指纹图像处理方法与装置与流程

本发明涉及一种处理方法与装置，特别涉及一种指纹图像处理方法与装置。

背景技术：

近年来，指纹识别技术已广泛地应用在各种电子装置中，以由此强化装置本身的防伪能力与安全性。在指纹识别技术中，指纹特征的正确与否将影响整个装置的精确度。此外，现有的指纹图像处理装置往往必须通过不同的搜索算法，才能从指纹图像中提取不同的两指纹特征。因此，现有的指纹图像处理装置往往必须耗费较久的运算时间才能提取出多个指纹特征，进而降低指纹特征的提取速度，从而造成指纹图像处理装置在使用上的不便性。

技术实现要素：

本发明提供一种指纹图像处理方法与装置，可利用同一搜索算法提取出不同的两指纹特征，进而可增加指纹特征的提取速度，并有助于提升指纹图像处理装置在使用上的便利性。

本发明的指纹图像处理方法，包括下列步骤：利用第一搜索算法从指纹图像中提取出多个第一指纹特征。对指纹图像执行反白处理，以取得反白指纹图像。利用第一搜索算法从反白指纹图像中提取出多个参考特征。参照所述多个参考特征的坐标，从指纹图像中取得多个第二指纹特征。

本发明的指纹图像处理装置，包括指纹传感器与处理器。指纹传感器产生原始图像。处理器通过前置程序将原始图像转换成指纹图像，并利用第一搜索算法从指纹图像中提取出多个第一指纹特征。此外，处理器对指纹图像执行反白处理以取得反白指纹图像。然后，处理器利用第一搜索算法从反白指纹图像中提取出多个参考特征，并参照所述多个参考特征的坐标从指纹图像中取得多个第二指纹特征。

基于上述，本发明利用第一搜索算法从指纹图像中提取出多个第一指纹 特征，并利用从反白指纹图像中所提取出的参考特征的坐标，从指纹图像中取得多个第二指纹特征。换言之，本发明可利用相同的搜索算法从指纹图像中取得第一指纹特征与第二指纹特征，因此可增加指纹特征的提取速度，并有助于提升指纹图像处理装置在使用上的便利性。

为让本发明的上述特征和优点能更明显易懂，下文特举实施例，并配合附图作详细说明如下。

附图说明

图1为依据本发明一实施例的指纹图像处理装置的示意图。

图2为依据本发明一实施例的指纹图像处理方法的流程图。

图3为依据本发明另一实施例的指纹图像处理方法的流程图。

图4与图5分别为依据本发明一实施例的原始图像的部分示意图。

图6为依据本发明一实施例的指纹图像的部分示意图。

图7为依据本发明一实施例的反白指纹图像的部分示意图。

图8(a)至图8(d)分别为依据本发明一实施例的用以说明伪特征的示意图。

附图标记说明

10：指纹图像处理装置

110：指纹传感器

120：处理器

130：存储器

S210～S240：图2实施例中的各步骤

S310～S390、S311～S313：图3实施例中的各步骤

600：指纹图像

610～630、710～730：端点

640～660：分叉点

700：反白指纹图像

具体实施方式

图1为依据本发明一实施例的指纹图像处理装置的示意图。如图1所示， 指纹图像处理装置10包括指纹传感器110、处理器120与存储器130。其中，指纹传感器110可感测手指的指纹，并据此产生由多个像素组合而成的一原始图像。此外，指纹传感器110例如可以是光学传感器或是电容传感器等。

图2为依据本发明一实施例的指纹图像处理方法的流程图，以下请同时参照图1与图2来看指纹图像处理装置10的操作。处理器120可通过一前置程序，将指纹传感器110所产生的原始图像转换成指纹图像。然后，如步骤S210所示，处理器120会利用第一搜索算法从指纹图像中提取出多个第一指纹特征。其中，指纹图像包括多个图像区块。第一搜索算法可用以分析图像区块的灰阶值分布，且处理器120可基于第一搜索算法的结果，来判别图像区块是否包括第一指纹特征。此外，如步骤S220所示，处理器120会对指纹图像执行一反白处理，以取得一反白指纹图像。

如步骤S230所示，处理器120可利用相同的第一搜索算法从反白指纹图像中提取出多个参考特征。然后，如步骤S240所示，处理器120可参照所述多个参考特征的坐标，从指纹图像中取得多个第二指纹特征。换言之，处理器120可通过对指纹图像的反白处理，而利用相同的第一搜索算法取得指纹图像中不同的第一指纹特征与第二指纹特征。由此，可降低指纹特征在提取上的运算复杂度，从而可增加指纹特征的提取速度，并有助于提升指纹图像处理装置10在使用上的便利性。

在应用上，处理器120可利用所述多个第一指纹特征与所述多个第二指纹特征，来识别或是修补指纹图像。举例来说，在一实施例中，存储器130存储有至少一默认指纹图像，且该至少一默认指纹图像包括多个默认特征。处理器120可将所述多个第一指纹特征与所述多个第二指纹特征，分别与存储器130中的所述多个默认特征进行比较，以判别指纹图像是否匹配默认指纹图像。此外，在另一实施例中，处理器120可将所述多个第一指纹特征与所述多个第二指纹特征分别设定为待修补的指纹特征，进而将指纹图像中的所述多个第一指纹特征与所述多个第二指纹特征予以删除或是修补。

图3为依据本发明另一实施例的指纹图像处理方法的流程图，以下将参照图1与图3进一步说明利用第一指纹特征与第二指纹特征来识别指纹图像的操作。

如步骤S310所示，处理器120可通过一前置程序，将指纹传感器110所产生的原始图像转换成指纹图像，且所述的前置程序包括分割 (segmentation)处理、二值化(binarization)处理与细线化(thinning)处理。具体而言，原始图像可分成前景(foreground)与背景(background)，其中指纹的所在区域为前景，且背景则为指纹以外的区域。如步骤S311所示，处理器120可通过前置程序中的分割处理滤除原始图像的背景。

然后，处理器120可将原始图像划分成多个图像区块，并计算出每一图像区块的方向场(orientation field)，进而可估计出指纹的流向。此外，处理器120可参照原始图像的方向场来设定滤波器，并利用滤波器来强化原始图像，进而使得原始图像中指纹的纹路更加地清晰。举例来说，图4与图5分别为依据本发明一实施例的原始图像的部分示意图。其中，图4示出了指纹传感器110所产生的原始图像，且图5示出了经由处理器120强化后的原始图像。

然后，处理器120可通过二值化处理与细线化处理，以骨架(skeleton)的方式来呈现指纹。具体而言，如步骤S312所示，处理器120可通过前置程序中的二值化处理，将原始图像转换成二值化图像。其中，处理器120会以一临界值比较原始图像中各个像素的像素值。此外，处理器120会将像素值大于临界值的像素设定成黑色，并将像素值不大于临界值的像素设定为白色，进而形成二值化图像。

然后，如步骤S313所示，处理器120可通过细线化处理缩减二值化图像中指纹的宽度，并保持指纹的完整性。具体而言，通过细线化处理，指纹的宽度将缩减成单一像素的宽度，进而形成指纹图像。举例来说，图6为依据本发明一实施例的指纹图像的部分示意图。如图6所示，原始图像可通过二值化处理与细线化处理而转换成图6中的指纹图像600。

如步骤S320所示，处理器120可利用第一搜索算法从指纹图像中提取出多个第一指纹特征，且所述多个第一指纹特征例如可以是指纹图像600中的多个端点(ending)，例如：端点610～630。此外，如步骤S330所示，处理器120可通过反白处理取得一反白指纹图像。举例来说，图7为依据本发明一实施例的反白指纹图像的部分示意图。如图7所示，处理器120可对指纹图像600执行反白处理，以取得图7中的反白指纹图像700。然后，如步骤S340所示，处理器120可利用相同的第一搜索算法从反白指纹图像700中提取出多个参考特征，且所述多个参考特征例如可以是反白指纹图像700中的多个端点，例如：端点710～730。

值得注意的是，常见的指纹特征包括端点与分叉点(bifurcation)。此外， 端点与分叉点之间具有一对偶性(duality)或是反转关系(inverse relationship)。也就是说，端点的反转即为分叉点，且分叉点的反转即为端点。换言之，端点经由反白处理(inverse process)后将呈现为分叉点。因此，针对指纹图像600与反白指纹图像700中位于同一坐标位置的图像区块来看，反白指纹图像700中的端点可对应到指纹图像600的分叉点。也就是说，处理器120可参照反白指纹图像700中端点的坐标，从指纹图像600中取得对应的分叉点。

因此，在操作上，如步骤S350所示，处理器120可参照所述多个参考特征的坐标，从指纹图像中取得多个第二指纹特征，且所述多个第二指纹特征例如可以是指纹图像中的多个分叉点。举例来说，处理器120可参照反白指纹图像700中端点710～730的坐标，从指纹图像600中取得对应的分叉点640～660。值得一提的是，相较于端点的判断，分叉点在判断上的错误率较高，因此利用端点的第一搜索算法取得指纹图像中的分叉点，将有助于提高指纹特征在提取上的精确度。

此外，如步骤S390所示，处理器120可将所述多个第一指纹特征与所述多个第二指纹特征，分别与存储器130中的所述多个默认特征进行比较，以判别指纹图像是否匹配存储器130中的默认指纹图像。值得注意的是，处理器120所取得的第一指纹特征与第二指纹特征有可能并非是真的指纹特征，因此处理器120还可通过步骤S360～S380移除部分的第一指纹特征与部分的第二指纹特征，以进一步地提升指纹识别的准确度。

具体而言，图8(a)至图8(d)分别为依据本发明一实施例的用以说明伪特征的示意图。如图8(a)至图8(d)所示，常见的伪特征包括：图8(a)中的断脊(break ridge)、图8(b)中的桥(bridge)、图8(c)中的短脊(short ridge)以及图8(d)中的洞(hole)。其中，图8(a)与图8(b)中的断脊与桥之间具有对偶性或是反转关系，且图8(c)与图8(d)中的短脊与洞也具有对偶性或是反转关系。因此，通过对指纹图像的反白处理，处理器120可利用第二搜索算法取得指纹图像中的断脊与桥，并可利用另一第二搜索算法取得指纹图像中的短脊与洞。

举例来说，如步骤S360所示，在识别指纹图像之前，处理器120可利用第二搜索算法从反白指纹图像中提取出多个条件特征(例如，断脊)。其中，反白指纹图像包括多个图像区块。第二搜索算法可用以分析图像区块的灰阶值分布，且处理器120可基于第二搜索算法的结果，来判别图像区块是否包括条件特征(例如，断脊)。然后，如步骤S370所示，处理器120可利用相同 的第二搜索算法从指纹图像中提取出多个伪特征(例如，断脊)，并可参照所述多个条件特征的坐标从指纹图像中取得其它的伪特征(例如，桥)。此外，如步骤S380所示，处理器120可将所述多个第一指纹特征与所述多个第二指纹特征，分别与上述多个伪特征进行比较，以由此识别出在所述多个第一指纹特征与所述多个第二指纹特征中的伪特征。然后，处理器120可依据比较结果移除部分的第一指纹特征与部分的第二指纹特征，以进一步地提升指纹识别的准确度。

综上所述，本发明对指纹图像执行反白处理，以取得反白指纹图像。此外，本发明利用从反白指纹图像中所提取出的参考特征的坐标，从指纹图像中取得对应的指纹特征。由此，本发明可利用相同的搜索算法从指纹图像中取得不同的两指纹特征。如此一来，可降低指纹特征在提取上的运算复杂度，从而可增加指纹特征的提取速度，并有助于提升指纹图像处理装置在使用上的便利性。

虽然本发明已以实施例揭露如上，然其并非用以限定本发明，任何本领域技术人员在不脱离本发明的精神和范围内，当可作些许的更动与润饰，故本发明的保护范围是以本发明的权利要求为准。