毕设 机器视觉指纹识别特征对比算法（源码+论文）

文章目录0 前言1 项目运行效果2 课题背景3 指纹识别原理3.1 图像对比过滤3.2 图像二值化3.3 图像侵蚀细化3.4 图像增强3.5 特征点检测4 最后0 前言这两年开始毕业设计和毕业答辩的要求和难度不断提升传统的毕设题目缺少创新和亮点往往达不到毕业答辩的要求这两年不断有学弟学妹告诉学长自己做的项目系统达不到老师的要求。并且很难找到完整的毕设参考学习资料。为了大家能够顺利以及最少的精力通过毕设学长分享优质毕业设计项目提供大家参考学习今天要分享的是毕业设计 机器视觉指纹识别特征对比算法源码论文(源码论文)学长这里给一个题目综合评分(每项满分5分)难度系数3分工作量3分创新点4分项目分享见主页任意置顶文章1 项目运行效果视频效果毕业设计 机器视觉指纹识别特征对比算法2 课题背景指纹是指人类手指上的条状纹路, 它们的形成依赖于胚胎发育时的环境。“没有2个完全相同的指纹”这一观点已经得到公认。指纹识别已经有了很长一段历史。据考古学家证实:公元前6 000年以前, 指纹作为身份鉴别的工具已经在古叙利亚和中国开始应用。到了20世纪80年代,、光学扫描这2项技术的革新, 使得它们作为指纹取像的工具成为现实, 从而使指纹识别可以在其他领域中得以应用。现在, 随着取像设备的引入及其飞速发展, 生物指纹识别技术的逐渐成熟, 可靠的比对算法的发现都为指纹识别技术提供了更广阔的舞台。本项目实现了一种指纹识别系统通过过滤过程来确定用户指纹是否与注册的指纹匹配。通过过滤技术对捕获的指纹进行处理以从捕获的图像中去除噪声。去除噪声后的最终结果与注册的指纹进行特征匹配以确定它们是否相同。3 指纹识别原理篇幅有限这里学长简单介绍一下指纹识别的大致原理3.1 图像对比过滤图像融合是一种图像增强方法这里先融合两个图像便于特征点对比。利用的是opencv封装的函数cv2.addWeighted()相关代码defapply_Contrast(img):alpha0.5# assigned weight to the first imagebeta0.5# assigned weight to the second imageimg_secondnp.zeros(img.shape,img.dtype)# second image, copy of first onecontrastcv2.addWeighted(img,alpha,img_second,0,beta)# applying contrastreturncontrast3.2 图像二值化简介图像二值化 Image Binarization就是将图像上的像素点的灰度值设置为0或255也就是将整个图像呈现出明显的黑白效果的过程。二值图像每个像素只有两种取值要么纯黑要么纯白。二值图像数据足够简单许多视觉算法都依赖二值图像。通过二值图像能更好地分析物体的形状和轮廓。在计算机视觉里一般用矩阵来表示图像。也就是说无论你的图片看上去多么好吃对计算机来说都不过是个矩阵而已。在这个矩阵里每一个像素就是矩阵中的一个元素。在三通道的彩色图像中这个元素是由三个数字组成的元组。而对于单通道的灰度图像来说这个元素就是一个数字。这个数字代表了图像在这个点的亮度数字越大像素点也就越亮在常见的八位单通道色彩空间中0代表全黑255代表全白。相关代码defapply_Binarization(img):# if pixel value is greater then the threshold value it is assigned a singular color of either black or white_,maskcv2.threshold(img,100,255,cv2.THRESH_BINARY_INV)returnmask3.3 图像侵蚀细化图像侵蚀(腐蚀)腐蚀Erosion- shrink image regions侵蚀是数学形态学领域的两个基本算子之一另一个是膨胀。 它通常应用于二值图像但是有些版本可用于灰度图像。 算子对二值图像的基本作用是侵蚀前景像素通常为白色像素区域的边界。 因此前景像素的区域尺寸缩小并且这些区域内的孔洞变大。图像细化细化Thinning- structured erosion using image pattern matching细化是一种形态学操作用于从二值图像中删除选定的前景像素有点像侵蚀或开口。 它可以用于多种应用程序但是对于骨架化特别有用。 在这种模式下通常通过将所有行减少到单个像素厚度来整理边缘检测器的输出。 细化通常仅应用于二值图像并产生另一个二值图像作为输出。相关代码defapply_Erosion(img):kernalnp.ones((3,3),np.uint8)# shape applied to image, 3x3 square shape is applied to contrast imageerosioncv2.erode(img,kernal,iterations1)# erosion mask applied to the contrast image to thin fingerprint ridgesreturnerosion3.4 图像增强图像增强的主要目的是提高图像的质量和可辨识度使图像更有利于观察或进一步分析处理。图像增强技术一般通过对图像的某些特征例如边缘信息、轮廓信息和对比度等进行突出或增强从而更好的显示图像的有用信息提高图像的使用价值。图像增强技术是在一定标准下处理后的图像比原图像效果更好。相关代码defapply_highlighting(img):feature_pointscv2.cvtColor(img,cv2.COLOR_BGR2RGB)Image_bluenp.array(feature_points,copyTrue)white_pxnp.asarray([255,255,255])blue_pxnp.asarray([0,255,255])(row,col,_)feature_points.shapeforrinrange(row):forcinrange(col):pxfeature_points[r][c]ifall(pxwhite_px):Image_blue[r][c]blue_pxreturnImage_blue3.5 特征点检测指纹特征提取的主要目的是计算指纹核心点(Core)和细节点(Minutia)的特征信息。在提取指纹核心点时采用的是Poincare Index算法该算法的思路是在指纹图像某像素点区域内按围绕该点的闭合曲线逆时针方向旋转一周计算方向角度旋转变化量的和最后以计算结果来寻找核心点。计算过程中如果某像素点的Poincare Index值为π则判定为核心点然后便提取该点的坐标与方向场信息记为P(Cx, Cy, θc)。相关代码defshow_featurepoints(img):#show feature points found in fingerprint using orb detectororbcv2.ORB_create(nfeatures1200)keypoints,descriptorsorb.detectAndCompute(img,None)featurepoint_imgimg featurepoint_imgcv2.drawKeypoints(featurepoint_img,keypoints,None,color(255,0,0))returnfeaturepoint_img篇幅有限更多详细设计见设计论文4 最后项目包含内容一万两千字 完整详细设计论文项目分享见主页任意置顶文章