本发明涉及指纹图像处理领域，特别涉及一种自适应的指纹图像调整方法。
背景技术：
随着指纹识别应用的推广，高性能的指纹识别系统需要准确而快速的适应各种应用环境并提取指纹特征信息。但是现有多数采集仪由于各种环境因素导致在指纹录取过程中通常会引入噪点，导致指纹背景不干净，噪点会严重影响到后期图像处理、细节点提取等，从而影响指纹应用效果。为了提高指纹特征提取的准确度，一般在出厂时，通过agc检测传感器表面图像块的不一致性，通过数字算法逐一校正后算出合适的参数，上传到mcu进行存储，每次上电后再下放使用。现有技术需要做单独的背景校正，速度慢，影响量产速度，且出厂情况过于理想，不能适应用户使用环境的特殊性。出厂后，参数不变，所以现有技术不能很好的匹配因四季变化而导致手指干湿变化大的情况。
技术实现要素：
为了克服现有技术中存在的问题，本专利提供一种自适应的指纹图像调整方法，包括：
s1、用户未上手指前，先保存现有空背景图像的直方图信息，得到背景初判断的直方图个数阈值和图像特征点信息。
所述特征点为像素值个数的极大值点和极小值点；所述直方图个数阈值的设置方法为在个数的极值点附近偏差±20％所在的位置。
s2、用户上手指后，对指纹图像进行直方图统计，并对指纹图像进行分块处理。
所述对指纹图像进行分块处理的方法为：
a1、将指纹图像分为n个等大小的图像块blocki(i＝1,2,3……n)，对blocki内的点进行轮寻最小值统计，统计出像素点灰度值的最大值和最小值；所述n根据指纹图像大小选取。
所述轮寻最小值统计的方法为：假设blocki中的像素点灰度值为c、b、a、d、h、g、f、e，其中a<b<c<d<e<f<g<h；两两比较，将较小的放在前面；首先c和b比较，b<c，所以b和c交换位置；c与a比较，a<c，所以a和c交换位置；a再与b比较，a<b，a和b交换位置；以此类推，最终所有的值按照从小到大的顺序排列，统计出像素点灰度值的最大值和最小值。
a2、考虑到传感器阵列出错或者异常点的情况，统计出的最大值和最小值均舍去不用。
a3、去除最大值和最小值后，在图像块blocki(i＝1,2,3……n)的剩余指纹图像像素值中，选取新的最大值data_max和最小值data_min；将data_max和data_min与背景初判断的阈值进行比较，选取满足特定判断条件的图像块blockj(j≦n)；所述特定判断条件为：data_max>max2，或data_max<max1，或data_min>min1，或data_min<min2。
a4、对满足特定判断条件的图像块blockj(j≦n)进行增益补偿，使得最大值data_max和最小值data_min满足规定范围，max1<data_max<max2，且min2<data_min<min1。
a5、计算完成所有图像块，保证所有的图像块blocki(i＝1,2,3……n)的值在所述规定范围内。
所述min1、min2、max1、max2为背景初判断的直方图个数阈值，其中min1、min2为最小值个数阈值，max1、max2为最大值个数阈值，满足max1<max2，min2<min1。
s3、对得到的指纹信息进行处理后，代入特征点信息，对整个指纹图像进行平滑运算。
所述平滑运算包括对特征点附近进行滤波处理和弥补谷线对应的突变值；所述平滑处理的结果包括脊线的滤波处理的结果和谷线弥补的值。所述滤波处理的方法包括：均值滤波、中值滤波、高斯滤波等常见处理方法。
s4、将平滑处理的结果按照图像块的形式储存到ram中，上手指后判断手指类型。
所述判断手指类型的方法为：根据直方图统计出的结果，找出像素值个数最多的点位m，与设定阈值进行判断；当像素点灰度值m大于干手指阈值n1，则判断为干手指；当像素点灰度值m小于湿手指阈值n2，则判断为湿手指；当m小于n1，且m大于n2，则为正常手指；所述干手指阈值n1和湿手指阈值n2根据干湿手指特性预先设定，且n1>n2。所述手指类型包括：干手指、湿手指和正常手指。
s5、判断完手指类型后，按照判断的手指类型，对指纹图像进行分类，完成数据统计。
本专利提供的一种自适应的指纹图像调整方法，无需出厂校正，可做到实时匹配，可有效解决传感器表面有异物、手指不干净等情况。针对每个手指选出最优参数，参数会跟随用户手指因四季变化和手指干湿程度而变化。使用本专利的自适应的指纹调整方法后的指纹图像，背景均匀，指纹图像效果更清晰。
附图说明
图1为本发明实施例的具体流程图；
图2为本发明实施例采集到的背景不均匀指纹图像；
图3为本发明实施例采集到的背景不均匀指纹图像的直方图；
图4为本发明实施例的轮寻最小值统计的方法示意图；
图5为本发明实施例的判断手指类型的方法示意图，图(a)为干手指直方图，图(b)为湿手指直方图，图(c)为正常手指直方图；
图6为本发明实施例的使用自适应的指纹调整方法的前后对比图，图(a)为未使用的指纹图像效果图，图(b)为使用后的指纹图像效果图。
具体实施方式
为了更好的理解本发明，下面结合具体实例，并参照附图，对本发明作进一步详细说明。
如图1所示，一种自适应的指纹图像调整方法，包括：
步骤1、用户未上手指前，先保存现有空背景图像的直方图信息，得到背景初判断的直方图个数阈值和图像特征点信息。以背景不均匀为例，未使用本专利的自适应的指纹调整方法时，采集到的背景不均匀指纹图像如图2所示，其直方图分布如图3所示。
特征点为像素值个数的极大值点和极小值点；直方图个数阈值的设置方法为在个数的极值点附近偏差±20％所在的位置。在本实施例中，在个数极值点a的-20％为阈值min2，+20％为阈值min1；个数极值点d的-20％为阈值max1，+20％为阈值max2。
图3中，直方图灰度值区间范围大，统计后保存背景初判断的阈值min1、min2、max1、max2，以及图中特征点的位置信息，用于上手指后的调节参数。本实施例中，特征点a、d为个数极大值点，b、c为个数极小值点。
步骤2、用户上手指后，对指纹图像进行直方图统计，并对指纹图像进行分块处理。
对指纹图像进行分块处理的方法为：
a1、将指纹图像分为n个等大小的图像块blocki(i＝1,2,3……n)，n根据指纹图像大小选取。对blocki内的点进行轮寻最小值统计，统计出像素点灰度值的最大值和最小值。如图4所示，轮寻最小值统计的方法为：假设blocki中的像素点灰度值为c、b、a、d、h、g、f、e，其中a<b<c<d<e<f<g<h。两两比较，将较小的放在前面。首先c和b比较，b<c，所以b和c交换位置；c与a比较，a<c，所以a和c交换位置；a再与b比较，a<b，a和b交换位置。以此类推，最终所有的值按照从小到大的顺序排列，统计出像素点灰度值的最大值和最小值。
a2、考虑到传感器阵列出错或者异常点的情况，统计出的最大值和最小值均舍去不用。
a3、去除最大值和最小值后，在图像块blocki(i＝1,2,3……n)的剩余指纹图像像素值中，选取新的最大值data_max和最小值data_min。将data_max和data_min与背景初判断的阈值进行比较，选取满足特定判断条件的图像块blockj(j≦n)。所述特定判断条件为：data_max>max2，或data_max<max1，或data_min>min1，或data_min<min2。
a4、对满足特定判断条件的图像块blockj(j≦n)进行增益补偿，使得最大值data_max和最小值data_min满足规定范围，max1<data_max<max2，且min2<data_min<min1。
a5、计算完成所有图像块，保证所有的图像块blocki(i＝1,2,3……n)的值在规定范围内。
其中，min1、min2、max1、max2为背景初判断的直方图个数阈值，min1、min2为最小值个数阈值，max1、max2为最大值个数阈值，满足max1<max2，min2<min1。
步骤3、因指纹是非离散的，具有一定的连续性，对得到的指纹信息进行处理后，代入特征点信息，对整个指纹图像进行平滑运算。本实施例中特征点信息为图3中a、b、c、d四个点的信息。特征点附近的脊线发生突变，所以需要对特征点附近进行滤波处理，并相对应的弥补谷线对应的突变值。滤波处理的方法包括：均值滤波、中值滤波、高斯滤波等常见处理方法。
步骤4、将对脊线的滤波处理的结果、谷线弥补的值等按照图像块block的形式储存到ram中，上手指后判断手指类型。手指类型包括：干手指、湿手指和正常手指。
如图5所示，判断手指类型的方法为：根据直方图统计出的结果，找出像素值个数最多的点位m，与设定阈值进行判断。当像素点灰度值m大于干手指阈值n1，则判断为干手指；当像素点灰度值m小于湿手指阈值n2，则判断为湿手指；当m小于n1，且m大于n2，则为正常手指。干手指阈值n1和湿手指阈值n2根据干湿手指特性预先设定，且n1>n2。
步骤5、判断完手指类型后，按照判断的手指类型，对指纹图像进行分类，完成数据统计。图6为使用自适应的指纹调整方法的前后对比图，图(a)为未使用的指纹图像效果图，图(b)为使用后的指纹图像效果图。可以看出，未使用自适应的指纹调整方法的指纹图像背景不均匀，图像从左到右依次从暗变亮；使用自适应的指纹调整方法后的指纹图像，背景均匀，指纹图像效果更清晰。
本发明实施例的详细描述和附图只是用于说明本发明，而不是限制由权利要求和其等价物定义的本发明的范围。