测试指纹采集设备的分辨率的方法及装置与流程

本发明涉及图像处理技术领域，特别涉及一种测试指纹采集设备的分辨率的方法及装置。

背景技术：

常见的光学指纹设备的分辨率有500dpi和1000dpi等，现实中有些场合(比如生产工厂、质量检验机构)需要检验指纹采集设备是否满足特定分辨率的要求，目前一般是通过人工观察的方式来判定的，由人工观察一个特制的标准测试卡在指纹采集设备上的成像(如图1、2、3所示)状况来判定该指纹采集设备是否满足某个特定的分辨率。

目前，人工判断是观察图像中每个象限的黑条纹和白条纹的清晰度，或者说能不能看清楚那些横的或者竖着的条纹，以图1(图1中有四个区域：右上区域(竖条纹的方格)称为第ⅰ象限区；左上区域(横条纹的方格)称为第ⅱ象限区；左下区域(竖条纹的方格)称为第ⅲ象限区；右下区域(横条纹的放个)称为第ⅳ象限区)为例：

如果第ⅰ象限区和第ⅱ象限区的条纹都能看清楚(前者是49条竖的黑条纹，后者是49条横的黑色条纹，且黑色条纹间距相等)，则说明指纹采集设备的分辨率是大于等于1000dpi的；

如果第ⅲ象限区和第ⅳ象限区的条纹都能看清楚(前者是19条竖的黑条纹，后者是19条横的黑色条纹，且黑色条纹间距相等)，则说明指纹采集设备的分辨率是大于等于500dpi的。

一般的，如果第ⅰ象限区和第ⅱ象限区的条纹都能看清楚，那么第ⅲ象限区和第ⅳ象限区的条纹也是能看清楚的。

以图2为例，观察图2，第ⅰ象限区和第ⅱ象限区的条纹区分不明显、但第ⅲ象限区和第ⅳ象限区的条纹区分还是可以的，即说明此指纹采集设备的分辨率是大于等于500dpi的，但不是大于等于1000dpi的。

以图3为例，观察图3，四个象限的条纹均区分不明显，说明此指纹采集设备的分辨率不满足500dpi的标准。

但是，通过人工观察一个特制的标准测试卡在指纹采集设备上的成像状况来判定该指纹采集设备的分辨率的方法费力，而且肉眼量化存在准确性低的缺陷。

技术实现要素：

本发明实施例提供了一种测试指纹采集设备的分辨率的方法，以解决现有技术中人工判断存在的费力、准确性低的技术问题。该方法包括：获取待测试指纹采集设备采集的光学测试卡的图像，所述图像的条纹分为四个象限，第i象限和第ii象限的条纹用于测试第一分辨率，第iii象限和第iv象限的条纹用于测试第二分辨率；在所述图像中分别在第i象限和第ii象限内各采集预设数目的第一图像特征，将采集的第一图像特征输入第一分类器中，第一分类器输出的结果表示所述待测试指纹采集设备的分辨率是否满足第一分辨率，其中，所述第一分类器是采用符合第一分辨率的光学测试卡图像训练得到的；在所述图像中分别在第iii象限和第iv象限内各采集预设数目的第二图像特征，将采集的第二图像特征输入第二分类器中，第二分类器输出的结果表示所述待测试指纹采集设备的分辨率是否满足第二分辨率，其中，所述第二分类器是采用符合第二分辨率的光学测试卡图像训练得到的。

在一个实施例中，所述第i象限是竖向的条纹，在所述图像中在第i象限内采集的第一图像特征包括102维图像特征，该102维图像特征包括灰度均值、灰度标准方差、第i象限的全局的对比度、锐度以及沿y轴累积的绝对梯度中按照由大到小顺序排列的前98个值；所述第ii象限是横向的条纹，在所述图像中在第ii象限内采集的第一图像特征包括102维图像特征，该102维图像特征包括：灰度均值、灰度标准方差、第ii象限的全局的对比度、锐度以及沿x轴累积的绝对梯度中按照由大到小顺序排列的前98个值。

在一个实施例中，通过以下公式计算第i象限的全局的对比度：c1＝w1c11+w2c12，其中，c1是第i象限的全局的对比度；w1是0.4578；w2是0.5422；c11是第i象限图像的对比度；m是第i象限图像的高包括的像素数；n是第i象限图像的宽包括的像素数；lc(x,y)是坐标(x,y)处的局部对比度；

；c12是第i象限的图像范围缩小到原来大小的一半时的对比度；

在一个实施例中，通过以下公式计算第i象限的锐度：其中，s1是第i象限的锐度；m是第i象限图像的高包括的像素数；n是第i象限图像的宽包括的像素数；g(x,y)是沿y轴和x轴的绝对梯度的和；

g(x,y)＝|f(x,y)-f(x,y+1)|+|f(x,y)-f(x+1,y)|。

在一个实施例中，通过以下公式计算沿y轴累积的绝对梯度：其中，grad_diffy是沿y轴累积的绝对梯度；n是第i象限图像的宽包括的像素数。

在一个实施例中，所述第iii象限是竖向的条纹，在所述图像中在第iii象限内采集的第二图像特征包括42维图像特征，该42维图像特征包括灰度均值、灰度标准方差、第iii象限的全局的对比度、锐度以及沿y轴累积的绝对梯度中按照由大到小顺序排列的前38个值；所述第iv象限是横向的条纹，在所述图像中在第iv象限内采集的第二图像特征包括42维图像特征，该42维图像特征包括：灰度均值、灰度标准方差、第iv象限的全局的对比度、锐度以及沿x轴累积的绝对梯度中按照由大到小顺序排列的前98个值。

本发明实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意的测试指纹采集设备的分辨率的方法。

本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述任意的测试指纹采集设备的分辨率的方法的计算机程序。

本发明实施例还提供了一种测试指纹采集设备的分辨率的装置，以解决现有技术中人工判断存在的费力、准确性低的技术问题。该装置包括：图像获取模块，用于获取待测试指纹采集设备采集的光学测试卡的图像，所述图像的条纹分为四个象限，第i象限和第ii象限的条纹用于测试第一分辨率，第iii象限和第iv象限的条纹用于测试第二分辨率；第一测试模块，用于在所述图像中分别在第i象限和第ii象限内各采集预设数目的第一图像特征，将采集的第一图像特征输入第一分类器中，第一分类器输出的结果表示所述待测试指纹采集设备的分辨率是否满足第一分辨率，其中，所述第一分类器是采用符合第一分辨率的光学测试卡图像训练得到的；第二测试模块，用于在所述图像中分别在第iii象限和第iv象限内各采集预设数目的第二图像特征，将采集的第二图像特征输入第二分类器中，第二分类器输出的结果表示所述待测试指纹采集设备的分辨率是否满足第二分辨率，其中，所述第二分类器是采用符合第二分辨率的光学测试卡图像训练得到的。

在一个实施例中，所述第一测试模块，包括：第一特征采集单元，所述第i象限是竖向的条纹，在所述图像中在第i象限内采集的第一图像特征包括102维图像特征，该102维图像特征包括灰度均值、灰度标准方差、第i象限的全局的对比度、锐度以及沿y轴累积的绝对梯度中按照由大到小顺序排列的前98个值；所述第ii象限是横向的条纹，在所述图像中在第ii象限内采集的第一图像特征包括102维图像特征，该102维图像特征包括：灰度均值、灰度标准方差、第ii象限的全局的对比度、锐度以及沿x轴累积的绝对梯度中按照由大到小顺序排列的前98个值。

在一个实施例中，所述第二测试模块，包括：第二特征采集单元，所述第iii象限是竖向的条纹，在所述图像中在第iii象限内采集的第二图像特征包括42维图像特征，该42维图像特征包括灰度均值、灰度标准方差、第iii象限的全局的对比度、锐度以及沿y轴累积的绝对梯度中按照由大到小顺序排列的前38个值；所述第iv象限是横向的条纹，在所述图像中在第iv象限内采集的第二图像特征包括42维图像特征，该42维图像特征包括：灰度均值、灰度标准方差、第iv象限的全局的对比度、锐度以及沿x轴累积的绝对梯度中按照由大到小顺序排列的前98个值。

在本发明实施例中，通过获取待测试指纹采集设备采集的光学测试卡的图像，并在第i象限和第ii象限内各采集预设数目的第一图像特征，进而将采集的第i象限和第ii象限的第一图像特征输入到第一分类器中，采用分类器来判断待测试指纹采集设备的分辨率是否满足第一分辨率；同时，在第iii象限和第iv象限内各采集预设数目的第二图像特征，进而将采集的第iii象限和第iv象限的第二图像特征输入到第二分类器中，采用分类器来判断待测试指纹采集设备的分辨率是否满足第二分辨率。即实现了在获取到待测试指纹采集设备采集的光学测试卡的图像后，通过两个训练的分类器来自动测试待测试指纹采集设备的分辨率，与现有技术相比，避免了人工判断，有利于提高判断的准确率，分类器的算法运行速度快，有利于提高工作效率。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，并不构成对本发明的限定。在附图中：

图1是本发明实施例提供的一种光学测试卡图像的示意图一；

图2是本发明实施例提供的一种光学测试卡图像的示意图二；

图3是本发明实施例提供的一种光学测试卡图像的示意图三；

图4是本发明实施例提供的一种测试指纹采集设备的分辨率的方法的流程图；

图5是本发明实施例提供的一种光学测试卡图像的坐标系示意图；

图6是本发明实施例提供的一种具体的测试指纹采集设备的分辨率的方法流程图；

图7是本发明实施例提供的一种测试指纹采集设备的分辨率的装置的结构框图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施方式和附图，对本发明做进一步详细说明。在此，本发明的示意性实施方式及其说明用于解释本发明，但并不作为对本发明的限定。

在本发明实施例中，提供了一种测试指纹采集设备的分辨率的方法，如图4所示，该方法包括：

步骤401：获取待测试指纹采集设备采集的光学测试卡的图像，所述图像的条纹分为四个象限，第i象限和第ii象限的条纹用于测试第一分辨率，第iii象限和第iv象限的条纹用于测试第二分辨率；

步骤402：在所述图像中分别在第i象限和第ii象限内各采集预设数目的第一图像特征，将采集的第一图像特征输入第一分类器中，第一分类器输出的结果表示所述待测试指纹采集设备的分辨率是否满足第一分辨率，其中，所述第一分类器是采用符合第一分辨率的光学测试卡图像训练得到的；

步骤403：在所述图像中分别在第iii象限和第iv象限内各采集预设数目的第二图像特征，将采集的第二图像特征输入第二分类器中，第二分类器输出的结果表示所述待测试指纹采集设备的分辨率是否满足第二分辨率，其中，所述第二分类器是采用符合第二分辨率的光学测试卡图像训练得到的。

由图4所示的流程可知，在本发明实施例中，通过获取待测试指纹采集设备采集的光学测试卡的图像，并在第i象限和第ii象限内各采集预设数目的第一图像特征，进而将采集的第i象限和第ii象限的第一图像特征输入到第一分类器中，采用分类器来判断待测试指纹采集设备的分辨率是否满足第一分辨率；同时，在第iii象限和第iv象限内各采集预设数目的第二图像特征，进而将采集的第iii象限和第iv象限的第二图像特征输入到第二分类器中，采用分类器来判断待测试指纹采集设备的分辨率是否满足第二分辨率。即实现了在获取到待测试指纹采集设备采集的光学测试卡的图像后，通过两个训练的分类器来自动测试待测试指纹采集设备的分辨率，与现有技术相比，避免了人工判断，有利于提高判断的准确率，分类器的算法运行速度快，有利于提高工作效率。

具体实施时，上述光学测试卡的图像可以以图1为例，第i象限是竖向的条纹，第ii象限是横向的条纹，第i象限和第ii象限中黑线的数量相同，而且黑线之间的间距相同，第i象限和第ii象限用于测试第一分辨率，例如，该第一分辨率可以是1000dpi。第iii象限是竖向的条纹，第iv象限是横向的条纹，第iii象限和第iv象限中黑线的数量相同，而且黑线之间的间距相同，第iii象限和第iv象限用于测试第二分辨率，例如，该第二分辨率可以是500dpi。可见，上方的第i象限和第ii象限与下方的第iii象限和第iv的整体区别在于：黑线的数量不同，而且黑线之间的间距不同。

具体实施时，为了实现可以通过分类器来判断待测试指纹采集设备的第一分辨率，在本实施例中，所述第i象限是竖向的条纹，在所述图像中在第i象限内采集的第一图像特征包括102维图像特征，该102维图像特征包括灰度均值、灰度标准方差、第i象限的全局的对比度、锐度以及沿y轴累积的绝对梯度中按照由大到小顺序排列的前98个值；

所述第ii象限是横向的条纹，在所述图像中在第ii象限内采集的第一图像特征包括102维图像特征，该102维图像特征包括：灰度均值、灰度标准方差、第ii象限的全局的对比度、锐度以及沿x轴累积的绝对梯度中按照由大到小顺序排列的前98个值。

具体的，如图5所示，对于一个大小是高为m个像素、宽为n个像素的图像，我们按照下面的坐标系(坐标轴)来说明在第i象限内采集的第一图像特征中各个特征的计算过程。

通过以下公式(1)来计算灰度均值μ1：

通过以下公式(2)来计算灰度标准方差σ1：

通过以下公式(3)来计算第i象限中大小是高m、宽n的图像的对比度c11：

其中，m是第i象限图像的高包括的像素数；n是第i象限图像的宽包括的像素数；lc(x,y)是坐标(x,y)处的局部对比度；

通过以下公式(4)来计算将第i象限的图像进行下采样即图像范围缩小至原来大小的一半之后，计算它的对比度c12：

最后，通过以下公式(5)来计算第i象限的全局的对比度c1：

c1＝w1c11+w2c12(5)

其中，w1是0.4578；w2是0.5422。

通过以下公式(6)来计算锐度s1：

其中，s1是第i象限的锐度；m是第i象限图像的高包括的像素数；n是第i象限图像的宽包括的像素数；g(x,y)是沿y轴和x轴的绝对梯度的和；g(x,y)＝|f(x,y)-f(x,y+1)|+|f(x,y)-f(x+1,y)|。

由于第i象限是竖条纹，在黑色的竖条纹的边缘与边缘相邻像素(左侧或右侧)的灰度差是相对大的，本申请通过以下公式(7)来计算沿y轴累积的绝对梯度：

其中，grad_diffy是沿y轴累积的绝对梯度；n是第i象限图像的宽包括的像素数。

因为有49条竖条纹、每个竖条纹有左右两侧，然后我们想取{grad_diffy,y＝1,2,......n-2}中的前98个最大的数值，作为我们的特征向量。

具体实施时，在第ii象限内采集的第一图像特征中的灰度均值μ2、灰度标准方差σ2、第ii象限的全局的对比度c2、锐度s2的计算方法参照计算第i象限的第一图像特征中的灰度均值μ1、灰度标准方差σ1、第i象限的全局的对比度c1、锐度s1的计算方法。

由于第ii象限是横条纹，在黑色的横条纹的边缘与边缘相邻像素(上方或下方)的灰度差是相对大的，本申请通过以下公式(8)来计算沿x轴累积的绝对梯度：

因为有49条横条纹、每个横条纹有上下两侧，然后我们想取{grad_diffx,x＝1,2,......m-2}中的前98个最大的数值，作为我们的特征向量。

具体实施时，为了实现可以通过分类器来判断待测试指纹采集设备的第二分辨率，在本实施例中，所述第iii象限是竖向的条纹，在所述图像中在第iii象限内采集的第二图像特征包括42维图像特征，该42维图像特征包括灰度均值、灰度标准方差、第iii象限的全局的对比度、锐度以及沿y轴累积的绝对梯度中按照由大到小顺序排列的前38个值；

所述第iv象限是横向的条纹，在所述图像中在第iv象限内采集的第二图像特征包括42维图像特征，该42维图像特征包括：灰度均值、灰度标准方差、第iv象限的全局的对比度、锐度以及沿x轴累积的绝对梯度中按照由大到小顺序排列的前98个值。

具体实施时，计算上述第iii象限的第二图像特征包括的42维图像特征的方法，可以参考计算上述第i象限的第一图像特征包括的102维图像特征的方法；计算上述第iv象限的第二图像特征包括的42维图像特征的方法，可以参考计算上述第ii象限的第一图像特征包括的102维图像特征的方法。

具体实施时，上述第一分类器和第二分类器可以采集图像数据，用matlab的svm训练函数svmtrain(线性核参数)来训练得到，其中，针对第一分类器来说，标记符合1000dpi的图像为+1，不符合1000dpi的为－1，进行svm训练。针对第二分类器来说，标记符合500dpi的图像为+1，不符合500dpi的为－1，进行svm训练。具体的，上述第一分类器和第二分类器可以通过一个两级联的分类器实现。

以下详细描述上述测试指纹采集设备的分辨率的方法的过程，如图6所示，该过程包括：

1、获取特制的光学测试卡在光学指纹采集设备上的成像；

2、提取上述图像第i象限的102维的图像特征和第ii象限的102维的图像特征，总共204维的图像特征，并将204维的图像特征输入到训练好的第一分类器中；如果通过第一分类器，则说明指纹采集设备的分辨率是大于等于1000dpi的，判断过程结束，否则继续。

3、提取上述图像第iii象限的42维的图像特征和第iv象限的42维的图像特征，总共84维的图像特征，并将84维的图像特征输入到训练好的第二分类器中；如果通过第二分类器，则说明指纹采集设备的分辨率是大于等于500dpi的，否则小于500dpi，判断过程结束。

具体实施时，在本实施例中，还提出了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意的测试指纹采集设备的分辨率的方法。

具体实施时，在本实施例中，还提出了一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述任意的测试指纹采集设备的分辨率的方法的计算机程序。

基于同一发明构思，本发明实施例中还提供了一种测试指纹采集设备的分辨率的装置，如下面的实施例所述。由于测试指纹采集设备的分辨率的装置解决问题的原理与测试指纹采集设备的分辨率的方法相似，因此测试指纹采集设备的分辨率的装置的实施可以参见测试指纹采集设备的分辨率的方法的实施，重复之处不再赘述。以下所使用的，术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。

图7是本发明实施例的测试指纹采集设备的分辨率的装置的一种结构框图，如图7所示，该装置包括：

图像获取模块701，用于获取待测试指纹采集设备采集的光学测试卡的图像，所述图像的条纹分为四个象限，第i象限和第ii象限的条纹用于测试第一分辨率，第iii象限和第iv象限的条纹用于测试第二分辨率；

第一测试模块702，用于在所述图像中分别在第i象限和第ii象限内各采集预设数目的第一图像特征，将采集的第一图像特征输入第一分类器中，第一分类器输出的结果表示所述待测试指纹采集设备的分辨率是否满足第一分辨率，其中，所述第一分类器是采用符合第一分辨率的光学测试卡图像训练得到的；

第二测试模块703，用于在所述图像中分别在第iii象限和第iv象限内各采集预设数目的第二图像特征，将采集的第二图像特征输入第二分类器中，第二分类器输出的结果表示所述待测试指纹采集设备的分辨率是否满足第二分辨率，其中，所述第二分类器是采用符合第二分辨率的光学测试卡图像训练得到的。

在一个实施例中，所述第一测试模块，包括：第一特征采集单元，所述第i象限是竖向的条纹，在所述图像中在第i象限内采集的第一图像特征包括102维图像特征，该102维图像特征包括灰度均值、灰度标准方差、第i象限的全局的对比度、锐度以及沿y轴累积的绝对梯度中按照由大到小顺序排列的前98个值；

所述第ii象限是横向的条纹，在所述图像中在第ii象限内采集的第一图像特征包括102维图像特征，该102维图像特征包括：灰度均值、灰度标准方差、第ii象限的全局的对比度、锐度以及沿x轴累积的绝对梯度中按照由大到小顺序排列的前98个值。

在一个实施例中，所述第二测试模块，包括：第二特征采集单元，所述第iii象限是竖向的条纹，在所述图像中在第iii象限内采集的第二图像特征包括42维图像特征，该42维图像特征包括灰度均值、灰度标准方差、第iii象限的全局的对比度、锐度以及沿y轴累积的绝对梯度中按照由大到小顺序排列的前38个值；

所述第iv象限是横向的条纹，在所述图像中在第iv象限内采集的第二图像特征包括42维图像特征，该42维图像特征包括：灰度均值、灰度标准方差、第iv象限的全局的对比度、锐度以及沿x轴累积的绝对梯度中按照由大到小顺序排列的前98个值。

在一个实施例中，所述第一测试模块，包括：第一测试单元，该第一测试单元通过以下公式计算第i象限的全局的对比度：c1＝w1c11+w2c12；其中，c1是第i象限的全局的对比度；w1是0.4578；w2是0.5422；c11是第i象限图像的对比度；m是第i象限图像的高包括的像素数；n是第i象限图像的宽包括的像素数；lc(x,y)是坐标(x,y)处的局部对比度；

；c12是第i象限的图像范围缩小到原来大小的一半时的对比度；

在一个实施例中，所述第一测试模块中的第一测试单元通过以下公式计算第i象限的锐度：其中，s1是第i象限的锐度；m是第i象限图像的高包括的像素数；n是第i象限图像的宽包括的像素数；g(x,y)是沿y轴和x轴的绝对梯度的和；g(x,y)＝|f(x,y)-f(x,y+1)|+|f(x,y)-f(x+1,y)|。

在一个实施例中，所述第一测试模块中的第一测试单元通过以下公式计算沿y轴累积的绝对梯度：其中，grad_diffy是沿y轴累积的绝对梯度；n是第i象限图像的宽包括的像素数。

在本发明实施例中，通过获取待测试指纹采集设备采集的光学测试卡的图像，并在第i象限和第ii象限内各采集预设数目的第一图像特征，进而将采集的第i象限和第ii象限的第一图像特征输入到第一分类器中，采用分类器来判断待测试指纹采集设备的分辨率是否满足第一分辨率；同时，在第iii象限和第iv象限内各采集预设数目的第二图像特征，进而将采集的第iii象限和第iv象限的第二图像特征输入到第二分类器中，采用分类器来判断待测试指纹采集设备的分辨率是否满足第二分辨率。即实现了在获取到待测试指纹采集设备采集的光学测试卡的图像后，通过两个训练的分类器来自动测试待测试指纹采集设备的分辨率，与现有技术相比，避免了人工判断，有利于提高判断的准确率，分类器的算法运行速度快，有利于提高工作效率。

显然，本领域的技术人员应该明白，上述的本发明实施例的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明实施例不限制于任何特定的硬件和软件结合。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明实施例可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。