指纹图像的处理方法及装置的制造方法
【技术领域】
[0001] 本发明属于指纹识别技术领域，尤其设及指纹图像的处理方法及装置。
【背景技术】
[0002] 半导体电容指纹传感器（W下简称指纹传感器)为一个忍片式的集成电路，由于人 体手指指尖按在传感器表面时，指纹中的"脊"所形成的电容要比指纹中的"谷"所形成的电 容来得略大，因此，指纹传感器利用其表面电容阵列的充电及放电过程，便能够获得关于指 纹的数字图像。
[0003] 目前，在指纹图像采集的过程中，指纹传感器每次需要采集一个完整的指纹图像， 运就要求指纹传感器的忍片面积较大才能达到所需要的采集效果，无疑增加了指纹传感器 的制造成本。
【发明内容】
[0004] 有鉴于此，本发明实施例提供了指纹图像的处理方法及装置，旨在解决现有技术 导致指纹传感器的制造成本增加的问题。
[0005] 第一方面，提供了一种指纹图像的处理方法，包括：
[0006] 采集K个局部指纹图像，所述K个局部指纹图像为同一手指K次按压指纹传感器所 产生的图像，所述K为大于1的整数；
[0007] 检测每个所述局部指纹图像的特征点；
[000引基于所述特征点计算所述局部指纹图像的尺度不变特征变换SIFT特征描述向量；
[0009] 基于所述SIFT特征描述向量，计算任意两幅所述局部指纹图像之间的匹配度；
[0010] 若所述匹配度不低于预设阔值，则将运两幅所述局部指纹图像进行拼接。
[0011] 第二方面，提供了一种指纹图像的处理装置，包括：
[0012] 采集单元，用于采集K个局部指纹图像，所述K个局部指纹图像为同一手指K次按压 指纹传感器所产生的图像，所述K为大于1的整数；
[0013] 检测单元，用于检测每个所述局部指纹图像的特征点；
[0014] 第一计算单元，用于基于所述特征点计算所述局部指纹图像的尺度不变特征变换 SIFT特征描述向量；
[0015] 第二计算单元，用于基于所述SIFT特征描述向量，计算任意两幅所述局部指纹图 像之间的匹配度；
[0016] 拼接单元，用于若所述匹配度不低于预设阔值，则将运两幅所述局部指纹图像进 行拼接。
[0017] 本发明实施例可W对采集到的多个局部指纹图像进行拼接，从而得到完整的指纹 图像，该方案的使用在一定程度上降低了对指纹传感器忍片尺寸的要求，使得技术人员可 W在指纹传感器中采用小尺寸忍片，多次对指纹进行局部采集，W最终出完整的指纹图像， 有效地降低了指纹传感器的制造成本。
【附图说明】
[0018] 为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述 中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些 实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可W根据运些 附图获得其他的附图。
[0019] 图1是本发明实施例提供的指纹图像的处理方法的实现流程图；
[0020] 图2是本发明实施例提供的指纹图像的处理方法化rris角点的检测方法实现流程 图；
[0021] 图3是本发明实施例提供的本发明实施例提供的指纹图像的处理方法化rris角点 的检测方法S203的具体实现流程图；
[0022] 图4是本发明实施例提供的本发明实施例提供的指纹图像的处理方法S103的具体 实现流程图；
[0023] 图5是本发明实施例提供的本发明实施例提供的指纹图像的处理方法S104的具体 实现流程图；
[0024] 图6是本发明实施例提供的指纹图像拼接前后示例图；
[0025] 图7是本发明实施例提供的指纹图像的处理装置的结构框图。
【具体实施方式】
[0026] 为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。W下描述中， 为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，W便透切理解 本发明实施例。然而，本领域的技术人员应当清楚，在没有运些具体细节的其它实施例中也 可W实现本发明。在其它情况中，省略对众所周知的系统、装置、电路W及方法的详细说明， W免不必要的细节妨碍本发明的描述。
[0027] 图1示出了本发明实施例提供的指纹图像的处理方法的实现流程，详述如下：
[0028] 在SlOl中，采集K个局部指纹图像，所述K个局部指纹图像为同一手指K次按压指纹 传感器所产生的图像，所述K为大于1的整数。
[0029] 在本实施例中，可W将手指多次按压在指纹传感器上，对于每次的手指按压，指纹 传感器均进行一次图像采集。其中，指纹传感器中用于进行图像采集的忍片面积可W小于 指纹面积，由此，在每次将手指按压在指纹传感器上时，指纹传感器采集到的是该手指的局 部指纹图像。
[0030] 在S102中，检测每个所述局部指纹图像的特征点。
[0031] 所述特征点，在本实施例中也可称运为角点，即在局部指纹图像中亮度变化剧烈 的点，或者在图像边缘曲线上曲率极大值的点。作为本发明的一种优选的实施方式，可W基 于图像灰度的方法，采用化rris算子检测出每个局部指纹图像的化rris角点。
[0032] 具体地，在S102中，化rris角点的检测方法如图2所示：
[0033] 在S201中，对于所述局部指纹图像上的任意点，计算该点在水平方向和垂直方向 的偏导数化x，Ly)，其中，Lx为该点在水平方向的偏导数，Ly为该点在垂直方向的偏导数。
[0034] 在S202中，计算巧2阵列的化rris矩^
的两个预设特征值。
[0035] 在本实施例中，通过预先设定的算法，通过化rriS矩阵计算得到两个特征值。例 如，设上述两个预设特征值分别为fel和fe2,则通过求二次方程，可W得到：
[0036] fel = (a+b+( ((a+b)2+4(a*b-c))产 5) )/2，
[0037] fe2 = (a+b-( ((a+b)2+4(a*b-c))产 5) )/2，
[003引 其中，a = Lx2，b = Ly2，c = LxAy*L^Ly。
[0039] 在S203中，根据计算出的所述两个预设特征值，W及该点是否是W该点为中屯、的 3*3邻域里的最值，来判断该点是否为化rris角点。
[0040] 具体地，S203可W通过如图3所示的方式实现：
[0041 ]在S301中，获取所述3*3邻域里每个点对应的数值，所述数值由其对应的点的所述 两个预设特征值通过预设算法计算得到。
[0042] 在S302中，若在所述3*3邻域中，其中屯、点对应的所述数值最大且大于0,则确定该 中屯、点为Harr i S角点。
[0043] 例如，对于局部指纹图像上的每个点，其对应的化rris矩阵
的两个预设特征值fel和fe2,均可W得到对应的数值value = (fel+fe2)-k*fel*fe2,其中， 所述k可W为设定值，例如，k = 0.05,若value>0,且在W当前判断的点为中屯、的3*3像素领 域内，该点的value值最大，则该点就为化rris角点。
[0044] 在S103中，基于所述特征点计算所述局部指纹图像的尺度不变特征变换（Scale Invariant Feature Transfo;rm，SIFT)特征描述向量。
[0045] 具体地，S103可W通过图4所示的方式实现：
[0046] 在S401中，W所述特征点为中屯、，将所述局部指纹图像反向旋转指定角度，所述指 定角度为所述特征点的主方向大小。
[0047] 例如，Har r i S角点的主方向的大小记为Ma i nAng 1 e，则W该Har r i S角点为中屯、，将 局部指纹图像旋转-Ma inAng 1 e。
[0048] 在S402中，在旋转后的所述局部指纹图像中，W所述特征点为中屯、截取12*12的图 像窗口。
[0049] 其中，所述图像窗口的大小可W不局限于12*12,还可W为其他大小，在此不作限 定。
[0050] 在S403中，将所述12*12的图像窗口划分成四个6*6的子图像，分别计算每个所述 子图像中每个点的梯度值和梯度方向。
[0051] 在S404中，在预先划分的8个梯度方向范围中，分别统计所述子图像在每个所述梯 度方向范围中的所述梯度值之和