中的噪声,提高有效信息的对比度,从而放大差异,为特征提取创造良好前提条件,更能准确体现用户指纹的细节,提高图像识别能力,能识别不同肤色的指纹,改善了用户体验。
需要说明的是,在本文中,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、物品或者装置不仅包括那些要素,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、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种终端,其特征在于,包括:
采集模块,用于采集指纹;
图像预处理模块,用于对该指纹进行图像预处理以生成该指纹的灰度图;
统计模块,用于统计该灰度图中的灰度分布,并生成灰度分布图;
处理模块,用于将该灰度分布图截去灰度值小于第一阈值的一段,和/或大于第二阈值的一段,并将截去后的灰度分布图按照预设规则在灰度级上进行拉伸;
输出模块,用于将拉伸后的灰度分布图对应的指纹图像作为目标指纹图像,并输出。
2.如权利要求1所述的终端,其特征在于,还包括:
提取模块,用于在所述处理模块将截去后的灰度分布图按照预设规则在灰度级上进行拉伸之后,且在所述输出模块将拉伸后的灰度分布图对应的指纹图像作为目标指纹图像,并输出之前,提取拉伸后的灰度分布图对应的灰度图中的特征点;
比较模块,用于将所述特征点的个数与此次拉伸前的灰度分布图对应的灰度图中特征点的个数进行比较;
所述处理模块还用于在所述特征点的个数大于此次拉伸前的灰度分布图对应的灰度图中特征点的个数的情况下,将该拉伸后的灰度分布图截去灰度值小于第一阈值的一段,和/或大于第二阈值的一段,并将截去后的灰度分布图按照预设规则在灰度级上进行拉伸;重复上述步骤,直至拉伸后的灰度分布图对应的灰度图中特征点的个数等于此次拉伸前的灰度分布图对应的灰度图中特征点的个数。
3.如权利要求2所述的终端,其特征在于,所述输出模块还用于在拉伸后的灰度分布图对应的灰度图中特征点的个数小于此次拉伸前的灰度分布图对应的灰度图中特征点的个数的情况下,则将此次拉伸前的灰度分布图对应的指纹图像作为目标指纹图像,并输出。
4.如权利要求1或2所述的终端,其特征在于,所述处理模块用于将截去后的灰度分布图在灰度级上按照第一预设子规则进行整体拉伸,或按照第二预设子规则进行分段拉伸。
5.如权利要求4所述的终端,其特征在于,所述处理模块用于将截去后的灰度分布图在灰度级上按照以下公式进行整体拉伸:
a=(A-A1)*255/(A2-A1);
其中,A1为第一阈值,A2为第二阈值,A为灰度分布图上其中一点拉伸前的灰度值,a为灰度分布图上A对应的点拉伸后的灰度值;
或者,将截去后的灰度分布图在灰度级上按照以下公式进行分段拉伸:
a=(A-Aa)*(Xb-Xa)/(Ab-Aa);
其中,Aa为灰度分布图上其中一个分段的灰度边界值,Ab为灰度分布图上Aa所在分段的另一灰度边界值,且Aa小于Ab;Xa为灰度分布图上Aa、Ab所在分段映射的灰度值,Xb为灰度分布图上Aa、Ab所在分段映射的灰度值,且Xa小于Xb;A为灰度分布图上Aa、Ab对应段的其中一点拉伸前的灰度值,a为灰度分布图上A对应的点拉伸后的灰度值。
6.一种指纹成像方法,其特征在于,包括:
采集指纹;
对该指纹进行图像预处理以生成该指纹的灰度图;
统计该灰度图中的灰度分布,并生成灰度分布图;
将该灰度分布图截去灰度值小于第一阈值的一段,和/或大于第二阈值的一段,并将截去后的灰度分布图按照预设规则在灰度级上进行拉伸;
将拉伸后的灰度分布图对应的指纹图像作为目标指纹图像,并输出。
7.如权利要求6所述的指纹成像方法,其特征在于,在所述将截去后的灰度分布图按照预设规则在灰度级上进行拉伸之后,且在所述将拉伸后的灰度分布图对应的指纹图像作为目标指纹图像,并输出之前,还包括:
提取拉伸后的灰度分布图对应的灰度图中的特征点;
将所述特征点的个数与此次拉伸前的灰度分布图对应的灰度图中特征点的个数进行比较;
在所述特征点的个数大于此次拉伸前的灰度分布图对应的灰度图中特征点的个数的情况下,将该拉伸后的灰度分布图截去灰度值小于第一阈值的一段,和/或大于第二阈值的一段,并将截去后的灰度分布图按照预设规则在灰度级上进行拉伸;
重复上述步骤,直至拉伸后的灰度分布图对应的灰度图中特征点的个数等于此次拉伸前的灰度分布图对应的灰度图中特征点的个数。
8.如权利要求7所述的指纹成像方法,其特征在于,在所述将所述特征点的个数与此次拉伸前的灰度分布图对应的灰度图中特征点的个数进行比较之后,还包括:在拉伸后的灰度分布图对应的灰度图中特征点的个数小于此次拉伸前的灰度分布图对应的灰度图中特征点的个数的情况下,则将此次拉伸前的灰度分布图对应的指纹图像作为目标指纹图像,并输出。
9.如权利要求6至8任一项所述的指纹成像方法,其特征在于,所述将截去后的灰度分布图按照预设规则在灰度级上进行拉伸包括:
将截去后的灰度分布图在灰度级上按照第一预设子规则进行整体拉伸,或按照第二预设子规则进行分段拉伸。
10.如权利要求9所述的指纹成像方法,其特征在于,所述将截去后的灰度分布图在灰度级上按照第一预设子规则进行整体拉伸包括:
将截去后的灰度分布图在灰度级上按照以下公式进行整体拉伸:
a=(A-A1)*255/(A2-A1);
其中,A1为第一阈值,A2为第二阈值,A为灰度分布图上其中一点拉伸前的灰度值,a为灰度分布图上A对应的点拉伸后的灰度值;
所述将截去后的灰度分布图在灰度级上按照第二预设子规则进行分段拉伸包括:
将截去后的灰度分布图在灰度级上按照以下公式进行分段拉伸:
a=(A-Aa)*(Xb-Xa)/(Ab-Aa);
其中,Aa为灰度分布图上其中一个分段的灰度边界值,Ab为灰度分布图上Aa所在分段的另一灰度边界值,且Aa小于Ab;Xa为灰度分布图上Aa、Ab所在分段映射的灰度值,Xb为灰度分布图上Aa、Ab所在分段映射的灰度值,且Xa小于Xb;A为灰度分布图上Aa、Ab对应段的其中一点拉伸前的灰度值,a为灰度分布图上A对应的点拉伸后的灰度值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710283293.2A CN107247918A (zh) | 2017-04-26 | 2017-04-26 | 一种终端及指纹成像方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710283293.2A CN107247918A (zh) | 2017-04-26 | 2017-04-26 | 一种终端及指纹成像方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107247918A true CN107247918A (zh) | 2017-10-13 |
Family
ID=60016496
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710283293.2A Pending CN107247918A (zh) | 2017-04-26 | 2017-04-26 | 一种终端及指纹成像方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107247918A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110020622A (zh) * | 2019-04-02 | 2019-07-16 | Oppo广东移动通信有限公司 | 指纹识别方法及相关产品 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101329726A (zh) * | 2008-07-30 | 2008-12-24 | 电子科技大学 | 一种基于一维滤波的指纹图像增强方法 |
US20100158329A1 (en) * | 2008-12-19 | 2010-06-24 | Shajil Asokan Thaniyath | Elegant Solutions for Fingerprint Image Enhancement |
CN103295182A (zh) * | 2013-05-14 | 2013-09-11 | 无锡华润矽科微电子有限公司 | 实现对红外图像进行对比度拉伸处理的电路***及其方法 |
CN104252695A (zh) * | 2014-09-18 | 2014-12-31 | 电子科技大学 | 一种红外图像的自适应拉伸方法 |
CN104657960A (zh) * | 2013-11-25 | 2015-05-27 | 中国科学院沈阳自动化研究所 | 一种灰度图像对比度拉伸方法及装置 |
US20160042247A1 (en) * | 2014-08-11 | 2016-02-11 | Synaptics Incorporated | Multi-view fingerprint matching |
CN106022074A (zh) * | 2016-06-17 | 2016-10-12 | 广东欧珀移动通信有限公司 | 一种指纹解锁方法及终端 |
-
2017
- 2017-04-26 CN CN201710283293.2A patent/CN107247918A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101329726A (zh) * | 2008-07-30 | 2008-12-24 | 电子科技大学 | 一种基于一维滤波的指纹图像增强方法 |
US20100158329A1 (en) * | 2008-12-19 | 2010-06-24 | Shajil Asokan Thaniyath | Elegant Solutions for Fingerprint Image Enhancement |
CN103295182A (zh) * | 2013-05-14 | 2013-09-11 | 无锡华润矽科微电子有限公司 | 实现对红外图像进行对比度拉伸处理的电路***及其方法 |
CN104657960A (zh) * | 2013-11-25 | 2015-05-27 | 中国科学院沈阳自动化研究所 | 一种灰度图像对比度拉伸方法及装置 |
US20160042247A1 (en) * | 2014-08-11 | 2016-02-11 | Synaptics Incorporated | Multi-view fingerprint matching |
CN104252695A (zh) * | 2014-09-18 | 2014-12-31 | 电子科技大学 | 一种红外图像的自适应拉伸方法 |
CN106022074A (zh) * | 2016-06-17 | 2016-10-12 | 广东欧珀移动通信有限公司 | 一种指纹解锁方法及终端 |
Non-Patent Citations (5)
Title |
---|
HONG Z.等: "A new fingerprint enhancement algorithm", 《2010 3RD IEEE INTERNATIONAL CONFERENCE ON BROADBAND NETWORK AND MULTIMEDIA TECHNOLOGY (IC-BNMT)》 * |
周俊 等: "一种基于拉伸变换函数的指纹图像增强算法", 《计算机***应用》 * |
尹方平 著: "《新编生物特征识别与应用》", 30 April 2016, 成都:电子科技大学出版社 * |
蔡利梅 等: "《数字图像处理》", 31 August 2014, 徐州:中国矿业大学出版社 * |
郑继刚 等: "《基于MATLAB的数字图像处理研究》", 31 December 2010 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110020622A (zh) * | 2019-04-02 | 2019-07-16 | Oppo广东移动通信有限公司 | 指纹识别方法及相关产品 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10817705B2 (en) | Method, apparatus, and system for resource transfer | |
KR102173123B1 (ko) | 전자장치에서 이미지 내의 특정 객체를 인식하기 위한 방법 및 장치 | |
US9436862B2 (en) | Electronic apparatus with segmented guiding function and small-width biometrics sensor, and guiding method thereof | |
CN108399665A (zh) | 基于人脸识别的安全监控方法、装置及存储介质 | |
CN106233228B (zh) | 处理内容的方法及使用该方法的电子设备 | |
KR100947990B1 (ko) | 차영상 엔트로피를 이용한 시선 추적 장치 및 그 방법 | |
US20080285813A1 (en) | Apparatus and recognition method for capturing ear biometric in wireless communication devices | |
CN105893955B (zh) | 指纹识别装置及方法 | |
CN112036331B (zh) | 活体检测模型的训练方法、装置、设备及存储介质 | |
CN105678238B (zh) | 指纹认证装置、方法 | |
CN106681620A (zh) | 一种实现终端控制的方法及装置 | |
CN106612396A (zh) | 一种拍照装置、终端及方法 | |
CN107562180A (zh) | 一种信息显示方法及终端 | |
AU2015296666B2 (en) | Reflection-based control activation | |
CN107958223A (zh) | 人脸识别方法及装置、移动设备、计算机可读存储介质 | |
CN112364799A (zh) | 一种手势识别方法及装置 | |
CN116168038B (zh) | 一种图像翻拍检测的方法、装置、电子设备及存储介质 | |
CN107091704A (zh) | 压力检测方法和装置 | |
CN109388926A (zh) | 处理生物特征图像的方法和包括该方法的电子设备 | |
US10204257B2 (en) | Display apparatus and display method | |
CN106775331A (zh) | 一种组合触控操作装置、终端及方法 | |
CN110363111A (zh) | 基于镜头失真原理的人脸活体检测方法、装置及存储介质 | |
CN106878614A (zh) | 一种拍摄方法及终端 | |
CN106527685A (zh) | 一种终端应用的控制方法及装置 | |
CN107247918A (zh) | 一种终端及指纹成像方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171013 |