指纹识别-(5)指纹图像预处理算法之图像方向场

3、指纹图像方向场

指纹的方向场是指纹图像的一种固有属性，反映了指纹图像场的中心、圆形纹线趋势场、斜角度直纹线趋势场、水平纹线趋势场及混合趋势场等。方向场求取最简单的方法就是利用梯度场，方向角\theta即是以$\left(x,y\right)$为中心的与$\left(x,y\right)$处梯度相位角正交所获得的角度。这种方法虽然简单，但是这种方向估计反映的脊谷方向过于精细，对指纹图像的噪声非常敏感。Ratha在1995年提出了一种被广为接受的方向场的计算方法，以$\left(x,y\right)$为中心的$16\times 16$的窗口的梯度来计算方向。
指纹图像方向场的计算步骤如下：

1. 将指纹图像分为$w\times w(16\times 16)$的小块；
2. 通过使用 $3\times 3$ Sobel算子计算像素点$\left(x,y\right)$的$x$方向的梯度${\nabla }_x$和$y$方向的梯度${\nabla }_y$；
3. 利用以下公式计算以像素点$\left(x,y\right)$为中心的每个块的局部方向。

$$G_{xy}\left(x,y\right)=\sum _{u=x-\frac{w}{2}}^{u=x+\frac{w}{2}}\sum _{v=y-\frac{w}{2}}^{v=y+\frac{w}{2}}2{\nabla }_x\left(u,v\right){\nabla }_y\left(u,v\right)$$
$$G_{xx}\left(x,y\right)=\sum _{u=x-\frac{w}{2}}^{u=x+\frac{w}{2}}\sum _{v=y-\frac{w}{2}}^{v=y+\frac{w}{2}}{\left({\nabla }_{x\left(u,v\right)}\right)}^2$$
$$G_{yy}\left(x,y\right)=\sum _{u=x-\frac{w}{2}}^{u=x+\frac{w}{2}}\sum _{v=y-\frac{w}{2}}^{v=y+\frac{w}{2}}{\left({\nabla }_y\left(u,v\right)\right)}^2$$
$$\theta \left(x,y\right)=\frac{1}{2}ta{n}^{-1}\left(\frac{2G_{xy}\left(x,y\right)}{G_{xx}\left(x,y\right)-G_{yy}\left(x,y\right)}\right)+90°$$
4. 由于输入图像中存在噪声、损坏的山脊和山谷结构、细节等，估计的局部山脊方向\theta\left(x,y\right)可能并不总是正确的。由于局部脊谷方向在没有奇异点出现的邻域内变化缓慢，因此可以使用低通滤波器来修正不正确的局部脊线方向。为了进行低通滤波，需要将方向图转换为一个连续的向量场，定义如下：
$${\mathrm{\Phi }}_x\left(i,j\right)=cos\left(2\theta \left(i,j\right)\right)$$
$${\Phi }_y\left(i,j\right)=\sin \left(2\theta \left(i,j\right)\right)$$
利用得到的向量场，可以进行的低通滤波如下，滤波卷积块的尺寸为$w_0\times w_0$，$w_0$一般为5：
$${\Phi }_x^{\prime }\left(x,y\right)=\sum _{u=-w_0/2}^{w_0/2}\sum _{v=-w_0/2}^{w_0/2}W\left(u,v\right){\Phi }_x\left(x-uw,y-vw\right)$$
$${\Phi }_y^{\prime }\left(x,y\right)=\sum _{u=-w_0/2}^{w_0/2}\sum _{v=-w_0/2}^{w_0/2}W\left(u,v\right){\Phi }_y\left(x-uw,y-vw\right)$$
5. 由以下公式得到最终的局部脊线方向。
$$O\left(x,y\right)=\frac{1}{2}ta{n}^{-1}\left(\frac{{\Phi }_y^{\prime }\left(x,y\right)}{{\Phi }_x^{\prime }\left(x,y\right)}\right)$$
指纹图像的方向场及使用高斯核滤波后的方向场:


代码参考：https://download.csdn.net/download/xuhe93/85802879?spm=1001.2014.3001.5503