掌纹ROI智能提取与图像分割系统

资 源 简 介

本项目主要解决生物特征识别中的掌纹预处理问题，旨在从复杂的原始手掌图像中自动、精确地提取出包含丰富纹理信息的感兴趣区域（ROI）。系统首先对采集的手掌图像进行灰度化、高斯滤波去噪等预处理操作，以提升图像质量。接着，利用Otsu最大类间方差法或自适应阈值分割技术，将手掌前景从背景中分离出来，通过形态学闭运算填充孔洞并平滑边缘。项目的核心在于关键点定位与坐标系建立，通过边界跟踪算法获取手掌轮廓，计算轮廓曲率或寻找指间谷底（食指与中指、无名指与小指之间的连接点）作为参考关键点。基于这些关键点建立手掌局部坐标系，计算旋转角度并对手掌图像进行几何校正，消除平移和旋转带来的误差。最后，根据建立的坐标系裁剪出固定大小（如128x128）的中心区域作为ROI。该系统具有较强的鲁棒性，能有效应对光照变化和手掌姿态微小变动，为后续的特征提取和模式匹配提供标准化的图像数据。

详 情 说 明

基于MATLAB的掌纹ROI智能提取与图像分割系统

项目介绍

本项目是一个用于生物特征识别预处理阶段的MATLAB系统，专注于从原始手掌图像中自动提取感兴趣区域（ROI）。该系统能够处理复杂的背景，通过一系列图像处理算法实现手掌的分割、关键点定位、几何校正，最终输出标准化的掌纹中心区域图像。该工具旨在通过自动化流程消除平移、旋转和光照变化对特征提取的影响，为后续的模式匹配提供高质量的数据基础。

功能特性

• 灵活的图像获取：支持通过文件对话框选择多种格式（jpg, png, bmp, tif）的手掌图像；若用户取消选择，系统自动生成合成的手掌数据用于功能演示。
• 图像增强与预处理：包含灰度化处理与高斯滤波去噪，有效提升图像质量。
• 鲁棒的图像分割：结合Otsu自适应阈值分割与形态学操作（闭运算、开运算、孔洞填充），能够精准分离手掌前景，并利用最大连通区域算法去除背景噪点。
• 关键点智能定位：基于轮廓-质心距离曲线分析，自动检测指间谷底（主要是食指-中指、无名指-小指连接点）作为几何校正的参考点。
• 几何校正与归一化：根据关键点连线计算旋转角度，对手掌图像进行平面旋转校正，消除姿态偏差。
• ROI自动裁剪：建立局部坐标系，截取固定大小（默认为128x128像素）的掌纹中心区域，并具备边界越界自动补零保护机制。
• 全流程可视化：提供包含6个子图的详细结果展示，涵盖从原图、分割掩膜、距离分析曲线到最终ROI的完整处理过程。

系统要求

• MATLAB R2016a 或更高版本
• Image Processing Toolbox（图像处理工具箱）

使用方法

1. 在MATLAB环境中打开包含脚本的文件夹。
2. 直接运行主函数。
3. 在弹出的文件选择窗口中选择一张手掌图片。
4. 若想查看演示效果，在文件选择窗口点击“取消”，系统将自动生成模拟数据运行。
5. 程序运行结束后，将显示处理结果窗口，并在命令行输出“处理完成”。

详细功能与实现逻辑

本项目的主程序通过以下步骤实现完整的ROI提取流程：

1. 图像获取与初始化

程序启动后首先初始化参数（高斯模糊sigma=1.0，ROI尺寸128x128）。系统尝试调用文件选择接口。如果未读取到文件，则调用内置的合成函数生成包含椭圆（模拟手掌中心）和旋转椭圆（模拟手指）的二值图像，确保逻辑可测试。

2. 预处理

将输入图像转换为双精度浮点型。如果图像是彩色的，则转换为灰度图。随后应用高斯滤波器（imgaussfilt）平滑图像，减少高频噪声对后续分割的影响。

3. 分割与形态学处理

• 阈值分割：使用 graythresh 计算全局Otsu阈值，并进行二值化。
• 形态学优化：

* 填充二值图像中的孔洞。 * 使用半径为5的圆盘结构元素进行开运算（断开细小连接）和闭运算（平滑轮廓边缘）。

• 去噪：通过 bwareafilt 仅保留面积最大的连通区域，确保提取的是手掌本体而非背景杂物。

4. 关键点定位（核心算法）

系统通过以下逻辑定位用于校正的手指谷底点：

1. 提取二值掩膜的最外层轮廓，并计算区域质心。
2. 距离变换分析：计算轮廓上所有点到质心的欧氏距离，形成距离曲线。
3. 曲线平滑：对距离曲线进行移动平均平滑，消除锯齿干扰。
4. 极值检测：在距离曲线中寻找局部极小值（谷底）和局部极大值（指尖）。
5. 筛选策略：

* 根据点到质心的距离阈值排除过远或过近的噪点。 * 通过角度排序或距离特征，从候选谷底中筛选出分别代表“食指-中指”和“无名指-小指”连接处的两个关键点（P1和P2）。

5. 几何校正

1. 角度计算：计算P1和P2两点连线相对于水平线的倾斜角度。
2. 图像旋转：以图像中心为原点，使用双三次插值（原图）和最近邻插值（掩膜）将图像旋转，使得关键点连线在校正后保持水平。
3. 坐标变换：计算旋转矩阵，将原始关键点P1、P2的中点坐标映射到旋转后的新图像坐标系中。

6. ROI定位与裁剪

• 以变换后的两关键点连线中点为基准。
• 根据两关键点间的欧氏距离，按一定比例（系数0.2）向手掌内侧（垂直于连线方向）偏移，确定ROI的中心坐标。
• 根据预设尺寸（128x128）计算裁剪矩形框。
• 执行裁剪操作，若裁剪区域超出图像边界，则调用填充函数用黑色背景补齐，防止程序报错。

7. 结果展示

程序最终生成一个包含六个子图的图形窗口：

• 原始采集图像：显示原图及提取的绿色轮廓和质心。
• 分割掩膜与关键点：显示二值化结果，标出P1、P2关键点及连线。
• 轮廓-质心距离曲线：展示用于特征点检测的距离波形图。
• 旋转校正后图像：显示几何校正后的手掌及ROI选取框。
• 提取ROI：最终截取的原始灰度ROI区域。
• ROI增强效果：对提取的ROI进行直方图均衡化（HE），展示增强后的纹理细节。