如圖5可見，改進(jìn)的Sobel算子在原Sobel算子的基礎(chǔ)上，能顯著地分割出正確圖像的面積，幾乎能在整個(gè)畫面區(qū)域提取出正確的方向來。系統(tǒng)對(duì)圖像進(jìn)行了Gabor濾波和圖像數(shù)據(jù)二值化。指紋圖像屬于紋理圖像，紋理圖像采用Gabor濾波器，利用每一點(diǎn)的點(diǎn)方向沿方向指向增強(qiáng)，沿方向的法線方向減弱。Gabor濾波器能很好地拼接斷紋，濾除環(huán)境噪聲，最后將Gabor濾波后的圖像做雙窗口均值門限二值化：

門限1 ：均值化算子矩陣：7×7的單位矩陣。

門限2 ：均值化算子矩陣：3×3的單位矩陣。

具體運(yùn)算表達(dá)式如下：

當(dāng)每一點(diǎn)的值g（x，y）>p（x，y）時(shí)，則賦值g（x，y）=1，否則賦值為0，以此得到二值化最終的結(jié)果，提取圖像進(jìn)行實(shí)測效果的比對(duì)如圖6所示。

圖6 二值化處理前后的實(shí)測效果對(duì)比

圖7是最后根據(jù)圖像紋理的粗細(xì)二值化圖像，并根據(jù)端點(diǎn)和交叉點(diǎn)提取特征點(diǎn)。

圖7 根據(jù)圖像紋理的粗細(xì)提取的二值化圖像斷點(diǎn)和交叉點(diǎn)特征點(diǎn)

經(jīng)過上面的步驟，即可從原始圖像里面提取出有效的特征信息。特征信息描述了特征點(diǎn)的位置、方向等信息，最終形成一個(gè)大小不超過512字節(jié)的特征模板。指紋的比對(duì)就是在特征模板的基礎(chǔ)上，構(gòu)建兩個(gè)點(diǎn)形成的桿對(duì)集，而桿對(duì)所包含的桿長度、端點(diǎn)方向與桿的夾角等信息已經(jīng)是相對(duì)量，與位置無關(guān)。理想狀況下，同一枚指紋，采集的兩幅圖像能找到的桿對(duì)的每一個(gè)量（長度、夾角）在數(shù)學(xué)上是完全相等的。以此為基本數(shù)學(xué)模型，構(gòu)建整個(gè)比對(duì)算法。

4結(jié)語

本文的基于ARM的光學(xué)指紋識(shí)別系統(tǒng)的設(shè)計(jì)方案，經(jīng)過實(shí)物測試，模塊錄入用戶指紋圖像時(shí)間為500 ~ 800 ms，拒真率小于等于1%，平均4.2 ms即可比對(duì)一枚指紋，支持1∶1指紋驗(yàn)證和1∶N指紋搜索。在硬件設(shè)計(jì)中引出了通信端子，系統(tǒng)支持3.3V TTL串口通信，可以通過串口對(duì)模塊進(jìn)行用戶注冊(cè)、刪除特定用戶、刪除所有用戶、復(fù)位模塊、獲取用戶總數(shù)、獲取用戶權(quán)限、1∶1比對(duì)、1∶N比對(duì)、設(shè)置串口波特率、讀取圖像并提取特征值、獲取圖像等30個(gè)常規(guī)或擴(kuò)展功能命令，能滿足大多數(shù)的指紋應(yīng)用場合，可以很好地運(yùn)用于嵌入式領(lǐng)域，從而證實(shí)了本方案的可行性。