CN113378797B - 指纹采集头的水滴检测方法 - Google Patents

指纹采集头的水滴检测方法 Download PDF

Info

Publication number
CN113378797B
CN113378797B CN202110794729.0A CN202110794729A CN113378797B CN 113378797 B CN113378797 B CN 113378797B CN 202110794729 A CN202110794729 A CN 202110794729A CN 113378797 B CN113378797 B CN 113378797B
Authority
CN
China
Prior art keywords
graph
area
value
intermediate graph
gray
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
Application number
CN202110794729.0A
Other languages
English (en)
Other versions
CN113378797A (zh
Inventor
张莉
刘磊
陶长青
王露
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu Brmico Electronics Co ltd
Original Assignee
Jiangsu Brmico Electronics Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jiangsu Brmico Electronics Co ltd filed Critical Jiangsu Brmico Electronics Co ltd
Priority to CN202110794729.0A priority Critical patent/CN113378797B/zh
Publication of CN113378797A publication Critical patent/CN113378797A/zh
Application granted granted Critical
Publication of CN113378797B publication Critical patent/CN113378797B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4007—Scaling of whole images or parts thereof, e.g. expanding or contracting based on interpolation, e.g. bilinear interpolation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G06T5/30—Erosion or dilatation, e.g. thinning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20036—Morphological image processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及指纹识别技术领域,公开了指纹采集头的水滴检测方法，通过对指纹采集图像的所有行的相邻列的像素点的灰度差值进行计算和判定来找出指纹采集图像中的异常像素点，以及统计指纹采集图像中的所有异常像素点，当所有异常像素的个数大于第二判定阈值时可以判断出指纹采集头上是否有水滴，是实现指纹采集头上的水滴检测。

Description

指纹采集头的水滴检测方法
技术领域
本发明涉及指纹识别技术领域，具体涉及指纹采集头的水滴检测方法。
背景技术
随着物联网技术的发展，指纹识别作为一种身份信息认证的方式已经广泛的应用在门禁、考勤、智能门锁和手机解锁等领域中。目前对于市面上常用的门禁锁或者智能门锁，如果其指纹采集头又或者指纹采集板、指纹采集屏上面存在水滴时，会影响指纹识别的正常进行。
发明内容
鉴于背景技术的不足，本发明提供了指纹采集头的水滴检测方法，来检测指纹采集头上是否存在水滴。
为解决以上技术问题，本发明提供了如下技术方案：指纹采集头的水滴检测方法，包括如下步骤：
S1：获取指纹采集图像；
S2：计算所述指纹采集图像中每一行的相邻列的像素的灰度差值，如果相邻列的像素的灰度差值的绝对值大于第一判定阈值，则将该相邻列的像素作为一组异常像素；
S3：重复执行步骤S2，直至完成所有行的相邻列的像素的灰度差值的计算和判断；
S4：统计所有异常像素的个数，如果所有异常像素的个数大于第二判定阈值，则判定指纹采集头上有水滴。
在某种实施方式中，在执行步骤S2和S3时，还对指纹采集图像进行缩减，获得缩略图；步骤S4中如果所有异常像素的个数小于或者等于所述第二判定阈值，则执行以下步骤：
S5：对所述缩略图进行全局阈值分割，生成第一中间图，具体如下：获取缩略图的第i行、j列的像素点的灰度值进行判断，i和j均为偶数，如果缩略图的第i行、j列的像素的灰度值小于第三判定阈值，则第一中间图的第i/2行、j/2列的灰度值为255，否则第一中间图的第i/2行、j/2列的灰度值为0；
S6：对第一中间图的灰度值是255的区域进行膨胀和腐蚀，生成第二中间图，对第二中间图进行扩充，生成第三中间图，计算第三中间图中的灰度值是255的区域的面积与整个第三中间图的面积之比，如果第三中间图中的灰度值是255的区域的面积与整个第三中间图的面积之比小于第四判断阈值，则说明步骤S1获取的指纹采集图像的有效面积过小，需结束本次检测，反之则执行步骤S7；
S7：通过对所述缩略图进行动态阈值分割来获取缩略图中的指纹图像，生成第四中间图；
S8:求出第三中间图和第四中间图灰度值是255的区域的重合部分的面积，如果所述重合部分的面积大于第四判定阈值，则指纹采集图像为正常指纹图像，指纹采集头上没有水滴，结束本次检测，反之则进行步骤S9；
S9：判断第三中间图中的灰度值是255的区域的图形是凹形还是凸形，如果是凸形，则指纹采集图像是正常指纹图像，指纹采集头上没有水滴，如果是凹形图像则指纹采集图像是水滴图像，指纹采集头上有水滴。
在某种实施方式中，所述缩略图是所述指纹采集图像的四分之一大小。
在某种实施方式中，步骤S6中，生成第三中间图的过程如下：如果第二中间图的第m行、n列的像素点的灰度值大于第五判定阈值，则第三中间图的第x行、y列的像素点的灰度值为255，第三中间图的第x行、y+1列的像素的灰度值是255，第三中间图的第x+1行、j列的像素点的灰度值是255，第三中间图的第x+1行、y+1行的像素点的灰度值为255，否则第三中间图的第x行、y列的像素点的灰度值为0，第三中间图的第x行、y+1列的像素的灰度值是0，第三中间图的第x+1行、j列的像素点的灰度值是0，第三中间图像的第x+1行、y+1行的像素点的灰度值为0。
在某种实施方式中，在步骤S5中，获取所述缩略图的灰度均值，步骤S7生成第四中间图的过程如下：如果所述灰度均值大于第六判定阈值，则设置动态阈值为第一数值，否则设置动态阈值为第二数值，第一数值小于第二数值，对缩略图进行均值滤波，生成第五中间图，如果缩略图的第j行、k列的像素点的灰度值减去第五中间图的第j行、k列的像素点的灰度值后大于所述动态阈值，则第四中间图的第j行、k列的像素点的灰度值是255，否则第四中间图的第j行、k列的像素点的灰度值是0。
在某种实施方式中，步骤S6中，如果第三中间图中的灰度值是255的区域的面积与整个第三中间图的面积之比大于或者等于第四判断阈值，获取第三中间图的灰度值是255的区域的中心像素点坐标(midX，midY)，步骤S9中判断第三中间图中的灰度值是255的区域的图形是凹形还是凸形的具体步骤如下：将第三中间图中的灰度值是255的区域认为亮区域，
S90：获取亮区域的左、右边缘的高度rHei,lHei,以及中间区域的高度midHei；如果midHei<rHei或者midHei<lHei，则进行以下判断：判断亮区域的中心点灰度值是否大于0且第三中间图和第四中间图灰度值是255的区域的重合部分的面积是否大于第七判定阈值，如果是，则亮区域的图形是凸形，如果不是，则亮区域的图形是凹形；否则执行步骤S91；第七判定阈值为100
S91：如果midHei>rHei且midHei>lHei，且midHei大于第十判定阈值，则亮区域的图形是凸形；否则执行步骤S92；第十判定阈值为缩略图高度的三分之二；
S92:获取亮区域上、下边缘的宽度tWid,bWid,以及中间区域的宽度midWid,如果midWid<tWid-C或者midWid<bWid-C，进行以下判断：判断亮区域的中心点灰度值是否大于0，且第三中间图和第四中间图灰度值是255的区域的重合部分的面积是否大于第七判定阈值时，如果是，则亮区域的图形是凸形，如果不是，则亮区域的图形是凹形；否则执行步骤S93；
S93：如果midWid>tWid且midWid>bWid，且midWid>第十一判定阈值，则亮区域的图形是凸形；否则执行步骤S94；第十一判定阈值为缩略图宽度的三分之二；
S94:获取亮区域的宽度darkWid和高度darkHei，如果darkWid大于第八判定阈值,且第三中间图中的灰度值是255的区域的面积与整个第三中间图的面积之比小于第九判定阈值，则亮区域的图形是凹形；如果darkHei大于第八判定阈值，且第三中间图中的灰度值是255的区域的面积与整个第三中间图的面积之比小于第九判定阈值则亮区域的图形是凹形。
本发明与现有技术相比所具有的有益效果是：通过对指纹采集图像的所有行的相邻列的像素点的灰度差值进行计算和判定来找出指纹采集图像中的异常像素点，以及统计指纹采集图像中的所有异常像素点，当所有异常像素的个数大于第二判定阈值时可以判断出指纹采集头上是否有水滴；
另外为了确保水滴检测结果的准确性，当所有异常像素的个数大于第二判定阈值时，通过对指纹采集图像进行缩减，获得缩略图，对缩略图进行全局阈值分割、膨胀、腐蚀和扩充后得到第三中间图，通过对缩略图进行动态阈值分割后得到第四中间图，通过求取第三中间图和第四中间图的灰度值为255的重合区域的面积，以及在重合区域的面积大于第四判断阈值时，认为指纹采集图像是正常指纹图像，在重合区域的面积小于或者等于第四判断阈值时，通过判断第三中间图的亮区域的图形是凸形还是凹形来判断指纹采集图下是正常指纹图像还是水滴图像，因此本发明通过多重判定的方式可以检测指纹采集头上是否有水滴，确保检测结果的准确性；
另外本发明的步骤中通过对缩略图进行全局阈值分割后进一步缩略，然后再进行膨胀、腐蚀和扩充，而不是直接对缩略图进行膨胀、腐蚀和扩充，可以减少检测时间。
附图说明
图1为正常的指纹采集图像的示意图；
图2为异常的指纹采集图像的示意图；
图3为指纹采集头上有水滴时从指纹采集头上采集的图像的一种示意图；
图4为指纹采集头上有水滴时从指纹采集头上采集的图像的另一种示意图；
图5为本发明的流程图；
图6为实施例中的缩略图的示意图；
图7为实施例中的第一中间图的示意图；
图8为实施例中的对图像进行膨胀和腐蚀的效果示意图；
图9为实施例中的第二中间图的示意图；
图10为实施例中的第三中间图的示意图；
图11为实施例中的第四中间图的示意图。
具体实施方式
现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。
从图1-图4中可以得到，正常的指纹采集图像是中间黑两边亮，且黑色部分呈条纹状分布。当指纹采集头上有水滴时，会造成两种情况，一是采集指纹采集图的采图传感器出现异常，无法正常采图，采集到的图片如图2所示，异常的指纹采集图像的相邻列之间的像素的灰度值是不连续的，差异很大，二是采图传感器正常出图，但是采集到水滴图片，如图3和图4所示，当指纹采集头上有水滴时所采集的图像是中间亮，两边暗。基于图1至图4中的图像的差异，本发明的具体步骤如下：整体流程图请参照图5，
指纹采集头的水滴检测方法，包括如下步骤：
S1：获取指纹采集图像；
S2：计算所述指纹采集图像中每一行的相邻列的像素的灰度差值，如果相邻列的像素的灰度差值的绝对值大于第一判定阈值，则将该相邻列的像素作为一组异常像素；
S3：重复执行步骤S2，直至完成所有行的相邻列的像素的灰度差值的计算和判断；
S4：统计所有异常像素的个数，如果所有异常像素的个数大于第二判定阈值，则判定指纹采集头上有水滴。
其中，步骤S1中的指纹采集图像是采图传感器采集的指纹采集头处的图像。
在实际使用时，通过求出指纹采集图像的相邻列的像素的灰度差值，统计所有异常像素的个数，可以在异常像素的个数大于第一判定阈值时认为指纹采集图像为异常图像，指纹采集头处有水滴。
从图5中可以得到，本实施例中，第一判定阈值为105，第二判定阈值为100，异常像素的总数用guassNum代替。在实际使用时，根据指纹采集头的采集面积可以重新设置第一判定阈值的值、重新设定第二判定阈值的值，具体大小可以根据实际需要决定，这里不做限制。
在实际使用时，在执行步骤S2和S3时，还对指纹采集图像进行缩减，获得缩略图，获得的缩略图可以参照图6，在图5的流程图中，zoomImg代表缩略图，获取缩略图是为了进一步检测判断用；本实施例中为了缩短检测时间，在指纹采集图像中，通过隔行、隔列取点的方式将指纹采集图像缩减为原图的四分之一；在实际使用时也可以根据实际需求将指纹采集图像缩减为目标大小；另外在实际使用时，也可以通过线性插值的方式对指纹采集图像进行缩减，但是这种方式耗时较长，不是最优选择。
当步骤S4中如果所有异常像素的个数小于或者等于所述第二判定阈值，则执行以下步骤：
S5：对缩略图进行全局阈值分割，生成第一中间图，在图5的流程图中，darkReg为第一中间图，具体如下：获取缩略图的第i行、j列的像素点的灰度值并进行判断，i和j均为偶数，如果缩略图的第i行、j列的像素的灰度值小于第三判定阈值，则第一中间图的第i/2行、j/2列的灰度值为255，否则第一中间图的第i/2行、j/2列的灰度值为0；为了缩短检测实际，步骤S5中也是通过隔行隔列取点的方式在缩略图中取像素点进行全局阈值分割，最后生成的第一中间图如图7所示；在步骤S5中，通过隔行、隔列取像素点的方式生成第一中间图，则第一中间图是缩略图的四分之一大小；
S6：对第一中间图的灰度值是255的区域进行膨胀和腐蚀，生成第二中间图，对第二中间图进行扩充，生成第三中间图，，在图5的流程图中，dilReg指第一中间图膨胀后的图形，eroReg为第二中间图，darkRegBig指第三中间图，计算第三中间图中的灰度值是255的区域的面积与整个第三中间图的面积之比，如果第三中间图中的灰度值是255的区域的面积与整个第三中间图的面积之比小于第四判断阈值，则说明步骤S1获取的指纹采集图像的有效面积过小，需结束本次检测，反之则执行步骤S7；步骤S6中的第三中间图的大小与缩略图的大小相同，因此步骤S6中的扩充比例和步骤S5中的缩略图到第一中间图的缩减比例相同；
具体地，步骤S6中的膨胀和腐蚀是指形态学操作，类似于轮廓检测，其中膨胀是通过将像素添加到该图像中的对象的感知边界，来扩张放大图像中的明亮白色区域，而腐蚀则相反，腐蚀是指沿着物体边界移除像素并缩小物体的大小，具体的效果示意图可以参照图8，图8中的中间图像是原图，图8中的左侧图像是腐蚀后的图像，图8中的右侧图像是膨胀后的图像；本实施例中，第二中间图的示意图如图9所示。
具体地，本实施例中，将第二中间图扩充为原来的四倍，具体步骤如下：如果第二中间图的第m行、n列的像素点的灰度值大于第五判定阈值，则第三中间图的第x行、y列的像素点的灰度值为255，第三中间图的第x行、y+1列的像素的灰度值是255，第三中间图的第x+1行、j列的像素点的灰度值是255，第三中间图的第x+1行、y+1行的像素点的灰度值为255，否则第三中间图的第x行、y列的像素点的灰度值为0，第三中间图的第x行、y+1列的像素的灰度值是0，第三中间图的第x+1行、j列的像素点的灰度值是0，第三中间图像的第x+1行、y+1行的像素点的灰度值为0，其中x＝m*2，y＝n*2，第五判定阈值为0，生成的第三中间图如图10所示；
S7：通过对所述缩略图进行动态阈值分割来获取缩略图中的指纹图像，生成第四中间图；在图5的流程图中，dynImg指第四中间图；
具体地，为了减小检测时间，在步骤S5中，获取缩略图的灰度均值，步骤S7生成第四中间图的过程如下：如果灰度均值大于第六判定阈值，则设置动态阈值为第一数值，否则设置动态阈值为第二数值，第一数值小于第二数值，对缩略图进行均值滤波，生成第五中间图，如果缩略图的第j行、k列的像素点的灰度值减去第五中间图的第j行、k列的像素点的灰度值后大于动态阈值，则第四中间图的第j行、k列的像素点的灰度值是255，否则第四中间图的第j行、k列的像素点的灰度值是0，最后生成的第四中间图如图11所示，本实施例中，第六判定阈值是200，第一数值是10，第二数值是15。
S8:求出第三中间图和第四中间图灰度值是255的区域的重合部分的面积，如果所述重合部分的面积大于第四判定阈值，则指纹采集图像为正常指纹图像，指纹采集头上没有水滴，结束本次检测，反之则进行步骤S9；本实施例中，第四判定阈值是500；在图5的流程图中，重合部分的面积指lineSum；
S9：判断第三中间图中的灰度值是255的区域的图形是凹形还是凸形，如果是凸形，则指纹采集图像是正常指纹图像，指纹采集头上没有水滴，如果是凹形图像则指纹采集图像是水滴图像，指纹采集头上有水滴。
具体地，为了执行步骤S9，在步骤S6中，如果第三中间图中的灰度值是255的区域的面积与整个第三中间图的面积之比大于或者等于第四判断阈值，获取第三中间图的灰度值是255的区域的中心像素点坐标(midX，midY)，步骤S9中判断第三中间图中的灰度值是255的区域的图形是凹形还是凸形的具体步骤如下：将第三中间图中的灰度值是255的区域认为亮区域，
S90：获取亮区域的左、右边缘的高度rHei,lHei,以及中间区域的高度midHei；如果midHei<rHei或者midHei<lHei，则进行以下判断：判断亮区域的中心点灰度值是否大于0且第三中间图和第四中间图灰度值是255的区域的重合部分的面积是否大于第七判定阈值，如果是，则亮区域的图形是凸形，如果不是，则亮区域的图形是凹形；否则执行步骤S91；
S91：如果midHei>rHei且midHei>lHei，且midHei大于第十判定阈值，则亮区域的图形是凸形；否则执行步骤S92；本实施例中，第十判定阈值为缩略图高度的三分之二；
S92:获取亮区域上、下边缘的宽度tWid,bWid,以及中间区域的宽度midWid,如果midWid<tWid或者midWid<bWid，进行以下判断：判断亮区域的中心点灰度值是否大于0，且第三中间图和第四中间图灰度值是255的区域的重合部分的面积是否大于第七判定阈值时，如果是，则亮区域的图形是凸形，如果不是，则亮区域的图形是凹形；否则执行步骤S93；
S93：如果midWid>tWid且midWid>bWid，且midWid>第十一判定阈值，则亮区域的图形是凸形；否则执行步骤S94；本实施例中，第十一判定阈值为缩略图宽度的三分之二
S94:获取亮区域的宽度darkWid和高度darkHei，如果darkWid大于第八判定阈值,且第三中间图中的灰度值是255的区域的面积与整个第三中间图的面积之比小于第九判定阈值，则亮区域的图形是凹形；如果darkHei大于第八判定阈值，且第三中间图中的灰度值是255的区域的面积与整个第三中间图的面积之比小于第九判定阈值则亮区域的图形是凹形，本实施例中第九判定阈值为30，第八判定阈值是70。
上述依据本发明为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。

Claims (4)

1.指纹采集头的水滴检测方法，其特征在于，包括如下步骤：
S1：获取指纹采集图像；
S2：计算所述指纹采集图像中每一行的相邻列的像素的灰度差值，如果相邻列的像素的灰度差值的绝对值大于第一判定阈值，则将该相邻列的像素作为一组异常像素；
S3：重复执行步骤S2，直至完成所有行的相邻列的像素的灰度差值的计算和判断；
S4：统计所有异常像素的个数，如果所有异常像素的个数大于第二判定阈值，则判定指纹采集头上有水滴；
在执行步骤S2和S3时，还对指纹采集图像进行缩减，获得缩略图；步骤S4中如果所有异常像素的个数小于或者等于所述第二判定阈值，则执行以下步骤：
S5：对所述缩略图进行全局阈值分割，生成第一中间图，具体如下：获取缩略图的第i行、j列的像素点的灰度值进行判断，i和j均为偶数，如果缩略图的第i行、j列的像素的灰度值小于第三判定阈值，则第一中间图的第i/2行、j/2列的灰度值为255，否则第一中间图的第i/2行、j/2列的灰度值为0；
S6：对第一中间图中的灰度值是255的区域进行膨胀和腐蚀，生成第二中间图，对第二中间图进行扩充，生成第三中间图，计算第三中间图中的灰度值是255的区域的面积与整个第三中间图的面积之比，如果第三中间图中的灰度值是255的区域的面积与整个第三中间图的面积之比小于第四判断阈值，则说明步骤S1获取的指纹采集图像的有效面积过小，需结束本次检测，反之则执行步骤S7；
S7：通过对所述缩略图进行动态阈值分割来获取缩略图中的指纹图像，生成第四中间图；
S8:求出第三中间图和第四中间图灰度值是255的区域的重合部分的面积，如果所述重合部分的面积大于第四判定阈值，则指纹采集图像为正常指纹图像，指纹采集头上没有水滴，结束本次检测，反之则进行步骤S9；
S9：判断第三中间图中的灰度值是255的区域的图形是凹形还是凸形，如果是凸形，则指纹采集图像是正常指纹图像，指纹采集头上没有水滴，如果是凹形图像则指纹采集图像是水滴图像，指纹采集头上有水滴；
另外步骤S6中，如果第三中间图中的灰度值是255的区域的面积与整个第三中间图的面积之比大于或者等于第四判断阈值，获取第三中间图的灰度值是255的区域的中心像素点坐标(midX，midY)，步骤S9中判断第三中间图中的灰度值是255的区域的图形是凹形还是凸形的具体步骤如下：将第三中间图中的灰度值是255的区域认为亮区域，
S90：获取亮区域的左、右边缘的高度rHei,lHei,以及中间区域的高度midHei；如果midHei<rHei或者midHei<lHei，则进行以下判断：判断亮区域的中心点灰度值是否大于0且第三中间图和第四中间图灰度值是255的区域的重合部分的面积是否大于第七判定阈值，如果是，则亮区域的图形是凸形，如果不是，则亮区域的图形是凹形；否则执行步骤S91；
S91：如果midHei>rHei且midHei>lHei，且midHei大于第十判定阈值，则亮区域的图形是凸形；否则执行步骤S92；
S92:获取亮区域上、下边缘的宽度tWid,bWid,以及中间区域的宽度midWid,如果midWid<tWid或者midWid<bWid，进行以下判断：判断亮区域的中心点灰度值是否大于0，且第三中间图和第四中间图灰度值是255的区域的重合部分的面积是否大于第七判定阈值时，如果是，则亮区域的图形是凸形，如果不是，则亮区域的图形是凹形；否则执行步骤S93；
S93：如果midWid>tWid且midWid>bWid，且midWid>第十一判定阈值，则亮区域的图形是凸形；否则执行步骤S94；
S94:获取亮区域的宽度darkWid和高度darkHei，如果darkWid大于第八判定阈值,且第三中间图中的灰度值是255的区域的面积与整个第三中间图的面积之比小于第九判定阈值，则亮区域的图形是凹形；如果darkHei大于第八判定阈值，且第三中间图中的灰度值是255的区域的面积与整个第三中间图的面积之比小于第九判定阈值则亮区域的图形是凹形。
2.根据权利要求1所述的指纹采集头的水滴检测方法，其特征在于，所述缩略图是所述指纹采集图像的四分之一大小。
3.根据权利要求1所述的指纹采集头的水滴检测方法，其特征在于，步骤S6中，生成第三中间图的过程如下：如果第二中间图的第m行、n列的像素点的灰度值大于第五判定阈值，则第三中间图的第x行、y列的像素点的灰度值为255，第三中间图的第x行、y+1列的像素的灰度值是255，第三中间图的第x+1行、o列的像素点的灰度值是255，第三中间图的第x+1行、y+1行的像素点的灰度值为255，否则第三中间图的第x行、y列的像素点的灰度值为0，第三中间图的第x行、y+1列的像素的灰度值是0，第三中间图的第x+1行、o列的像素点的灰度值是0，第三中间图像的第x+1行、y+1行的像素点的灰度值为0。
4.根据权利要求1所述的指纹采集头的水滴检测方法，其特征在于，在步骤S5中，获取所述缩略图的灰度均值，步骤S7生成第四中间图的过程如下：如果所述灰度均值大于第六判定阈值，则设置动态阈值为第一数值，否则设置动态阈值为第二数值，第一数值小于第二数值，对缩略图进行均值滤波，生成第五中间图，如果缩略图的第p行、k列的像素点的灰度值减去第五中间图的第p行、k列的像素点的灰度值后大于所述动态阈值，则第四中间图的第p行、k列的像素点的灰度值是255，否则第四中间图的第p行、k列的像素点的灰度值是0。
CN202110794729.0A 2021-07-14 2021-07-14 指纹采集头的水滴检测方法 Active CN113378797B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110794729.0A CN113378797B (zh) 2021-07-14 2021-07-14 指纹采集头的水滴检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110794729.0A CN113378797B (zh) 2021-07-14 2021-07-14 指纹采集头的水滴检测方法

Publications (2)

Publication Number Publication Date
CN113378797A CN113378797A (zh) 2021-09-10
CN113378797B true CN113378797B (zh) 2024-06-11

Family

ID=77582027

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110794729.0A Active CN113378797B (zh) 2021-07-14 2021-07-14 指纹采集头的水滴检测方法

Country Status (1)

Country Link
CN (1) CN113378797B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115100086B (zh) * 2022-07-01 2024-01-30 江阴邦融微电子有限公司 一种基于嵌入式平台的水滴图像处理方法
CN115880730B (zh) * 2023-03-08 2023-08-04 杭州八爪鱼微电子有限公司 一种指纹采集方法、***、指纹采集设备及可读存储介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006261761A (ja) * 2005-03-15 2006-09-28 Secom Co Ltd 画像信号処理装置
JP2010231418A (ja) * 2009-03-26 2010-10-14 Oki Semiconductor Co Ltd 指紋読取装置
JP2011078047A (ja) * 2009-10-02 2011-04-14 Sanyo Electric Co Ltd 撮像装置
CN102413354A (zh) * 2011-10-05 2012-04-11 深圳市联德合微电子有限公司 一种手机摄像模组自动光学检测方法、装置及***
TW201524188A (zh) * 2013-12-10 2015-06-16 Univ Nat Kaohsiung Applied Sci 攝影機畫面異常之檢測方法
CN105491372A (zh) * 2015-11-24 2016-04-13 努比亚技术有限公司 一种移动终端和信息处理方法
CN110532876A (zh) * 2019-07-26 2019-12-03 纵目科技（上海）股份有限公司 夜晚模式镜头付着物的检测方法、***、终端和存储介质
CN110766679A (zh) * 2019-10-25 2020-02-07 普联技术有限公司 镜头脏污检测方法、装置及终端设备
CN112016426A (zh) * 2020-08-20 2020-12-01 深圳市锐尔觅移动通信有限公司 一种指纹采集方法及装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3281147A1 (en) * 2015-04-07 2018-02-14 FotoNation Limited Image processing method and apparatus
CN111699677B (zh) * 2018-02-16 2022-04-19 三菱电机株式会社 异常检测装置和异常检测方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006261761A (ja) * 2005-03-15 2006-09-28 Secom Co Ltd 画像信号処理装置
JP2010231418A (ja) * 2009-03-26 2010-10-14 Oki Semiconductor Co Ltd 指紋読取装置
JP2011078047A (ja) * 2009-10-02 2011-04-14 Sanyo Electric Co Ltd 撮像装置
CN102036013A (zh) * 2009-10-02 2011-04-27 三洋电机株式会社 摄像装置
CN102413354A (zh) * 2011-10-05 2012-04-11 深圳市联德合微电子有限公司 一种手机摄像模组自动光学检测方法、装置及***
TW201524188A (zh) * 2013-12-10 2015-06-16 Univ Nat Kaohsiung Applied Sci 攝影機畫面異常之檢測方法
CN105491372A (zh) * 2015-11-24 2016-04-13 努比亚技术有限公司 一种移动终端和信息处理方法
CN110532876A (zh) * 2019-07-26 2019-12-03 纵目科技（上海）股份有限公司 夜晚模式镜头付着物的检测方法、***、终端和存储介质
CN110766679A (zh) * 2019-10-25 2020-02-07 普联技术有限公司 镜头脏污检测方法、装置及终端设备
CN112016426A (zh) * 2020-08-20 2020-12-01 深圳市锐尔觅移动通信有限公司 一种指纹采集方法及装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Video-based water drop detection and removal method for a moving vehicle;Hsien-Chou Liao et al;《nformation Technology Journal》;第12卷(第4期);第569-583页 *
基于机器视觉的障碍导航辅助***;朱永珍;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》(第3期);第1-82页 *
轨道机车车辆自动检测***性能提升方法;薛金利 等;《电力机车与城轨车辆》;第44卷(第3期);第79-84页 *

Also Published As

Publication number Publication date
CN113378797A (zh) 2021-09-10

Similar Documents

Publication Publication Date Title
CN113378797B (zh) 指纹采集头的水滴检测方法
Oliveira et al. Automatic road crack detection and characterization
EP1725975B1 (en) Method, apparatus and program for detecting an object
Tang et al. Automatic crack detection and segmentation using a hybrid algorithm for road distress analysis
CN109087295B (zh) 基于灰度值投影法的桥梁露筋视觉检测方法
CN111382704A (zh) 基于深度学习的车辆压线违章判断方法、装置及存储介质
CN105825169B (zh) 一种基于道路影像的路面裂缝识别方法
CN108038883A (zh) 一种应用于公路路面视频图像的裂缝检测及识别方法
CN110033431B (zh) 钢桥表面锈蚀区域检测的非接触式检测装置及检测方法
CN109376740A (zh) 一种基于视频的水尺读数检测方法
CN111191570A (zh) 图像识别方法和装置
CN111539980B (zh) 一种基于可见光的多目标追踪方法
CN114820625B (zh) 一种汽车顶块缺陷检测方法
CN106815583A (zh) 一种基于mser和swt相结合的夜间车辆车牌定位方法
CN109815961B (zh) 一种基于局部纹理二值模式的路面修补类病害检测方法
Tahseen et al. Binarization Methods in Multimedia Systems when Recognizing License Plates of Cars
CN108921819A (zh) 一种基于机器视觉的验布装置及方法
CN111080650A (zh) 铁路货车小部件轴承挡键螺母松动和丢失故障检测方法
Liang et al. An extraction and classification algorithm for concrete cracks based on machine vision
CN114972397A (zh) 一种用于风电叶片复合材料的红外图像缺陷轮廓检测方法
CN114998317A (zh) 镜头遮挡检测方法、装置、摄像装置和存储介质
CN115690089A (zh) 一种微弱缺陷检测用的图像增强前处理方法及***
CN103136517B (zh) 一种基于关键列选择的滚动指纹图像序列实时拼接方法
CN101604380B (zh) 人头识别直径搜索法
Cheng et al. Automated real-time pavement distress analysis

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