Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
EXTRAO DE CARACTERSTICAS
DE IMAGENS DE IMPRESSO DIGITAL
AGOSTO
2006
EXTRAO DE CARACTERSTICAS DE
IMAGENS DE IMPRESSO DIGITAL
ii
C837o
CDU: 621.397.331
Elaborada pelo Sistema de Bibliotecas da UFU / Setor de Catalogao e Classificao
EXTRAO DE CARACTERSTICAS DE
IMAGENS DE IMPRESSO DIGITAL
Dissertao
apresentada
por
Luciano
Xavier
Medeiros
Universidade
Federal de Uberlndia como parte dos requisitos para obteno do ttulo de Mestre em
Engenharia Eltrica.
_________________________________
_________________________________
Orientadora
iii
Agradecimentos
minha orientadora e amiga Edna Lcia Flres quem batalhou junto a mim para o trmino
desse trabalho.
A minha famlia, principalmente meu pai Francisco e minha me Dilma, que me apoiaram o
todo o tempo, inclusive nos meus momentos de dificuldade.
Ao meu amigo Flvio que suportava as minhas reclamaes.
A minha namorada Luciana, que sem o seu amor, sua pacincia e sua compreenso eu no
teria conseguido vencer mais essa batalha.
RESUMO
As impresses digitais so as linhas presentes nos dedos de cada ser humano e essas
so nicas para cada um, ou seja, no existem duas pessoas que possuem a mesma forma com
que as linhas da impresso se dispem em seus dedos. Por esse motivo que ela vem sendo
utilizada para a identificao de pessoas para vrias finalidades, como por exemplo, o controle
de ponto dos funcionrios de uma empresa, a identificao de um criminoso e o acesso de
pessoas a reas restritas de extrema segurana. A proposta deste trabalho obter
melhoramentos no algoritmo de extrao de caractersticas de impresses digitais
desenvolvido por Jain e outros [1]. Os objetivos desta dissertao so: melhorar o tempo de
processamento no clculo da orientao de campo, obter uma melhor qualidade das imagens
resultantes no processo de binarizao e diminuir o nmero de mincias esprias nessas
imagens. O clculo da orientao de campo aperfeioado neste trabalho utiliza a propriedade
da comutao e resultou em uma reduo no tempo de processamento em torno de 90% em
relao ao mesmo clculo que no utiliza essa propriedade. O mtodo de extrao das
salincias desenvolvido nesta dissertao utiliza o algoritmo DDA, e resulta em imagens de
melhor qualidade. Devido a esse melhoramento obtido no processo de binarizao e a
remoo de falhas nas salincias, o algoritmo de deteco de mincias implementado neste
trabalho encontra uma menor quantidade de mincias esprias presentes nas imagens de
impresso digital.
Medeiros,
Luciano
X.,
Extration
of
Characteristics
from
fingerprint
images.
ABSTRACT
The fingerprints are lines present on fingers of each human and they are unique, in
other words, there are not two people with the same distribution of lines on their fingers. For
this reason, it has been used for identification of people for many purposes, such as to check
the entrancy and exit of workers in a company, the identify criminals and to restrict the access
of people to restrict areas of extreme security. The proposal of this work is to improve the
characteristic extraction algorithm of fingerprint developed by Jain and others. The goal of
this work is to accelerate the processing time in orientation field estimation, in order to get a
better quality of images, resulting of binarization process and to decrease the number of
spurious minutiae on the images. The time processing of orientation field estimation
improved in these work uses the commutative propriety is smaller than the same estimation
wich does not use this propriety in 90%. The method of ridges extration developed in this
work uses the DDA algorithm, and results in better quality images. Due to this improviment
got in binarization process and the ridges break removing, the detection minutiae algorithm
implemented in this work find a small quantity of spurious minutae present in the fingerprint
images.
EXTRAO DE CARACTERSTICAS DE
IMAGENS DE IMPRESSO DIGITAL
SUMRIO
1. Introduo
1.1. Introduo
12
12
14
15
2.1. Indroduo
15
15
17
18
19
21
23
27
viii
28
33
34
3.1. Introduo
34
35
39
63
65
66
73
74
77
82
89
91
105
ix
108
110
4. Resultados Obtidos
4.1. Introduo
110
110
114
116
118
120
124
126
129
134
4.11. Concluses
138
140
142
144
147
Referncia Bibliogrficas
LISTA DE FIGURAS
2.2
17
2.3
2.4
Mscara w de tamanho 3 3
20
2.5
21
2.6
23
2.7
2.8
Aplicao dos operadores de Sobel. (a) imagem original; (b) componente Gx; 26
(c) componente Gy; (d) gradiente da imagem original
2.9
27
2.10 (a) Segmento de reta AB; (b) direo considerando A como incio do vetor; 28
(c) direo + considerando B como incio do vetor.
2.11 (a) Representao do vetor no plano xy; (b) componentes Gx e Gy 29
representadas nesse plano.
3.1
3.2
Tipos de impresso digital. (a) arco; (b) arco tented; (c) loop esquerda; 36
35
xi
3.3
37
3.4
Imagens de uma mesma impresso obtidas por um scanner. (a) imagem com 38
uma presso maior e mais distribuda do que a da letra (b).
3.5
3.6
40
3.7
41
3.8
42
3.9
43
44
3.11 Elementos pertencentes. (a) g(7); (b) g(8); (c) g(7) e g(8)
45
56
3.14 Valores de Vxs para as linhas. (a) i = 0; (b) i = 1; (c) i = 2; (d) i = 3; (e) i = 4.
57
69
72
72
75
77
78
3.21 Afinamento de uma imagem. (a) imagem original; (b) pixels eliminados pelo 80
1 passo; (c) pixels eliminados pelo 2 passo; (d) imagem resultante do
xii
81
82
82
83
83
86
87
90
94
96
98
99
3.34 Algoritmo de determinao da salincia que ser associada a uma mincia do 102
tipo bifurcao
3.35 Passos do algoritmo de determinao da salincia que ser associada a uma 103
mincia do tipo bifurcao. (a) regio 10 10 de uma mincia; (b) trs
possveis pixels; (c) extremos de cada salincia; (d) salincia escolhida na cor cinza.
3.36 Regio onde ser calculada a distncia mdia entre as salincias
106
106
4.1
4.2
xiii
4.4
4.5
Determinao da rea de interesse. (a) imagem original; (b) rea de interesse com 119
resduos; (c) rea de interesse melhorada pela soluo implementada neste trabalho
4.6
4.7
4.8
4.9
4.10 Exemplo de correo das falhas nas salincias. (a) imagem binarizada de uma impresso 127
digital. (b) imagem resultante aps a correo das falhas na imagem da letra (a)
4.11 Exemplo de correo das falhas nas salincias. (a) imagem binarizada de uma impresso 128
digital. (b) imagem resultante aps a correo das falhas na imagem da letra (a)
xiv
4.12 Imagens da impresso digital 1 utilizadas para clculo da distncia: (a) d1; (b) 130
d2; (c) d3; (d) d4; (e) d5; (f) d6.
4.13 Imagens da impresso digital 2 utilizadas para clculo da distncia: (a) d1; (b) 131
d2; (c) d3; (d) d4; (e) d5; (f) d6.
4.14 Imagens da impresso digital 3 utilizadas para clculo da distncia: (a) d1; (b) 132
d2; (c) d3; (d) d4; (e) d5; (f) d6.
4.15 Falha em uma regio de uma imagem de impresso digital em nveis de cinza
133
4.16 Deteco de falsas mincias. (a) resultado do algoritmo de afinamento; (b) 134
resultado do algoritmo de deteco de mincias aplicado na Figura 4.16(a)
4.17 Exemplo de deteco de mincias. (a) imagem binarizada; (b) e (c) resultados 136
da deteco de mincias sem e com
respectivamente
4.18 Mincias esprias detectada na regio central da Figura 4.13(b)
xv
137
LISTA DE TABELAS
Tabela 1.1 Valores de TRF, TRI e TIE para trs tipos de aplicaes
12
48
63
W = 16
Tabela 3.3 Valores de u a partir de v no algoritmo para a gerao das mscaras de
71
convoluo ht e hb.
Tabela 3.4 Coordenadas dos pixels vizinhos ao pixel p1 da Figura 3.29
90
95
98
Tabela 4.1 Tempo gasto no clculo da orientao de campo com e sem a utilizao
114
da propriedade da comutao.
Tabela 4.2 Distncias mdias entre as salincias para trs impresses digitais
diferentes.
xvi
129
CAPTULO I
INTRODUO
1.1 Introduo
no banco de dados. Por exemplo, uma pessoa que trabalha em uma empresa, onde o sistema
de controle de entrada e sada realizado por um computador atravs de um carto de acesso
juntamente com a impresso digital. Esse computador compara a impresso digital de entrada
com a impresso digital armazenada no banco de dados referente ao nome do funcionrio do
carto. Se a impresso digital a mesma, o acesso permitido, caso contrrio o acesso
negado. Nesse exemplo, houve a comparao entre duas imagens.
O sistema de identificao consiste em identificar uma pessoa por uma caracterstica
biomtrica, por exemplo, dizer quem o dono da imagem de impresso digital de entrada.
Esse sistema tem a desvantagem de realizar uma comparao de 1 para N, onde N o nmero
de imagens armazenadas no banco de dados. Por exemplo, se uma empresa utiliza um sistema
de identificao para controle de entrada e sada pelo reconhecimento da impresso digital de
um funcionrio, o computador pode chegar a realizar uma comparao da imagem de entrada
com todas as imagens armazenadas no banco de dados.
Para um sistema que utiliza a autentificao, o tempo de processamento pequeno,
pois trata-se somente de uma possibilidade de acesso. J nos sistemas de identificao, o
tempo de processamento pode ser muito longo, causando desconforto e longas filas (no caso
de acesso a um local pblico) dependendo do nmero de imagens armazenadas no banco de
dados. Algumas tcnicas estatsticas, como por exemplo tcnicas baseadas na freqncia de
utilizao podem ser aplicadas para diminuir o tempo de procura do sistema de identificao.
Uma outra forma de diminuir esse tempo de procura do sistema pela classificao do
usurio pelo tipo de impresso digital, restringindo a procura somente ao grupo da pessoa.
Aplicao de investigaes
policiais
Aplicaes de
uso Civil
TIE
Aplicaes de acesso
de alta segurana
Figura 1.1 Valores de TRF, TRI e TIE para trs tipos de aplicaes.
Como mostrado por Jain e outros [1], uma caracterstica biomtrica para ser utilizada
na autentificao ou na identificao de uma pessoa, deve satisfazer os seguintes
requerimentos:
Universalidade
Exclusividade
Permanncia
Coletividade
Desempenho
Aceitabilidade
Dificuldade
falsificao
Face
alto
baixo
mdio
alto
baixo
alto
baixo
mdio
alto
alto
mdio
alto
mdio
alto
mdio
mdio
mdio
alto
mdio
mdio
mdio
mdio
mdio
mdio
mdio
mdio
mdio
alto
ris
alto
alto
alto
mdio
alto
baixo
alto
Retina
alto
alto
mdio
baixo
alto
baixo
alto
Assinatura
baixo
baixo
baixo
alto
baixo
alto
baixo
Voz
mdio
baixo
baixo
mdio
baixo
alto
baixo
Impresso
digital
Geometria
da mo
Veias da
mo
Identificao de suspeito de crime pela sua impresso digital que foi coletada na cena
do crime. Dependendo da quantidade de impresses digitais armazenadas no banco de
dados, o processo de identificao pode levar muito tempo.
10
11
salincias. Extradas a freqncia e a orientao das salincias, uma representao distinta das
salincias pode ser encontrada.
Lindoso, Entrena e Liu [12] implementaram o casamento entre duas imagens de
impresses digitais baseado na correlao entre essas imagens. A correlao indica a
similaridade entre as duas imagens de impresso digital. No clculo da correlao, tambm
foram considerados a diferena de brilho entre essas imagens, a presso exercida sobre o
scanner no momento da aquisio, as doenas de peles e a translao e a rotao.
Ko [13] desenvolveu um melhoramento das imagens de impresses digitais utilizando
anlise espectral dessas imagens, ou seja, o melhoramento realizado no domnio da
freqncia. Aplicando a transformada de Fourier na imagem de impresso digital, obtm-se o
espectro dessa imagem onde vrios tipos de filtros so aplicados para obter uma melhora
nesse espectro. Depois que todos os filtros so aplicados, utiliza-se a transformada inversa de
Fourier para obter a imagem da impresso digital melhorada.
Lee, Wang e Wu [14] implementaram o algoritmo que determina as caractersticas de
uma imagem de impresso digital no domnio da freqncia ao invs de utilizar o domnio
espacial. De acordo com as caractersticas dos ngulos e as distncias entre os picos em
relao origem do sistema de coordenadas no domnio da freqncia, eles determinam a
direo e a distncia entre as salincias. Esse algoritmo tambm utilizou o filtro de Gabor para
melhorar a imagem da impresso digital.
12
256 MB
Disco Rgido
Ferramenta de programao
Matlab 6.1
13
14
CAPTULO II
FUNDAMENTOS EM PROCESSAMENTO
DIGITAL DE IMAGENS
2.1 Introduo
16
Figura 2.1 Conveno dos eixos utilizada para representar as imagens digitais neste
trabalho.
M = 2p, N = 2q e C = 2k
onde:
M nmero de linhas da imagem.
N nmero de colunas da imagem.
C nmero de nveis de cinza da imagem.
(2.1)
17
O nmero de bits (b) necessrios para armazenar uma imagem digital obtido pela
Equao (2.2).
b=MNk
(2.2)
onde:
k nmero de bits necessrios para representar um pixel.
Por exemplo, uma imagem 128 128 pixels com 64 nveis de cinza necessita de
98.304 bits para armazen-la.
Considere um pixel de coordenada (x, y). A vizinhana desse pixel so os outros pixels
que esto ao seu redor, como mostrado na Figura 2.2.
Na Figura 2.2 o pixel central, que possui um tom mais acinzentado em relao aos demais
pixels, possui oito vizinhos. Essa figura mostra tambm as coordenadas de cada pixel, por
18
exemplo, a coordenada do pixel direita do pixel central (x, y+1) em relao a coordenada
(x, y). Se a coordenada do pixel central , por exemplo, (7, 6), a coordenada do pixel direita (7, 7).
Existem pixels que no possuem oito vizinhos. Quando uma vizinhana tem menos do
que oito vizinhos ela chamada de vizinhana parcial. Pixels que possuem vizinhanas
parciais so os pixels que encontram-se na primeira e na ltima colunas, isso tambm ocorre
com os pixels localizados na primeira e na ltima linhas da imagem.
19
As Equaes (2.3) e (2.4) calculam os comprimentos dos lados AB e BD,
respectivamente, na Figura 2.3.
AB = s u
(2.3)
BD = t v
(2.4)
De ( p, q ) 2 = AB 2 + BD 2
(2.5)
De ( p, q ) = ( s u ) 2 + (t v) 2
(2.6)
20
Mscara (tambm chamada de template, janela ou filtro) definida como uma matriz
onde todos os pixels da mesma possuem valores de uma determinada regio da imagem. A
Figura 2.4 mostra uma mscara w de tamanho 3 3.
g ( x, y ) =
w(s, t ) f ( x + s, y + t )
s = a t = b
onde:
a=
m 1
2
b=
n 1
2
(2.7)
21
Todos os pixels da imagem f(x, y) so varridos pela mscara w e o resultado uma
nova imagem g(x, y). A Figura 2.5 mostra uma mscara w posicionada sobre uma regio
qualquer de uma imagem. Depois de calcular o valor do pixel da nova imagem g(x, y), a
mscara muda para a prxima posio at que toda a imagem seja varrida.
A convoluo discreta de uma imagem f(x, y) por uma funo g(x, y) obtida pela
Equao (2.8).
f ( x , y ) g ( x, y )
M 1 N 1
f (m, n) g ( x m, y n)
m = 0 n =0
(2.8)
22
Quando duas funes f(x, y) e g(x, y) de tamanho M1 N1 e M2 N2, respectivamente
so
convoludas,
resultado
uma
nova
funo
discreta
de
tamanho
g ( x , y ; m, n ) g ( x m, y n )
(2.9)
Utilizando a Equao (2.9), a Equao (2.8) pode ser escrita pela Equao (2.10):
f ( x , y ) g ( x, y )
M 1 N 1
f (m, n) g ( x, y; m, n)
(2.10)
m =0 n =0
23
Figura 2.6 (a) Sinal original; (b) sinal rebatido e translado (x = y = 0).
Para funes contnuas de duas ou mais variveis, o gradiente um vetor em que sua
direo a maior taxa de variao de uma funo.
Considerando uma funo bidimensional f(x, y), o clculo das componentes x e y do
gradiente obtido a partir das derivadas parciais de f(x, y) em relao a x e a y,
respectivamente, como mostrado na Equao (2.11).
f
G x x
f = =
G y f
y
(2.11)
24
f = G x2 + G y2
Gy
Gx
( x, y ) = tan 1
(2.12)
(2.13)
f = G x + G y
(2.14)
25
Roberts
Prewitt
Sobel
Isotrpico
1 0
0 1
(a)
0 1
1 0
(b)
1 1 1
0 0 0
1 1 1
(c)
1 0 1
1 0 1
1 0 1
(d)
1 2 1
0
0 0
1
2
1
(e)
1 0 1
2 0 2
1 0 1
(f)
1 2 1
0 0
0
1
2
1
(g)
1 0
2 0
1 0
(h)
1
2
1
26
Figura 2.8 Aplicao dos operadores de Sobel. (a) imagem original; (b) componente
Gx; (c) componente Gy; (d) gradiente da imagem original.
27
Orientao de campo a direo de cada pixel (x, y) da imagem. Nesta seo, essa
orientao representada pelo segmento de reta.
Considere um conjunto de segmentos de retas, como mostrado na Figura 2.9. Existe
um problema a ser resolvido: como determinar a orientao dominante desse conjunto de
segmentos ?
28
Figura 2.10 (a) Segmento de reta AB; (b) direo considerando A como incio do vetor;
(c) direo + considerando B como incio do vetor.
Para eliminar o problema encontrado por Rao [17] no clculo da orientao de campo
de uma imagem f(x, y), ele utiliza um outro mtodo. Este mtodo descrito a seguir.
Considere, um vetor no plano complexo formado pela combinao das componentes x
e y do gradiente da imagem f(x, y), como mostrado na Equao (2.15) ou representado de
forma polar pela Equao (2.16).
G = Gx + iGy
(2.15)
G = Rei
(2.16)
29
onde:
R = G x2 + G y2
Gy
Gx
= tan 1
Gx = R cos
(2.17)
Gy = R sen
(2.18)
30
Considere J(x,y) o vetor gradiente quadrtico na posio (x, y) calculado na forma
cartesiana e polar utilizando-se as Equaes (2.19) e (2.20), respectivamente.
J ( x, y ) = [G ( x, y )]
J ( R, ) = R e i
(2.19)
= R 2 e 2 i
(2.20)
(2.21)
J x = (R cos ) (Rsen )
(2.22)
J x = Gx G y
2
(2.23)
31
J y = R 2 sen 2 = R 2 (2 cos sen )
(2.24)
J y = 2 ( R cos ) ( Rsen )
(2.25)
J y = 2 Gx G y
(2.26)
Para obter uma orientao de campo mais suavizada (mais prxima da orientao
dominante) para uma imagem utilizando-se os pixels pertencentes a regio em torno do pixel
(x, y), basta considerar um bloco de tamanho W W e o centro desse bloco localizado no
ponto (x, y). Logo, as somas vetoriais das componentes Jx(Vx(x, y)) e Jy(Vy(x, y)) nessa
vizinhana, so obtidas pelas Equaes (2.27) e (2.28), respectivamente.
x+
V x ( x, y ) =
W
2
y+
W
2
[(G
u = x
W
W
v= y
2
2
x+
V y ( x, y ) =
W
2
y+
(u , v) ) (G y (u , v) )
2
W
2
[2G
W
W
u = x v= y
2
2
(2.27)
(2.28)
32
Depois de calcular os valores de Vx(x, y) e Vy(x, y), pode-se definir a orientao de
campo do pixel (x, y) pela Equao (2.29).
( x, y ) =
V y ( x, y )
1
tan 1
2
V
(
x
,
y
)
x
(2.29)
onde:
V y ( x, y )
a
Na Equao (2.29) necessrio a diviso por dois porque tan 1
V
(
x
,
y
)
x
orientao do vetor gradiente quadrtico, ou seja, a direo de J. A Equao (2.20) mostra que
a direo de J duas vezes a de G, ento para obter a direo de G a partir de J basta divid-la
por dois.
33
CAPTULO III
MTODOS DE EXTRAO DE CARACTERSTICAS EM
IMAGENS DE IMPRESSES DIGITAIS
3.1 Introduo
35
As impresses digitais so as linhas presentes nos dedos de cada ser humano e essa
nica para cada um, ou seja, no existem duas pessoas que possuem a mesma forma com que
as linhas da impresso se dispem em seus dedos. Por esse motivo que a impresso digital
vem sendo utilizada para a identificao de pessoas para vrias finalidades, como por
exemplo, o controle de ponto dos funcionrios de uma empresa, a identificao de um
criminoso e o acesso de pessoas a reas restritas de extrema segurana.
A impresso digital formada por vales e salincias. A Figura 3.1 mostra um exemplo
de uma regio de uma impresso digital de uma pessoa onde est realada na imagem uma
salincia e um vale. Nessa figura os vales so representados pelas linhas mais claras enquanto
as salincias pelas linhas mais escuras.
A impresso digital pode ser classificada em funo da forma com que suas salincias
e seus vales esto dispostos na superfcie do dedo. Nessa classificao existem seis tipos que
so mostrados na Figura 3.2.
36
Figura 3.2 Tipos de impresso digital. (a) arco; (b) arco tented; (c) loop esquerda;
(d) loop direita; (e) whorl; (f) loop gmeos.
bifurcao de salincia onde cada uma est realada por um crculo amarelo.
37
Figura 3.3 Tipos de mincias. (a) terminao de salincia; (b) bifurcao de salincia.
38
Figura 3.4 Imagens de uma mesma impresso obtidas por um scanner. (a) imagem
com uma presso maior e mais distribuda do que a da letra (b).
Figura 3.5 Imagens da mesma impresso, a letra (b) est translada e rotacionada
em relao a letra (a).
39
3 Estima-se a orientao de campo de cada pixel (x,y), utilizado-se as Equaes (3.1), (3.2)
e (3.3).
x+
V x ( x, y ) =
W
2
y+
W
2
[(G
u= x
(3.1)
W
W
v= y
2
2
x+
V y ( x, y ) =
(u, v) ) (G y (u , v) )
2
W
2
y+
W
2
[2G
(u , v)G y (u , v)
(3.2)
W
W
u= x v= y
2
2
( x, y ) =
V y ( x, y )
1
.
tan 1
V
(
x
,
y
)
2
(3.3)
40
onde:
W tamanho do bloco.
Gx e Gy magnitudes das componentes do gradiente na direo x e y, respectivamente.
41
A diviso da imagem em blocos tem a vantagem de evitar que um rudo presente em
um determinado bloco no seja transmitido aos blocos vizinhos no momento do clculo do
gradiente, pois esse clculo utiliza derivadas e a diferenciao tende a aumentar o rudo. Cada
bloco tratado como uma imagem independente, ento os pixels do bloco que est sujeito ao
rudo no so utilizados pelos outros blocos para o clculo do gradiente, assim o rudo no se
propaga. A Figura 3.7 mostra a questo da no-propagao do rudo em outros blocos da imagem.
Na Figura 3.7, o bloco com a presena de rudo representado pelos pixels que esto
realados pela cor cinza. Suponha que para o clculo do gradiente utilizado a tcnica de
filtragem espacial onde os operadores possuem tamanho igual a 3 3. Se a imagem no fosse
dividida em blocos, para cada pixel da primeira coluna do bloco superior-direito seria
utilizado trs pixels da ltima coluna do bloco superior-esquerdo. Essa figura mostra, por
exemplo, que para o clculo do valor dos pixels da segunda linha e da primeira coluna,
42
localizado no bloco superior-direito necessrio utilizar trs pixels da ltima coluna
(realados pelas bordas amarelas) no bloco superior-esquerdo.
Considerando que existe rudo somente no bloco superior-esquerdo, a Figura 3.8
mostra na cor vermelha, todos pixels que so afetados pelo rudo devido vizinhana com o
bloco ruidoso, considerando que os operadores para o clculo do gradiente possuem
dimenses iguais a 3 3 e a imagem no for dividida em blocos.
O clculo da orientao de campo foi mostrado na Seo 3.3 deste captulo. Neste
clculo para encontrar os ngulos para cada pixel da imagem necessrio realizar duas
somatrias, representadas pelas Equaes (3.1) e (3.2). Neste trabalho foi desenvolvido um
algoritmo para diminuir o nmero de adies nas somatrias dessas equaes utilizando a
propriedade da comutao.
43
Suponha que A, B, e C sejam nmeros reais. A propriedade da comutao pode ser
exemplificada pela Equao (3.4).
(A + B) + C = (A + C) + B = (B + C) + A
(3.4)
g ( x) =
x+a
f (i)
(3.5)
i = xa
onde:
f(i) sinal discreto mostrado na Figura 3.9.
g(x) sinal discreto resultante da somatria representada pela Equao (3.5).
a constante inteira, que indica que existem a elementos esquerda e a elementos
direita do elemento localizado na posio x.
44
Como f(i) possui um comprimento igual a L, que no exemplo da Figura 3.9 18, ento
g(x) tambm possui um comprimento igual a L. Quando o ndice i est fora do intervalo
[0, L 1], o valor de f(i) considerado igual a zero.
O resultado da Equao (3.5), para todos os valores de x variando de 0 a L 1,
mostrado na Figura 3.10.
(3.6)
i =5
Agora necessrio calcular o valor de g(8) que resulta na Equao (3.7) para a = 2.
10
(3.7)
45
As Figuras 3.11(a) e 3.11(b) mostram os elementos utilizados para calcular o valor de
g(7) e os elementos necessrios para o clculo de g(8), respectivamente. Como pode-se notar
nessas figuras, existem alguns elementos em comum que so: f(6), f(7), f(8) e f(9). A diferena
entre as somatrias que resulta em g(7) e g(8) que o primeiro elemento da somatria de g(7)
no faz parte da somatria de g(8) e que o ltimo elemento da somatria de g(8) no faz parte
da somatria de g(7). A Figura 3.11(c) mostra os elementos comuns as duas somatrias de
g(7) e g(8) na cor amarela e os elementos diferentes na cor cinza. Pode-se notar que existe um
desperdcio computacional a respeito das somatrias, pois para o prximo elemento calculado,
a somatria parte do zero em vez de aproveitar a somatria anterior e reduzir o nmero de
operaes aritmticas, isto ocorre no algoritmo de orientao de campo desenvolvido por Jain
e outros [1], ou seja, esse algoritmo no utiliza a propriedade da comutao. Porm o
algoritmo desenvolvido neste trabalho utiliza essa propriedade para reduzir o tempo de
processamento.
Figura 3.11 Elementos pertencentes. (a) g(7); (b) g(8); (c) g(7) e g(8).
46
Ento, utilizando-se a propriedade da comutao para toda a posio x + 1 pode-se
reaproveitar o clculo da somatria da posio x, onde necessrio retirar o primeiro
elemento da somatria de x e adicionar o ltimo elemento referente a somatria de x + 1. Por
exemplo, considerando-se novamente o caso mostrado na Figura 3.11, o valor de g(8) pode
ser encontrado utilizando-se a Equao (3.8).
(3.8)
(3.9)
De forma geral, o clculo do sinal discreto g(x) pode ser representado pela Equao
(3.10).
a
se x = 0
f (i ),
i =0
g ( x) =
g ( x 1) + f ( x + a ) f ( x a 1), se 1 x L 1
(3.10)
A Equao (3.10) mostra que necessrio calcular a somatria uma nica vez (quando
x igual a zero). A somatria para x = 0 no precisa ter o valor inicial de i = x a, pois
resulta em valores de i negativo, que possuem f(i) igual a zero. O elemento g(x 1) representa
a somatria j calculada, f(x + a) o novo elemento adicionado a somatria e f(x a 1) o
47
primeiro elemento que compe a somatria anterior. O que garante que se pode somar valores
as somatrias anteriores justamente a propriedade da comutao.
Para verificar a eficincia da utilizao da propriedade da comutao no clculo da
orientao de campo de uma imagem de impresso digital, segue a deduo das equaes do
nmero de somas realizadas pelas somatrias das Equaes (3.5) e (3.10). Para a deduo
dessas equaes, considere a somatria da Equao (3.5) e um sinal de comprimento L.
O valor de NSC representa o nmero de somas calculadas por uma somatria sem
utilizar a propriedade da comutao, esse valor pode ser encontrado na Equao (3.11).
(3.11)
N SC = 2aL
(3.12)
O valor NCC representa o nmero de somas calculadas por uma somatria que utiliza a
propriedade da comutao, esse valor pode ser encontrado utilizando-se a Equao (3.13).
48
NCC = n de elementos somados na 1 posio + n de somas das posies restantes (3.13)
N CC = a + 2( L 1)
(3.14)
NSC
NCC
N CC
100
N SC
1.024
512
50,00 %
2.560
515
20,11 %
4.096
518
12,64 %
10
5.120
520
10,15 %
16
8.192
526
6,42 %
20
10.240
530
5,17 %
N CC
pode ser definida como uma vantagem computacional,
N SC
49
considerando nessa tabela o comprimento do sinal igual a 256, e a igual a 16, a utilizao da
propriedade de comutao demanda 6,42 % menos adies do que a somatria que no
utiliza essa propriedade.
Considere um sinal bidimensional, como por exemplo, uma imagem f(x, y). O
algoritmo desenvolvido nesta dissertao que utiliza a propriedade da comutao para reduzir
o nmero de operaes das somatrias unidimensionais, tambm pode ser aplicado para
somatrias bidimensionais como mostrado na Equao (3.15).
g ( x, y ) =
x+a
y +b
f (i, j )
(3.15)
i = x a j = y b
onde:
a e b constantes inteiras.
f(x, y) sinal bidimensional de dimenso M N.
g(x, y) sinal bidimensional de dimenso M N resultante da somatria.
f (a, b), se 0 a M 1 e 0 b N 1
f ( x, y ) =
0,
caso contrrio
(3.16)
50
As Equaes (3.1) e (3.2) so utilizadas para calcular as somatrias de um sinal
bidimensional. A funo que calcula essas somatrias que resulta nos valores de Vx e Vy
precisam receber os valores de Gx e Gy, que so as componentes do gradiente nas direes x e
y, respectivamente.
Os passos do algoritmo desenvolvido neste trabalho para o clculo da somatria
bidimensional que utiliza que utiliza a propriedade da comutao so:
1 Define-se dois vetores Vxs e Vys unidimensionais, cada um com comprimento igual a N,
V xs (v), se 0 v N 1
V xs =
0,
para todo o resto
(3.17)
V ys (v), se 0 v N 1
V ys =
0,
para todo o resto
(3.18)
W
2
Vxs ( j ) = (G x (u , j ) ) (G y (u , j ) )
u =0
(3.19)
51
W
2
V ys ( j ) = 2G x (u , j )G y (u , j )
(3.20)
u =0
4 Considere j = 0;
passo;
y+
Vx =
V
v =0
y+
Vy =
W
2
xs
(v )
(3.21)
ys
(v )
(3.22)
W
2
V
v =0
W
Vx = V ' x +Vxs j + Vxs j 1
2
2
(3.23)
W
V y = V ' y +V ys j + V ys j 1
2
2
(3.24)
52
onde:
Vx e Vy valores de Vx e Vy antes do 6 passo.
(i, j ) = tan 1 y
2
Vx
(3.25)
8 Incremente j de um;
W W
W
W
V ys ( j ) = V ' ys ( j ) + 2G x i + , j G y i + , j 2G x i 1, j G y i 1, j (3.26)
2
2
2
2
53
2
2
2
2
W
W W
W
Vxs ( j ) = V ' xs ( j ) + Gx i + , j G y i + , j Gx i 1, j G y i 1, j (3.27)
2
2
2
2
onde:
Vxs e Vys valores de Vxs e Vys antes do 12 passo.
54
Incio de
programa
j=0
utilizando as Equaes
(3.20) e (3.21)
Clculo de Vx e Vy
utilizando as Equaes
(3.22) e (3.23)
Clculo do (i, j)
utilizando a Equao
(3.25)
Define-se as variveis
i, j, Vxs e Vys
Clculo de Vxs(j) e
Vys(j) para j variando
de 0 a N - 1
utilizandos as
Equaes (3.18) e
(3.19)
Clculo de Vx e Vy
Incremente j de um
Sim
j<N
No
Incrementa i de um e
Vx = 0, Vy = 0
Sim
i<M
No
Fim de
programa
55
O fluxograma da Figura 3.12 primeiro considera cada coluna da imagem f(x, y) como
sendo um sinal discreto, ento define-se dois vetores unidimensionais, Vxs e Vys, cada um de
comprimento N, onde cada posio de Vxs e Vys contm inicialmente os resultados das
Equaes (3.17) e (3.18). No segundo passo, so definidas as variveis i, j, Vx e Vy onde Vx e
Vy so utilizadas para armazenar temporariamente os resultados das somatrias das Equaes
(3.1) e (3.2) e as variveis i e j so utilizadas para varrer toda a imagem, onde seus valores em
um determinado momento, indicam a posio que est sendo processada a imagem. No
terceiro passo os vetores Vxs e Vys so inicializados, o que equivale a Equao (3.10) quando
x = 0. O quinto passo tem a mesma funo do terceiro, porm as variveis Vx e Vy so
inicializadas..
Para exemplificar o uso da propriedade da comutao em somatrias bidimensionais
realizado o clculo da Equao (3.28).
x+
g ( x, y ) =
W
2
y+
W
2
f (i, j )
(3.28)
W
W
i= x
j= y
2
2
56
Figura 3.13 (a) Valores de f(i, j), (b) resultado da Equao (3.28).
57
Figura 3.14 Valores de Vxs para as linhas. (a) i = 0; (b) i = 1; (c) i = 2; (d) i = 3;
(e) i = 4.
58
Para calcular Vx, calcula-se os valores de Vxs para cada valor de j (nesse exemplo da
Figura 3.13(a) j varia de zero a 4), utilizando-se a Equao (3.28), onde os valores e i e W so
respectivamente zero e 2. Os resultados dessa equao para a primeira linha da matriz
mostrada na Figura 3.13(a) so calculados, como mostram as Equaes (3.29) a (3.33).
(3.29)
(3.30)
(3.31)
(3.32)
(3.33)
Depois de calcular os valores de Vxs para cada coluna, calcula-se o valor de Vx para
cada linha utilizando-se a Equao (3.21). Os resultados so mostrados nas Equaes (3.34) a
(3.38).
(3.34)
(3.35)
59
Vx(0, 2) = Vx(0, 1) + Vxs(3) Vxs(0) = 8
(3.36)
(3.37)
(3.38)
(3.39)
(3.40)
(3.41)
(3.42)
(3.43)
onde:
Vxs valores de Vxs no passo anterior.
60
Depois de atualizados os valores de Vxs, calcula-se os valores de Vx, como mostrado
nas Equaes (3.44) a (3.48).
(3.44)
(3.45)
(3.46)
(3.47)
(3.48)
(3.49)
61
Utilizando-se o mesmo raciocnio para a deduo da Equao (3.12), para cada
posio (i, j), o nmero de elementos utilizados na somatria igual a (W + 1)2, logo o n de
adies por posio (W + 1)2 1 que pode ser simplificado para W2 + 2W. Para uma
imagem de M linhas e N colunas, o nmero de posies igual a MN. O resultado da Equao
(3.49) mostrado na Equao (3.50).
(3.50)
N2DCC = S1 + S2 + S3 + S4
(3.51)
onde:
S1 nmero de adies para calcular Vxs para todas as colunas da imagem.
S2 nmero de adies para atualizar os valores de Vxs para as (M 1) linhas restantes da
imagem.
S3 nmero total de adies para todas as linhas da imagem.
S4 nmero total de somas realizadas no 6 passo do fluxograma da Figura 3.12.
62
A soma S1 equivale ao nmero de adies para calcular Vxs para todas as colunas,
como descrito no 3 passo do fluxograma da Figura 3.12. Como so
das N colunas, ento S1 =
W
somas para cada uma
2
WN
.
2
W
somas para
2
cada primeiro elemento de cada linha. Ento S3 o nmero total de adies para todas as
linhas da imagem. Logo S 3 =
WM
2
N 2 DCC =
W
( M + N ) + 2(2MN M N )
2
(3.52)
63
Tabela 3.2 Nmero de adies para as somatrias bidimensionais considerando W = 16.
L
N2DSC
N2DCC
N 2 DCC
100
N 2 DSC
32
294.912
4.480
1,52 %
64
1.114.112
17.152
1,45 %
128
4.718.592
67.072
1,42 %
256
18.874.368
265.216
1,41 %
512
75.497.472
1.054.720
1,40 %
1024
301.989.888
4.206.592
1,40 %
N 2 DCC
a vantagem
N 2 DSC
Nvel de consistncia (C(x, y)) o valor referente orientao de campo de cada pixel
da imagem que indica se a orientao de campo de um determinado pixel satisfatria. Os
passos do algoritmo proposto por Jain e outros [1] para calcular esse nvel so:
64
C ( x, y ) =
1
N
| ( x ' , y ' ) ( x, y ) |
(3.53)
( x ', y ')D
(3.54)
| ( x' , y ' ) ( x, y ) |=
d 180 para todo o resto
onde:
D vizinhana local em torno do pixel (x, y), o valor de D utilizado neste trabalho 5 5 pixels.
N nmero de pixels dentro de D.
mod operador resto da diviso de ( (x, y) (x, y) + 360) por 360.
(x, y) e (x, y) orientaes locais para os pixels (x, y) e (x, y), respectivamente.
(x, y) coordenada do pixel central da vizinhana D.
(x, y) coordenada de um pixel pertencente a vizinhana D.
2 Se C(x, y) menor do que um certo limiar TC, o valor da orientao de campo para a
posio (x, y) deve ser re-estimado utilizando-se a mdia das orientaes de campo dos
pixels pertencentes a regio D. O valor de TC varia dependendo da qualidade da
imagem e do tamanho do bloco W. Neste trabalho foi utilizado um TC igual a 25 (esse
valor foi encontrado aps utilizar vrios valores de TC nas imagens utilizadas nesta
dissertao, pois os valores de TC dependem do brilho e do contraste da imagens).
65
1
CL( x, y ) =
W W
V x ( x, y ) 2 + V y ( x, y ) 2
Ve ( x , y )
(3.55)
onde:
W tamanho do bloco da vizinhana local na imagem.
Ve(x,y) definido pela Equao (3.56).
x+
Ve ( x, y ) =
W
2
y+
W
2
[(G
(u , v) ) + (G y (u , v) )
2
W
W
u = x v= y
2
2
(3.56)
66
2 Se o pixel tiver um nvel de certeza menor do que um certo limiar, esse pixel
marcado como sendo um pixel de fundo. Caso contrrio, no se altera o valor do nvel
de cinza desse pixel.
Por exemplo, para uma imagem com 256 nveis de cinza um pixel de fundo pode ser
considerado como um pixel cujo nvel de cinza 255 (maior valor de nvel de cinza possvel
nesse caso).
Considere f(x, y) como sendo uma imagem de uma impresso digital. Para a extrao
das salincias nessa imagem, Jain e outros [1] propuseram que f(x, y) seja convoluda com
duas mscaras ht e hb, como definidas nas Equaes (3.57) e (3.58), onde cada uma dessas
mscaras, so convoludas separadamente com a imagem f(x, y), gerando duas novas imagens.
u
2
u
2
ht ( x, y; u , v) =
1
se u = v cot[ ( x, y )]
se u = v cot[ ( x, y )]
para todo o resto
H
2 cos[ ( x, y )]
(3.57)
67
u
2
u
2
hb ( x, y; u , v) =
1
se u = v cot[ ( x, y )] +
se u = v cot[ ( x, y )]
H
2 cos[ ( x, y )]
(3.58)
onde:
Lsen[ ( x, y )] Lsen[ ( x, y )]
v
,
2
2
(3.59)
constante.
(x, y) orientao de campo para o pixel na posio (x, y).
O valor de uma constante muito grande para melhorar a aproximao dos valores
atribudos s duas mscaras de convoluo ht e hb. Neste trabalho foi utilizado com o valor
igual a 25.000.
Para exemplificar o valor de = 25.000, considere a Equao (3.60). Se muito
grande, o valor dessa equao tende a um, pois o argumento da funo exponencial tende a
zero. Logo, proposto neste trabalho que as Equaes (3.57) e (3.58) sejam aproximadas
68
utilizando-se as Equaes (3.61) e (3.62), assim elimina-se o clculo da funo exponencial e
com isso diminui-se o tempo computacional.
y=e
1
ht ( x, y; u, v) =
se u = v cot[ ( x, y )]
1
hb ( x, y; u, v) =
se u = v cot[ ( x, y )] +
(3.60)
H
2 cos[ ( x, y )]
se u = v cot[ ( x, y )]
(3.61)
se u = v cot[ ( x, y )]
H
2 cos[ ( x, y )]
(3.62)
O tamanho tpico das mscaras de convoluo proposto por [1] e utilizado neste
trabalho de 11 7. A Figura 3.15 mostra as coordenadas das posies dessas mscaras.
69
(5,3)
(5,2)
(5,1)
(5,0)
(5,1)
(5,2)
(5,3)
(4,3)
(4,2)
(4,1)
(4,0)
(4,1)
(4,2)
(4,3)
(3,3)
(3,2)
(3,1)
(3,0)
(3,1)
(3,2)
(3,3)
(2,3)
(2,2)
(2,1)
(2,0)
(2,1)
(2,2)
(2,3)
(1,3)
(1,2)
(1,1)
(1,0)
(1,1)
(1,2)
(1,3)
(0,3)
(0,2)
(0,1)
(0,0)
(0,1)
(0,2)
(0,3)
(1,3)
(1,2)
(1,1)
(1,0)
(1,1)
(1,2)
(1,3)
(2,3)
(2,2)
(2,1)
(2,0)
(2,1)
(2,2)
(2,3)
(3,3)
(3,2)
(3,1)
(3,0)
(3,1)
(3,2)
(3,3)
(4,3)
(4,2)
(4,1)
(4,0)
(4,1)
(4,2)
(4,3)
(5,3)
(5,2)
(5,1)
(5,0)
(5,1)
(5,2)
(5,3)
3 Aplica-se as Equaes (3.61) e (3.62) para a atribuio dos valores dos coeficientes
( H 1) ( H 1)
,
,
Verifica-se quais valores obtidos de u esto dentro do intervalo
2
2
70
Para todos os exemplos, gerada somente a mscara ht. O clculo da mscara hb
utiliza o mesmo procedimento.
Considere que = 25.000 e (x, y) = 60. Primeiro, se (x, y) = 60, ento
Lsen(30 ) Lsen(30)
,
v
2
2
(3.63)
v [1,75;1,75]
(3.64)
v [2; 2]
(3.65)
c=
1
2
1
2 25.000
2,5231 103
(3.66)
71
A Tabela 3.3 mostra o clculo dos valores de u a partir de v no algoritmo para a
gerao das mscaras de convoluo ht e hb.
u = v cot[ ( x, y)]
H
2 cos[ ( x, y)]
u = v cot[ ( x, y)]
2,89
3,46
4,62
1,73
6,35
8,08
1,73
9,81
3,46
Como mostrado na Tabela 3.3, para cada valor de v existem dois valores possveis de
u. Esses valores devem estar no intervalo [5; 5]. Caso o valor de u no esteja nesse intervalo,
a coordenada (u, v) desconsiderada. Para exemplificar isso, considere nessa tabela quando v
igual a 2, onde a segunda coluna resulta em um valor de u igual a 9,81. Este valor no
considerado, pois est fora do intervalo permitido para u.
A partir dos valores de u e v obtidos e mostrados na Tabela 3.3 resulta a mscara ht da
Figura 3.16.
72
0
0
0
0
0
0
0
0
0
0
0
0
0
c
0
0
0
0
0
c
0
0
c
0
0
0
0
0
0
c
0
0
0
0
0
0
0
0
c
0
0
0
0
0
0
0
0
c
0
0
0
0
0
0
0
0
0
c
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
73
Depois de obtido o intervalo de v, cria-se um lao que deve gerar uma nova mscara ht
ou hb para cada posio da imagem.
No caso da convoluo de uma imagem f(x, y) de dimenso M N com uma mscara
de dimenso L H, o resultado uma imagem g(x, y) de tamanho M + L 1 N + H 1.
Essas novas L 1 linhas e H 1 colunas adicionais geradas pela convoluo, podem ser
desconsideradas. Isto pelo fato de que as caractersticas da imagem, no esto localizadas em
suas bordas.
Foi desenvolvido neste trabalho uma nova forma de obter as mscaras de convoluo,
ht e hb, resultando assim em imagens de melhor qualidade.
A melhor forma de determinar u e v analisar as Equaes (3.60) e (3.61).
Na Equao (3.61) a expresso u = v cot[(x, y)] a equao de uma reta, onde v a
varivel independente e cot[(x,y)] o coeficiente angular. importante notar que
cot[(x, y)] constante para a posio (x, y).
Na Equao (3.62) u = v cot[ ( x, y )] +
H
a frao o coeficiente linear da
2 cos[ ( x, y )]
74
O algoritmo DDA foi proposto por Hearn e Baker [18]. Ele utilizado para melhorar a
alocao discreta da coordenada (x, y) de uma reta. Esse algoritmo foi desenvolvido porque
por exemplo, em monitores de computadores, possvel representar somente valores inteiros
das coordenadas (x, y). Como uma reta possui infinitos pontos, para alguns casos o resultado
visual de uma reta com falhas. Para resolver esse problema, considere a Equao (3.67)
como a equao de uma reta.
y=xm+n
(3.67)
m = tan
(3.68)
onde:
m coeficiente angular da reta.
n coeficiente linear da reta.
75
m=
y y B y A
=
x x B x A
(3.69)
onde:
y taxa de variao do valor da ordenada y entre os dois pontos A e B da Equao (3.67).
x taxa de variao do valor da abscissa x entre os dois pontos A e B da Equao (3.67).
xA e yA abscissa e ordenada do ponto A, da reta da Equao (3.67), respectivamente.
xB e yB abscissa e ordenada do ponto B, da reta da Equao (3.67), respectivamente.
B
Na Equao (3.69) quando | | < 45, a taxa de variao da varivel x maior do que a
taxa de variao da varivel y, ou seja, x > y. Ento, ocorre um nmero maior de valores
inteiros para x do que para y. Neste caso, para uma melhor determinao dos pontos da reta,
utiliza-se a Equao (3.67) substituindo-se valores inteiros para x e determinando-se os
valores de y. Caso na Equao | | > 45, y tem uma maior taxa de variao do que x, ento
76
obtido um melhor resultado utilizando-se a Equao (3.70), substituindo-se valores inteiros
para y determinando-se os valores de x. Quando = 45, x = y, utiliza-se a Equao (3.67)
para calcular o valor de x.
x=
1
( y n)
m
(3.70)
O algoritmo DDA pode ser aplicado as equaes que determinam as coordenadas das
mscaras de convoluo ht e hb. A determinao das posies dessas mscaras utilizada da
seguinte maneira: se || menor ou igual a 45, utilizam-se as Equaes (3.61) e (3.62) para
gerar essas mscaras. Caso contrrio, essas equaes so rearranjadas de forma a obter as
Equaes (3.71) e (3.72).
1
ht ( x, y; u, v) =
se v = u tan[ ( x, y )] +
1
hb ( x, y; u, v) =
se v = u tan[ ( x, y )]
H
2 cos[ ( x, y )]
se v = u tan[ ( x, y )]
(3.71)
se v = u tan[ ( x, y )]
para todo o resto
H
2 cos[ ( x, y )]
(3.72)
77
78
O primeiro passo do algoritmo de afinamento proposto por Gonzalez e Woods [15]
determina que um pixel do contorno p, deve ser eliminado se as seguintes condies forem
satisfeitas:
(a) 2 N(p1) 6;
(b) S(p1) = 1;
(c) p2 p4 p6 = 0; e
(3.73)
(d) p4 p6 p8 = 0.
onde:
N(p1) nmero de pixels vizinhos no-nulos de p1, ou seja:
N(p1) = p2 + p3 + p4 + p5 + p6 + p7 + p8 + p9
(3.74)
S(p1) nmero de transies de 0 para 1 na seqncia p2, p3, , p8, p9, p2.
79
(a) 2 N(p1) 6;
(b) S(p1) = 1;
(3.75)
(c) p2 p4 p8 = 0; e
(d) p2 p6 p8 = 0.
80
Figura 3.21 Afinamento de uma imagem. (a) imagem original; (b) pixels eliminados pelo
1 passo; (c) pixels eliminados pelo 2 passo; (d) imagem resultante do
afinamento com os pixels eliminados.
As Figuras 3.21(b) e (c) mostram na cor cinza, os pixels apagados na primeira iterao
pelo primeiro e pelo segundo passos, respectivamente. A Figura 3.21(d) mostra a imagem
resultante (representada pelos pixels na cor preta) aps no existirem mais pixels a serem
apagados. Os pixels da cor cinza na Figura 3.21(d) so os pixels apagados pelo o algoritmo de
afinamento proposto por Gonzalez e Woods [15].
81
As Figuras 3.22(a) e (b) mostram uma imagem binria de uma impresso digital e o
resultado final do algoritmo de afinamento proposto por Gonzalez e Woods [15] aplicado a
imagem da Figura 3.22(a), respectivamente.
Figura 3.22 (a) Imagem original; (b) imagem afinada pelo o algoritmo de afinamento.
82
Figura 3.23 Vizinhanas de oito dos pixels que geram falsas mincias.
Obtido o esqueleto da imagem da impresso digital, Jain e outros [1] propuseram que
um pixel classificado como mincia do tipo terminao de salincia se N(p1) = 1, onde N(p1)
o nmero de pixels vizinhos como definido na Equao (3.74). Um pixel classificado
como bifurcao de salincia se N(p1) > 2. A Figura 3.24 mostra um exemplo de mincias dos
tipos terminao e bifurcao de salincia. As Figuras 3.24(a) e (b) mostram os pixels, que
esto realados por um quadrado vermelho, como uma mincia do tipo terminao e
bifurcao, respectivamente.
Figura 3.24 (a) Mincia do tipo terminao; (b) mincia do tipo bifurcao.
83
Quando detectada a mincia do tipo bifurcao com N(p1) = 3, essa mincia possui
duas falsas mincias (que esto representadas pela cor vermelha na Figura 3.25). Para
eliminar essa deteco errnea foi desenvolvido neste trabalho um algoritmo que compara a
vizinhana de oito do pixel que classificado como mincia quando N(p1) = 3 com as
vizinhanas de oito mostradas na Figura 3.26. Se a vizinhana do pixel ocorrer em algum dos
casos da Figura 3.26, ento o pixel classificado como mincia do tipo bifurcao. Caso
contrrio o pixel um pixel de salincia.
Figura 3.26 Vizinhanas de oito para mincias do tipo bifurcao com N(p1) = 3.
84
Na obteno da imagem de uma impresso digital podem ocorrer imperfeies, por
exemplo, devido a doenas de pele, bolhas nos dedos, ferimentos, suor, entre outras causas.
Devido a isso, existe o aparecimento de espinhos, cortes e junes de salincias na imagem
afinada dessa impresso que ocasiona a deteco de mincias esprias que interferem no
reconhecimento correto.
Como proposto por Jain e outros [1], para cada mincia detectada so armazenados os
seguintes parmetros: abscissa x, ordenada y, orientao de campo e o segmento da salincia
associado a ela. As salincias armazenadas so representadas como sinais discretos
unidimensionais normalizados utilizando-se como referncia a distncia mdia entre elas.
Essa normalizao garante a flexibilidade do algoritmo trabalhar com imagens de tamanhos
diferentes de uma mesma impresso digital. Por exemplo, considere uma mesma impresso
digital representada por duas imagens de tamanhos 128 128 pixels e 256 256 pixels; e
dessas imagens so extrados dois sinais unidimensionais que representam a mesma salincia.
Se entre esses dois sinais a comparao realizada sem normalizao, no identificada a
semelhana entre eles, pois um o dobro do outro. A normalizaco elimina esse problema.
85
tenta-se encontra um outro pixel que se enquadre nos requisitos para que esse pixel possa ser
ligado ao pixel dessa mincia. Os passos do algoritmo desenvolvido neste trabalho para
eliminao dessas falhas so:
2 - Testar se existe um outro pixel que possa ser ligado ao pixel da mincia do tipo
terminao. Os possveis pixels que podem ser ligados so delimitados por uma regio
de teste (esta regio ser explicada a seguir neste mesmo item deste captulo);
3 - Se encontrado algum pixel com valor diferente de zero (pixels com valores iguais a
zero so pixels de vale) dentro da regio de teste, a vizinhana de oito desse pixel
testada.
4 - Se o pixel encontrado na regio de teste possui um nico pixel vizinho de valor igual a
1, e o sentido (da esquerda para a direita ou da direita para a esquerda) da salincia desse
pixel oposto ao sentido da salincia do pixel classificado como mincia do tipo
terminao, esses dois pixels so ligados eliminando a falha na salincia. Caso alguma
das condies no seja satisfeita, o pixel encontrado dentro da regio de teste no
ligado ao pixel classificado como pixel de mincia do tipo terminao.
86
A Figura 3.27 mostra o fluxograma do algoritmo desenvolvido neste trabalho para a
eliminao de falhas em salincias.
Incio do
programa
Se um dos
possveis pixels
obedecer todas as
restries
No
Sim
Fim do
programa
87
88
A Figura 3.28(a) mostra o pixel de coordenada (6, 3) classificado como uma mincia
do tipo terminao. A direo da orientao de campo desse pixel mostrada pela seta de cor
vermelha.
A Figura 3.28(b) mostra a regio de teste delimitada pela linha na cor vermelha.
Alguns pixels da salincia acima da salincia que est sendo aplicado o algoritmo
desenvolvido neste trabalho para eliminao de falhas em salincias podem ser os possveis
pixels necessrios para ligar as salincias. Mas as condies sobre a vizinhana do pixel no
so satisfeitas, logo esse algoritmo testa os outros pixels at encontrar o pixel de coordenada
igual a (4, 8) onde esse pixel possui somente um pixel vizinho.
O ltimo teste a ser realizado na Figura 3.28(b) no pixel de coordenada igual a (4, 8)
se o sentido desse pixel est concordando com o sentido do pixel considerado como mincia
do tipo terminao. Se isso ocorrer, o pixel considerado como mincia possui uma salincia
que vem da esquerda para a direita. O pixel de coordenada (4, 8) possui uma salincia que vai
da direita para a esquerda, concordando com o sentido do pixels considerado como mincia
do tipo terminao, logo esses dois pixels devem ser ligados eliminando assim a falha na
salincia, como mostrada a Figura 3.28(c), onde os pixels na cor cinza so os novos pixels da
salincia.
As coordenadas dos novos pixels da salincia podem ser determinadas utilizando-se o
algoritmo DDA.
Uma outra restrio aplicada aos possveis pixels necessrios para ligar as salincias
para a remoo das falhas nelas a distncia entre a mincia e esses possveis pixels. Como
proposto por Jain e outros [1], essa distncia tem de ser menor do que 15 pixels. Depois de
89
determinadas as coordenadas da mincia e desses possveis pixels, a distncia entre esses dois
pontos calculada utilizando-se a Equao (2.6) da Seo 2.4 deste trabalho.
90
procedimento. Para evitar isso deve-se marcar os pixels j testados com algum valor que evita
esse erro (por exemplo, neste trabalho utilizou-se o valor de 1).
Coordenada
p2
(x 1, y)
p3
(x 1, y + 1)
p4
(x, y + 1)
p5
(x + 1, y + 1)
p6
(x + 1, y)
p7
(x + 1, y 1)
p8
(x, y 1)
p9
(x 1, y 1)
91
x ' 1
y ' 0
=
z ' 0
1 0
0
1
0
0
0
0
1
0
xo x
y o y
zo z
1 1
(3.76)
onde:
x, y e z coordenada do pixel da salincia.
x, y e z nova coordenada do pixel da salincia transladado.
xo, yo e zo distncia em x, y e z, que o pixel translado, respectivamente.
92
x xo
y y
o
p=
z zo
(3.77)
cos
sen
p' =
0
sen
cos
0
0
0
0
1
0
0 x '
0 y '
0 z '
1 1
(3.78)
onde:
ngulo de rotao.
x, ye z coordenada do pixel de coordenada (x, y, z) transladado.
cos
sen
v=
0
sen
cos
0
0
0
0
1
0
0 x x o
0 y y o
0 z z o
1 1
(3.79)
93
onde:
v matriz que representa a nova coordenada do pixel transladado e rotacionado de .
( x xo ) cos + ( y y o ) sen
( x x ) sen + ( y y )cos
o
o
v=
z zo
(3.80)
(3.81)
(3.82)
onde:
x e y novos valores da abscissa e da ordenada, do pixel da salincia, respectivamente.
xo e yo abscissa e ordenada, do pixel classificado como mincia, respectivamente.
94
Para exemplificar o uso das Equaes (3.81) e (3.82), considere a salincia mostrada
na Figura 3.30. A mincia est realada pelo pixel de cor cinza claro e o ngulo formado pela
sua direo (indicado nessa figura pela reta r) com o eixo x igual a 135. Substituindo-se a
coordenada da mincia e o valor de nessas equaes, obtm-se as Equaes (3.83) e (3.84).
(3.83)
(3.84)
A Tabela 3.5 mostra as coordenadas originais (x, y) e as novas coordenadas (x, y) dos
seis pixels pertencentes a salincia mostrada na Figura 3.30. Essas novas coordenadas so
resultantes da aplicao da translao e da rotao nos pixels da salincia. No algoritmo
implementado neste trabalho considera-se que o 1 pixel sempre a mincia associada
salincia, ou seja, nessa figura o pixel de cor cinza claro de coordenada (4, 2).
95
(x; y)
(x; y)
(4; 2)
(0; 0)
(3; 3)
(1,4142; 0)
(2; 3)
(2,1213; 0.7071)
(1; 3)
(2,8284; 1.4142)
(0; 4)
(4,2426; 1.4142)
(0; 5)
(4,9497; 0.7071)
96
f (b) f (a ) f ( x) f (a )
=
ba
xa
(3.85)
f (b) f (a)
y=
( x a) + f (a)
ba
(3.86)
97
de x so valores inteiros e o maior valor inteiro que pode ser estimado nessa interpolao 4.
Ento x pode ter como valores somente 0, 1, 2, 3 e 4.
Para determinar um valor de x utilizando-se a Equao (3.86), os valores de a e b so
escolhidos de forma que esses valores (foram os valores obtidos da translao e rotao)
sejam os valores mais prximos o possvel do x a ser estimado.
Para exemplificar o uso da Equao (3.86), considere o valor de f(2) utilizando-se os
valores da Tabela 3.5. Os valores de a e b utilizados para encontrar f(2), so respectivamente
1,4142 e 2,1213, por serem nmeros reais obtidos da translao e da rotao mais prximos
de 2. Substituindo-se os valores de a, b e x = 2, na Equao (3.85), obtm-se as Equaes
(3.87) e (3.88).
f (2,1213) f (1,4142)
y=
(2 1,4142) + f (1,4142)
2,1213 1,4142
(3.87)
0,7071 0
y=
(2 1,4142) + 0 = 0,5858
2,1213 1,4142
(3.88)
Pela Equao (3.88), para o valor de x igual a 2 o y estimado igual a 0,5858. Todos
os valores da Tabela 3.5 encontrados utilizando-se interpolao linear so mostrados na
Tabela 3.6.
98
(x; y)
(0; 0)
(1; 0)
(2; 0,5858)
(3; 1,4142)
(4; 1,4142)
99
pixel classificado como mincia do tipo bifurcao. No algoritmo desenvolvido neste trabalho
para da escolha a salincia que ser associada a mincia do tipo bifurcao, prope-se a
conveno de percorrer a salincia no sentido que exista somente um possvel caminho a ser
percorrido, ou seja, para uma mincia, existem dois possveis caminhos nas direes de e
+ , onde o valor da orientao de campo para a mincia. Como mostrado nessa figura,
a mincia com a mesma direo do eixo x, possui dois sentidos possveis para a converso da
salincia em um sinal unidimensional, ou ela para cima ou ela para baixo. Se o sentido
escolhido para cima, dois possveis pixels podem ser escolhidos que so os pixels nas
posies (2, 2) ou (2, 4). Pela conveno adotada neste trabalho, o sentido escolhido para
baixo, pois cada posio do sinal unidimensional discreto possui somente um caminho a ser
percorrido, logo o pixel escolhido o pixel de posio (3, 3).
Os passos do algoritmo para determinar qual salincia ser associada a mincia do tipo
bifurcao so:
100
1 - Determina-se as coordenadas dos trs possveis pixels, onde um desses pixels o
o valor a zero (pixels com valor igual a 1 so pixels pertencentes a salincia), e ento
percorrido n pixels em cada salincia, utilizando-se o algoritmo descrito na Seo 3.9
deste captulo (algoritmo para eliminao de falhas presentes em salincias). O valor de
n igual a quantidade de pixels percorridos em uma das salincias. Esse valor tem um
valor mximo que neste trabalho de 10 pixels, ou atinge o limite de uma salincia que
pode ser uma mincia (tipo terminao ou bifurcao) ou o limite da imagem que pode
ser menor do que 10. So chamados de extremos de cada salincia os n-simos pixels
dela;
3 - Entre os trs extremos de cada salincia, existem trs distncias entre eles. Calcula-se
essas distncias (distncia Euclidiana), como mostrado na Seo 2.4 do captulo 2 deste
trabalho;
4 - Entre trs extremos existem trs distncias que podem ser calculadas. A menor distncia
encontrada foi determinada a partir dos dois extremos mais prximos, ou seja, as
salincias que possuem esses dois extremos esto na direo que possui possveis
caminhos a serem percorridos, logo a salincia que ser associada a mincia oposta a
essa direo, ou seja, a salincia que contm o pixel que no foi utilzado para o clculo
da menor distncia entre os extremos.
101
A Figura 3.34 mostra o fluxograma do algoritmo de determinao da salincia que
ser associada a mincia do tipo bifurcao. O terceiro passo desse algoritmo, calcula as trs
distncias entre os extremos utilizando-se a distncia Euclidiana, calculada pela Equao
(3.89).
Di j = ( xi x j ) 2 + ( yi y j ) 2
onde:
Di j distncia Euclidiana entre os extremos de ndices i e j.
(xi, yi) coordenada do extremo de ndice i.
(xj, yj) coordenada do extremo de ndice j.
(3.89)
102
Incio do
programa
Determina os trs
possveis pixels
A menor distncia a
dos extremos da salincia
que no ser associada a
mincia do tipo
bifurcao..
Fim do
programa
Figura 3.34 Algoritmo de determinao da salincia que ser associada a uma mincia do
tipo bifurcao.
103
Figura 3.35 Passos do algoritmo de determinao da salincia que ser associada a uma
mincia do tipo bifurcao. (a) regio 10 10 de uma mincia; (b) trs
possveis pixels; (c) extremos de cada salincia; (d) salincia escolhida na cor cinza.
104
deste captulo (algoritmo para eliminao de falhas presentes em salincias) no escolha o
pixel errado devido a ordem em que os pixels so testados.
A Figura 3.35(b) mostra os trs possveis pixels como pixels de vale (apagados no
passo anterior) e a partir dos pixels de coordenadas (7, 2), (4, 3) e (5, 6), cada salincia deve
ser percorrida contando n pixels (neste trabalho, n = 10) ou at alcanar um dos extremos de
uma salincia (mincias do tipo bifurcao, mincias do tipo terminao ou limites da
imagem). Como a imagem da Figura 3.35(c) pequena, o valor de n igual a 4, pois a
salincia que se encontra na parte inferior da Figura 3.34(c) possui 4 pixels (alm da mincia)
e quando o quarto pixel encontrado, atingi-se o limite da imagem e o algoritmo encerrado.
A Figura 3.35(c) mostra os extremos de cada salincia destacados pelos nmeros 1, 2 e
3 e de coordenadas (3, 8), (1, 6) e (9, 0), respectivamente. Ento, as trs possveis distncias
so calculadas, como mostra as Equaes (3.90) a (3.92).
D12 = (3 1) 2 + (8 6) 2 = 2,8284
(3.90)
D13 = (3 9) 2 + (8 0) 2 = 10
(3.91)
D23 = (1 9) 2 + (6 0) 2 = 10
(3.92)
A menor distncia encontrada entre os extremos nas Equaes (3.90) a (3.92) D12, ou
seja, os extremos identificados por 1 e 2 pertencem as salincias que no sero associadas a
mincia.
105
A Figura 3.35(d) mostra os pixels da salincia (na cor cinza) que ser associada a
mincia do tipo bifurcao. Ento, o pixel de coordenada (6, 3) o segundo pixel da salincia.
Depois de determinado os pixels da salincia, a converso das salincias em sinal discreto
unidimensional realizada da mesma forma que uma salincia associada a uma mincia do
tipo terminao.
Depois que todas as salincias so convertidas para sinais discretos unidimensionais
necessrio a normalizao desses sinais. O motivo dessa normalizao, como explicado
anteriormente neste captulo, que no exista, para uma mesma salincia com imagens de
tamanhos diferentes, dois sinais discretos unidimensionais com amplitudes diferentes. Para
resolver esse problema de escala todos esses sinais so divididos pela distncia mdia entre as
salincias da impresso digital que foram extrados esses sinais.
Jain e outros [1] propuseram calcular a distncia mdia entre as salincias para que
essa distncia auxiliasse no alinhamento de duas imagens de impresso digital antes do
casamento de mincias no algoritmo de reconhecimento.
O mtodo proposto por Onnia e Tico [7] calcula a distncia mdia entre as salincias a
partir da imagem da impresso digital em nveis de cinza. A Figura 3.36 mostra a regio onde
ser calculada a distncia mdia entre as salincias. Nessa figura a seta de cor azul indica a
direo da orientao de campo do pixel do centro do bloco, este bloco est realado na cor
amarela. O princpio desse algoritmo obter a projeo da forma de onda de uma regio
limitada por uma janela orientada realada na cor vermelha. Depois de determinada essa
106
projeo so localizados os mximos e a partir de suas posies calculada a distncia mdia
entre as salincias.
Figura 3.36 Regio onde ser calculada a distncia mdia entre as salincias.
1
1
1
1
1
49
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
107
2 - Divide-se a imagem em blocos de tamanho w w. Neste trabalho utiliza-se w = 16;
3 - Considera-se a coordenada do centro de cada bloco igual a (i, j). Para cada bloco,
calcula-se a projeo da forma de onda, Z[0], Z[1], ..., Z[l 1], das salincias e dos vales
localizados dentro de uma janela orientada de dimenses w l. Neste trabalho utiliza-se
w = 16 e l = 32. A inclinao dessa janela perpendicular a orientao de campo do
centro do bloco. Os valores de Z[k] so obtidos utilizando-se as Equaes (3.93) a
(3.95);
Z [k ] =
1 w1
I (u, v) , k = 0, 1, , l 1
w d =0
(3.93)
onde:
(i, j) orientao de campo do pixel de coordenada (i, j).
w
l
(3.94)
(3.95)
108
5 - Calcula-se a distncia mdia entre os pontos de mximo adjacentes na projeo da forma
6 - Interpola-se os valores das distncias mdias de cada bloco que possui valor igual a 1.
7 - Calcula-se a mdia de todos os valores de D(i, j). O resultado dessa mdia a distncia
se D(i, j ) 1
D (i, j ),
i +1 j +1
[D(u, v)]
u =i 1v = j 1
(3.96)
Este captulo mostrou os passos que devem ser seguidos para a extrao das
caractersticas de imagens de impresso digital.
Este captulo mostrou a impresso digital e suas caractersticas, o clculo da
orientao de campo para cada pixel da imagem de impresso digital, o clculo do nvel de
consistncia dessa orientao, a determinao da rea de interesse dessa imagem. Foram
descritas as seguintes operaes em relao as salincias: extrao, afinamento e remoo das
109
falhas. Depois foram apresentadas as deteco de mincias, a correo de falhas presentes em
salincias de uma impresso digital, a determinao da rea de interesse. So realizadas as
seguintes operao em relao as salincias: deteco, afinamento, remoo de falhas. Depois
mostrada a deteco de mincias, a determinao das coordenadas dos pixels de uma
salincia, a converso das salincias em sinais discretos unidimensionais e finalmente, o
clculo da distncia mdia entre as salincias.
O prximo captulo mostra os resultados obtidos na extrao das seguintes
caractersticas de imagens de impresso digital: clculo da orientao de campo; clculo do
nvel de consistncia das direes encontradas no clculo da orientao de campo,
desempenho desse clculo com e sem a utilizao da propriedade da comutao, determinao
da rea de interesse nessas imagens; deteco, afinamento e correo das falhas presentes nas
salincias; clculo da distncia mdia entre as salincias e a deteco das mincias nessas
salincias.
CAPTULO IV
RESULTADOS OBTIDOS
4.1 Introduo
111
112
113
114
A Seo 3.3 do Captulo 3 deste trabalho mostra dois mtodos para o clculo da
orientao de campo. O primeiro mtodo realiza esse clculo sem utilizar a propriedade da
comutao. O segundo mtodo que foi desenvolvido neste trabalho o aperfeioamento do
primeiro mtodo, ou seja, ele utiliza a propriedade da comutao para reaproveitar o clculo
da somatria j realizada anteriormente e com isso consegue-se diminuir o tempo necessrio
para realizar o clculo da orientao de campo. A Tabela 4.1 mostra o tempo gasto por cada
mtodo na realizao desse clculo. Nessa tabela tSC representa o tempo gasto no clculo da
orientao de campo sem utilizar a propriedade da comutao e tCC indica o tempo gasto nesse
clculo utilizando-se a propriedade da comutao.
Tabela 4.1 Tempo gasto no clculo da orientao de campo com e sem a utilizao da
propriedade da comutao.
Tamanho da imagem
tSC
(seg.)
tCC
(seg.)
t CC
100 %
t SC
32 32
0,3910
0.0780
19,94
64 64
1,4380
0,2340
16,27
128 128
5,6550
0,9060
16,02
256 256
22,5310
3,6710
16,29
512 512
90,4100
10,7340
11,87
1024 1024
367,4220
35,9220
9,77
O grfico da Figura 4.3 mostra o comportamento dos tempos tSC e tCC em funo de
N, onde N representa o nmero de linhas ou de colunas de uma imagem N N pixels.
115
400
350
Tempo (s)
300
250
tsc
200
tcc
150
100
50
0
32x32
64x64
128x128
256x256
512x512
1024x1024
Tamanho
Figura 4.3 Grfico do tempo gasto no clculo da orientao de campo para imagens de
tamanho N N pixels.
Era esperado na Figura 4.3, que o tempo deveria ter a mesma variao que o tamanho
da imagem, ou seja, se esse tamanho dobrasse o tempo gasto para realizar as somatrias
tambm deveria dobrar, mas isso no ocorreu, como pode ser observado nessa figura ou na
Tabela 4.1. Pode-se verificar na Figura 4.3, que a relao entre o tempo e o tamanho da
imagem exponencial ao invs de ser linear (como era esperado). Esse crescimento
exponencial do tempo foi porque para realizar as somatrias necessrias para o clculo da
orientao de campo para cada pixel da imagem da impresso digital, so utilizados recursos
computacionais tais como alocao de memria, tempo de processamento, fila de execuo,
alocao de memria virtual no disco rgido no caso de falta de memria RAM, entre outros
que influenciam no desempenho desse clculo. Certos clculos matemticos realizados no
clculo da orientao de campo, como funes trigonomtricas, exponenciao, multiplicao
e diviso requerem mais recursos computacionais do que operaes, como por exemplo, a
adio. So por esses motivos que o tempo no possui um comportamento linear.
116
Na Tabela 4.1, a quarta coluna indica, em porcentagem, a relao entre o tempo tCC e o
tempo tSC. Nessa tabela, o pior resultado obtido do clculo da orientao de campo utilizando
a propriedade da comutao para a imagem 32 32 pixels, mas mesmo assim tCC 19,97%
maior do que tSC, isso representa uma melhora no tempo de processamento de
aproximadamente 80%. Para as outras imagens, o desempenho melhora em torno de 84% a
90%.
O nvel de consistncia foi mostrado na Seo 3.4 do Captulo 3 deste trabalho. Esse
nvel determina se as direes encontradas no clculo da orientao de campo das salincias
so satisfatrias. Caso essas direes no sejam satisfatrias, elas so re-estimadas.
Neste trabalho, no clculo do nvel de consistncia utilizou-se a vizinhana D com
tamanho igual a 5 5.
A Figura 4.4 mostra um exemplo de re-estimao da orientao de campo. Nessa
figura as letras (a) e (b) ilustram as representaes da orientao de campo original e reestimada, respectivamente. Na Figura 4.4(b) os crculos amarelos mostram, algumas regies
que tiveram o valor de suas direes re-estimados. O algoritmo para a determinao de campo
desenvolvido por Rao [17] utilizado neste trabalho possui um resultado muito bom, por isso
que so poucas as regies que tiveram que ser re-estimadas.
117
118
119
mostrado na Figura 4.5(c). Nesta figura pode-se observar que a imagem ficou mais limpa e
sem buracos.
Figura 4.5 Determinao da rea de interesse. (a) imagem original; (b) rea de interesse com
resduos; (c) rea de interesse melhorada pela soluo implementada neste trabalho.
120
121
Figura 4.6 Resultado da deteco de salincias das mscaras de convoluo geradas sem a
utilizao do algoritmo DDA. (a) imagem original; (b) e (c) salincias detectadas
pelas mscaras ht e hb, respectivamente; (d) resultado final da deteco de salincias.
122
123
Figura 4.7 Resultado da extrao de salincias das mscaras de convoluo geradas com a
utilizao do algoritmo DDA. (a) imagem original; (b) e (c) salincias extradas
de ht e hb, respectivamente; (d) resultado final da extrao de salincias.
124
Figura 4.8 Correo do afinamento das salincias. (a) imagem resultante do algoritmo de
afinamento; (b) correo do afinamento da imagem da letra (a).
125
A Figura 4.9(a) mostra uma imagem de impresso digital onde as salincias j foram
extradas. Aplicando o algoritmo de afinamento nessa imagem, o resultado ilustrado na
Figura 4.9(b). Um problema que ocorre na binarizao da imagem de uma impresso digital
o aparecimento de pequenos pontos brancos (destacados pelos crculos verdes na Figura
4.9(a)) nas linhas das salincias. Esses pontos resultam em deformaes nas salincias quando
elas so afinadas (destacadas pelos crculos verdes na Figura 4.9(b)) e indicam falsas
mincias.
Figura 4.9 Resultado do algoritmo de afinamento aplicado a imagem da letra (a); (b)
imagem resultante do afinamento.
126
127
Figura 4.10 Exemplo de correo das falhas nas salincias. (a) imagem binarizada de uma impresso
digital. (b) imagem resultante aps a correo das falhas na imagem da letra (a).
128
Figura 4.11 Exemplo de correo das falhas nas salincias. (a) imagem binarizada de uma impresso
digital. (b) imagem resultante aps a correo das falhas na imagem da letra (a).
129
Tabela 4.2 Distncias mdias entre as salincias para trs impresses digitais diferentes.
Impresso digital 1
Impresso digital 2
Impresso digital 3
(pixels)
(pixels)
(pixels)
d1
7,6875
6,4235
8,4053
d2
7,7408
6,3820
8,3917
d3
7,9808
6,4398
8,3946
d4
7,9897
6,8784
8,3916
d5
7,7353
6,7267
8,5373
d6
7,9962
6,9720
8,4432
Distncias Mdia
130
Figura 4.12 Imagens da impresso digital 1 utilizadas para clculo da distncia: (a) d1; (b)
d2; (c) d3; (d) d4; (e) d5; (f) d6.
131
Figura 4.13 Imagens da impresso digital 2 utilizadas para clculo da distncia: (a) d1; (b)
d2; (c) d3; (d) d4; (e) d5; (f) d6.
132
Figura 4.14 Imagens da impresso digital 3 utilizadas para clculo da distncia: (a) d1; (b)
d2; (c) d3; (d) d4; (e) d5; (f) d6.
133
Pode-se observar na Tabela 4.2 que a distncia mdia entre as salincias para cada
uma das seis imagens de uma impresso digital no um valor exato. Isso acontece porque na
aquisio das imagens de impresso digital ocorreram deformaes quando pressiona-se o
dedo no scanner. Essas deformaes so devido a variao na posio e na presso do dedo
em cada aquisio. Por exemplo, essas deformaes podem resultar em linhas mais prximas
em uma regio onde houver mais presso. Outra razo que o valor da distncia mdia entre as
salincias no exato devido a falha na imagem da impresso digital. A Figura 4.15 mostra
uma falha (destacada por um crculo amarelo) em uma imagem de impresso digital em nveis
de cinza. Devido a essas falhas, o primeiro passo do algoritmo do clculo de distncia mdia
em uma imagem filtrar-la com uma mscara 7 7 de um filtro passa-baixa, pois depois da
filtragem, os pixels na regio com falha ficaro com seus nveis de cinza mais prximos do
valor de nvel de cinza mdio da regio.
Figura 4.15 Falha em uma regio de uma imagem de impresso digital em nveis de cinza.
134
Figura 4.16 Deteco de falsas mincias. (a) resultado do algoritmo de afinamento; (b)
resultado do algoritmo de deteco de mincias aplicado na Figura 4.16(a).
135
136
Figura 4.17 Exemplo de deteco de mincias. (a) imagem binarizada; (b) e (c) resultados
da deteco de mincias sem e com a remoo das falhas nas salincias,
respectivamente.
137
138
4.11 Concluses
139
a anlise das regies em torno do pixel classificado como pixel pertencente a essa regio, ao
invs de somente analisar o seu comprimento.
Neste captulo os resultados obtidos na extrao das salincias utilizando-se o
algoritmo desenvolvido nesta dissertao foram melhores do que os resultados quando foi
utilizado o algoritmo proposto por Jain e outros [1]. Essa melhoria foi em relao
diminuio do borramento entre as salincias, ocasionando posteriomente uma diminuio na
deteco de mincias esprias.
Os resultados obtidos neste captulo do algoritmo de afinamento apresentaram falsas
mincias quando apareceram pontos brancos (buracos) no resultado da extrao das
salincias ou quando as salincias ficaram com a aparncia de um borro.
Nos testes realizados neste captulo utilizando o algoritmo de correo de falhas
desenvolvido neste trabalho, os resultados obtidos foram a correo de boa parte das falhas
presentes nas salincias e com isso a diminuio na quantidade de mincias esprias. Devido
a essa diminuio, os resultados do algoritmo de reconhecimento de impresso digital podero
ser melhores.
Pode-se observar nos resultados obtidos neste captulo que os valores da distncia
mdia entre os salincias de uma imagem de impresso digital tiveram uma pequena variao
devido a deformao no momento da aquisio dessa imagem.
Nos resultados obtidos neste captulo na deteco das mincias da imagem de
impresso digital ocorreram o aparecimento de mincias esprias devido aos processos de
binarizao e de afinamento. Mesmo com a correo das falhas presentes nas salincias ainda
necessrio que seja implementado um algoritmo para filtrar as mincias.
CAPTULO V
CONCLUSES, CONTRIBUIES DESTE TRABALHO E
SUGESTES PARA TRABALHOS FUTUROS
5.1 Concluses
As impresses digitais so as linhas presentes nos dedos de cada ser humano e essas
so nicas para cada um, ou seja, no existem duas pessoas que possuem a mesma forma com
que as linhas da impresso se dispem em seus dedos. Por esse motivo que a impresso
digital vem sendo utilizada para a identificao de pessoas para vrias finalidades, como por
exemplo, o controle de ponto dos funcionrios de uma empresa, a identificao de um
criminoso e o acesso de pessoas a reas restritas de extrema segurana.
Este trabalho prope melhoramentos no algoritmo de extrao de caractersticas de
imagens de impresso digital desenvolvido por Jain e outros [1]. O objetivo desta dissertao
melhorar o tempo de processamento no clculo da orientao de campo, obter uma melhor
qualidade das imagens resultantes no processo de binarizao e diminuir o nmero de
mincias esprias nessas imagens.
Este trabalho mostrou os resultados obtidos na extrao das seguintes caractersticas
de imagens de impresso digital: clculo da orientao de campo, o desempenho desse clculo
com e sem a utilizao da propriedade da comutao; clculo do nvel de consistncia das
direes encontradas no clculo da orientao de campo, determinao da rea de interesse
141
nessa imagem; deteco, afinamento e correo das falhas presentes nas salincias; clculo da
distncia mdia entre as salincias e a deteco das mincias nessas salincias.
Pode-se observar nos resultados obtidos nesta dissertao que a orientao de campo
foi bem precisa em relao s inclinaes das salincias de uma impresso digital. Outro
resultado importante encontrado neste trabalho foi a otimizao do clculo da orientao de
campo quando foi utilizada a propriedade da comutao, com uma reduo no tempo de
processamento em torno 90% em relao ao algoritmo desenvolvido por Jain e outros [1] que
no usa essa propriedade.
Nos testes realizados neste trabalho, como o algoritmo do clculo da orientao de
campo apresentou bons resultados, ou seja, as orientaes de campo possuem a mesma
inclinaes das salincias. Devido a esses bons resultados poucas regies das imagens de
impresso digital tiveram que re-estimar suas orientaes de campo.
Nos resultados obtidos nesta dissertao a rea de interesse, ou seja, a regio da
imagem que contm os pixels pertencentes a impresso digital a ser reconhecida, tambm
apresentaram bons resultados ocorrendo poucas descontinuidades nessa regio. Para melhorar
esses resultados, proposto neste trabalho como uma das sugestes para trabalhos futuros a
anlise das regies em torno do pixel classificado como pixel pertencente a essa regio, ao
invs de somente analisar o seu comprimento.
Neste trabalho os resultados obtidos na extrao das salincias utilizando-se o
algoritmo DDA foram melhores do que os resultados quando foi utilizado o algoritmo
proposto por Jain e outros [1]. Essa melhoria foi em relao diminuio do borramento entre
as salincias, ocasionando uma diminuio na deteco de mincias esprias, posteriormente.
142
143
144
Para cada mincia do tipo bifurcao uma salincia associada, mas para mincias
desse tipo existem trs possveis salincias. Foi desenvolvimento de um algoritmo para
determinar para cada mincia do tipo bifurcao a salincia que ser associada a ela.
145
146
REFERNCIA BIBLIOGRFICA
[1] Jain, A. K., Hong, L., Pankanti, S. e Bolle R. An Identity-Authentication System Using
Fingerprint. Proceedings of the IEEE, no. 9, pp.1365-1388, 1997.
[2] Verma, M. R., Majumdar, A. K., Chatterjee, B. Edge Detection in Fingerprints. Pattern
Recognition Society, Pattern Recognition, vol. 20, pp. 513-523, 1987.
[4] Xiao, Q., Raafat, H. Fingerprint Imagem Processing: A Combined Statistical and
Structural Approach. Pattern Recognition Society, Pattern Recognition, vol. 24, no.
10, pp. 985-992, 1991.
148
[7] Onnia, V., Tico, M. Adaptive Binarization Method for Fingerprint Images. Acoustics,
Speech and Signal Processing 2002. Proceedings (ICASSP 02). IEEE International
Conference on Volume 4, pp. 3692-3695, 2002.
[9] Tong, X., Tang, X. L., Huang, J., LI, X. Fingerprint Minutiae Matching Based on
Complex Minatiae Vector. Proceedings of Third International Conference on
Machine Learning and Cybernetics, IEEE, pp. 26-29, 2004.
[10] Hao, Y., Tan, T., Wang, Y. An Effective Algorithm for Fingerprint Matching.
Proceedings of IEEE TENCON02. IEEE, pp. 519-522, 2002.
[11] Munir, M. U., Javed, M. Y. Fingerprint Matching using Ridge Patterns. Information and
Communication Technologies, IEEE, pp. 116-120, 2005.
[12] Lindoso, A., Entrena, L., Ongil, C. L., Liu, J. Correlation-Based Fingerprint Matching
using FPGAs. Field-Programmable Technology, Proceedings IEEE, pp. 87-94,
2005.
149
[14] Lee, C. J., Wang, S.,Wu, K. Fingerprint Recognition using Principal Gabor Basis
Function. Proceedings of 2001 International Symposium on Intelligent Multimedia,
Video e Speech Processing, IEEE, pp. 393-396, 2001.
[15] Gonzalez, R., Woods, R. Processamento em Imagens Digital. Editora Edgard Blcher,
2000.
[16] Jain, A. K. Fundamentals of Digital Image Processing. Ed. Prentice Hall, 1989.
[17] Rao, A. R. A Taxonomy for Texture Description and Identification. Ed. Spring-Verlag,
1990.
[18] Hearn, D. W., Baker, M. P. Computer Graphics C Versions. Ed. Prentice Hall, 1996.