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。

🔥近两年来，毕业设计和毕业答辩的要求和难度不断提高，传统的毕设题目缺乏创新和亮点，往往达不到毕业答辩的要求，在过去的两年里，一些弟弟妹妹不断地告诉学长，他们所做的项目体系不能满足老师的要求。

通过毕设࿰，每个人都能顺利、最少的精力c;学长分享优质毕业设计项目󿀌今日要分享的是。

🚩 毕业设计 机器视觉指纹识别特征对比算法#xff08;源码+论文）(源码+论文)。

🥇这里的学长给一个题目综合评分(每个满分5分)。

难度系数：3分。
工作量：3分。
创新点：4分。

🧿 项目分享：见文末！。

1 项目运行效果。

视频效果：

毕业设计 对比算法的机器视觉指纹识别特征。

2 课题背景。

指纹是指人类手指上的条纹， 它们的形成取决于胚胎发育过程中的环境。“没有两个完全相同的指纹”的观点已经被公认。指纹识别历史悠久。

考古学家证实，公元前6 000年以前, 古叙利亚和中国已经开始使用指纹作为身份鉴定工具。20世纪80年代，、光学扫描这两种技术的创新， 使它们成为指纹取像工具的现实， 因此，指纹识别可以应用于其他领域。

现在, 随着图像设备的引进及其快速发展， 生物指纹识别技术逐渐成熟， 发现可靠的比较算法为指纹识别技术提供了更广阔的舞台。

该项目实现了指纹识别系统，用户指纹是否与注册指纹相匹配，通过过滤过程确定。捕获的指纹通过过滤技术处理，从捕获的图像中去除噪音。去除噪声后的最终结果与注册指纹相匹配，确定它们是否相同。

3 指纹识别原理。

空间有限󿀌下面学长简单介绍一下指纹识别的一般原理。

3.1 图像对比过滤。

图像融合是一种图像增强方法c;这里首先将两个图像集成起来，以便于特征点的比较。采用opencv包装函数。

cv2。.。addWeighted。(。)。

相关代码。

def。apply_Contrast。(。img。)。:。alpha。 =0.5。# assigned weight to the first image。beta。 =0.5。# assigned weight to the second image。img_second。 =np。.。zeros。(。img。.。shape。,img。.。dtype。)。# second image, copy of first one。contrast。 =cv2。.。addWeighted。(。img。,alpha。,img_second。,0,beta。)。# applying contrast。return。contrast。

3.2 图像二值化。

简介。

图像二值化（ Image Binarization）图像上像素点的灰度值设置为0或255，也就是说，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个值：或者是纯黑�要么纯白。

二值图像数据足够简单，许多视觉算法都依赖于二值图像。通过二值图像󿀌能更好地分析物体的形状和轮廓。
在计算机视觉中，图像通常用矩阵来表示。也就是说，�不管你的图片看起来有多好吃，只是计算机的矩阵。在这个矩阵中，每个像素都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。对于单通道的灰度图像，这个元素是一个数字。这个数字代表了图像在这个点的亮度，数字越大，像素点越亮，#xff0c;在常见的八位单通道颜色空间中，代表全黑�255代表全白。

相关代码。

def。apply_Binarization。(。img。)。:。# if pixel value is greater then the threshold value it is assigned a singular color of either black or white。_。,mask。 =cv2。.。threshold。(。img。,100。,255。,cv2。.。THRESH_BINARY_INV。)。return。mask。

3.3 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c;另一种是膨胀。 它通常用于二值图像，但有些版本可以用于灰度图像。 算子对二值图像的基本作用是侵蚀前景像素（通常是白色像素）区域边界。 所以，缩小前景像素的区域尺寸，而且这些区域的孔洞变大了。

图像细化。

细化（Thinning）- structured erosion using image pattern matching，细化是一种形态学操作，从二值图像中删除选定的前景像素，有点像侵蚀或开口。 可用于各种应用程序，但对骨架化特别有用。 在这种模式下，边缘检测器的输出通常通过将所有行减少到单个像素厚度来排序。 细化通常仅用于二值图像，并产生另一个二值图像作为输出。

相关代码。

def。apply_Erosion。(。img。)。:。kernal。 =np。.。ones。(。(。3。,3。)。,np。.。uint8。)。# shape applied to image, 3x3 square shape is applied to contrast image。erosion。 =cv2。.。erode。(。img。,kernal。,iterations。=1。)。# erosion mask applied to the contrast image to thin fingerprint ridges。return。erosion。

3.4 图像增强。

图像增强的主要目的是提高图像的质量和可识别性，使图像更有利于观察或进一步分析。图像增强技术通常通过图像的某些特征，突出或增强边缘信息、轮廓信息和对比度c;为了更好地显示图像的有用信息，提高图像的使用价值。图像增强技术在一定标准下，处理后的图像效果优于原图像。

相关代码。

def。apply_highlighting。(。img。)。:。feature_points。 =cv2。.。cvtColor。(。img。,cv2。.。COLOR_BGR2RGB。)。Image_blue。 =np。.。array。(。feature_points。,copy。=True。)。white_px。 =np。.。asarray。(。[。255。,255。,255。]。)。blue_px。 =np。.。asarray。(。[。0,255。,255。]。)。(。row。,col。,_。)。=feature_points。.。shape。    for。r。 in。range。(。row。)。:。for。c。 in。range。(。col。)。:。px。 =feature_points。[。r。]。[。c。]。if。all。(。px。 ==white_px。)。:。Image_blue。[。r。]。[。c。]。=blue_px。        return。Image_blue。

3.5 特征点检测。

提取指纹特征的主要目的是计算指纹的核心点(Core)和细节点(Minutia)特征信息。提取指纹核心点时，Poincare是Poincare Index算法，该算法的思路是在指纹图像的某个像素区域，逆时针旋转该点周围的闭合曲线，计算方向角旋转变量和，最后，通过计算结果找到核心点。如果某个像素的Poincare在计算过程中 Index值为π判断为核心点，然后提取该点的坐标和方向场信息，记为P(Cx, Cy, θc)。

相关代码。

def。show_featurepoints。(。img。)。:。#show feature points found in fingerprint using orb detector。orb。  =cv2。.。ORB_create。(。nfeatures。=1200。)。keypoints。,descriptors。 =orb。.。detectAndCompute。(。img。,None。)。featurepoint_img。 =img    featurepoint_img。 =cv2。.。drawKeypoints。(。featurepoint_img。,keypoints。,None。,color。=(。255。,0，0)。)。return。featurepoint_img。

空间有限󿀌详见设计论文。

4 最后。

项目包含内容。

一万两千字 论文设计完整详细。

🧿 项目分享：见文末！。