一种静脉图像二值化方法技术

本发明专利技术涉及一种静脉图像二值化方法，属于生物识别技术领域，包括以下骤：获取掌静脉图像的灰度范围，并根据所述灰度范围将掌静脉图像划分为第一灰度等级区域

【技术实现步骤摘要】
一种静脉图像二值化方法


[0001]本专利技术涉及生物识别
，特别是涉及一种静脉图像二值化方法
。

技术介绍

[0002]在通过静脉图像进行身份认证时，需要对静脉图像进行二值化分割，现有的静脉图像二值化方法如 OSTU
，主要是根据直方图进行阈值分类
。
但在采集掌静脉图像时，因其为非接触采集方式，手掌放置具有任意性，采集的掌静脉图像中有可能包含复杂背景；且处于室外环境时，受到光照不均匀的影响，每个物体对光线的反射程度不同，反映到采集的静脉图像上就会呈现出有多个不同的灰度等级且呈现类似同心圆的分布，中间亮四周暗，最终导致室外复杂环境下采集的掌静脉图像二值化分割效果不理想
。

技术实现思路

[0003]本专利技术的主要目的是提供一种静脉图像二值化方法，以解决室外复杂环境下采集的掌静脉图像二值化分割效果不理想的问题
。
[0004]为实现上述目的，本专利技术提供了如下方案：本专利技术涉及一种静脉图像二值化方法，其包括以下步骤：步骤
1.
获取掌静脉图像的灰度范围，并根据所述灰度范围将掌静脉图像划分为第一灰度等级区域
、
第二灰度等级区域
、
第三灰度等级区域
、
第四灰度等级区域；步骤
2.
依次获取每个灰度等级区域的连通域，计算每个连通域的重心点，并根据连通域的重心点判断所述连通域是否需要进行融合矫正；步骤
3.
依次对每个灰度等级区域的连通域进行检测，确定包含手掌的连通域，并将包含手掌的连通域所在的灰度等级区域的最小灰度值作为掌静脉图像的二值化分割阈值；优选地，所述步骤1具体包括：步骤
1.1.
获取掌静脉图像的灰度范围，即获取掌静脉图像的最大灰度值
maxV
和最小灰度值
minV
；步骤
1.2.
计算灰度等级的宽度
range
，计算公式为：
range=int((maxV
‑
minV)/4)
；步骤
1.3.
根据灰度等级的宽度
range
将掌静脉图像划分为第一灰度等级区域
、
第二灰度等级区域
、
第三灰度等级区域和第四灰度等级区域
。
[0005]优选地，所述第一灰度等级区域的灰度区间为
[minV,minV+range)
，第二灰度等级区域的灰度区间为
[minV+range,minV+range*2)
，第三灰度等级区域的灰度区间为
[minV+range*2,minV+range*3)
，第四灰度等级区域的灰度区间为
[minV+range*3,maxV]。
[0006]优选地，在进行步骤2之前，剔除第一灰度等级区域
。
[0007]优选地，所述步骤2具体包括：步骤
2.1.
获取第四灰度等级区域的所有连通域，并依次计算每个连通域的重心
点；步骤
2.2.
获取第三灰度等级区域的所有连通域，并依次计算每个连通域的重心点，根据第三灰度等级区域连通域的重心点与第四灰度等级区域连通域的重心点判断所述连通域是否满足融合条件，若满足，则将所述连通域融合，并将连通域所在的灰度等级区域进行融合；步骤
2.3.
获取第二灰度等级区域的所有连通域，并依次计算每个连通域的重心点，根据第二灰度等级区域连通域的重心点与第三灰度等级区域连通域的重心点判断所述连通域是否满足融合条件，若满足，则将所述连通域融合，并将连通域所在的灰度等级区域进行融合
。
[0008]优选地，所述融合条件为：若两个连通域的重心点的距离在
10
个像素以内，则该两个连通域符合融合条件
。
[0009]优选地，所述步骤3包括：步骤
3.1.
依次求取灰度等级区域内每个连通域的重心点；步骤
3.2.
以重心点为基准逐行向上遍历所在连通域，判断是否存在4个手指的连通域，若存在，则该连通域为包含手掌的连通域
。
[0010]优选地，所述步骤
3.1
中求取灰度等级区域内连通域的重心点，若存在由多个连通域融合成的连通域，则取多个连通域的重心点的平均值做为融合成的连通域的重心点
。
[0011]优选地，所述方法还包括对二值化分割阈值进行矫正，具体步骤为：步骤
4.
通过二值化分割阈值分割掌静脉图像得到初始掌静脉二值图，计算掌静脉二值图中手掌的初始面积
S1
；步骤
5.
降低二值化分割阈值，通过降低后的二值化分割阈值重新分割掌静脉图像得到矫正掌静脉二值图，计算矫正掌静脉二值图中手掌的面积
S2
和矫正重心点的位置，并根据
S2
和矫正重心点的位置判断是否需要进一步降低二值化分割阈值
。
[0012]优选地，所述步骤5中根据
S2
和矫正重心点的位置判断是否需要进一步降低二值化分割阈值为：若
S2
＜
1.5S1
且矫正重心点在初始掌静脉二值图中对应的像素点在初始掌静脉二值图中的手掌区域，则需要进一步降低初始二值化分割阈值
。
[0013]与现有技术相比，本专利技术首先将采集到的掌静脉图像划分灰度等级区域，然后确定手掌所在的灰度等级区域，并以该灰度等级区域的最小灰度值作为分割阈值，而不是直接根据整张静脉图像直接确定二值化分割阈值，可以有效解决室外复杂环境下采集的掌静脉图像二值化分割效果不理想的问题
。
附图说明
[0014]图1为本专利技术涉及的一种静脉图像二值化方法的流程图
。
具体实施方式
[0015]为使本专利技术的目的
、
技术方案和优点更加清楚，以下结合实施例和附图对本专利技术进行具体阐述，但本专利技术的保护范围并不限于此
。
[0016]参照附图1所示，本专利技术涉及一种静脉图像二值化方法包括以下步骤：一种静脉图像二值化方法，包括以下步骤：
步骤
1.
获取掌静脉图像的灰度范围，并根据灰度范围将掌静脉图像划分为第一灰度等级区域
、
第二灰度等级区域
、
第三灰度等级区域
、
第四灰度等级区域，具体步骤为：步骤
1.1.
获取掌静脉图像的灰度范围，即获取掌静脉图像的最大灰度值
maxV
和最小灰度值
minV
；步骤
1.2.
计算灰度等级的宽度
range
，计算公式为：
range=int((maxV
‑
minV)/4)
；步骤
1.3.
根据灰度等级的宽度
...

【技术保护点】

【技术特征摘要】
1.
一种静脉图像二值化方法，其特征在于，包括以下步骤：步骤
1.
获取掌静脉图像的灰度范围，并根据所述灰度范围将掌静脉图像划分为第一灰度等级区域
、
第二灰度等级区域
、
第三灰度等级区域
、
第四灰度等级区域；步骤
2.
依次获取每个灰度等级区域的连通域，计算每个连通域的重心点，并根据连通域的重心点判断所述连通域是否需要进行融合矫正；步骤
3.
依次对每个灰度等级区域的连通域进行检测，确定包含手掌的连通域，并将包含手掌的连通域所在的灰度等级区域的最小灰度值作为掌静脉图像的二值化分割阈值
。2.
根据权利要求1所述的静脉图像二值化方法，其特征在于，所述步骤1具体包括：步骤
1.1.
获取掌静脉图像的灰度范围，即获取掌静脉图像的最大灰度值
maxV
和最小灰度值
minV
；步骤
1.2.
计算灰度等级的宽度
range
，计算公式为：
range=int((maxV
‑
minV)/4)
；步骤
1.3.
根据灰度等级的宽度
range
将掌静脉图像划分为第一灰度等级区域
、
第二灰度等级区域
、
第三灰度等级区域和第四灰度等级区域
。3.
根据权利要求2所述的静脉图像二值化方法，其特征在于，所述第一灰度等级区域的灰度区间为
[minV,minV+range)
，第二灰度等级区域的灰度区间为
[minV+range,minV+range*2)
，第三灰度等级区域的灰度区间为
[minV+range*2,minV+range*3)
，第四灰度等级区域的灰度区间为
[minV+range*3,maxV]。4.
根据权利要求1所述的静脉图像二值化方法，其特征在于，在进行步骤2之前，剔除第一灰度等级区域
。5.
根据权利要求4所述的静脉图像二值化方法，其特征在于，所述步骤2具体包括：步骤
2.1.
获取第四灰度等级区域的所有连通域，并依次计算每个连通域的重心点；步骤
2.2.
获取第三灰度等级区域的所有连通域...

【专利技术属性】
技术研发人员：李学双，林莉莉，赵国栋，
申请(专利权)人：江苏圣点世纪科技有限公司，
类型：发明
国别省市：