包含利用matlab实现指纹特征提取代码的词条

今天给各位分享利用matlab实现指纹特征提取代码的知识，其中也会对进行解释，如果能碰巧解决你现在面临的问题，别忘了关注本站，现在开始吧！

本文目录一览：

• 1、如何利用matlab实现特征提取
• 2、如何用matlab实现指纹图像特征的提取
• 3、求基于matlab指纹扫描图像处理的源代码

如何利用matlab实现特征提取

Ox=sum(x)/2;

Oy=sum(y)/2; %求E1,E2的中心O(Ox,Oy)

I1=imcrop(OriImg,[Ox-0.9*d Oy-0.5*d 1.8*d 2*d]); %切割人脸

str=strcat('H:\CMU表情库\cohn-kanade\cohn-kanade\cohn-kanade\S010\001\Standard\',int2str(i),'.bmp');

eval('imwrite(I1,str);'); %执行字符串 每次循环读入img %读入图像 %保存归一化后的人脸图像

close all;

end

如何用matlab实现指纹图像特征的提取

其实学数字图像处理，关键的不是源代码（和一般编程还是有区别的，这个是经验之谈，其实一般博导未必会编程，但是你和他说说你的方法，他一般都能切中要害），而是你能理解基于概念及适用场所。

基于颜色、纹理、形状都属于低层特征，这些你理解就够了，关键是对你的课题适合哪种方法来映射到高层语义上面，例如：识别物体轮廓，那可能形状就比较适合等。

我之所以写上面那段话，主要是我感觉你索取代码也不说明具体要求，也就是方向不明确。

如今颜色特征提取算法有很多，诸如颜色直方图、颜色矩、颜色集、颜色聚合向量、颜色相关图等，既然你没说，我就给个IEEE CSVT 2001的一篇关于颜色直方图法的论文（源码版权归作者所有）：

function colorhist = colorhist(rgb)

% CBIR_colorhist() --- color histogram calculation

% input: MxNx3 image data, in RGB

% output: 1x256 colorhistogram == (HxSxV = 16x4x4)

% as the MPEG-7 generic color histogram descriptor

% [Ref] Manjunath, B.S.; Ohm, J.-R.; Vasudevan, V.V.; Yamada, A., "Color and texture descriptors"

% IEEE Trans. CSVT, Volume: 11 Issue: 6 , Page(s): 703 -715, June 2001 (section III.B)

% check input

if size(rgb,3)~=3

error('3 components is needed for histogram');

end

% globals

H_BITS = 4; S_BITS = 2; V_BITS = 2;

%rgb2hsv可用rgb2hsi代替，见你以前的提问。

hsv = uint8(255*rgb2hsv(rgb));

imgsize = size(hsv);

% get rid of irrelevant boundaries

i0=round(0.05*imgsize(1)); i1=round(0.95*imgsize(1));

j0=round(0.05*imgsize(2)); j1=round(0.95*imgsize(2));

hsv = hsv(i0:i1, j0:j1, :);

% histogram

for i = 1 : 2^H_BITS

for j = 1 : 2^S_BITS

for k = 1 : 2^V_BITS

colorhist(i,j,k) = sum(sum( ...

bitshift(hsv(:,:,1),-(8-H_BITS))==i-1 ...

bitshift(hsv(:,:,2),-(8-S_BITS))==j-1 ...

bitshift(hsv(:,:,3),-(8-V_BITS))==k-1 ));

end

end

end

colorhist = reshape(colorhist, 1, 2^(H_BITS+S_BITS+V_BITS));

% normalize

colorhist = colorhist/sum(colorhist);

%基于纹理特征提取灰度共生矩阵用于纹理判断

% Calculates cooccurrence matrix

% for a given direction and distance

%

% out = cooccurrence (input, dir, dist, symmetric);

%

% INPUT:

% input: input matrix of any size

%

% dir: direction of evaluation

% "dir" value Angle

% 0 0

% 1 -45

% 2 -90

% 3 -135

% 4 -180

% 5 +135

% 6 +90

% 7 +45

%

% dist: distance between pixels

%

% symmetric: 1 for symmetric version

% 0 for non-symmetric version

%

% eg: out = cooccurrence (input, 0, 1, 1);

% Author: Baran Aydogan (15.07.2006)

% RGI, Tampere University of Technology

% baran.aydogan@tut.fi

function out = cooccurrence (input, dir, dist, symmetric);

input = round(input);

[r c] = size(input);

min_intensity = min(min(input));

max_intensity = max(max(input));

out = zeros(max_intensity-min_intensity+1);

if (dir == 0)

dir_x = 0; dir_y = 1;

end

if (dir == 1)

dir_x = 1; dir_y = 1;

end

if (dir == 2)

dir_x = 1; dir_y = 0;

end

if (dir == 3)

dir_x = 1; dir_y = -1;

end

if (dir == 4)

dir_x = 0; dir_y = -1;

end

if (dir == 5)

dir_x = -1; dir_y = -1;

end

if (dir == 6)

dir_x = -1; dir_y = 0;

end

if (dir == 7)

dir_x = -1; dir_y = 1;

end

dir_x = dir_x*dist;

dir_y = dir_y*dist;

out_ind_x = 0;

out_ind_y = 0;

for intensity1 = min_intensity:max_intensity

out_ind_x = out_ind_x + 1;

out_ind_y = 0;

[ind_x1 ind_y1] = find (input == intensity1);

ind_x1 = ind_x1 + dir_x;

ind_y1 = ind_y1 + dir_y;

for intensity2 = min_intensity:max_intensity

out_ind_y = out_ind_y + 1;

[ind_x2 ind_y2] = find (input == intensity2);

count = 0;

for i = 1:size(ind_x1,1)

for j = 1:size(ind_x2,1)

if ( (ind_x1(i) == ind_x2(j)) (ind_y1(i) == ind_y2(j)) )

count = count + 1;

end

end

end

out(out_ind_x, out_ind_y) = count;

end

end

if (symmetric)

if (dir 4)

dir = dir + 4;

else

dir = mod(dir,4);

end

out = out + cooccurrence (input, dir, dist, 0);

end

求基于matlab指纹扫描图像处理的源代码

clear all,close all,clc % 清理工作空间，关闭运行窗口，清理命令窗口

I=imread('Empreinte.bmp'); % 读入图像

imshow(I) % 显示图像

set(gcf,'position',[1 1 600 600]); % 得到图形窗口句柄，设置图形窗口位置

J=I(:,:,1)160; % 设定阈值为160，进行黑白化处理

imshow(J) % 显示处理后的图像

set(gcf,'position',[1 1 600 600]); % 得到图形窗口句柄，设置图形窗口位置

K=bwmorph(~J,'thin','inf'); % 数学形态学运算，图像细化，~符号代表黑白反色

imshow(~K) % 显示处理后的图像，~符号代表黑白反色

set(gcf,'position',[1 1 600 600]); % 得到图形窗口句柄，设置图形窗口位置

function y=minutie(x)

i=ceil(size(x)/2);

if x(i,i)==0;

y=0;

else

y=sum(x(:)) - 1;

end

fun=@minutie; % 得到函数句柄

L = nlfilter(K,[3 3],fun); % 滤波处理

LTerm=(L==1); % 选择端点

imshow(LTerm) % 显示白色点

LTermLab=bwlabel(LTerm); % 端点标识

propTerm=regionprops(LTermLab,'Centroid'); % 端点区域分析，寻找端点区域中心

CentroidTerm=round(cat(1,propTerm(:).Centroid)); % 端点圆整为整数

imshow(~K) % 显示隆线细化图像

set(gcf,'position',[1 1 600 600]); % 得到当前图形窗口句柄，设置位置

hold on % 在前面的图形窗口继续绘制图像

plot(CentroidTerm(:,1),CentroidTerm(:,2),'ro') % 绘制隆线端点标识，红色圆圈

LBif=(L==3); % 选择分叉点

LBifLab=bwlabel(LBif); % 分叉点标识

propBif=regionprops(LBifLab,'Centroid','Image'); % 区域分析，寻找区域中心

CentroidBif=round(cat(1,propBif(:).Centroid)); % 分叉点圆整为整数

plot(CentroidBif(:,1),CentroidBif(:,2),'go') % 绘制隆线分叉点标识，绿色圆圈

D=6;

Distance=DistEuclidian(CentroidBif,CentroidTerm); % 求端点和分叉点的距离

SpuriousMinutae=DistanceD; % 满足距离小于D的点

[i,j]=find(SpuriousMinutae); % 查找对应像素点

CentroidBif(i,:)=[]; % 去除该分叉点

CentroidTerm(j,:)=[]; % 去除该端点

Distance=DistEuclidian(CentroidBif); % 求两个分叉点的距离

SpuriousMinutae=DistanceD; % 满足距离小于D的点

[i,j]=find(SpuriousMinutae); % 查找对应像素点

CentroidBif(i,:)=[]; % 去除该分叉点

Distance=DistEuclidian(CentroidTerm); % 求两个端点的距离

SpuriousMinutae=DistanceD; % 满足距离小于D的点

[i,j]=find(SpuriousMinutae); % 查找对应像素点

CentroidTerm(i,:)=[]; % 去除该端点

hold off % 结束在前面的图形窗口绘图

imshow(~K) % 显示细化图

hold on % 继续在前面的图形窗口绘图

plot(CentroidTerm(:,1),CentroidTerm(:,2),'ro') % 绘制隆线端点标识，红色圆圈

plot(CentroidBif(:,1),CentroidBif(:,2),'go') % 绘制隆线分叉点标识，绿色圆圈

hold off % 结束在前面的图形窗口绘图

Kopen=imclose(K,strel('square',7)); % 闭合运算

KopenClean= imfill(Kopen,'holes'); % 填充图像中的孔洞

KopenClean=bwareaopen(KopenClean,5); % 开运算

imshow(KopenClean) % 显示处理结果

KopenClean([1 end],:)=0; % 赋值语句

KopenClean(:,[1 end])=0; % 赋值语句

ROI=imerode(KopenClean,strel('disk',10)); % 腐蚀运算

imshow(ROI) % 显示处理结果

imshow(I) % 显示原始图像

hold on % 继续在前面的图形窗口绘图

imshow(ROI) % 显示感兴趣区域

alpha(0.5) % 设置透明度

hold on % 继续在前面的图形窗口绘图

plot(CentroidTerm(:,1),CentroidTerm(:,2),'ro') % 绘制端点标识，红色圆圈

plot(CentroidBif(:,1),CentroidBif(:,2),'go') % 绘制分叉点标识，绿色圆圈

hold off % 结束在前面的图形窗口绘图

[m,n]=size(I(:,:,1)); % 求图像尺寸

indTerm=sub2ind([m,n]; % 从下标得到单精度索引

CentroidTerm(:,1),CentroidTerm(:,2)); % 端点

Z=zeros(m,n); % 全零矩阵

Z(indTerm)=1;

ZTerm=Z.*ROI';

[CentroidTermX,CentroidTermY]=find(ZTerm);

indBif=sub2ind([m,n],CentroidBif(:,1),CentroidBif(:,2)); % 从下标得到单精度索引

Z=zeros(m,n);

Z(indBif)=1;

ZBif=Z.*ROI';

[CentroidBifX,CentroidBifY]=find(ZBif);

imshow(I) % 显示原始图像

hold on % 继续绘图

plot(CentroidTermX,CentroidTermY,'ro','linewidth',2) % 红色圆圈

plot(CentroidBifX,CentroidBifY,'go','linewidth',2) % 绿色圆圈

Table=[3*pi/4 2*pi/3 pi/2 pi/3 pi/4 % 角度查找表

5*pi/6 0 0 0 pi/6

pi 0 0 0 0

-5*pi/6 0 0 0 -pi/6

-3*pi/4 -2*pi/3 -pi/2 -pi/3 -pi/4];

for ind=1:length(CentroidTermX)

Klocal=K(CentroidTermY(ind)-2:CentroidTermY(ind)+2, ...

CentroidTermX(ind)-2:CentroidTermX(ind)+2);

Klocal(2:end-1,2:end-1)=0;

[i,j]=find(Klocal);

OrientationTerm(ind,1)=Table(i,j);

end

dxTerm=sin(OrientationTerm)*5;

dyTerm=cos(OrientationTerm)*5;

figure % 新建窗口

imshow(K) % 显示黑白图

set(gcf,'position',[1 1 600 600]); % 设置图像窗口属性

hold on % 继续绘图

plot(CentroidTermX,CentroidTermY,'ro','linewidth',2) % 红色圆圈

plot([CentroidTermX CentroidTermX+dyTerm]',... % 红色短线

[CentroidTermY CentroidTermY-dxTerm]','r','linewidth',2)

for ind=1:length(CentroidBifX)

Klocal=K(CentroidBifY(ind)-2:CentroidBifY(ind)+2, ...

CentroidBifX(ind)-2:CentroidBifX(ind)+2);

Klocal(2:end-1,2:end-1)=0;

[i,j]=find(Klocal);

if length(i)~=3

CentroidBifY(ind)=NaN;

CentroidBifX(ind)=NaN;

OrientationBif(ind)=NaN;

else

for k=1:3

OrientationBif(ind,k)=Table(i(k),j(k));

dxBif(ind,k)=sin(OrientationBif(ind,k))*5;

dyBif(ind,k)=cos(OrientationBif(ind,k))*5;

end

end

end

plot(CentroidBifX,CentroidBifY,'go','linewidth',2) % 绿色圆圈

OrientationLinesX=[CentroidBifX ...

CentroidBifX+dyBif(:,1);CentroidBifX ...

CentroidBifX+dyBif(:,2);CentroidBifX CentroidBifX+dyBif(:,3)]';

OrientationLinesY=[CentroidBifY

CentroidBifY-dxBif(:,1);CentroidBifY ...

CentroidBifY-dxBif(:,2);CentroidBifY CentroidBifY-dxBif(:,3)]';

plot(OrientationLinesX,OrientationLinesY,'g','linewidth',2) % 绿色短线

MinutiaTerm=[CentroidTermX,CentroidTermY,OrientationTerm];

MinutiaBif=[CentroidBifX,CentroidBifY,OrientationBif];

saveMinutia('John Doe',MinutiaTerm,MinutiaBif); % saveMinutia函数见附件程序

关于利用matlab实现指纹特征提取代码和的介绍到此就结束了，不知道你从中找到你需要的信息了吗 ？如果你还想了解更多这方面的信息，记得收藏关注本站。