基于动态范围调整的指纹图像增强方法

计算机工程与应用 ›› 2015, Vol. 51 ›› Issue (8): 183-188.

基于动态范围调整的指纹图像增强方法

陈蕴1，陈松2

1.安徽建筑大学电子与信息工程学院，合肥 230601
2.安徽建筑大学机械与电气工程学院，合肥 230601

出版日期:2015-04-15 发布日期:2015-04-29

Fingerprint image enhancement method based on dynamic range adjustment

CHEN Yun1, CHEN Song2

1.College of Electronic and Information Engineering, Anhui Jianzhu University, Hefei 230601, China
2.College of Mechanical and Electrical Engineering, Anhui Jianzhu University, Hefei 230601, China

Online:2015-04-15 Published:2015-04-29

摘要/Abstract

摘要： 采用基于动态范围调整的方法，并适当地把图像最亮和最暗附近很少量灰度级像素点滤除，对图像灰度进行线性展宽，实现图像灰度动态范围的自动调整，提高图像的对比度。实验结果表明，该方法可有效地滤除在灰度边界值附近的灰度干扰，图像的质量和对比度明显提高，图像的亮区和暗区的细节都有明显增强，而且处理速度快，鲁棒性好。

关键词: 图像增强, 对比度, 线性扩展, 动态范围调整

Abstract: Based on the dynamic range adjustment method, a small amount of grayscale pixels on the image near the brightest and darkest areas are filtered, and the image grayscale range is linear broadened so as to realize automatic adjustment of image gray dynamic range, and improve the image contrast. The experimental results show that this method can effectively filter gray interference near gray boundary value, the quality and contrast of the images is obviously improved, and details of the image of the light area and the dark area have enhanced obviously, with high processing speed and good robustness.

Key words: image enhancement, contrast, linear spanning, dynamic range adjustment

陈蕴1，陈松2. 基于动态范围调整的指纹图像增强方法[J]. 计算机工程与应用, 2015, 51(8): 183-188.

CHEN Yun1, CHEN Song2. Fingerprint image enhancement method based on dynamic range adjustment[J]. Computer Engineering and Applications, 2015, 51(8): 183-188.

[1]	汤子麟，刘翔，张星. 光照不均匀图像的自适应增强算法[J]. 计算机工程与应用, 2021, 57(21): 216-223.
[2]	王小鹏，杨文婷，文昊天. 利用自适应形态学实现遥感水体图像增强[J]. 计算机工程与应用, 2021, 57(12): 186-192.
[3]	杜豫怡，王鹏章，多化琼，董霙达. 频域内分位数的蒙古族家具纹样增强算法[J]. 计算机工程与应用, 2021, 57(12): 207-210.
[4]	陈迎春. 基于色调映射的快速低照度图像增强[J]. 计算机工程与应用, 2020, 56(9): 234-239.
[5]	袁小平，崔棋纹，程干，张侠，张毅，王溯源. 改进型Gabor自商图算法及其在人脸识别中的应用[J]. 计算机工程与应用, 2020, 56(5): 206-213.
[6]	朱德利，杨德刚，万辉，杨雨浓. 用于低照度图像增强的自适应颜色保持算法[J]. 计算机工程与应用, 2019, 55(24): 190-195.
[7]	崔丽群，张平，贺情杰，鲁浩. 对比度和细节增强显著性检测方法研究[J]. 计算机工程与应用, 2019, 55(23): 200-208.
[8]	王英博1，刘健2. 幂律变换和IGLC算法的显著性目标检测方法[J]. 计算机工程与应用, 2019, 55(14): 168-176.
[9]	王忠民1，2，段娜1，范琳1. 融合YOLO检测与均值漂移的目标跟踪算法[J]. 计算机工程与应用, 2019, 55(10): 186-192.
[10]	王焱，杨威，王亚恒. 基于人眼视觉感知驱动的井下图像增强算法[J]. 计算机工程与应用, 2018, 54(9): 189-193.
[11]	潘治鸿，窦浩，刘迪，田金文. 基于直线和区域显著性融合机制的机场检测[J]. 计算机工程与应用, 2018, 54(8): 154-159.
[12]	张桂梅1，刘峰瑞1，刘建新2. 图像增强中分数阶阶次自适应模型的构造[J]. 计算机工程与应用, 2018, 54(3): 184-191.
[13]	田敏，张印辉，何自芬，王森. 基于联合模型匹配的齿轮视觉检测方法[J]. 计算机工程与应用, 2018, 54(23): 170-175.
[14]	成钊1，2，王和明1，唐永康2，张颖1. 基于细节增强分析的硬件木马红外图像检测方法[J]. 计算机工程与应用, 2018, 54(16): 86-92.
[15]	范晓鹏1，2，3，4，朱枫1，3，4. 人眼灰度感知建模及其在图像增强中的应用[J]. 计算机工程与应用, 2018, 54(13): 209-215.