Đồ án kỹ thuậ nhận dạng dấu vân tay

i


Mục lục

Mục lục i
Danh mục các hình vẽ iv
Danh mục một số thuật ngữ thường dùng vi
Lời nói ñầu vii
1. Giới thiệu 1
2. Vân tay trong sinh trắc học 4
2.1. Vị trí của nhận dạng vân tay trong sinh trắc học 4
2.2. Uniqe là một thuộc tính của vân tay 5
2.3. Hình thức thể hiện và các ñặc tả của vân tay 5
2.4. Khó khăn gặp phải khi nhận dạng vân tay 7
3. Đại cương về ảnh số và xử lý ảnh trong Matlab 8
3.1. Đại cương về ảnh số 8
3.1.1. Biểu diễn ảnh số 8
3.1.2. Cơ sở về màu 9
3.1.3. Chuyển ñổi màu 12
3.2. Xử lý ảnh số trong Matlab 13
3.2.1. Histogram 13
3.2.2. Phân ngưỡng cục bộ 14
3.2.3. Biến ñổi Fourier-2D rời rạc 15
3.2.4. Lọc ảnh Sobel 16
3.2.5. Phát hiện biên bằng toán tử gradient 18
3.2.6. Loang rộng và thu nhỏ ñối tượng 20
4. Sơ ñồ khối thiết kế hệ thống nhận dạng vân tay 22
4.1. Các nguyên lý nhận dạng vân tay 22
4.2. Hệ thống nhận dạng vân tay 23
4.3. Xây dựng hệ thống nhận dạng vân tay bằng ảnh số 24

ii

5. Tập mẫu ảnh vân tay 26
6. Trích chọn minutiae cho ñối sánh vân tay 28
6.1. Chu n hóa ảnh ñầu vào 29
6.1.1. Chuẩn hóa kích thước ảnh 29
6.1.2. Cân bằng cường ñộ sáng của ảnh 29
6.2. Tăng cường ảnh chất lượng ảnh 30
6.2.1. Tăng cường ảnh bằng cân bằng histogram 30
6.2.2. Tăng cường ảnh bằng biến ñổi Fourier-2D 31
6.3. Ước lượng orientation image và khoanh vùng ảnh vân tay 32
6.3.1. Ước lượng orientation image 32
6.3.2. Khoanh vùng ảnh vân tay 34
6.4. Trích chọn minutiae 35
6.4.1. Nhị phân hóa và làm mảnh ñường vân 36
6.4.2. Phát hiện minutiae 37
6.4.3. Ước lượng khoảng cách ñường vân 39
6.4. Hiệu chỉnh ñường vân và lọc minutiae sai 39
6.4.1. Hiệu chỉnh ñường vân và lọc minutiae sai cấp một 39
6.4.2. Lọc minutiae sai cấp hai và tạo mã từ minutiae 41
7. Phân loại kiểu vân tay 43
7.1. Trích chọn ñặc tính 44
7.2. Tạo vec-tơ ñặc tính 45
7.3. Khâu phân loại kiểu vân tay 46
8. Đối chiếu vân tay ñể ñịnh danh mẫu 48
8.1. Khớp mẫu hai mẫu vân tay 49
8.2. Đối sánh vân tay 50
9. Tổng kết và hướng phát triển 52
9.1. Kết quả của ñồ án 52
9.2. Những kiến thức bản thân thu ñược 53

9.3. Những hạn chế của ñồ án 53
9.4. Hướng phát triển 53
Tài liệu tham khảo 55
iii

Phụ lục 56
Danh sách các script file khác trong ñồ án 56
Các bước chạy phần mềm mô phỏng 57

iv


Danh mục các hình vẽ

Hình-1. Một số tín hiệu sinh trắc học cơ bản 4
Hình-2. Đóng góp của các ngành trong sinh trắc học 4
Hình-3. Vân tay thể hiện ở cấp ñộ very-fine 5
Hình-4. Vân tay thể hiện trong cấp ñộ global 6
Hình-5. Hai dạng minutiae quan trọng 7
Hình-6. Biểu diễn ảnh số 8
Hình-7. Cảm nhận của các tế bào nhạy sáng trong võng mạc mắt 9
Hình-8. Tổ hợp màu 10
Hình-9. Hệ tọa ñộ màu 11
Hình-10. Phân tích lược ñồ xám 14
Hình-11. Giá trị ngưỡng tối ưu 15
Hình-12. Các bước thực hiện lọc ảnh trong miền tần số 16
Hình-13. Các bước lọc ảnh bằng toán tử không gian 17
Hình-14. Biểu diễn mask 18
Hình-15. Loang rộng ñối tượng 20
Hình-16. Thu nhỏ ñối tượng 21

Hình-17. Tạo mã vân tay 22
Hình-18. Sơ ñồ khối hệ thống nhận dạng vân tay 24
Hình-19. Các loại vân tay 26
Hình-20. Thuật toán trích chọn minutiae 28
Hình-21. Tăng cường ảnh 30
Hình-22. Ước lượng orientation image 33
Hình-23. Khoanh vùng ảnh vân tay 35
Hình-24. Thông số của hai dạng minutiae quan trọng 36
Hình-25. Nhị phân hóa và làm mảnh ñường vân 36
Hình-26. Phát hiện minutiae 38

v

Hình-27. Số minutiae phát hiện ñược 40
Hình-28. Lọc các minutiae 40
Hình-29. Các minutiae ñược trích chọn cuối ñể tạo mã 41
Hình-30. Năm kiểu vân tay trong thực tế 43
Hình-31. Sơ ñồ khối mô tả thuật toán phân loại vân tay 44
Hình-32. Phương pháp chỉ số Poincaré 44
Hình-33. Lấy ñặc tính cho phân loại 46
Hình-34. Kết quả cây quyết ñịnh của bài toán phân loại kiểu vân 46
Hình-35. Đường cong sai số học và kiểm tra 47
Hình-36. Đối chiếu vân tay dựa trên cơ sở minutiae 48
Hình-37. Khớp mẫu từng ñối tượng 49
Hình-38. Thực hiện matching 50
Hình-39. Kết quả nhận dạng 51
Hình-40. Cửa sổ giao diện 57
Hình-41. Mở một file ảnh 57
Hình-42. Cân bằng lược ñồ xám 58
Hình-43. Biến ñổi Fourier rời rạc và cân bằng cường ñộ sáng 58

Hình-44. Nhị phân hóa ảnh 59
Hình-45. Trường ñịnh hướng 59
Hình-46. Segmentation 60
Hình-47. Phát hiện core 60
Hình-47. Làm mảnh ñường vân 61
Hình-48. Lọc minutiae 61
Hình-49. Hiển thị minutiae 62
Hình-50. Đối sánh vân tay 62


vi

Danh mục một số thuật ngữ thường dùng
trong nhận dạng vân tay

• Ridge: Đường vân tay trên ngón tay người.
• Vallay: Đường rãnh xen kẽ hai ñường vân tay.
• Singular: Điểm kỳ dị của vân tay trên ngón tay người, mang ñặc ñiểm
phân loại.
•
ore: Điểm “tâm” của vân tay, là một trong những ñiểm singular.
• Minutia: Điểm ñặc trưng của vân tay trên ngón tay con người.
• Termination: Điểm kết thúc của ñường vân, một loại minutia quan trọng.
• Bifurcation: Điểm trẽ ba của ñường vân, là một loại minutia quan trong.
• Sweat pores: Vòng xuyến xếp liên tiếp tạo thành ñường vân (thường quan
sát ñược khi ảnh vân tay ở ñộ phân giải cao: > 1000dpi).
• Orientation Image: Hình ảnh thể hiện các ñịnh hướng cục bộ của các
ñường vân tay, bao gồm nhiều phần tử
[
]

ij
0,
θπ
∈ tại các ñiểm [i,j].
• Direction Image: Tương tự như Orientation Image nhưng
[
]
ij
0,2
θπ
∈ .
• Segmentation: Phân ñịnh giữa vùng ảnh thể hiện ñường vân và vùng ảnh
nền.
• Varance field: Một các thể hiện vùng ảnh thể hiện ñường vân còn thô.
• Crossing number: Một phương pháp dùng ñể phát hiện minutiae.
• Poincaré: Một phương pháp dùng ñể phát hiện core theo trường vec-tơ
và ñường bao.
• Ridge map: Ảnh ñen trắng chỉ thể hiện các ñường vân màu trắng nhưng
không nhất thiết các ñường vân có ñộ rộng ñồng ñều.
• Thinned ridge map: Ảnh ñen trắng thể hiện các ñường vân màu trắng
nhưng nhất thiết các ñường vân có ñộ rộng ñồng ñều 1pixel


vii


Lời nói ñầu

Hiện nay, việc thu thập, xử lý thông tin qua ảnh ñể nhận biết ñối tượng ñang
ñược quan tâm và ứng dụng rộng rãi. Với phương pháp nay, chúng ta có thể thu

nhận ñược nhiều thông tin từ ñối tượng mà lại không cần tác ñộng nhiều ñến ñối
tượng nghiên cứu.
Một trong những nhóm ứng dụng hay gặp trong xử lý thông tin bằng hình
ảnh là xác minh hoặc ñịnh danh mẫu. Nhận dạng vân tay là một bài toán cụ thể
mà cần phải giải quyết một trong hai vấn ñề nêu trên: xác minh vân tay
(fingerprint verification) hoặc ñịnh danh vân tay (fingerprint identification). Qua
tìm hiểu thực tế em chọn ñề tài: “Thiết kế hệ thống nhận dạng vân tay từ ảnh
số”. Đề tài này có nội dung bao trùm lên cả các hệ thống có kiểu nhận nhận
dạng verification (cần mã PIN cộng với ảnh vân tay).
Do ñề tài có tính chất mới, trong quá trình làm ñồ án em ñã gặp rất nhiều khó
khăn. Được sự giúp ñỡ, chỉ bảo tận tình của TSKH. TRẦN HOÀI LINH em ñã
dần dần tiếp cận ñược tới lĩnh vực này và bước ñầu ñã ñạt ñược một số các kết
quả (phân loại ñược hơn 90% các kiểu vân tay và ñịnh danh ñược vân tay).
Sau thời gian 15 tuần khẩn trương thực hiện ñồ án tốt nghiệp, ñề tài ñã ñược
hoàn thành ñúng kế hoạch. Em mong những thiếu sót của em trong ñồ án sẽ
nhận ñược những ý kiến ñóng góp quý báu của các thầy, cô cùng các bạn sinh
viên.
Em xin chân thành cảm ơn TSKH.TRẦN HOÀI LINH. Thầy ñã tận tình chỉ
bảo em rất nhiều. Các thầy cô giáo trường Đại Học Bách Khoa, bộ môn Kỹ thuật
ño và Tin học công nghiệp ñã cho em những kiến thức, kinh nghiệm, cùng
những bài học giúp trưởng thành hơn trong quá trình học tập ở trường.
Xin cảm ơn bạn bè, người thân, gia ñình ñã ñộng viên, giúp ñỡ và là chỗ dựa
vững chắc cho em trong quá trình học tập, làm ñồ án.

viii

Xin cảm ơn Công ty TNHH Tin học và Điện tử Thăng Long cùng chú VŨ
QUANG THÀNH ñã tạo ñiều kiện giúp ñỡ, cho em nhiều lời khuyên bổ ích
trong quá trình thực tập tốt nghiệp và làm ñồ án.

Hà Nội, ngày 20 tháng 5 năm 2007


Sinh viên thực hiện





Ngô H ng Việt


1. GIỚI THIỆU

1

. Giới thiệu
Nhận dạng vân tay là một bộ phận của nhận dạng sinh học. Khoa học nhận dạng
vân tay cũng ñã hình thành từ khá lâu. Nhưng tới thời gian gần ñây, cùng với sự
ra ñời của máy tính nó mới ñạt ñược nhiều kết quả quan trọng và trở thành một
trong những phương pháp sinh trắc có ñộ tin cậy nhất.
Ảnh vân tay dùng ñể nhận dạng thường bị ảnh hưởng nhiều bởi ñiều kiện thu
thập số liệu (hình ảnh vân tay không trọn vẹn, bị xoay góc, méo hay có nhiều
nhiễu…) nên việc so sánh trực tiếp hai mẫu vân tay sẽ rất phức tạp và khó khăn.
Do ñó vân tay cần lọc nhiễu, sau ñó tạo mã từ một số các ñặc tính của nó (có thể
phân biệt với vân tay khác) nhằm mục ñích giải quyết vấn xử lý, lưu trữ vân tay
với số lượng lớn mà vẫn ñảm bảo chính xác.
Các kỹ thuật thực nhận dạng vân tay cũng có khá nhiều. Tựu trung, quá trình
này trải qua ba công ñoạn chính: thu nh
n vân tay (i); trích chọn ñặc tính vân

tay (ii); ñối sánh vân tay (iii) [1]. Bởi vì ngay trong từng công ñoạn này lại có
nhiều biện pháp khác nhau, tùy vào ngữ cảnh và vùng ứng dụng các khâu này sẽ
thực hiện theo cách cụ thể.
Công nghệ nhận dạng vân tay ngày nay ñã ñạt tới ñộ chính xác rất cao. Tuy
vây, các hệ thống nhận dạng AFIS (Automated Fingerprint Identification
Systems) vẫn còn nhiều mặt hạn chế. Chẳng hạn như IAFIS của FBI có cơ sở dữ
liệu lớn tới hàng trăm triệu vân tay, thời gian tìm kiếm tính bằng phút cho một
mẫu, ñộ tin cậy cao… nhưng ñó là một hệ thống ñồ sộ gồm nhiều máy tính xử lý
song song và giới hạn trong giám ñịnh hình sự. Trong ứng dụng dân sư, các hệ
thống nhận dạng thường ñược giới hạn ở một mức ñộ ít phức tạp hơn: số mẫu
không lớn (khoảng vài nghìn), cấu trúc hệ thống kiểu nối tiếp, ảnh ñầu vào
không có quá nhiều nhiễu (nhằm giảm bớt gánh nặng xử lý tính toán),… có vậy
mới giải quyết ñược vấn ñề chi phí ñồng thời vẫn ñảm bảo ñộ tin cây.
Đồ án này sẽ thực hiện nhận dạng vân tay bàng ảnh số theo hướng có thể
triển khai trong dân sư. Chính vì vây phương pháp nhận dạng là dựa trên cơ sở
phát hiện và sử dụng các ñiểm nút ñặc trưng (gọi là minutiae) [2]. Đây là
1. GIỚI THIỆU

2

phương pháp thứ hai trong ba phương pháp nhận dạng ñược áp dụng nhiều hiện
nay [1], ch. 4. Hệ thống AFIS nói chung cũng sử dụng phương pháp này [11].
• Phương pháp thứ nhất, sử dụng ñặc trưng tương quan của hai mẫu vân
tay. Xếp chồng trực tiếp hai mẫu này và dựa vào tương quan giữa các
pixel ñể tính toán sự khác nhau giữa hai mẫu. Phương pháp này không
thích hợp với ñồ án vì ñòi hỏi khối lượng tính toán lớn mà chất lượng ảnh
phải ñảm tốt.
• Phương pháp thứ ba, sử dụng các ñặc trưng về ñường vân. Đường vân của
các mẫu ñược trích ra khỏi ảnh ban ñầu rồi so sánh giữa chúng. Phương
pháp này không thích hợp với ñồ án vì nó chỉ thích hợp với các mẫu có

chất lượng xấu (chẳng hạn như vân tay tội phạm ñể lại hiện trường sau vụ
án).
Đồ án sẽ sử dụng bộ mẫu chuẩn các vân tay ñã ñược chuẩn bị trước. Đó là
các ảnh số vân tay lấy trong FVC200 (một bộ dữ liệu chuẩn quốc tế xây dựng
bởi phòng thí nghiêm hệ thống sinh trắc, ñại học Bologna).
Trong tâm của ñồ án tập trung vào hai phần:

• Tạo vec-tơ ñặc tính cho mục ñích phân loại kiểu vân tay và cho ñối sánh
vân tay (feature extraction).
• Sử dụng các ñiểm minutea ñã trích chọn bước trước ñể ñối sánh nhận
dạng vân tay (minutiae matching).
Đồ án trình bày theo cấu trúc:

•
ương 1: Giới thiệu chung.
• ương 2: Vân tay trong sinh trắc học. Đề cập một số bộ phận của sinh
trắc học (trong ñó có nhận dạng vân tay) và những tính chất gì quyết ñịnh
vân tay ñược ứng dụng nhiều nhất trong sinh trắc học.
•
ương 3: Đại cương về ảnh và xử lý ảnh trong Matlab, trình bày khái
quát về ảnh số và một số thuật toán xử lý ảnh trong Matlab sử dụng trong
ñồ án.
1. GIỚI THIỆU

3

• ương 4: Sơ ñồ khối thiết kế hệ thống. Đề cập một số mô hình hệ thống
nhận dạng vân tay và xây dựng sơ ñồ khối hệ thống nhận dạng vân tay
bằng ảnh số.
•

ương 5: Bộ dữ liệu ảnh sử dụng trong ñồ án. Đây là bộ dữ liệu ảnh vân
tay trích ra từ FVC2000 (cơ sở dữ liệu ảnh vân tay chuẩn, hiện nay ñược
nhiều nhà khoa học chọn ñể nghiên cứu và kiểm nghiệm kết quả).
•
ương 6: Trích chọn ñặc tính vân tay và ñối sánh vân tay. Đây một
trong những công ñoạn quan trọng nhất của ñồ án. Giai ñoạn này áp dụng
các thuật toán xử lý ảnh ñể tạo mã vân tay.
• ương 7: Đối sánh vân tay. Mẫu vân tay ñược tạo mã từ minutiae ở
công ñoạn trước ñược ñối sánh trong công ñoạn này.
• ương 8: Phân loại kiểu vân tay. Trình bày về vấn ñề tạo vec-tơ ñặc tính
cho khâu phân loại kiểu vân tay và thực hiện phân loại kiểu vân tay.
• ương 9: Tổng kết và hướng phát triển. Trình bày những kết quả của ñồ
án, những kiến thức bản thân thu ñược, các hạn chế và hướng phát triển
ñề tài.
• Tài liệu tham khảo. Liệt kê một số tài liệu dùng tham khảo chính trong
ñồ án.
• Phụ lục. Bao gồm danh sách các script file của phân mềm mô phỏng và
các bước thực hiện chạy phần mềm mô phỏng nhận dạng vân tay.

2. VÂN TAY TRONG SINH TR C H C
4

2. Vân tay trong sinh trắc học
Trong phần này sẽ trình bày những tiếp cận khởi ñầu, như: vị trí của nhận dạng
vân tay trong sinh trắc học; những tính chất của vân tay ñể trở thành ñối tượng
cơ bản của sinh trắc học; hình thức thể hiện và ñặc tả của một mẫu vân tay và
những khó khăn gặp phải khi nhận dạng vân tay.

a) b) c)
Hình-1. Một số tín hiệu sinh trắc học cơ bản: a) giọng nói; b) ñồng tử; c) chữ ký.
2.1. V trí ca nhn dng vân tay trong sinh trc hc
Dựa vào tiêu chuẩn physiological sinh trắc học có: dạng vân tay, mặt, ñồng tử,
giọng nói… Còn dựa vào tiêu chuẩn behavioral sinh trắc học có: nhận dạng chữ
viết, chữ ký… Dưới ñây là biểu ñồ tương quan ứng dụng sinh trắc (số liệu thống
kê của International Biometric Group, 2002).


Hình-2. Đóng góp của các ngành trong sinh trắc học.
(vân tay ñứng vị trí hàng ñầu trong các ứng dụng nhận dạng)
2. VÂN TAY TRONG SINH TR C H C
5

2.2. Uniqe là m t thu c tính ca vân tay
Cho tới nay, vẫn chưa có bằng chứng xác thực 100% vân tay trên các ngón tay
tuyệt ñối mang tính cá nhân và không hề lặp lại. Câu trả lời chính xác chỉ có
ñược khi ñem so sánh từng mẫu vân tay của mười ñầu ngón người với hơn sáu tỉ
người còn lại. Tuy nhiên khi không xét tới phần nhỏ lẻ ấy có thể rút ra một số
tính chất cơ bản của vân tay ñể nó trở thành phổ biến trong ứng dụng nhận dạng
và ñịnh danh con người [2, 11]:
• Tính “phổ thông”, mọi người ñều có.
• Tính cá nhân và không lặp lại. Xác suất trùng khớp với người khác gần
bằng không.
• Tính “bất biến”. Hình dạng tổng thể của vân tay trên các ngón tay của con
người không thay ñổi theo thời gian. Ngay cả trường hợp bị chấn thưong
nhẹ, dấu vân tay vẫn có khả năng khôi phục lại.
2.3. Hình th
c th hin và các ñc t ca vân tay
Nhằm mục ñích mô tả người ta ñã ñịnh nghĩa một số hình thức thể hiện vân tay.

Mỗi một trường hợp thể hiện thì sẽ có hình thức trích chọn ñặc tả vân tay tương
ứng. Vì vậy, căn cứ vào ảnh vân tay ñầu vào chúng ta có thể lựa chọn ñược ñặc
tính cần trích chọn và dự kiến phương án nhận dạng.


Hình-3. Vân tay thể hiện ở cấp ñộ very-fine: các sweat pores ñược khoanh tròn,
ñiểm vân chẽ ba (bifurcation) và vân cụt (termination) ñánh dấu hình tròn.
2. VÂN TAY TRONG SINH TR C H C
6

Hình thức thể hiện vân tay ñược chia thành ba cấp ñộ: global (thể hiện tổng
thể vân tay), local (thể hiện vân tay bởi một số nút ñặc trưng khi ñường vân làm
mảnh ñến một pixel), very-fine (thể hiện bởi các vòng xuyến tạo hình nên ñường
vân - sweat pores) [1], tr. 28-31, 83-85.
Đối với cấp ñộ very-fine thì ñòi hỏi các phương tiện xử lý tốn kém cũng như
các yêu cầu ñặc biệt khác mà khó có thể ứng dụng trong dân sự. Chẳng hạn ñể
trích ñược các pores, ảnh cần có ñộ phân giải tối thiểu 1000dpi. Sau ñây sẽ tìm
hiểu sâu hơn các ñặc trưng vân tay ở hai cấp ñộ ñầu.




a) b) c)





d) e)

Hình-4. Vân tay thể hiện trong cấp ñộ global: a) arch; b) whorl; c) tented arch; d) left loop;
e) right loop; hình vuông ñánh dấu ñiểm loop, hình tam giác ñánh dấu ñiểm delta.

Ở cấp ñộ global, ñặc trưng vân tay liên quan nhiều ñến sự tạo hình của
ñường vân và các ñiểm kỳ dị (singular), chúng bao gồm: loop (ñường vân tạo
vòng xoáy hở), delta (ñường vân tạo hình tam giác). Điểm kỳ dị có vai trò quan
trọng trong việc thực hiện phân loại vân tay và tổ chức, xây dựng cơ sở dữ liệu.
2. VÂN TAY TRONG SINH TR C H C
7

Ở mức ñộ cục bộ, các ñặc trưng của vân tay ñược gọi là minutiae. Người ta
ñã thống kê có tới 150 ñặc trưng loại này. Hai ñặc trưng cơ bản và nổi trội hơn
cả là ride temination và ridge bifurcation (cũng ñược gọi tắt là minutiae)



a) b)
Hình-5. Hai dạng minutiae quan trọng: a) ridge termination; b) ridge bifurcation.

2.4. Khó khăn gp phi khi nhn dng vân tay
Do ñiều kiện thu nhận ảnh quyết ñịnh nhiều ñến chất lượng ảnh thu thập nên
nhiều khi các chi tiết trên mẫu vân tay không thể hiện rõ ràng. Có thể liệt kê một
số trường hợp dưới ñây:
• Dry finger (vân tay thu nhận trong ñiều kiện “khô”): ảnh thu nhận sẽ có
nhiều chỗ ñường vân bị mờ ñi, ñường vân bị lẫn với nền ảnh. Lực ấn của
tay nhẹ hoặc mực in không ñủ (với vân tay lăn trên giấy) là các nguyên
nhân chính làm giảm chất lượng ảnh thu thập.
• Wet finger (vân tay thu nhận trong ñiều kiện “ướt”): ảnh thu nhận sẽ có
nhiều chỗ ñường vân bị dính liền. Lực ấn của ngón tay quá lớn hoặc mực
in quá nhiều (với vân tay lăn trên giấy) là các nguyên nhân chính tạo

nhiễu trong trường hợp này.
• Vân tay thu nhận trong ñiều kiện bị biến dạng: ảnh thu nhận ñược có thể
thể hiện rõ nét nhưng các ñường vân lại bị bóp méo không còn giống với
mẫu thực. Lực ấn, kéo và xê dịch tay là các nguyên nhân chính.
• Vân tay thu thập không ñầy ñủ: ảnh thu thập ñược chỉ có một phần vân
tay trên ngón tay. Nguyên nhân chính là do ngón tay ñặt không ñúng vị trí
chuẩn thu thập.
Tuy vậy trong thực tế cũng có nhiều mẫu vân tay thu thập trong ñiều kiện tốt
nên có chất lượng cao
3. Đ I CƯƠNG VỀ ẢNH VÀ XỬ LÝ ẢNH

8

3. Đại cương về ảnh số và xử lý ảnh trong Matlab
Đồ án này không xây dựng bộ thu thập mẫu vân tay mà sử dụng bộ mẫu chuẩn
quốc tế FVC2000 do phòng thí nghiệm hệ thống sinh trắc, ñại học Bologna tạo
ra. Trong cơ sở dữ liệu ấy, các mẫu ñược lưu dữ dưới dạng ảnh số. Bởi vậy, quá
trình xử lý tính toán thực hiện ñồ án phải làm việc chính với dạng số liệu ñó.
Cho nên, trong phần này sẽ trình bày tóm tắt về ảnh số và một số thuật toán xử
lý ảnh số trong Matlab.
3.1. Đi cng v nh s
Ảnh có thể biểu diễn dưới dạng tín hiệu tương tự hoặc số. Trong phần sẽ tập
trung vào biểu diễn ảnh số, cơ sở về mầu và việc chuyển ñổi màu.
3.1.1. Biểu diễn ảnh số
Ảnh xám cũng như các ảnh số khác là tập hợp các phần tử ảnh hay còn gọi là
các pixel,
[,]
ij
. Ảnh ñược biểu diễn như một ma-trận hai chiều cỡ
WH

×
, hai
thông số này cho biết thông tin về ñộ rộng và chiều cao ảnh. Giá trị của mỗi
phần tử của ma-trận
[,]
Iij
biểu diễn cho mức xám hay cường ñộ ảnh tại vị trí
của phần tử ñó.







=



f(1,1)f(1,2)f(1,N)
f(2,1)f(2,2)f(2,N)
f
f(M,1)f(M,2)f(M,N)
⋯
⋯
⋮⋮⋮
⋯

a) b)
Hình-6. Biểu diễn ảnh số: a) hệ trục tọa ñộ trong Image Processing Toolbox;

b) ma-trận biểu diễn ảnh số
3. Đ I CƯƠNG VỀ ẢNH VÀ XỬ LÝ ẢNH

9

Tùy theo yêu cầu lưu trữ, các pixel sẽ ñược mã hóa bằng 8-bit, 16-bit,…
tương ứng với ảnh xám 256, 65536 mức.
Với ảnh ñen trắng, các pixel này ñược lưu trữ bằng 1-bit. Cường ñộ ảnh I chỉ
có thể là một trong hai giá trị,
[
]
[,]0,1
Iij∈ . Ứng với giá trị 0 ñó là các ñiểm ñen,
còn với giá trị 1 ñó là ñiểm trắng.
Với ảnh màu, cách biểu diễn cũng tương tự như với ảnh xám, chỉ khác là các
giá trị tại mỗi phần tử của ma-trận biểu diễn ba màu riêng biệt gồm: ñỏ (Red-R),
lục (Green-G) và lam (Blue-B). Để biểu diễn cho ba màu riêng rẽ cần 24-bit, 24-
bit này ñược chia thành ba khoảng 8-bit. Mỗi khoảng này biểu diễn cho cường
ñộ sáng của một trong các màu chính.
3.1.2. Cơ sở về màu
Ánh sáng màu là tổ hợp các ánh sáng ñơn sắc. Mắt người có thể cảm nhận ñược
một số màu nhất ñịnh nhưng lại có thể phân biệt ñược rất nhiều màu (trong vùng
quang nhìn thấy, có dải bước sóng
400750
nmnm
÷
). Cảm nhận màu của con
người phụ thuộc vào ba thuộc tính B, H, S.

B (brightness):

ñộ chói,
H (hue):

sắc lượng,
S (saturation):

ñộ bão hòa.


Hình-7. Cảm nhận của các tế bào nhạy sáng trong võng mạc mắt với các màu ánh sáng phụ
thuộc vào chiều dài bước sóng ánh sáng.
3. Đ I CƯƠNG VỀ ẢNH VÀ XỬ LÝ ẢNH

10

Trong võng mạc mắt người có các tế bào cảm thụ hình nón nhạy với ánh
sáng. Có khoảng 6
÷
7 triệu tế bào loại này trong mắt, chúng chia làm ba nhóm
nhạy với ba màu ánh sáng khác nhau: 65% tế bào nhạy với ánh sáng ñỏ (red),
32% tế bào nhạy với ánh sáng xanh lục (green) và 2% còn lại nhạy với ánh sáng
xanh lơ (blue).
Tổ hợp B, H, S ñối với từng ánh sáng màu trong ba màu này giúp mắt con
người có thể phân biệt ñược hàng ngàn màu. R, G, B còn ñược gọi là các màu cơ
sở.
Phân bổ phổ năng lượng của một nguồn sáng màu có bước sóng
λ
ký hiệu là
()

C
λ
và việc tổ hợp màu theo ba màu cơ sở (có các ñường cong cảm nhận
1
S
,
2
S
,
3
S
) mô tả bằng sơ ñồ khối sau:


Hình-8. Tổ hợp màu.

Đáp ứng phổ
(
)
i
C
α
sẽ ñược tính như sau trong dải bước sóng


()
max
min
()()
ii

CScd
λ
λ
αλλλ
=
∫
,
1,3
i
=
.

Với phân phối xác xuất của ba màu
(
)
k
px
,
1,3
k
=
nên có:


max
min
()1
x
k
x

pxdx
=
∫
.
3. Đ I CƯƠNG VỀ ẢNH VÀ XỬ LÝ ẢNH

11

Giả sử ba màu cơ bản ñược tổ hợp theo tỉ lệ
(
)
k
βλ
,
1,3
i
=
. Để tạo ra một màu
có phân bố phổ năng lượng
(
)
C
λ
sẽ bằng
3
1
()()
kk
k
px

βλ
=
∑
.
Thay giá trị vào phương trình về ñáp ứng phổ:

maxmax
333
,
111
minmin
()()()()()()()()
iikkkikkik
kkk
cSxpxdxxSpxdxxa
λλ
λλ
αλββλβ
===

===


∑∑∑
∫∫

trong ñó:
max
i,k
min

()()
ik
Spxdx
λ
λ
αλ
=
∫
.
Như vậy có thể tổ hợp màu theo phép cộng màu với
i
α
là hệ số tổ hợp theo công
thức tổng quát sau:

123
XRGB
ααα
=++


Tổ chức quốc tế về chẩn hóa màu CIE ñã ñưa ra một số không gian màu như:
RGB, CMY, CMYK, HIS,… Trong ñó mô hình RGB có vai trò quan trọng.


x
red
Pgreen
blue



=





a) b)
Hình-9. Hệ tọa ñộ màu: a) mô hình màu RGB;
b) biểu diễn ñiểm ảnh trong hệ tọa ñộ màu RGB.
3. Đ I CƯƠNG VỀ ẢNH VÀ XỬ LÝ ẢNH

12

3.1.3. Chuyển ñổi màu
Hệ tọa ñộ màu do CIE quy ñịnh như một hệ quy chiếu và trên thực tế không
thể biểu diễn hết các màu. Tùy thuộc vào các ứng dụng khác nhau người ta ñưa
ra thêm một số hệ tọa ñộ khác như NTSC, CMY, YIQ phù hợp với yêu cầu
hiển thị màu sắc. Việc chuyển ñổi giữa các không gian biểu diễn màu thực hiện
theo nguyên tắc sau:

xx
PAP
∗
=×
,

trong ñó:
x
P

:

không gian biểu diễn màu ban ñầu,
x
P
∗
:

không gian biểu diễn màu mới,
A
:

ma-trận phép biến ñổi.

Ảnh dùng trong ñồ án này là ảnh xám. Mức xám là kết quả của sự mã hóa
tương ứng một cường ñộ sáng của ñiểm ảnh với một trị số. Giá trị của nó phụ
thuộc vào mức ñộ lượng tử hóa ảnh, như các ảnh dùng làm cơ sở dữ liệu ñã lấy
8-bit ñể mã hóa ảnh (ứng với 256 mức xám, trong ñó mức xám 0 là màu ñen,
mức xám 255 là màu trắng).
Khi chuyển ñổi từ ảnh màu RGB sang ảnh xám có thể dùng công thức sau:

123
grayscaleRGB
ααα
=++,

các hệ số
i
α
lần lượt như dưới ñây [6].

123
0,2989;0,5870;0,1140
ααα
===

3. Đ I CƯƠNG VỀ ẢNH VÀ XỬ LÝ ẢNH

13

3.2. X lý nh s trong Matlab
Đứng về mặt xử lý tín hiệu nói chung và xử lý ảnh nói riêng, Matlab là công cụ
rất mạnh. Hầu hết các thuật toán về ảnh và xử lý ảnh ñều ñã ñược thể hiện trong
các hàm của Matlab như các hàm ñọc, ghi ảnh, chuyển ñổi giữa các hệ màu của
ảnh, các thuật toán phát hiện biên, tách ñối tượng, khớp mẫu, các phép biến ñổi
ảnh như xoay ảnh, chuẩn kích thước, tịnh tiến, Các thư viện ngày càng ñược
mở rộng, các hàm ứng dụng có thể ñược lập bởi người sử dụng. Ứng dụng phần
mềm Matlab trong xử lý ảnh sẽ có ñược nhiều tiện ích và trợ giúp.
Câu lệnh Matlab ñược gần với các thuật ngữ mô tả kỹ thuật, câu lệnh ngắn
gọn và có thể tra cứu nhanh trong chức năng Help.
Trong Matlab có nhiều Toolbox hỗ trợ các ứng dụng chuyên sâu. Với bài
toán nhận dạng hình ảnh, các Toolbox thường ñược sử dụng gồm:
• Image Processing Toolbox
• Image Acqusition Toolbox
• Wavelet Toolbox
• Signal Processing
• Statistics Toolbox
• Neural Network Toobox
Các thuật toán xử lý trong ñồ án ñều ñược viết bằng ngôn ngữ lập trình phần
mềm Matlab. Các chương trình có sử dụng một một số thư viện của Matlab (chủ

yếu trong Image Processing Toolbox, Statistics Toolbox). Sau ñây là một số
công cụ xử lý và thuật toán xử lý ảnh chính ñược ứng dụng trong ñồ án.
3.2.1. Histogram
Histogram (lược ñồ xám) thể hiện tần suất xuất hiện mỗi mức xám trong ảnh.
Lược ñồ xám biểu diễn trong hệ tọa ñộ Oxy: trục hoành biểu diễn N mức xám
(tùy theo số bit mã hóa pixel), trục tung biểu diễn số ñiểm ảnh một mức xám
tương ứng.
3. Đ I CƯƠNG VỀ ẢNH VÀ XỬ LÝ ẢNH

14

Lược ñồ xám cung cấp thông tin về phân bố mức xám của ảnh. Nó cho phép
phân tích trong khoảng nào ñó phân bố phần lớn mức xám của ảnh. Nếu ảnh
sáng thì lược ñồ xám lệch về phía bên trái, nếu ảnh tối thì lược ñồ xám lệch về
bên phải so với ñiểm quy chiếu (giữa mức xám N).



a) b)


c) d)
Hình-10. Phân tích lược ñồ xám: a) ảnh sáng và b) lược ñồ xám của (a) lệch phải;
c) ảnh tối và d) lược ñồ xám của (c) lệch trái.

3.2.2. Phân ngưỡng cục bộ
Phân ngưỡng với mục ñích làm tăng ñộ tương phản các ñối tượng cần quan tâm
ñông thời loại bớt nhiễu. Nếu phân ngưỡng toàn bộ ảnh nhiều khi tỏ ra không
hiệu quả, nhất là khi cường ñộ sáng của ảnh không ñồng ñều. Phân ngưỡng cục
bộ cũng giống như phân ngưỡng nhưng chỉ khác ở ñiểm: ngưỡng ñược chọn

thích nghi với từng vùng cục bộ của ảnh. Điều này rất có ý nghĩa trong khâu nhị
phân hóa ảnh vân tay. Vùng cục bộ thường dùng có thể là các block dạng hình
vuông hay hình chữ nhật.
3. Đ I CƯƠNG VỀ ẢNH VÀ XỬ LÝ ẢNH

15

Ảnh xám khi phân ngưỡng thì kết quả phân ngưỡng ñi ñôi với nhị phân hóa
ảnh. Một ñiểm bất kỳ (x, y) thuộc ảnh f khi có (,)
fxyT
≥
thì ñược gọi là object
point (ñiểm trên nền), trường hợp còn lại gọi là background point (ñiểm nền).
Đối tượng ưu tiên trích chọn từ phân ngưỡng không quan trọng là
bachground point hay object point. Đấy chỉ là các tên gọi quy ước và chúng có
thể chuyển ñổi dễ dàng cho nhau nhờ biến ñổi âm bản.


Hình-11. Giá trị ngưỡng tối ưu.

Kết quả phân ngưỡng ñược ảnh
(,)
gxy
thì nó ñược ñịnh nghĩa liên hệ

( )
1:(,)
,
0:(,)
fxyT

gxy
fxyT
≥

=

<




3.2.3. Biến ñổi Fourier-2D rời rạc
Biến ñồi Fourier rời rạc trong xử lý ảnh số nhằm mục ñích lọc lấy các thành
phần tín hiệu ảnh có tần số trội. Với ảnh vân tay vùng ảnh co các ñường vân
ñóng vai trò làm tín hiệu có tần số trội.
Có
(,)
fxy
, với
0,1
xM
=−
và
0,1
yN
=−
là một ảnh số cỡ
MN
×
. Biến ñổi

Fourier rời rạc của
f
là
(,)
Fuv
.

( )
11
2//
00
(,)(,)
MN
juxMvyN
xy
Fuvfxye
π
−−
−+
==
=
∑∑
,
0,1
uM
=−
,
0,1
vN
=−

.
3. Đ I CƯƠNG VỀ ẢNH VÀ XỬ LÝ ẢNH

16

Biến ñổi ngược Fourier rời rạc ñịnh nghĩa bởi công thức:

( )
11
2//
00
(,)(,)
MN
juxMvyN
uv
fxyFuve
π
−−
−+
==
=
∑∑
,
0,1
xM
=−
,
0,1
yN
=−

.

Biến ñổi Fourier rời rạc của ảnh f còn ñược viết dưới dạng:

(
)
,
(,)(,)
juv
FuvFuve
φ
−
= ,

trong ñó
(
)
,
uv
φ
là góc pha,
(,)
Fuv
là phổ Fourier.
Các bước thực hiện lọc ảnh trong miền tần số bằng biến ñổi Fourier rời rạc
có thể mô tả bởi sơ ñồ dưới ñây.


Hình-12. Các bước thực hiện lọc ảnh trong miền tần số.

3.2.4. Lọc ảnh Sobel
Lọc Sobel là một trường hợp của lọc số tuyến tính. Nghĩa là bộ lọc dùng một
convolution-mask (cửa sổ dùng ñể nhân chập, gọi tắt mask), rồi lấy tổng có trọng
số các ñiểm lân cận với ñiểm ở chính giữa trong mask ñó. Di chuyển mask trên
toàn bộ miền tín hiệu ảnh, mỗi bước một pixel, cuối cùng thu ảnh kết quả.
3. Đ I CƯƠNG VỀ ẢNH VÀ XỬ LÝ ẢNH

17

Tổng quát, lọc tuyến tính của ảnh số f cỡ
MN
×
với convolution-mask có cỡ
mn
×
ñịnh bởi như sau

( ) ( )
(,),,
ab
satb
gxywstfxsyt
=−=−
=++
∑∑
,

trong ñó:
(
)

1/2
am=− ,
(
)
1/2
bn=− và
0,1
xM
=−
,
0,1
yN
=−
.


Hình-13. Các bước lọc ảnh bằng toán tử không gian.