基于形态学滤波和Hough变换的掌纹主线提取方法

Hough变换提取直线之五兆芳芳创作一、实验目标实现用Hough变换检测直线的算法二、实验内容1、读入图像选取有较多直线及部分曲线以作对比的图像作为实验素材，这里我们必须使用玄色图像（有些看似灰度图像的实际属性也是玄色图像），原因下面有详解.2、检测图像边沿如果一个像素落在图像中某一个物体的鸿沟上，那么它的邻域将成为一个灰度级变更的带.对这种变更最有用的两个特征是灰度的变更率和标的目的，他们辨别用梯度向量的幅度和标的目的来暗示.边沿检测算子查抄每个像素的邻域并对灰度变更率进行量化，通常也包含标的目的的确定.有若干种算子可以使用，大多数是基于标的目的导数掩模求卷积的办法.如Roberts算子，Sobel算子，Prewitt算子，Log算子等.这里采取Log算子提取图像边沿，再用均值滤波去除边沿图像噪声.3、实现Houg变换，检测出图像中的直线Hough变换是一种利用图像的全局特征将特定形状的边沿连接起来，形成连续平滑边沿的一种办法.它通过将源图像上的点影射到用于累加的参数空间，实现对已知解析式曲线的识别.这里先对边沿图像进行二值化处理，然后再用hough变换提取直线，最后用白色标识表记标帜之.因为处理进程中需使用灰度图像，但最后无法给灰度图像赋颜色（会出错或效果欠好），只能给玄色图像赋颜色，故最初输入时请使用玄色图像.4、Matlab代码如下：f=imread('3.png');%读入玄色图像，注意不克不及使用灰度图像o=f; %保存玄色原图f=rgb2gray(f);%将玄色图像转换为灰度图像，f=im2double(f);figure();subplot(2,2,1);imshow(o);title('原图');[m,n]=size(f);%得到图像矩阵行数m，列数nfor i=3:m2for j=3:n2%处理领域较大，所以从图像（3,3）开始，在（m2,n2）结束l(i,j)=f(i2,j)f(i1,j1)2*f(i1,j)f(i1,j+1)f(i,j2)2*f(i,j1)+16*f(i,j)2*f(i,j+1)f(i,j+2)f(i+1,j1)2*f(i+1,j)f(i+1,j+1)f(i+2,j);%LoG算子endendsubplot(2,2,2);imshow(l);title('LoG算子提取图像边沿'); [m,n]=size(l);for i=2:m1forj=2:n1y(i,j)=l(i1,j1)+l(i1,j)+l(i1,j+1)+l(i,j1)+l(i,j)+l(i,j+1)+l(i+1,j1)+l(i+1,j)+l(i+1,j+1);y(i,j)=y(i,j)/9; %LoG算子提取边沿后，对结果进行均值滤波以去除噪声，为下一步hough变换提取直线作准备endendsubplot(2,2,3);imshow(y);title('均值滤波器处理后')q=im2uint8(y);[m,n]=size(q);for i=1:mfor j=1:nif q(i,j)>80; %设置二值化的阈值为80q(i,j)=255; %对图像进行二值化处理，使图像边沿加倍突出清晰elseq(i,j)=0;endendendsubplot(2,2,4);imshow(q);title('二值化处理后');%Hough变换检测直线，使用（a，p）参数空间，a∈[0,180],p∈[0,2d]a=180; %角度的值为0到180度d=round(sqrt(m^2+n^2)); %图像对角线长度为p的最大值s=zeros(a,2*d); %存储每个(a,p)个数z=cell(a,2*d); %用元胞存储每个被检测的点的坐标for i=1:mfor j=1:n%遍历图像每个点if(q(i,j)==255)%只检测图像边沿的白点，其余点不检测 for k=1:ap = round(i*cos(pi*k/180)+j*sin(pi*k/180));%对每个点从1到180度遍历一遍，取得经过该点的所有直线的p值（取整）if(p > 0)%若p大于0，则将点存储在（d，2d）空间s(k,d+p)=s(k,d+p)+1;%（a，p）相应的累加器单元加一z{k,d+p}=[z{k,d+p},[i,j]'];%存储点坐标elseap=abs(p)+1;%若p小于0，则将点存储在（0，d）空间s(k,ap)=s(k,ap)+1;%(a，p)相应的累加器单元加一 z{k,ap}=[z{k,ap},[i,j]'];%存储点坐标endendendendendfor i=1:afor j=1:d*2 %查抄每个累加器单元中存储数量if(s(i,j) >70) %将提取直线的阈值设为70lp=z{i,j};%提取对应点坐标for k=1:s(i,j)%对满足阈值条件的累加器单元中(a，p)对应的所有点进行操纵o(lp(1,k),lp(2,k),1)=255; %每个点R份量=255，G份量=0，B份量=0o(lp(1,k),lp(2,k),2)=0;o(lp(1,k),lp(2,k),3)=0; %结果为在原图上对满足阈值要求的直线上的点赋白色endendendendfigure,imshow(o);title('hough变换提取直线');5、实验结果附：两个参数的调节1.二值化图像的细节多少可以通过对二值化的阈值调节来控制，阈值越大，细节越少.2.最后提取直线的阈值越小，可被赋白色的直线的越多，但更多的无关细节也可能被赋白色；阈值越大，可被赋白色的直线的越少，同时无关细节也会削减.通过对这个两个参数的适当调节可使提取直线的效果更好.。

基于形态学滤波和Hough变换的掌纹主线提取方法
郑艳清;裘正定;吴介
【期刊名称】《北京交通大学学报》
【年(卷),期】2008(032)005
【摘要】提出一种结合形态学滤波和Hough变换提取掌纹主线的方法,在对方向性掌纹线特征子图像做形态学滤波后,将滤波图像转换至Hough变换参数空间,利用Hough变换具有的点线对偶性,检测参数空间内累加数组的峰值来确定主线的空间位置和走向,并展开邻域检测得到主线.本文算法更符合主线的自然生长规律,在成功提取主线的同时消除了粗大掌纹皱纹在主线提取中易产生的干扰.
【总页数】4页(P107-110)
【作者】郑艳清;裘正定;吴介
【作者单位】哈尔滨师范大学计算机科学与信息工程学院,哈尔滨,150025;北京交通大学计算机与信息技术学院,北京,100044;北京交通大学计算机与信息技术学院,北京,100044
【正文语种】中文
【中图分类】TP391.4
【相关文献】
1.联合灰度与梯度性质的掌纹主线提取方法 [J], 黄鹏頔;石俊生;徐广辉
2.一种基于MFRAT和ICP的掌纹主线提取和配准算法 [J], 向北海;于肇贤;曲寒冰
3.一种新型在线掌纹主线的提取方法 [J], 闫琳;侯晓荣
4.基于形态学滤波和邻域搜索的掌纹主线提取方法 [J], 李海燕;潘培哲;唐一吟;余鹏飞;黄亚群;陈建华
5.基于多方向滤波和邻域去噪的掌纹主线提取 [J], 唐志强;杨俊东;李海燕;李红松;余鹏飞;陈建华;张榆锋
因版权原因，仅展示原文概要，查看原文内容请购买。

HOG特征以及提取算法的实现过程HOG（Histogram of Oriented Gradients，方向梯度直方图）特征是一种用于图像识别或目标检测的特征描述子。

它广泛应用于视觉计算领域，可用于人脸识别、行人检测等任务。

HOG特征的提取算法分为三个主要步骤：图像预处理、计算梯度和构建特征向量。

首先，需要对图像进行预处理。

通常，图像需要调整尺寸和大小，以便后续处理。

在这个过程中，会对图像进行统一缩放，使其具有相同的尺寸。

此外，还可以采用gamma校正等技术对图像进行增强，以提高特征提取的准确性。

接下来，需要计算图像的梯度。

这一步骤是HOG特征的核心。

梯度表示图像中的边缘信息，通过计算图像像素点的梯度大小和方向来获得。

一种常用的方法是使用Sobel算子，分别对图像进行水平和垂直方向的滤波操作，然后计算每个像素点的梯度大小和方向。

然后，将图像分割为多个小的区域（cell）。

每个小区域内，将像素点的梯度方向划分为几个不同的角度，例如0°到180°，并统计每个角度范围内的梯度强度。

这样可以获得每个小区域内的梯度直方图。

接下来，将相邻的小区域进行组合，形成更大的图像区域（block）。

每个block内包含多个小区域，将所有小区域内的梯度直方图串联起来，获得block内的特征向量。

通过将相邻block的特征向量合并起来，即可得到整个图像的HOG特征向量。

最后，为了进一步提高对光照和形变的鲁棒性，需要对HOG特征进行归一化。

常用的归一化方法是通过计算每个block内所有特征向量的范数，并将其除以范数的平方根。

这样可以使得特征向量的模保持相对一致，减少光照变化的影响。

```pythonimport cv2from skimage.feature import hog#读取图像image = cv2.imread('image.jpg', cv2.IMREAD_GRAYSCALE)#图像预处理，如调整尺寸和大小image = cv2.resize(image, (64, 128))#计算梯度gradient_x = cv2.Sobel(image, cv2.CV_32F, 1, 0)gradient_y = cv2.Sobel(image, cv2.CV_32F, 0, 1)gradient_magnitude, gradient_angle =cv2.cartToPolar(gradient_x, gradient_y)#将图像划分为小区域cell_size = (8, 8)cell_gradient_bins = 9cell_gradients = hog(image, orientations=cell_gradient_bins, pixels_per_cell=cell_size, cells_per_block=(2, 2),block_norm='L2-Hys')#将小区域合并为大区域，并进行特征向量的拼接block_size = (2, 2)block_stride = (1, 1)block_norm = 'L2-Hys'block_gradients = []for i in range(0, cell_gradients.shape[0] - block_size[0] + 1, block_stride[0]):for j in range(0, cell_gradients.shape[1] - block_size[1] + 1, block_stride[1]):block = cell_gradients[i:i+block_size[0],j:j+block_size[1], :]block_gradients.append(block.flatten()feature_vector = np.concatenate(block_gradients)#归一化feature_vector /= np.sqrt(np.sum(feature_vector ** 2))#输出HOG特征向量print(feature_vector)```总之，HOG特征的提取算法主要包括图像预处理、梯度计算和构建特征向量三个步骤。

第10卷　第10期2005年10月中国图象图形学报Journal of I m age and GraphicsVol .10,No .10Oct .,2005基金项目:北京市自然科学基金项目(4031004);北京市教委科技发展计划项目(km200310005006)收稿日期:2004211210;改回日期:2005203207第一作者简介:禹晶(1981～　),女。

北京工业大学计算机应用技术专业在读硕士研究生。

研究方向为模式识别与图像处理。

E 2mail:yujing@e mails .bjut .edu .cn一种基于Hough 变换的步态特征提取方法的研究禹　晶 段　娟 苏开娜(北京工业大学计算机学院,北京　100022)摘　要　步态识别是一种新兴的生物特征识别技术,旨在通过人们走路的姿态进行身份识别。

与其他的生物识别技术相比,步态识别具有非接触远距离和不容易伪装的优点。

提出了一种基于新的特征提取方法的自动步态识别算法,该算法仅从腿部的运动进行身份识别。

对于每个序列,用一种基于图像色度偏差的背景减除算法来检测运动对象,在经过后处理的二值图像序列中利用边界跟踪算法获取对象边界。

在对象边界图像上,局部应用Hough 变换检测大腿和小腿的直线,从而得到大腿和小腿的倾斜角。

用最小二乘法将一个周期内的倾斜角序列拟合成5阶多项式,把Fourier 级数展开后得到的相位与振幅的乘积定义为低维步态特征向量。

在小样本的数据库上用Fisher 线性分类器验证所研究算法的性能,正确分类率为79117%。

在步态数据库不很理想的情况下也获得了较好的识别率。

关键词　步态识别　特征提取　背景减除　Hough 变换中图法分类号:TP391 文献标识码:A 文章编号:100628961(2005)1021304206A Hough Tran sform Ba sed M ethod for Ga it Fea ture Extracti onY U J ing,DUAN Juan,S U Kai 2na(Co m puter Institute of B eijing U niversity of Technology,B eijing 100022)Abstract Gait is an emergent bi ometric ai m ed essentially t o recognize peop le by the way they walk .Gait as a bi ometric can be seen as advantageous over other f or m s of bi ometric identificati on techniques,for it offers the possibility t o identify peop le at a distance without any interacti on or co 2operati on fr om the subject .This paper p r oposes a novel aut omatic gait recogniti on method,which extracts gait signature fr om legs of the subject .For each i m age sequence,backgr oundsubtracti on based on chr omaticity dist orti on is used t o seg ment moving objects .Boundary tracking algorith m is then used t o find peri m eter p ixels in each p r ocessed binary i m age sequence .This paper makes use of Hough Transf or m t o l ocally extract the lines which rep resent legs,and thus obtains inclinati on angles of upper legs and l ower legs .The angles are then fitted t o a fifth 2order polynom ial by least squares method .The polynom ial curve is exp ressed by a Fourier series .The l ower 2di m ensi onal gait signature vect or,that is,the p r oduct of phase and magnitude,is derived fr om phase and magnitude s pectra .Fisher L inear Classifier is used t o validate the perf or mance of the p r oposed algorith m on s mall database sa mp les and the correct classificati on rate is 79117%.The recogniti on rate is still good for these unideal outdoor i m age sequences .Keywords gait recogniti on,signature extracti on,backgr ound subtracti on,Hough transf or m1　引　言随着安全敏感场合(如银行、军事装置、机场)对智能监控系统需求的增加,非接触远距离的身份识别技术近来倍受关注。

联合灰度与梯度性质的掌纹主线提取方法
黄鹏頔;石俊生;徐广辉
【期刊名称】《计算机应用》
【年(卷),期】2013(033)0z2
【摘要】掌纹主线的提取可为掌纹识别、掌纹诊断专家系统等掌纹处理技术提供重要的数据.为了让提取的掌纹主线结果形态自然,位置正确,提出利用Laplacian算子对掌纹灰度图像进行了对比度增强,采用局部灰度平方差来分割出掌纹主线,通过Sobel算子与范围模板去除噪声,对获得的特征图像采用数学形态学操作并细化,从而获取简化的主线特征.对不同形态的掌纹进行了算法验证,结果表明该方法保留了掌纹主线的细节信息,能满足后续处理技术的数据要求,并且算法简单、实时性强.【总页数】3页(P190-192)
【作者】黄鹏頔;石俊生;徐广辉
【作者单位】云南师范大学颜色与图像视觉实验室,昆明650500;云南师范大学颜色与图像视觉实验室,昆明650500;云南师范大学颜色与图像视觉实验室,昆明650500
【正文语种】中文
【中图分类】TP391.41
【相关文献】
1.基于形态学滤波和Hough变换的掌纹主线提取方法 [J], 郑艳清;裘正定;吴介
2.一种新型在线掌纹主线的提取方法 [J], 闫琳;侯晓荣
3.基于灰度—梯度共生矩阵的植被提取方法 [J], 梁建;张占睦;李俊;过林
4.基于灰度-梯度共生矩阵的遥感影像纹理信息提取方法研究 [J], 牧其尔;包玉海
5.基于形态学滤波和邻域搜索的掌纹主线提取方法 [J], 李海燕;潘培哲;唐一吟;余鹏飞;黄亚群;陈建华
因版权原因，仅展示原文概要，查看原文内容请购买。

基于Hough变换的线段提取新方法
林玉池;谢妤婵;刘启海
【期刊名称】《纳米技术与精密工程》
【年(卷),期】2009(007)005
【摘要】针对实际图像中采用传统Hough变换准确提取直线存在的问题,结合双闲值栅格除噪法,提出了一种改进的线段提取方法.该方法以Hough变换峰值参数逆变换提取线段特征,并将其连接成直线,在传统Hough变换算法的基础上增加了极大值线段的融合连接过程,去除伪峰值和峰值扩散引起的交叉线段等改进方法.实验结果表明:该方法能在干扰和噪声较强烈的实际图像中完整地提取出目标线段,时线段量化误差、断裂、线段信息丢失具有较强的鲁棒性.以Hough空间局部极大值所对应线段为主,以其邻域峰值点对应线段为补充的线段特征提取方法具有较高的准确性.本方法对视觉引导技术的实用化具有参考价值.
【总页数】6页(P433-438)
【作者】林玉池;谢妤婵;刘启海
【作者单位】天津大学精密测试技术及仪器国家重点实验室,天津,300072;天津大学精密测试技术及仪器国家重点实验室,天津,300072;天津大学精密测试技术及仪器国家重点实验室,天津,300072
【正文语种】中文
【中图分类】TP391
【相关文献】
1.基于改进Hough变换的符号线段特征提取 [J], 陈洪波;王强;徐晓蓉;张超英
2.基于KNN滤波及改进Hough变换的线段提取 [J], 刘庆元;朱山昱
3.一种基于HOUGH变换提取乐谱图像垂直线段的方法 [J], 周坚;张树生;刘晓翔
4.基于改进Hough变换的图像线段特征提取 [J], 韩秋蕾;朱明;姚志军
5.一种基于角点的直线段特征提取新方法 [J], 李竹林;刘芬;赵宗涛
因版权原因，仅展示原文概要，查看原文内容请购买。

掌纹图像感兴趣区域的提取及仿真分析作者：周作梅赵红梅来源：《电脑知识与技术》2015年第07期摘要：掌纹图像感兴趣区域ROI的提取是掌纹识别系统中一个关键步骤。

首先对掌纹样本作顺序统计滤波处理后得到二值化图像；然后基于数学形态学的分割思想得到掌纹角点图；对掌纹角点图上进行几何操作来获取手掌的质心点；最后以规范后的质心点为中心提出掌纹ROI，为特征提取和识别打个基础。

关键词：掌纹图像；感兴趣区域；角点图；质点；二值化中图分类号：TP391 文献标识码：A 文章编号：1009-3044（2015）07-0222-031 引言在掌纹图像采集过程中，受摆放位置、方向、光照等因素的影响，使得即使在不同时间对同一只手掌所采集得到的图像都会有一定程度的不同，这些因素严重影响到掌纹图像的特征提取，从而使掌纹识别率降低。

为了解决这一问题，需要在提取掌纹图像的识别特征前对其定位，把掌纹图像校正到一个相同的方向后再截取相同位置的一块大小也相同的掌纹图像作为ROI。

常用的定位方法有掌纹图像的轮廓特征点定位方法[1]和求最大内切圆[2]定位方法。

2 掌纹图像的平滑滤波及二值化手掌边缘与背景的对比度较低，如果对掌纹图像二值化得到掌纹轮廓线前采用平滑去噪可减少所得到的掌纹轮廓线中的噪声，因此，二值化得到掌纹轮廓线之前需要对原始掌纹图像进行平滑去噪处理。

由于噪声源众多及噪声种类复杂，平滑处理的方法也多种多样，既可以在掌纹图像的空间域[3]进行，也可以在掌纹图像的频率域[4，5]进行。

本文采用空间域法进行对比性研究，最后采用顺序统计滤波方法对原始掌纹图像进行平滑滤波处理。

提高掌纹图像背景区域与目标区域的对比度。

掌纹图像的二值化就是将图像上的像素点的灰度值设置为0或1取值的二值图像，使整个图像呈现出明显的黑白效果。

在本文掌纹图像平滑滤波的仿真结果及分析中，采用了顺序统计滤波方法对掌纹图像作滤波处理，图1所示为对顺序统计滤波处理后的掌纹图像再二值化的结果。

0引言直线和圆是图像重要的几何特征。

在目标识别过程中，比如飞机的轮廓可以提取出直线，尾喷可以提取出圆。

直线和圆的相对位置关系有助于确定目标对象，提高目标识别的准确率。

本文详细描述一种基于Hough 变换的提取直线和圆的方法。

它是利用图像的全局特性对目标检测的一种方法[1]。

1Hough 变换原理1.1Hough 变换提取直线原理图像的任意一条直线都可以用(r,θ)坐标系表示。

如(1)式所示：x *cos θ+y *sin θ=r(1)图像上的一条直线确定一对(r,θ)，对应于r-θ坐标系下的一个点。

在x-y 坐标系下，位于同一条直线上的点，对应于r-θ坐标系下经过同一点的一组曲x 线[2]。

将x-y 坐标系下的各个点投影到r-θ坐标系下之后，统计r-θ坐标系下有没有聚集点，这样的聚集点就对应于x-y 坐标系下的直线。

1.2Hough 变换提取圆原理图像上的圆可以如(2)式所示。

（x-a )2+(y-b )2=r 2(2)当半径确定时，x-y 坐标系下的一个圆，确定一个圆心坐标为(a,b )，对应于a -b 坐标系下的一个点。

在x-y 坐标系下，位于同一圆上的点，对应于a -b 坐标系下经过同一点的一组圆[3]。

将x-y 坐标系下的各个点投影到a -b 坐标系下之后，统计a -b 坐标系下有没有聚集点，这样的聚集点就对应于x-y 坐标系下的圆。

2算法设计与实现本文研究的算法针对二值图像。

每个对象至多提取作者简介院陈伟伟(1988-)，男，助理工程师，硕士，从事软件技术设计工作；武伟(1988-)，男，工程师，硕士，从事光学系统设计工作。

基于Hough 变换的直线和圆提取方法The Extraction Method of Line and Circle Based on Hough Transform陈伟伟,武伟（中国空空导弹研究院,河南洛阳471009）Chen Wei-wei,Wu wei (China Airborne Missile Academy,Henan Luoyang 471009）摘要：该文介绍了一种基于Hough 变换的提取直线和圆的方法，可以作为形状特征用于目标识别。

基于改进hough变换的直线图形快速提取算法摘要：Hough变换是一种重要的图形学算法，它可以快速提取出图像中的直线特征信息。

但由于Hough变换的实现比较复杂，其计算时间较长，在实际应用中，采用Hough变换算法容易发生计算量众大的问题。

为了改善Hough变换算法计算量过大问题，本文提出了一种基于改进Hough变换的快速直线提取算法。

实验结果表明，改进Hough 变换算法与传统Hough变换算法相比，可以显著提高直线提取的准确率和速度。

关键词：Hough变换；改进Hough变换；直线提取1.言1.1 Hough变换Hough变换（HT）是一种非常有效的图像处理技术，它可以快速提取图像中的几何形状信息，如线、圆、椭圆等。

Hough变换的英文原意是“域（Field）”，它是由梯度下降算法的简单概念演变而来，依据的原理类似于一个投票机制，先将图像上的点变换到一种新的域中，再对域内的相同特征进行计数，最后根据计数情况判断出特征形状。

HT算法可以快速提取图像中的几何形状，其优势是显而易见的：现有的其他算法都基于梯度变化函数，只能提取到图像中比较明显的几何形状；而HT算法可以根据相应的几何形状计算出对应的几何参数，从而实现更精确的图像表示。

1.2进Hough变换当前Hough变换的应用范围日益广泛，目前主要的应用有纹理分析、面部识别等。

然而，Hough变换虽然能够快速提取出图像中的几何特征，但实现起来非常复杂，其计算时间较长，在实际应用中，采用Hough变换算法容易发生计算量众大的问题。

为了改善Hough变换算法计算量过大问题，近年来提出了一种改进的Hough变换算法（Improved Hough Transform，IHT），它可以有效地提高直线提取的准确率和速度。

2.法原理2.1进Hough变换算法的基本原理改进的Hough变换算法基于Hough变换的基本原理，主要用于直线提取。

根据Hough变换的基本原理，图像中的点可以通过变换到一个新的域中，根据计数结果判断出特征形状，改进的Hough变换算法也是基于此原理演变而来的，但它引入了一种新的算法，可以有效地减少计算量，加快直线提取的速度。