Extração Características Imagens

UNIVERSIDADE FEDERAL DE UBERLNDIA
FACULDADE DE ENGENHARIA ELTRICA

PS-GRADUAO EM ENGENHARIA ELTRICA
EXTRAO DE CARACTERSTICAS
DE IMAGENS DE IMPRESSO DIGITAL
LUCIANO XAVIER MEDEIROS
AGOSTO
2006
UNIVERSIDADE FEDERAL DE UBERLNDIA

FACULDADE DE ENGENHARIA ELTRICA
PS-GRADUAO EM ENGENHARIA ELTRICA
EXTRAO DE CARACTERSTICAS DE
IMAGENS DE IMPRESSO DIGITAL
Dissertao apresentada por Luciano Xavier Medeiros

Universidade Federal de Uberlndia para a obteno do
ttulo de Mestre em Engenharia Eltrica aprovada em
24/08/2006 pela Banca Examinadora:
Professora Edna Lcia Flres, Dra (orientadora)

Professor Antonio Cludio P. Veiga, Dr. (UFU)
Professor Gilberto Arantes Carrijo, Ph.D. (UFU)
Professor Marcos Ferreira de Rezende, Dr. (UNITRI)
ii
Dados Internacionais de Catalogao na Publicao (CIP)
C837o
Medeiros, Luciano Xavier.

Extrao de caractersticas de imagens de impresso digital / Luciano
Xavier Medeiros. - 2006.
149f. : il.
Orientador: Edna Lcia Flres.
Dissertao (mestrado) Universidade Federal de Uberlndia, Programa de Ps-Graduao em Engenharia Eltrica.
Inclui bibliografia.
1. Processamento de imagens - Tcnicas digitais - Teses. I. Flres,
Edna Lcia. II. Universidade Federal de Uberlndia. Programa de PsGraduao em Engenharia Eltrica. III. Ttulo.
CDU: 621.397.331
Elaborada pelo Sistema de Bibliotecas da UFU / Setor de Catalogao e Classificao
LUCIANO XAVIER MEDEIROS
Dissertao
apresentada
por
Luciano
Xavier
Medeiros
Universidade
Federal de Uberlndia como parte dos requisitos para obteno do ttulo de Mestre em
Engenharia Eltrica.
_________________________________
_________________________________
Professora Edna Lcia Flres, Dra. Eng.
Professor Darizon Alves Andrade, Ph.D.
Orientadora
Coordenador do Curso de Ps Graduao
iii
Aos meus pais,

meu e irmo e a
minha bonitinha Luciana
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.
Medeiros, Luciano X., Extrao de Caractersticas de Imagens de Impresso Digital.

Uberlndia, FEELT UFU, 2006, 149 p.
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.
Palavras-chaves: mincias, orientao de campo, salincias, afinamento e impresso digital.
Medeiros,
Luciano
X.,
Extration
of
Characteristics
from
fingerprint
images.
Uberlndia, FEELT UFU, 2006, 149 p.
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.
key-words: minutiae, filed orientation, ridges, thinning and fingerprint.
SUMRIO
1. Introduo
1.1. Introduo
1.2. Levantamento Bibliogrfico dos Trabalhos Desenvolvidos em Impresso 8

Digital.
1.3. Proposta deste Trabalho
12
1.4. Estrutura desta Dissertao
12
1.5. Consideraes Finais deste Captulo
14
2. Fundamentos em Processamento Digitais de Imagens
15
2.1. Indroduo
15
2.2. Um Modelo Simples de Imagem Digital
15
2.3. Vizinhana de um Pixel
17
2.4. Distncia Euclidiana
18
2.5. Filtragem Espacial
19
2.6. Convoluo Discreta
21
2.7. Clculo do Gradiente
23
2.8. Clculo da Orientao de Campo
27
viii
2.9. Determinao da Orientao de Campo Utilizando o Gradiente
28
33
3. Mtodos de Extrao de Caractersticas em Imagens de Impresses Digitais
34
3.1. Introduo
34
3.2. A Impresso Digital e suas Caractersticas
35
3.3. Clculo da Orientao de Campo de uma Imagem de Impresso Digital
39
3.3.1. Clculo do somatrio unidimensional utilizando a propriedade 42

da comutao
3.3.2. Aplicando a propriedade da comutao no clculo da orientao 49
de campo
3.4. Clculo do Nvel de Consistncia da Orientao de Campo
63
3.5. Determinao da rea de Interesse
65
3.6. Extrao de Salincias
66
3.6.1. Gerao de mscaras de convoluo mais suavizadas
73
3.6.2. Algoritmo Digital Differential Analyzer (DDA)
74
3.7. Afinamento das Salincias de Impresses Digitais
77
3.8. Deteco de Mincias
82
3.9. Correo de falhas presentes em salincias de uma imagem de impresso 84

digital
3.10. Determinao das Coordenadas dos Pixels de uma Salincia
89
3.11. Converso das Salincias em Sinais Discretos Unidimensionais
91
3.12. Clculo da Distncia Mdia entre as Salincias
105
ix
108
110
4. Resultados Obtidos
4.1. Introduo
110
4.2. Resultados Obtidos do Clculo da Orientao de Campo
110
4.3. Desempenho do Clculo da Orientao de Campo
114
4.4. Resultados Obtidos do Clculo do Nvel de Consistncia
116
4.5. Resultados Obtidos na Determinao da rea de Interesse da Imagem
118
4.6. Resultados Obtidos da Extrao de Salincias
120
4.7. Afinamento das Salincias
124
4.8. Correo das Falhas Presentes nas Salincias
126
4.9. Resultados Obtidos do Clculo da Distncia Mdia entre as Salincias
129
4.10. Resultados Obtidos na Deteco de Mincias
134
4.11. Concluses
138
5. Concluses, Contribuies deste Trabalho e Sugestes Para Trabalhos 140

Futuros
5.1. Concluses
140
5.2. Contribuies Deste Trabalho
142
5.3. Sugestes Para Trabalhos Futuros
144
147
Referncia Bibliogrficas
LISTA DE FIGURAS
1.1 Valores de TRF, TRI e TIE para trs tipos de aplicaes

2.1
Conveno dos eixos utilizada para representar as imagens digitais neste 16

trabalho.
2.2
Vizinhana de um pixel de coordenada (x, y)
17
2.3
Representao dos pixels p e q e a distncia Euclidiana De no plano cartesiano 18
2.4
Mscara w de tamanho 3 3
20
2.5
Filtragem de f(x,y) por uma mscara w
21
2.6
(a) Sinal original; (b) sinal rebatido e translado (x = y = 0)
23
2.7
Operadores utilizados para o clculo do gradiente em imagens. Aplicao dos 25

operadores de Sobel. (a) imagem original; (b) componente Gx; (c) componente
Gy; (d) gradiente da imagem original.
2.8
Aplicao dos operadores de Sobel. (a) imagem original; (b) componente Gx; 26
(c) componente Gy; (d) gradiente da imagem original
2.9
Segmentos de retas em uma regio de uma imagem
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
Regio de uma impresso digital
3.2
Tipos de impresso digital. (a) arco; (b) arco tented; (c) loop esquerda; 36
35
(d) loop direita; (e) whorl; (f) loop gmeos
xi
3.3
Tipos de mincias. (a) terminao de salincia; (b) bifurcao de salincia
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
Imagens da mesma impresso, a letra (b) est translada e rotacionada em 38

relao a letra (a).
3.6
Imagem dividida em quatro blocos
40
3.7
A no propagao do rudo em outros blocos da imagem
41
3.8
Pixels afetados pelo rudo presente no bloco superior-esquerdo
42
3.9
Sinal discreto f(x)
43
3.10 Sinal discreto g(x) de comprimento L = 18
44
3.11 Elementos pertencentes. (a) g(7); (b) g(8); (c) g(7) e g(8)
45
3.12 Fluxograma do algoritmo aperfeioado neste trabalho para o clculo da 54

orientao e campo usando a propriedade da comutao
3.13 (a) Valores de f(i, j), (b) resultado da Equao (3.28)
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
3.15 Coordenadas de uma mscara de convoluo 11 7 utilizada neste trabalho
69
3.16 Resultado da mscara ht da Figura 3.16
72
3.17 Mscara ht de tamanho 11 7, = 60 e = 25.000
72
3.18 ngulo formado entre a reta da Equao (3.66) e o eixo x
75
3.19 Vizinhana de oito do pixel p1
77
3.20 Vizinhana de oito, onde N(p1) = 4 e S(p1) = 3
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
afinamento com os pixels eliminados

3.22 (a) Imagem original; (b) imagem afinada pelo o algoritmo de afinamento
81
3.23 Vizinhanas de oito dos pixels que geram falsas mincias
82
3.24 (a) Mincia do tipo terminao; (b) mincia do tipo bifurcao
82
3.25 Exemplo de duas falsas mincias
83
3.26 Vizinhanas de oito para mincias do tipo bifurcao com N(p1) = 3
83
3.27 Fluxograma do algoritmo para eliminao de falhas em salincia
86
3.28 Exemplo de eliminao de uma falha em uma salincia
87
3.29 Teste do prximo pixel
90
3.30 Salincia com a mincia de coordenada (4, 2)
94
3.31 Exemplo de uma funo contnua em um intervalo [a, b]
96
3.32 Sinal unidimensional resultante da salincia mostrada na Figura 3.30
98
3.33 Direo de uma mincia do tipo bifurcao
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
3.37 Mscara de convoluo 7 7
106
4.1
Exemplo do clculo da orientao de campo. (a) imagem original; (b) 112

visualizao da orientao de campo
4.2
Exemplo do clculo da orientao de campo. (a) imagem original; (b) 113
xiii
visualizao da orientao de campo

4.3
Grfico do tempo gasto no clculo da orientao de campo para imagens de 115

tamanho N N pixels.
4.4
Exemplo de re-estimao da orientao de campo. (a) orientao de campo 117

original; (b) orientao de campo re-estimada
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
Resultado da deteco de salincias das mscaras de convoluo geradas sem a 121

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
4.7
Resultado da extrao das salincias de mscaras de convoluo geradas com 123

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
4.8
Correo do afinamento das salincias. (a) imagem resultante do algoritmo de 124

afinamento; (b) correo do afinamento da imagem da letra (a)
4.9
Resultado do algoritmo de afinamento aplicado a imagem da letra (a); (b) 125

imagem resultante do afinamento; (c) melhoramento neste trabalho do
imagem da letra (b)
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.
d2; (c) d3; (d) d4; (e) d5; (f) d6.
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
remoo das falhas nas salincias,
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
Tabela 1.2 Recursos computacionais utilizados neste trabalho
12
Tabela 3.1 Nmero de adies com e sem utilizar a propriedade da comutao
48
Tabela 3.2 Nmero de adies para as somatrias bidimensionais considerando
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
Tabela 3.5 Coordenadas originais e resultantes da translao e da rotao dos pixels
95
pertencentes a salincia da Figura 3.30.

Tabela 3.6 Novas coordenadas arredondadas dos pixels da Figura 3.30
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
Atualmente, as pessoas esto cada vez mais interessadas em sistemas de segurana. A

finalidade desses sistemas so permitir acessos de pessoas a reas restritas e proteger bens
como: dinheiro, jias, documentos importantes, arquivos de computadores, casa, carro, etc..
Com a diminuio dos preos e o aumento na velocidade de processamento dos
computadores, est se tornando comum a utilizao de biometria na rea de segurana.
A biometria a medio das caractersticas fsicas do ser humano. Algumas dessas
caractersticas so utilizadas na identificao de uma pessoa, como por exemplo,
reconhecimento utilizando imagens digitais da ris, impresso digital, impresso palmar, etc..
Existem dois sistemas de segurana que podem utilizar biometria. Esses sistemas so:
autentificao e identificao.
A autentificao consiste em verificar se uma pessoa ela mesma por uma
caracterstica biomtrica (impresso digital, ris, fala) e por um outro dado de entrada, como
por exemplo, cartes de identificao, nome do usurio (acesso a computadores), senhas, etc..
A vantagem da autentificao realizar uma procura em um banco de dados de um para um,
ou seja, a comparao realiza entre a imagem de entrada e entre uma imagem armazenada
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.
Nos processos de identificao ou autentificao, podem ocorrer erros de

reconhecimento. Estes erros so representados por duas taxas, a Taxa de Falso
Reconhecimento (TFR) e a Taxa de Reconhecimento Incorreto (TRI).
Para duas imagens de impresso digital, o sistema de reconhecimento calcula o grau
de similaridade (s). Esse sistema compara esse valor com um limiar t. Caso s maior do que t,
as duas imagens so da mesma impresso digital, caso contrrio, elas so imagens de
impresses digitais diferentes. O valor de t determinado empiricamente a partir de testes
com um banco de dados de imagens, pois o valor de t depende do algoritmo de
reconhecimento utilizado.
A Taxa de Falso Reconhecimento (TFR) a probabilidade de uma pessoa cadastrada
em um banco de dados no ser identificada corretamente, ou seja, o sistema de identificao
reconhece esta pessoa como sendo outra. A Taxa de Reconhecimento Incorreto (TRI) a
probabilidade de uma pessoa no cadastrada em um banco de dados ser identificada como
cadastrada nesse banco.
A Figura 1.1 mostra a relao entre a TFR e a TRI para trs tipos de aplicaes de
reconhecimento. Esses tipos so: aplicaes de investigao policiais, aplicaes de uso civil
(controle de ponto em uma empresa, controle de acesso de usurio de um clube, etc.) e
aplicaes de acesso de alta segurana.
Na Figura 1.1 a Taxa de Igualdade de Erro (TIE) indica a taxa de erro para o limiar t
onde para as taxas TFR e TRI so idnticas. Embora a TIE um indicador importante, na
pratica um sistema de reconhecimento de impresso digital raramente utiliza esse indicador.
Nesse sistema utiliza-se um limiar mais preciso para reduzir a TFR apesar do crescimento da
TRI, como mostrado nessa figura.
Taxa de Falso Reconhecimento (TFR)
Aplicao de investigaes
policiais
Aplicaes de
uso Civil
TIE
Aplicaes de acesso
de alta segurana
Taxa de Reconhecimento Incorreto (TRI)
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, ou seja, todas as pessoas deve possuir essa caracterstica;
exclusividade, indica a diferena de uma mesma caracterstica biomtrica relativo a

duas pessoas;
permanncia, significa que a caracterstica no desaparece com o passar do tempo;
coletividade, ou seja, a caracterstica pode ser medida quantitativamente;
desempenho, indica quanto o sistema preciso na identificao de uma pessoa, ou

seja, identificao correta ou errnea de uma pessoa;
aceitabilidade, indica o quanto as pessoas aceitam um sistema biomtrico, ou seja,

quanto maior a aceitabilidade, menor a relutncia das pessoas em utilizar um sistema
biomtrico; e
Dificuldade de falsificao, ou seja, a facilidade de enganar o sistema que utiliza a

caracterstica biomtrica por tcnicas fraudulentas.
A Tabela 1.1 [1] mostra a comparao entre algumas tecnologias biomtricas. Essa
comparao realizada pelos os requerimentos citados anteriormente.
Tabela 1.1 Comparao entre tecnologias biomtricas.

Tecnologia
Biomtrica
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
A Tabela 1.1 compara os requerimentos das tecnologias biomtricas utilizando trs

nveis: baixo, mdio e alto.
De acordo com a Tabela 1.1, uma pessoa escolhe um sistema de reconhecimento de
acordo os ndices dos requerimentos de cada tecnologia biomtrica levando em considerao,
principalmente, os possveis erros de reconhecimento (requerimento de desempenho), custo
para a implementao do sistema (requerimento coletividade) e a segurana do sistema

(representado na tabela pelo o requerimento dificuldade de falsificao). Este trabalho utiliza
a na caracterstica biomtrica impresso digital.
De acordo com o National Institute of Standard and Technology (NIST) quando
necessrio armazenar uma impresso digital em um banco de dados a representao padro
dessa impresso baseada nas mincias, incluindo suas localizaes e orientaes. Nas
representaes baseadas nas mincias pode-se incluir um ou mais atributos globais, como a
orientao do dedo, localizao do ncleo, o delta (pontos especiais de uma impresso digital)
e o tipo de impresso digital.
O reconhecimento de impresses digitais entre as tcnicas de autentificao ou
identificao de uma pessoa, uma das mais conhecidas e utilizadas. Algumas das atuais
aplicaes que pode-se empregar esse tipo de reconhecimento so:
Na partida e na regulagem de equipamentos do carro como: altura e inclinao do

banco do motorista, regulagem dos retrovisores e altura do volante. O carro somente
aceita esses comando, quando reconhece a impresso digital da pessoa cadastrada em
seu banco de dados. Por exemplo, o carro fabricado pela Audi modelo A8 aceita at
quatro impresses digitais diferentes em seu banco de dados;
Sistemas de acessos de entrada de alunos em uma escola, em condomnios

residenciais, clubes e empresas de telefonia. Por exemplo, a Telefnica da cidade de
So Paulo, permite o acesso aos seus computadores centrais somente pelo
reconhecimento da impresso digital e da ris do usurio; e
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.
As primeiras publicaes sobre impresses digitais foram escritas pelo ingls

Nehemiah Grew em 1684, onde ele estudou as salincias e as estruturas dos poros em uma
impresso digital. Depois dessas publicaes, outros estudos foram realizados por Mayer em
1788 que apresentou estudos detalhados sobre a formao anatmica das impresses digitais,
por Purkinje em 1823 que props o primeiro esquema de classificao de impresses digitais
e por Henry Fauld em 1880 que sugeriu a individualidade das impresses digitais baseadas
em estudos empricos.
No incio dos anos 60, o Federal Bureau Investigation (FBI) e o departamento de
polcia de Paris investiram no desenvolvimento de sistemas automticos de identificao de
impresses digitais (Automatic Fingerprint-Identification Systems AFIS). O objetivo desses
sistemas realizar a identificao de uma pessoa em um tempo menor e mais eficiente do que
o realizado por uma pessoa. O AFIS utiliza as caractersticas da impresso digital para
identificar uma pessoa. Essas caractersticas dependem do algoritmo de reconhecimento,
como por exemplo, utiliza-se o diagrama de mincias ou diagrama de salincias entre as
imagens. O desempenho do AFIS depende do algoritmo utilizado para o reconhecimento, da
qualidade e da quantidade de imagens utilizadas, pois quanto maior essa quantidade, maior
o tempo de processamento.
Este captulo apresenta um levantamento bibliogrfico dos trabalhos desenvolvidos em

impresso digital, a proposta deste trabalho e a estrutura desta dissertao. Finalmente so
realizadas consideraes finais sobre este captulo.
1.2 Levantamento Bibliogrfico dos Trabalhos Desenvolvidos em Impresso Digital.
Jain e outros [1] desenvolveram um sistema de reconhecimento de impresses digitais,

dividido basicamente em quatro etapas: clculo da orientao de campo calculada a partir do
gradiente da imagem, extrao das salincias determinada a partir das direes obtidas nesse
clculo da orientao, deteco das mincias e o reconhecimento de impresses digitais
baseado no alinhamento das mincias.
Verma e Majumdar [2] implementaram o melhoramento e a binarizao de imagens de
impresso digital. O processo de melhoramento da imagem foi realizado por eles utilizando-se
lgica fuzzy na determinao do valor de cada pixel da imagem. Depois do melhoramento a
imagem foi dividida em blocos, onde os pixels de cada bloco foram binarizados
separadamente do resto da imagem aplicando equaes pr-definidas por eles.
Sherlock e Monro [3] desenvolveram uma tcnica de enriquecimento da qualidade de
uma imagem de impresso digital. Eles utilizaram a tcnica de filtragem no domnio da
freqncia, porque no domnio espacial as mscaras de convoluo no podiam ser de
dimenses muito grandes, pois computacionalmente no era eficiente. Essa tcnica possuia
uma estgio de filtragem seguido por um estgio de limiarizao (binarizao da imagem).
Xiao e Raapat [4] implementaram uma tcnica de eliminao de mincias esprias do
tipo bifurcao e terminao.
OGorman e Nickerson [5] desenvolveram uma tcnica de filtragem espacial para

melhorar imagens de impresso digital utilizando uma mscara de convoluo. Esta mscara
possui as linhas horizontais e paralelas as salincias e as colunas so verticais e
perpendiculares as salincias. Os coeficientes da mscara de convoluo so determinados a
partir das posies desses coeficientes aplicados a funes trigonomtricas. Eles tambm
desenvolveram o clculo da orientao de campo dividindo a imagem em blocos e calculando
essa orientao para o pixel central do bloco a partir dos valores de nveis de cinza da
imagem.
Hung [6] implementou um algoritmo de melhoramento de imagem de impresso
digital considerando que as salincias e os vales dessa imagem possuem larguras similares e
igualmente espaadas. Para as salincias em que suas larguras no so muito uniformes, esse
algoritmo faz uma pequena correo a partir da linha central dessas salincias.
Onnia e Tico [7] desenvolveram o clculo da distncia mdia entre as salincias de
uma imagem digital a partir de suas imagens em nvel de cinza. Para a realizao desse
clculo foi necessrio a determinao da orientao de campo da imagem. Eles dividiram a
imagem da impresso digital em blocos e calcularam a distncia mdia de cada bloco. Depois
eles calcularam a mdia das distncias mdias de cada bloco, obtendo assim a distncia mdia
da imagem inteira.
Homem e Costa [8] implementaram um algoritmo de afinamento utilizando campo
vetorial. Eles calcularam os valores da transformada de Fourier bidimensional desse campo e
a partir do resultado desse clculo eles encontraram duas mscaras de convoluo utilizadas
no processo de afinamento.
10
Tong e Tang [9] desenvolveram um algoritmo de casamento de mincias, onde as

mincias so expressas como nmeros complexos. Para duas imagens de impresso digital
que sero comparadas, esse algoritmo gera dois conjuntos de mincias, onde cada elemento
desse conjunto contm as informaes de cada mincia que so: abscissa, ordenada e direo
da salincia. O algoritmo de Tong e Tang [9], quando encontra um par de mincias
correspondentes entre as duas imagens, realiza o alinhamento dos diagramas de mincias e
aplica o casamento de mincias. O algoritmo deles realiza esse casamento tentando verificar a
semelhana entre esses diagramas das duas imagens. O casamento de mincias realizado
contando os pontos coincidentes dessas duas imagens com as coordenadas (x, y) admitindo
uma tolerncia limitada por um crculo de raio T_dir.
Hao, Tan e Wang [10] implementaram um algoritmo de casamento de mincias entre
duas imagens de impresso digital, comparando as mincias do tipo terminao das duas
imagens e depois as mincias do tipo bifurcao. Para comparar duas mincias do tipo
terminao, eles aplicaram uma equao que define a similaridade entre as mincias, a
partir das coordenadas dos pixels das suas respectivas salincias. Para as mincias do tipo
bifurcao tambm eles utilizaram a similaridade, mas a equao considera o valor das trs
salincias associadas a cada mincia.
Munir e Javed [11] desenvolveram um algoritmo de reconhecimento de impresso
digital que utiliza o diagrama de salincias de cada imagem. A partir desse diagrama foi
possvel comparar as duas imagens, pois esse diagrama em um imagem de impresso pode ser
considerado como um diagrama de textura orientado tentando sua orientao e freqncia
espacial dominante em uma vizinhana local. A freqncia devido a distncia entre as
salincias em uma impresso digital e a orientao devido ao diagrama de fluxo das
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
1.3 Proposta deste Trabalho
Este trabalho prope melhoramentos no algoritmo de extrao de caractersticas de

impresses digitais desenvolvido por Jain e outros [1]. Essas caractersticas, dependendo do
processo desenvolvido, so utilizadas em algumas fases do reconhecimento de impresses
digitais, tais como binarizao e deteco de mincias. 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.
A Tabela 1.2 mostra os recursos computacionais utilizados neste trabalho.
Tabela 1.2 Recursos computacionais utilizados neste trabalho
Processador
AMD Athlon XP +2100, 1,7 GHz
Memria RAM (DDR333)
256 MB
Disco Rgido
FUJITSU de 80 GB, 7200 rpm
Ferramenta de programao
Matlab 6.1
1.4 Estrutura desta Dissertao
Este captulo apresenta um levantamento bibliogrfico dos trabalhos desenvolvidos em

impresso digital, a proposta deste trabalho e a estrutura desta dissertao. Finalmente, so
realizados consideraes finais sobre este captulo.
O captulo 2 descreve um modelo simples de imagem digital, vizinhana de um pixel,
distncia Euclidiana, filtragem espacial, convoluo discreta, clculo do gradiente e
13
determinao da orientao de campo de uma imagem. Finalmente, so realizados

consideraes finais sobre esse captulo.
O captulo 3 mostra 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 consistncias
dessa orientao e a determinao da rea de interesse dessa imagem. So descritas as
seguintes operaes em relao as salincias: extrao, afinamento e remoo das falhas.
Depois so apresentadas a deteco de mincias, a correo de falhas presentes em salincias
de uma impresso digital, a determinao das coordenadas dos pixels de uma salincia, a
remoo e a converso das salincias em sinais discretos unidimensionais e o clculo da
distncia mdia entre as salincias. Finalmente, so realizados consideraes finais sobre esse
captulo.
O captulo 4 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, o 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.
Finalmente, so realizadas concluses sobre esses resultados.
O captulo 5 apresenta as concluses, as contribuies desta dissertao e as sugestes
para trabalhos futuros.
14
1.5 Consideraes Finais deste Captulo
Este captulo apresentou um levantamento bibliogrfico dos trabalhos desenvolvidos

em impresso digital, a proposta deste trabalho e a estruturao desta dissertao.
O prximo captulo descreve um modelo simples de imagem digital, vizinhana de um
pixel, distncia Euclidiana, filtragem espacial, convoluo discreta, clculo do gradiente, e
determinao da orientao de campo de uma imagem.
CAPTULO II
FUNDAMENTOS EM PROCESSAMENTO
DIGITAL DE IMAGENS
2.1 Introduo
O objetivo deste captulo apresentar alguns conceitos fundamentais em

processamento digital de imagem para a extrao das caractersticas necessrias a serem
utilizadas no reconhecimento de impresses digitais.
Este captulo descreve um modelo simples de imagem digital, vizinhana de um pixel,
distncia Euclidiana, filtragem espacial, convoluo discreta, clculo do gradiente, e
determinao da orientao de campo de uma imagem. Finalmente, so realizadas
consideraes finais deste captulo.
2.2 Um Modelo Simples de Imagem Digital
Gonzalez e Woods [15] definiram o termo imagem monocromtica ou simplesmente

imagem, como uma funo bidimensional, indicada por f(x, y), em que o valor ou a amplitude
de f na coordenada espacial (x, y) fornece a intensidade de luz (brilho) da imagem naquele
ponto. A Figura 2.1 mostra a conveno dos eixos utilizada para representar as imagens
digitais neste trabalho.
16
Figura 2.1 Conveno dos eixos utilizada para representar as imagens digitais neste
trabalho.
Uma imagem digital uma imagem f(x, y) discretazada em coordenadas espaciais e

em brilho, f(x, y) pode ser representada por uma matriz, onde os ndices das linhas e das
colunas indicam um ponto na imagem e o valor do elemento da matriz identifica o nvel de
cinza ou a cor naquele ponto. Os elementos dessa matriz so chamados pixels (abreviatura de
picture elements). O tamanho da matriz que representa uma imagem e o nmero de nveis de
cinza variam dependendo da aplicao. comum utilizar em processamento digital de
imagem valores que so potncia inteira de dois, isto [15]:
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.
2.3 Vizinhana de um Pixel
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.
Figura 2.2 Vizinhana de um pixel de coordenada (x, y).
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.
2.4 Distncia Euclidiana
A distncia Euclidiana a distncia entre dois pixels localizados no plano cartesiano.

Considere dois pixels, p e q com coordenadas (u, v) e (s, t), respectivamente. A Figura 2.3
mostra esses pixels e a distncia Euclidiana (De) no plano cartesiano.
2.3 Representao dos pixels p e q e a distncia Euclidiana De no plano cartesiano
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)
Utilizando-se o teorema de Pitgoras no tringulo retngulo ABD da Figura 2.3,

obtm-se a Equao (2.5).
De ( p, q ) 2 = AB 2 + BD 2
(2.5)
Substituindo-se as Equaes (2.3) e (2.4) na Equao (2.5), obtm-se a distncia

Euclidiana na Equao (2.6).
De ( p, q ) = ( s u ) 2 + (t v) 2
(2.6)
2.5 Filtragem Espacial
A filtragem espacial uma tcnica de processamento digital de imagem que utiliza os

nveis de cinza dos pixels de uma certa regio da imagem para gerar pixels com um novo
valor de nvel de cinza em uma nova imagem.
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.
Figura 2.4 Mscara w de tamanho 3 3.
O tamanho de uma mscara w representado por m n, onde m indica o nmero de

linhas e n o nmero de colunas. Normalmente em processamento digital de imagem, a
dimenso de uma mscara mpar, no entanto ela pode possuir dimenso par.
O valor do pixel g(x, y) resultante da filtragem espacial de uma imagem f(x, y) por uma
mscara w de tamanho m n, calculado pela Equao (2.7).
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.
Figura 2.5 Filtragem de f(x,y) por uma mscara w.
2.6 Convoluo Discreta
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
(M1 + M2 1) (N1 + N2 1).

Uma outra notao proposta por Jain [16], definida na Equao (2.9), tambm pode ser
utilizada no clculo da convoluo discreta de duas funes.
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
A expresso g(x m, y n) na Equao (2.9) estabelece duas caractersticas da funo

g(x, y): primeiro
g(x m, y n) translada todas os elementos de g(x, y) de m e n em
relao a origem; segundo g(x m, y n) ocasiona o rebatimento dos valores de g(x, y) em

relao aos eixos x e y. A Figura 2.6 mostra o resultado da expresso g(x m,y n) quando,
por exemplo, x e y so iguais a zero.
23
Figura 2.6 (a) Sinal original; (b) sinal rebatido e translado (x = y = 0).
2.7 Clculo do Gradiente
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)
O mdulo e a direo do gradiente so encontrados utilizando-se as Equaes (2.12) e

(2.13), respectivamente.
24
f = G x2 + G y2
Gy
Gx
( x, y ) = tan 1
(2.12)
(2.13)
A definio de gradiente no se restringe somente a funes contnuas, ela pode ser

aplicada a funes discretas, como por exemplo, a uma imagem f(x, y). Da mesma forma, o
gradiente para funes discretas indica a direo da maior variao da funo f(x, y).
Uma aproximao para o clculo do gradiente para funes discretas obtida pela
Equao (2.14).
f = G x + G y
(2.14)
Outra caracterstica interessante do gradiente que a direo perpendicular direo

dele possui uma variao nula na funo f(x, y).
Para o clculo do gradiente de uma imagem f(x, y) pode-se utilizar a tcnica de
filtragem espacial. Para o clculo das componentes do gradiente de uma imagem existem
algumas mscaras, chamadas de operadores. A Figura 2.7 mostra alguns operadores citados
por Jain [16] utilizados em uma imagem.
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
Figura 2.7 Operadores utilizados para o clculo do gradiente em imagens.
Como os operadores para o clculo do gradiente so baseados em derivadas parciais e

a diferenciao aumenta o rudo, os operadores de Sobel fornecem resultados melhores do que
os outros operadores. A vantagem dos operadores de Sobel em relao aos outros operadores,
que alm de obter as componentes do gradiente, eles tambm suavizam a imagem. A Figura
2.8 mostra o resultado do clculo do gradiente de uma imagem utilizando os operadores de
Sobel.
26
Figura 2.8 Aplicao dos operadores de Sobel. (a) imagem original; (b) componente
Gx; (c) componente Gy; (d) gradiente da imagem original.
A Figura 2.8(b) mostra o resultado da componente de Gx e como esperado as linhas

horizontais da imagem resultante foram mais realadas. Na Figura 2.8(c) as linhas verticais
foram enfatizadas, pois trata-se da componente Gy. A Figura 2.8(d) ilustra o resultado das
duas componentes Gx e Gy, simultaneamente.
27
2.8 Clculo da Orientao de Campo
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 ?
Figura 2.9 Segmentos de retas em uma regio de uma imagem
A primeira proposta de Rao [17] para determinar a orientao dominante de um

conjunto de segmentos de retas foi realizar a soma vetorial desses segmentos e encontrar a
direo resultante. Contudo, essa proposta no proporcionou bons resultados por duas razes.
A primeira que os segmentos de retas no possuem uma nica direo, como mostrado na
Figura 2.10. Se o ponto A adotado como incio do vetor, a direo conforme ilustra a
Figura 2.10(b). Se em vez de A, adotado o ponto B como incio do vetor, a direo +
como mostrado na Figura 2.10(c).
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.
A segunda razo da proposta de Rao [17] no ter proporcionado bons resultados se a

escolha dos pixels que as direes so medidas oposta, ocorre um cancelamento desses
segmentos de retas em vez deles contriburem na orientao dominante.
2.9 Determinao da Orientao de Campo Utilizando o Gradiente
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
A Figura 2.11 mostra o vetor e suas componentes x e y representadas no plano xy.
Figura 2.11 (a) Representao do vetor no plano xy; (b) componentes Gx e Gy

representadas nesse plano.
As componentes Gx e Gy podem ser calculadas utilizando-se as Equaes (2.17) e

(2.18).
Gx = R cos
(2.17)
Gy = R sen
(2.18)
O quadrado do vetor G R2e2i. Portanto, os vetores em direes opostas reforam uns

aos outros.
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)
As componentes x e y do vetor gradiente quadrtico so indicadas por Jx e Jy,

respectivamente.
A parte real Jx do vetor gradiente quadrtico calculada a partir da parte real de J,
ento:
J x = R 2 cos 2 = R 2 (cos 2 sen 2 )
(2.21)
J x = (R cos ) (Rsen )
(2.22)
Substituindo-se as Equaes (2.17) e (2.18) na Equao (2.22), o resultado a

Equao (2.23).
J x = Gx G y
2
O clculo da parte imaginria Jy calculado pela parte imaginria de J, ento:
(2.23)
31
J y = R 2 sen 2 = R 2 (2 cos sen )
(2.24)
J y = 2 ( R cos ) ( Rsen )
(2.25)
Substituindo-se as Equaes (2.17) e (2.18) na Equao (2.25), o valor da componente

Jy a Equao (2.26).
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
(u, v)G y (u, v)
(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:
(x,y) orientao de campo para a posio (x, y).
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.
Este captulo apresentou alguns conceitos fundamentais em processamento digital de

imagem para a extrao das caractersticas necessrias a serem utilizadas no reconhecimento
de impresses digitais.
Este captulo descreveu um modelo simples de uma imagem, vizinhana de um pixel,
distncia Euclidiana, filtragem espacial, convoluo discreta, clculo do gradiente e
determinao da orientao de campo de uma imagem digital.
O prximo captulo descrever 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
33
consistncias dessa orientao e a determinao da rea de interesse dessa imagem. So

descritas as seguintes operaes em relao as salincias: extrao, afinamento e remoo das
falhas. Depois so apresentadas a deteco de mincias, a correo de falhas presentes em
salincias de uma impresso digital, a determinao das coordenadas dos pixels de uma
salincia, a remoo e a converso das salincias em sinais discretos unidimensionais e o
clculo da distncia mdia entre as salincias.
CAPTULO III
MTODOS DE EXTRAO DE CARACTERSTICAS EM
IMAGENS DE IMPRESSES DIGITAIS
3.1 Introduo
O objetivo deste captulo mostrar as tcnicas de extrao de caractersticas de

imagens de impresso digital. Essas caractersticas so utilizadas no reconhecimento de
impresses digitais.
Este captulo mostra 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 e a determinao da rea de interesse dessa imagem. So descritas as
seguintes operaes em relao as salincias: extrao, afinamento e remoo das falhas.
Depois so apresentadas a deteco de mincias, a correo de falhas presentes em salincias
de uma impresso digital, a determinao das coordenadas dos pixels de uma salincia, a
remoo e a converso das salincias em sinais discretos unidimensionais e o clculo da
distncia mdia entre as salincias.
35
3.2 A Impresso Digital e suas Caractersticas
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.
Figura 3.1 Regio de uma impresso digital.
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.
Para o reconhecimento de impresses digitais so utilizadas as mincias, que so

caractersticas das salincias. Existem dois tipos de mincias: as terminaes de salincias e
as bifurcaes de salincias.
A Figura 3.3 mostra uma terminao de salincia e uma
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.
Existem alguns problemas que ocorrem em um algoritmo de reconhecimento de

impresses digitais que dificultam a extrao das informaes. Os mais graves so:
Contato no-uniforme no caso em que as impresses digitais so coletadas por

scannes, um contato no uniforme com a rea de captura, gera na regio de menor
presso, uma imagem mais clara que quase no so evidenciadas as salincias dessa
regio, como mostrado na Figura 3.4(b);
Superfcie da impresso danificada este problema devido a trabalhos manuais,

doenas de pele, acidentes e outras situaes que possam danificar a superfcie da
impresso mudando a estrutura das salincias e criando assim falsas mincias; e
Translao e rotao um indivduo pode posicionar o dedo sobre o scanner da

impresso em posies diferentes a que est registrada no banco de dados, ou seja,
translado e rotacionado, como mostrado na Figura 3.5.
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
3.3 Clculo da Orientao de Campo de uma Imagem de Impresso Digital
Uma das caractersticas necessrias para o reconhecimento de impresses digitais a

orientao de campo ou tambm chamada de campo vetorial. Os passos para o clculo da
orientao de campo desenvolvido por Rao [17] so:
1 Dividi-se a imagem da impresso digital em blocos de tamanho W W;
2 Calcula-se as componentes x e y do gradiente para cada pixel de cada bloco da imagem;
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.
(x, y) orientao de campo para o pixel de coordenada (x, y).
O terceiro passo do algoritmo de clculo de orientao de campo desenvolvido por

Rao [17] indica que necessrio varrer toda a imagem e calcular Vx e Vy para cada pixel,
obtendo-se assim o valor de para a posio (x, y).
A Figura 3.6 ilustra uma imagem de tamanho 18 18 pixels onde os quadrados
brancos so os pixels da imagem e os quadrados vermelhos so os blocos que a imagem
dividida, como estabelecido no 1 passo do algoritmo de clculo da orientao de campo de
Rao [17]. Nessa figura cada bloco possui um W = 9.
Figura 3.6 Imagem dividida em quatro blocos.
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.
Figura 3.7 A 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.
Figura 3.8 Pixels afetados pelo rudo presentes no bloco superior-esquerdo.
3.3.1 Clculo do somatrio unidimensional utilizando a propriedade da comutao
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)
Para ilustrar o uso da propriedade da comutao na reduo do nmero de adies em

uma somatria, considere um sinal discreto unidimensional f(x), como mostrado na Figura
3.9. Nesta figura cada quadrado com seu respectivo nmero dentro representa uma amostra
desse sinal na posio x.
Figura 3.9 Sinal discreto f(x).
Suponha que se deseja calcular a expresso da Equao (3.5).
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.
Figura 3.10 Sinal discreto g(x) de comprimento L = 18 e a = 2.
A finalidade bsica da utilizao da propriedade da comutao no clculo da

orientao de campo o reaproveitamento das somatrias j calculadas. Quando calculado o
valor de g(x) para uma determinada posio x, a somatria da posio seguinte x + 1 quase
idntica a somatria anterior, exceto por dois valores.
Para exemplificar a utilizao da propriedade da comutao, considere que se deseja
calcular o valor de g(7). Logo a Equao (3.5) igual a Equao (3.6) para a = 2.
g (7) = f (i ) = f (5) + f (6) + f (7) + f (8) + f (9) = 18
(3.6)
i =5
Agora necessrio calcular o valor de g(8) que resulta na Equao (3.7) para a = 2.
10
g (8) = f (i) = f (6) + f (7) + f (8) + f (9) + f (10) = 5

i =6
(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).
g (8) = f (10) f (5) + f (i)

i =5
(3.8)
A Equao (3.8) tambm pode ser escrita pela Equao (3.9).
g (8) = f (10) f (5) + g (7)
(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).
NSC = n de adies por posio n de posies
(3.11)
Na Equao (3.5), a indica que existem a elementos esquerda e a elementos direita

do elemento central da somatria, no total existem 2a + 1 elementos que participam da
somatria de uma posio x. Como o nmero de adies o total de elementos menos um,
ento o valor do n de adies por posio igual 2a e o valor do n de posies igual L
(comprimento do sinal).
Substituindo-se os valores do n de adies por posio e do n de posies, o
resultado da Equao (3.11) a Equao (3.12).
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)
Pode-se verificar na Equao (3.10) que se x = 0 calculada a soma de (a + 1)

elementos, ento o nmero de adies para a primeira posio igual a a. Para as demais
(L 1) posies so calculadas duas somas. O valor de NCC igual a Equao (3.14).
N CC = a + 2( L 1)
(3.14)
Para um sinal de comprimento L = 256 amostras, a Tabela 3.1 mostra o nmero de

adies com e sem utilizar a propriedade da comutao.
Tabela 3.1 Nmero de adies com e sem utilizar a propriedade da comutao.
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 %
Na Tabela 3.1 a razo
N CC
pode ser definida como uma vantagem computacional,
N SC
pois relaciona o nmero de adies de NCC em relao a NSC. A vantagem computacional

mostra, em porcentagem que a quantidade NCC tem NSC como referncia. Para exemplificar,
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.
3.3.2 Aplicando a propriedade da comutao no clculo da orientao de campo
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.
importante lembrar que a funo f(x, y) definida pela Equao (3.16).
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,
onde todos os seus elementos inicialmente so iguais a zero. necessrio satisfazer as

Equaes (3.17) e (3.18) para a execuo desse passo.
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)
2 Considere as variveis, i, j, Vx e Vy, com valores iguais zero;
3 Calcule as somatrias das Equaes (3.19) e (3.20) para j variando de zero a N 1;
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;
5 Calcule os valores de Vx e Vy utilizando as Equaes (3.21) e (3.22) e v para o 7
passo;
y+
Vx =
V
v =0
y+
Vy =
W
2
xs
(v )
(3.21)
ys
(v )
(3.22)
W
2
V
v =0
6 Calcule os valores de Vx e Vy utilizando as Equaes (3.23) e (3.24);
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.
7 Calcule o valor de para a posio (i, j) utilizando a Equao (3.25);
(i, j ) = tan 1 y
2
Vx
(3.25)
8 Incremente j de um;
9 Se j < N v para o 6 passo. Caso contrrio, v para o 10 passo;
10 Some um ao valor de i e considere as variveis Vx e Vy iguais a zero;
11 Se i < M v para o 12 passo. Caso contrrio, o clculo est concludo, ento o
programa deve ser encerrado, e;
12 Atualize os valores de Vxs(j) e Vys(j) utilizando as Equaes (3.26) e (3.27), para j
variando de 0 a N 1. Volte ao 4 passo.
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.
A Figura 3.12 mostra o fluxograma do algoritmo desenvolvido neste trabalho para o

clculo da orientao de campo usando a propriedade da comutao.
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)
Define-se Vxs e Vys

com comprimento N
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
Figura 3.12 Fluxograma do algoritmo desenvolvido neste trabalho para o clculo da

orientao de campo usando a propriedade da comutao.
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
Os valores de f(i, j) utilizados na Equao (3.28) so mostrados na Figura 3.13(a).
56
Figura 3.13 (a) Valores de f(i, j), (b) resultado da Equao (3.28).
No exemplo da Equao (3.28), os valores das variveis x e y, variam de zero a 4. As

Figuras 3.13(a) e 3.13(b) mostram os valores de f(i, j) e os resultados da Equao (3.28)
utilizando os valores de f(i, j) para W = 2, respectivamente.
O exemplo do uso da propriedade da comutao em somatrias bidimensionais
mostrado somente para o clculo de Vx para todos os valores de i e j, pois o clculo dos
valores de Vy utiliza o mesmo procedimento. Como est sendo calculado os valores de Vx, a
Figura 3.13(a) representa o resultado de [Gx(x, y)]2 [Gy(x, y)]2 para i e j variando de zero a 4.
Para o clculo de Vx para cada valor de i e j necessrio calcular Vxs para a primeira
linha da Figura 3.13(a) e atualizar os seus valores para as linhas restantes. A Figura 3.14,
mostra os valores de Vxs referentes a cada linha da matriz mostrada na Figura 3.13(a).
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).
Vxs(0) = f(1, 0) + f(0, 0) + f(1, 0) = 4
(3.29)
Vxs(1) = f(1, 1) + f(0, 1) + f(1, 1) = 1
(3.30)
Vxs(2) = f(1, 2) + f(0, 2) + f(1, 2) = 3
(3.31)
Vxs(3) = f(1, 3) + f(0, 3) + f(1, 3) = 5
(3.32)
Vxs(4) = f(1, 4) + f(0, 4) + f(1, 4) = 3
(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).
Vx(0, 0) = Vxs(0) + Vxs(1) = 5
(3.34)
Vx(0, 1) = Vx(0, 0) + Vxs(2) Vxs(1) = 8
(3.35)
59
Vx(0, 2) = Vx(0, 1) + Vxs(3) Vxs(0) = 8
(3.36)
Vx(0, 3) = Vx(0, 2) + Vxs(4) Vxs(1) = 9
(3.37)
Vx(0, 4) = Vx(0, 3) + Vxs(5) Vxs(2) = 6
(3.38)
Depois de calcular todos os valores de Vx para a primeira linha os valores de Vxs so

atualizados, utilizando-se a Equao (3.27). Os novos valores de Vxs do exemplo Figura
3.13(a) so mostrados pelas Equaes (3.39) a (3.43).
Vxs(0) = Vxs(0) + f(2, 0) f(1, 0) = 3
(3.39)
Vxs(1) = Vxs(1) + f(2, 1) f(1, 1) = 0
(3.40)
Vxs(2) = Vxs(2) + f(2, 2) f(1, 2) = 3
(3.41)
Vxs(3) = Vxs(3) + f(2, 3) f(1, 3) = 5
(3.42)
Vxs(4) = Vxs(4) + f(2, 4) f(1, 4) = 3
(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).
Vx(1, 0) = Vxs(0) + Vxs(1) = 3
(3.44)
Vx(1, 1) = Vx(1, 0) + Vxs(2) Vxs(1) = 6
(3.45)
Vx(1, 2) = Vx(1, 1) + Vxs(3) Vxs(0) = 8
(3.46)
Vx(1, 3) = Vx(1, 2) + Vxs(4) Vxs(1) = 11
(3.47)
Vx(1, 4) = Vx(1, 3) + Vxs(5) Vxs(2) = 8
(3.48)
Depois de calcular os valores de Vx para a segunda linha, os valores de Vxs so

atualizados e o processo se repete at que todos os valores de Vx sejam determinados.
A Figura 3.13(b) mostra os valores de Vxs para cada linha da matriz da Figura 3.13 (b).
O nmero de adies calculadas pela somatria em duas dimenses, que no utiliza a
propriedade da comutao (N2DSC) conforme mostrado na Equao (3.1) ou (3.2), pode ser
deduzido da mesma forma que NSC para uma dimenso, ou seja, pela Equao (3.49).
N2DSC = n de adies por posio n de posies
(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).
N2DSC = (W2 + 2W) M N
(3.50)
O nmero de adies em uma somatria em duas dimenses que utiliza a propriedade

da comutao obtido pela Equao (3.51).
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.
Para deduzir a expresso do nmero de adies calculadas pela somatria de duas

dimenses que utiliza a propriedade da comutao (N2DCC), primeiro considere somente as
somatrias que resultam no valor de Vx, pois para Vy o clculo realizado da mesma da forma.
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
A soma S2 refere-se s adies para atualizar os valores de Vxs para as (M 1) linhas

restantes da imagem, como descrito no 12 passo do fluxograma da Figura 3.12. Como so
duas somas por linha e so N colunas, S2 = 2N(M 1) para obter pela primeira vez o valor de
Vx.
No quinto passo do fluxograma da Figura 3.12, necessrio realizar
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
S4 o nmero total de somas realizadas no 6 passo. Como so realizadas duas somas

por colunas (menos para a primeira coluna) e so M linhas, ento, S4 = 2M(N 1).
Substituindo-se os valores de S1, S2, S3 e S4 na Equao (3.50) e realizando-se as devidas
simplificaes, obtm-se a Equao (3.52).
N 2 DCC =
W
( M + N ) + 2(2MN M N )
2
(3.52)
Para ilustrar a eficincia do algoritmo para o clculo da orientao de campo para a

somatria bidimensional que utiliza a propriedade da comutao, considere no clculo de
N2DSC e N2DCC que o valor de W 16 e M = N = L. A Tabela 3.2 mostra o nmero de adies
calculadas pelas somatrias bidimensionais com e sem utilizar a propriedade da comutao.
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 %
Como definido para a somatria unidimensional, a razo
N 2 DCC
a vantagem
N 2 DSC
computacional para a somatria bidimensional. Por exemplo, considerando-se na Tabela 3.2 o

comprimento do sinal igual a 256 e W igual a 16, a vantagem computacional de se utilizar a
propriedade da comutao de 1,41%, ou seja, quando utilizada essa propriedade so
calculadas menos 98,59% adies de quando ela no utilizada.
3.4 Clculo do Nvel de Consistncia da Orientao de Campo
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:
1 Calcula-se o valor de C(x, y) para cada pixel da imagem, e;
64
C ( x, y ) =
1
N
| ( x ' , y ' ) ( x, y ) |
(3.53)
( x ', y ')D
se (d = ( ( x' , y ' ) ( x, y ) + 360 ) mod 360 ) < 180

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
3.5 Determinao da rea de Interesse
A rea de interesse de uma imagem de impresso digital a regio onde essa

impresso est localizada. O mtodo proposto por Jain e outros [1] para a determinao dos
pixels pertencentes a essa rea utiliza a varivel nvel de certeza (CL(x, y)) que calculada
utilizando-se a Equao (3.54).
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
Os passos para determinar se um pixel pertence a rea de interesse ou no so:
1 Calcula-se o nvel de certeza para cada pixel da imagem f(x, y); e
(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).
3.6 Extrao de Salincias
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)
para todo o resto
onde:
Lsen[ ( x, y )] Lsen[ ( x, y )]
v
,
2
2
(3.59)
(x, y) = (x, y) 90.

H nmero de linhas das mscaras ht e hb.
L nmero de colunas das mscaras ht e hb.
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)
para todo o resto
se u = v cot[ ( x, y )]
H
2 cos[ ( x, y )]
(3.62)
para todo o resto
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)
Figura 3.15 Coordenadas de uma mscara de convoluo 11 7 utilizada neste trabalho.
O algoritmo para gerao das mscaras de convoluo ht e hb segue os seguintes

passos:
1 Determina-se os limites do intervalo que v pertence utilizando-se a Equao (3.59);
2 Estabelece-se os valores inicial e final do intervalo de v, e;
3 Aplica-se as Equaes (3.61) e (3.62) para a atribuio dos valores dos coeficientes
das mscaras ht e hb utilizando-se os valores inteiros contidos no intervalo de v.
( H 1) ( H 1)
,
,
Verifica-se quais valores obtidos de u esto dentro do intervalo
2
2
esses valores so arredondados e atribudos as suas respectivas posies.
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
(x,y) = 30. O intervalo de v :
Lsen(30 ) Lsen(30)
,
v
2
2
(3.63)
v [1,75;1,75]
(3.64)
u e v tambm indicam, respectivamente, a linha e a coluna de um elemento de uma das

mscaras de convoluo ht ou hb, portanto os valores de u e v so nmeros inteiros. Ento,
quando um intervalo no inteiro, como o mostrado na Equao (3.64), existe a necessidade
de arredond-lo para o valor inteiro mais prximo, como mostrado na Equao (3.65).
v [2; 2]
(3.65)
Antes de aplicar o 3 passo do algoritmo para a gerao das mscaras de convoluo ht

e hb, necessrio calcular a constante c =
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.
Tabela 3.3 Valores de u a partir de v no algoritmo para a gerao das mscaras de

convoluo ht e hb.
v
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
Figura 3.16 Resultado da mscara ht para (x, y) = 60.
Por definio, antes de convoluir a mscara ht e hb necessrio realizar o rebatimento

das mesmas. Ento, a mscara ht aps o rebatimento como mostrado na Figura 3.17.
Figura 3.17 Mscara ht de tamanho 11 7, = 60 e = 25.000.
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.
3.6.1 Gerao de mscaras de convoluo mais suavizadas
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 )]
reta que tambm constante para uma posio (x, y).

Neste trabalho, para melhorar os resultados de u e v nas mscaras de convoluo ht e
hb, utiliza-se o algoritmo Digital Differential Analyzer (DDA) [18] que usado na gerao
das coordenadas dos pontos das retas.
74
3.6.2 Algoritmo Digital Differential Analyzer (DDA)
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.
ngulo entre a reta e o eixo x.
A Figura 3.18 mostra o ngulo formado entre a reta e o eixo x.

O valor do coeficiente angular m pode ser obtido a partir da Equao (3.68) ou da
Equao (3.69).
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
Figura 3.18 ngulo formado entre a reta da Equao (3.66) e o eixo x.
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)
para todo o resto
se v = u tan[ ( x, y )]
para todo o resto
H
2 cos[ ( x, y )]
(3.72)
77
3.7 Afinamento das Salincias de Impresses Digitais
Depois de convoluir a imagem da impresso digital com as duas mscaras de

convoluo ht e hb e obter a imagem binarizada, necessrio aplicar nessa imagem o
algoritmo de afinamento (ou esqueletizao) para transformar as salincias em linhas com
espessura de um pixel.
Como definido por Gonzalez e Woods [15] a representao estrutural da forma de uma
regio planar consiste em reduz-la a um grafo. Essa reduo realizada obtendo-se o
esqueleto da regio.
As regies binrias de uma imagem de impresso digital que passaram por um
processo de afinamento, ou seja, as salincias, possuem pixels com valor igual a 1, e os pixels
de fundo possuem valor igual a 0.
O algoritmo de afinamento proposto por Gonzalez e Woods [15] e utilizando neste
trabalho consiste na aplicao sucessiva de dois passos aos pixels do contorno da regio. Um
pixel do contorno definido como um pixel de valor igual a 1 que possue pelo menos um
pixel vizinho de 8 com valor igual a 0. Considere a vizinhana de oito, como mostrado na
Figura 3.19.
Figura 3.19 Vizinhana de oito do pixel p1.
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.
A Figura 3.20 mostra uma vizinhana de oito, onde N(p1) = 4 e S(p1) = 3.
Figura 3.20 Vizinhana de oito, onde N(p1) = 4 e S(p1) = 3.
O segundo passo do algoritmo de afinamento proposto por Gonzalez e Woods [15]

possui as seguintes condies:
79
(a) 2 N(p1) 6;
(b) S(p1) = 1;
(3.75)
(c) p2 p4 p8 = 0; e
(d) p2 p6 p8 = 0.
O primeiro passo do algoritmo de afinamento proposto por Gonzalez e Woods [15]

deve ser aplicado a cada pixel da borda da regio binria. Se uma das condies das letras (a)
a (d) da Equao (3.73) desse passo forem violadas, o valor do pixel em questo no deve ser
mudado. Se todas as condies do primeiro passo forem satisfeitas, o valor do pixel
marcado para ser apagado. O pixel no deve ser apagado at que todos os pixels da borda
tenham sido analisados. Uma vez que todos eles tenham sido analisados, os que foram
marcados devem ser apagados, ou seja, atribudos as estes pixels o valor 0. Em seguida,
aplica-se o segundo passo aos pixels da imagem resultante da primeira iterao. Depois da
aplicao do segundo passo e apagados os pixels que foram marcados pelo algoritmo, o
primeiro e o segundo passos so realizados novamente. Quando em uma iterao desse
algoritmo no houver mais pixels a serem apagados, a imagem obtida o esqueleto da regio
binria.
A Figura 3.21 mostra a execuo do primeiro e do segundo passos do algoritmo de
afinamento desenvolvido por Gonzalez e Woods [15] e o resultado final desse algoritmo.
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.
Existem alguns pixels da imagem resultante do algoritmo de afinamento proposto por

Gonzalez e Woods [15] que precisam serem eliminados, pois resultam na deteco de falsas
mincias. Foi desenvolvido neste trabalho um algoritmo para eliminao desse pixels
residuais. Esse algoritmo consiste em comparar a vizinhana de oito de cada pixel da imagem
com as vizinhanas de oito mostradas na Figura 3.23. Se vizinhana de oito de um pixel
coincidir com qualquer uma das vizinhanas mostradas na Figura 3.23, ento o pixel central
apagado. importante ressaltar que os pixels das salincias so marcados com o valor igual a
1, enquanto os pixels de fundo so marcados com o valor igual a 0. Nas imagens dessa figura,
os pixels marcados com X podem possuir o valor igual a 0 ou 1, no importa.
82
Figura 3.23 Vizinhanas de oito dos pixels que geram falsas mincias.
3.8 Deteco de 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 3.25 Exemplo de duas falsas mincias.
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.
3.9 Correo de Falhas Presentes em Salincias de Uma Imagem de Impresso Digital
Aps a binarizao e o processo de afinamento comum aparecer falhas nas salincias

de uma imagem de impresso digital, gerando assim mincias esprias que podem dificultar a
etapa de reconhecimento. Com o aparecimento dessas mincias ocorrem pixels comuns como
se fossem mincias do tipo terminao. Neste trabalho foi desenvolvido um algoritmo para
corrigir essas falhas, onde para cada pixel classificado como mincia do tipo terminao,
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:
1 - Quando um pixel classificado como mincia do tipo terminao, ir para o segundo
passo, caso contrrio, o pixel em questo uma mincia do tipo terminao;
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
Para mincias do tipo

terminao, procurar por
possveis pixels para
eliminar as falhas
Para cada mincia

terminao, testar as
restries para os seus
possvies pixels
Se um dos
possveis pixels
obedecer todas as
restries
No
Sim
Ligar a mincia do tipo

terminao ao pixel
Fim do
programa
Figura 3.27 Fluxograma do algoritmo para eliminao de falhas em salincia.
A Figura 3.28 mostra a execuo do algoritmo desenvolvido neste trabalho para

eliminao de falhas em uma salincia.
87
Figura 3.28 Exemplo de eliminao de uma falha em uma salincia.
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.
3.10 Determinao das Coordenadas dos Pixels de uma Salincia
Por exemplo, no reconhecimento de impresso digital, s vezes necessrio percorrer

uma salincia por inteiro para determinar seu tamanho. A funo do algoritmo de
determinao das coordenadas dos pixels de uma salincia determinar os pixels pertencentes
a ela. Foi desenvolvido neste trabalho um algoritmo que a partir da coordenada do primeiro
pixel de uma salincia, determina-se as coordenadas de todos os outros pixels dessa salincia.
Para o algoritmo de determinao das coordenadas dos pixels de uma salincia,
considere a Figura 3.29 e os valores dos pixels pertencentes a salincia iguais a 1 e os valores
dos pixels de fundo iguais a zero. Quando implementado o teste dos vizinhos de oito do
pixel de uma salincia para decidir qual o prximo pixel, normalmente esse teste
implementado utilizando-se um lao ou mesmo um conjunto de ifs. muito importante
observar que normalmente o teste sempre comea por uma mesma posio, por exemplo p2, e
se a posio no a posio do prximo pixel testa-se as outras posies at encontrar o pixel
ou completar o teste para as oito posies. Para exemplificar, considere a Figura 3.29, onde o
pixel vermelho a mincia. A posio seguinte a de coordenada (x + 1, y 1) (pixel p7) em
relao a atual. Por exemplo, quando realizado o teste para o prximo pixel para a nova
posio e esse teste segue uma ordem pr-definida na seqncia de p2 at p9, ento quem
considerado o prximo pixel a mincia. Desse modo, o teste do prximo pixel fica mudando
de posio entre a mincia e o pixel posterior a ela infinitamente por causa da seqncia desse
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).
Figura 3.29 Teste do prximo pixel.
As coordenadas dos pixels vizinhos ao pixel p1 da Figura 3.29 so mostradas na

Tabela 3.4.
Tabela 3.4 Coordenadas dos pixels vizinhos ao pixel p1 da Figura 3.29

Pixel
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
3.11 Converso das Salincias em Sinais Discretos Unidimensionais
Com a finalidade de auxiliar no reconhecimento de impresses digitais, depois que as

mincias so detectadas necessrio converter as salincias que esto associadas a elas em
sinais discretos unidimensionais com a mesma direo da mincia. O algoritmo desenvolvido
nesta dissertao realiza a translao de todos os pixels de cada salincia de xo em relao a
x e yo em relao a y, onde (xo, yo) a coordenada da mincia associada a salincia. Depois
disso, aplica-se a rotao nos pixels translados.
A translao de um pixel de uma imagem representada pela multiplicao de
matrizes, como mostrado na Equao (3.76) [15].
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.
Realizada a multiplicao das matrizes na Equao (3.76), a Equao (3.77) a nova

coordenada do pixel p transladado.
92
x xo
y y
o
p=
z zo
(3.77)
A rotao de um pixel na forma matricial obtida pela Equao (3.78) [15].
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.
O valor do ngulo de rotao igual a orientao de campo da mincia, esse ngulo

positivo quando a rotao no sentido horrio.
As Equaes (3.77) e (3.78) transladam e rotacionam de um pixel de coordenada
(x, y, z), respectivamente. Para obter as duas transformaes geomtricas necessrio
substituir a Equao (3.77) na Equao (3.78), obtendo-se a Equao (3.79).
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 .
Multiplicando-se as matrizes da Equao (3.79), obtm-se a Equao (3.80). Esta

equao a posio final do pixel de coordenada (x, y, z) aps ele ter sido transladado e
rotacionado de .
( x xo ) cos + ( y y o ) sen
( x x ) sen + ( y y )cos
o
o
v=
z zo
(3.80)
Como qualquer pixel da imagem encontra-se no plano xy e no existe nenhuma

mudana no valor de z, ento a expresso z zo da Equao (3.80) pode ser desconsiderada,
pois ela no afeta em nada a converso da salincia em um sinal unidimensional. Assim, x
(abscissa) e y(ordenada) so calculadas pelas Equaes (3.81) e (3.82), respectivamente.
x = (x xo) cos + (y yo) sen
(3.81)
y = (x xo) sen + (y yo) cos
(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).
Figura 3.30 Salincia com a mincia de coordenada (4, 2).
x = (x 4) cos (135) + (y 2) sen (135)
(3.83)
y = (x 4) sen (135) + (y 2) cos (135)
(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
Tabela 3.5 Coordenadas originais e resultantes da translao e da rotao dos pixels

pertencentes a salincia da Figura 3.30.
Pixel
(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)
Em um sinal discreto unidimensional, a varivel x assume somente valores inteiros. Os

valores das abcissas x dos pixels pertencentes as salincias resultantes da translao e da
rotao so valores reais, como pode ser observado na Tabela 3.5. Uma forma de ajustar os
valores dessas salincias arredondar o valor de cada x para o inteiro mais prximo. A
soluo mais precisa, desenvolvida nesta dissertao, encontrar novos valores de x e y do
sinal unidimensional discreto utilizando-se a interpolao linear. Foi escolhido esse tipo de
interpolao porque as salincias no se comportam como nenhuma funo matemtica, como
por exemplo, funo quadrtica ou exponencial, logartmica, trigonomtricas, etc..
Para exemplificar a interpolao linear, considere um valor de x [a, b], onde a e b
so nmeros reais e f(x) uma funo que no apresenta descontinuidade nesse intervalo de x.
Ento, conclui-se que f(a) y f(b), como mostra a Figura 3.31, onde y = f(x).
96
Figura 3.31 Exemplo de uma funo contnua em um intervalo [a, b].
Conhecendo-se os valores de a, b, f(a) e f(b), pela interpolao linear determina-se os

valores de x e y utilizando-se a Equao (3.85).
f (b) f (a ) f ( x) f (a )
=
ba
xa
(3.85)
Rearranjando a Equao (3.85) e substituindo nela f(x) por y, o valor de y

determinado pela a Equao (3.86).
f (b) f (a)
y=
( x a) + f (a)
ba
(3.86)
A interpolao linear no abrange valores que esto fora da faixa do intervalo de

valores conhecidos. Na Tabela 3.5, o intervalo de valores de x de zero a 4,9497, ou seja,
somente valores dentro desse intervalo so estimados por essa interpolao. Como os valores
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
Tabela 3.6 Novas coordenadas arredondadas dos pixels da Figura 3.30.

Pixel
(x; y)
(0; 0)
(1; 0)
(2; 0,5858)
(3; 1,4142)
(4; 1,4142)
O sinal unidimensional resultante da salincia mostrada na Figura 3.30 mostrado na

Figura 3.31.
Figura 3.32 Sinal unidimensional resultante da salincia mostrada na Figura 3.30
Como a imagem digital, ou seja, os pixels ocupam posies discretas (valores

inteiros), essa caracterstica provoca erros de arredondamento na coordenada (x, y) de cada
pixels. Neste trabalho, os processos de binarizao e afinamento da imagem provocam erros
na coordenada (x, y) de cada pixel. A interpolao aplicada no processo de converso das
salincias em um sinal discreto unidimensional para amenizar esses erros associados as
coordenadas (x, y) dos pixels da imagem.
O algoritmo de converso de uma salincia em um sinal discreto unidimensional
descrito anteriormente neste captulo para a salincia que comea em uma mincia do tipo
terminao. Para cada mincia do tipo bifurcao, existem trs possveis salincias que
podem ser convertidas em um sinal unidimensional. Na Figura 3.33, a cor vermelha mostra o
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).
Figura 3.33 Direo de uma mincia do tipo bifurcao.
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
segundo pixel da salincia que ser associada a mincia do tipo bifurcao;
2 - Depois de determinado os trs possveis pixels no 1 passo so atribudos a esses pixels
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
Percorre n pixels em cada

salincia, para determinar
os extremos.
A partir das posies dos

extremos, calcula-se a
distncia entre eles.
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.
A Figura 3.35 mostra os passos do algoritmo de determinao da salincia que ser

associada a mincia do tipo bifurcao. A Figura 3.35(a) mostra o pixel classificado como
mincia de coordenada (5, 4) na cor vermelha. A direo da orientao de campo da mincia
representada por uma linha tracejada na cor azul.
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.
O primeiro passo do algoritmo de determinao da salincia que ser associada a uma

mincia do tipo bifurcao identificar os trs possveis pixels que podem ser o segundo
pixel da salincia. Na Figura 3.35(a) as coordenadas desses pixels so iguais a (4, 4), (5, 5) e
(6, 3) e eles esto representados na cor cinza. Depois de determinadas as coordenadas desses
trs pixels, atribudo a eles o valor igual a zero, para que o algoritmo descrito na Seo 3.9
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.
3.12 Clculo da Distncia Mdia entre as Salincias
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.
Os passos para o clculo da distncia mdia entre as salincias so:
1 - Realiza-se a filtragem espacial da imagem da impresso digital em nveis de cinza
utilizando-se uma mscara de convoluo 7 7, como mostrado na Figura 3.37;
1
1
1
1
1
49
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
Figura 3.37 Mscara de convoluo 7 7.
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
u = i + d cos (i, j ) + k sen (i, j )

2
2
(3.94)
v = j + d sen (i, j ) + k cos (i, j )

2
(3.95)
4 - Encontra-se os pontos de mximos da projeo da forma de onda;
108
5 - Calcula-se a distncia mdia entre os pontos de mximo adjacentes na projeo da forma
de onda. Caso a projeo da forma de onda no possui mais de um ponto de mximo,

atribui-se 1 a distncia mdia entre as salincias desse bloco;
6 - Interpola-se os valores das distncias mdias de cada bloco que possui valor igual a 1.
A interpolao das distncias obtida utilizando-se a Equao (3.96); e
7 - Calcula-se a mdia de todos os valores de D(i, j). O resultado dessa mdia a distncia
mdiaentre as salincias da imagem de impresso digital.
se D(i, j ) 1
D (i, j ),
i +1 j +1
D ' (i, j ) = D (u , v) [D (u , v)]

u =i 1v = j 1
, para o restante
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
Este 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 utilizao da propriedade da comutao, determinao da rea de interesse
nessas imagens; deteco, afinamento e correo de falhas presentes nas salincias; clculo da
distncia mdia entre as salincias e deteco das mincias nessas salincias. Finalmente, so
realizadas concluses sobre esses resultados.
4.2 Resultados Obtidos do Clculo da Orientao de Campo
Como discutido na Seo 3.3 do Captulo 3 deste trabalho, o clculo da orientao de

campo o resultado do clculo do ngulo para cada pixel da imagem f(x, y). As Figuras 4.1 e
4.2 mostram o resultado do clculo dessa orientao aplicado a duas imagens de impresso
digital de tamanho 256 256 pixels com 256 nveis de cinza.
111
Os resultados obtidos no clculo da orientao de campo de uma imagem utilizando o

mtodo desenvolvido por Rao [17] so visualizados nas Figuras 4.1(b) e 4.2(b), onde as
orientaes de campo so representadas pelos segmentos de reta realados na cor vermelha.
Para a visualizao desses segmentos, a imagem dividida em blocos de tamanhos 13 13,
onde utilizado tanto a orientao de campo quanto a coordenada do pixel central desses
blocos para desenhar o segmento de reta de cada bloco. Por esse motivo que esses
segmentos, s vezes aparecem sobre as salincias ou sobre os vales, pois o critrio para
desenhar cada um dos segmentos de reta a posio do pixel central de cada bloco.
A finalidade de visualizar a orientao de campo verificar se todas as direes esto
coincidindo com as direes das salincias da imagem da impresso digital. As Figuras
4.1(b) e 4.2(b) ilustram que as orientaes de campo esto coincidindo com as direes das
salincias das imagens de impresses digitais.
112
Figura 4.1 Exemplo do clculo da orientao de campo. (a) imagem original;

(b) visualizao da orientao de campo.
113
Figura 4.2 Exemplo do clculo da orientao de campo. (a) imagem original;

(b) visualizao da orientao de campo.
114
4.3 Desempenho do Clculo da Orientao de Campo
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%.
4.4 Resultados Obtidos do Clculo do Nvel de Consistncia
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
Figura 4.4 Exemplo de re-estimao da orientao de campo. (a) orientao de campo

original; (b) orientao de campo re-estimada.
118
4.5 Resultados Obtidos na Determinao da rea de Interesse da Imagem
O algoritmo de determinao da rea de interesse de uma imagem de impresso digital

foi descrito na Seo 3.5 do Captulo 3 deste trabalho. Essa rea utiliza o nvel de consistncia
(CL) do pixel de coordenada (x, y) para especificar se esse pixel pertence a imagem ou
pertence ao fundo. Caso ele pertena a imagem, o valor de nvel de cinza desse pixel no
alterado. Caso contrrio, atribudo a esse pixel o valor referente a cor branca (nesta
dissertao foi utilizado o valor de 255, pois trata-se de uma imagem de 256 nveis de cinza).
A Figura 4.5 ilustra a determinao da rea de interesse de uma impresso digital.
Pode-se observar na Figura 4.5 que o algoritmo de determinao da rea da imagem da
impresso digital realmente determina essa rea, mas deixa resduos presentes nessa imagem
internamente e externamente a essa rea, como pode ser visualizado pelos crculos amarelos
nessa figura.
O algoritmo desenvolvido neste trabalho para a remoo dos resduos presentes na
imagem de impresso digital e para prevenir que o algoritmo no elimine reas de interesses
nessa imagem a verificao dos comprimentos horizontais (na direo de y da imagem) das
reas determinadas como rea de interesse. Em relao aos resduos, esse algoritmo verifica
se o comprimento da rea menor do que uma certa quantidade (nesta dissertao foi
utilizado 10 % da largura da imagem), se isso ocorrer a regio da imagem considerada como
resduo e deve ser retirada dela, caso contrrio esses pixels permanecem a imagem. Para a
preveno da eliminao de alguma regio na rea de interesse o algoritmo tambm verifica o
comprimento de um grupo de pixels que foi classificado como pixels dessa rea. O resultado
do algoritmo de remoo dos resduos e preveno da eliminao da rea de interesse
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
4.6 Resultados Obtidos da Extrao de Salincias
A deteco de salincias uma parte muito importante no reconhecimento de

impresses digitais, pois a partir delas que so determinados os pontos de reconhecimento
(as mincias). A Seo 3.6 do Captulo 3 deste trabalho mostra dois mtodos para a deteco
de salincias. Ambos utilizam a convoluo da imagem de impresso digital com duas
mscaras ht e hb, a diferena entre esses dois mtodos que no segundo mtodo, desenvolvido
nesta dissertao, as posies dos elementos das mscaras so determinadas utilizando-se o
algoritmo DDA resultando em uma melhor estimao das coordenadas dos elementos dessas
mscaras do que o primeiro mtodo.
A Figura 4.6 mostra os resultados obtidos da imagem original utilizando o primeiro mtodo
(mtodo que no utiliza o algoritmo DDA para a determinao das posies dos elementos das
mscaras de convoluo). O resultado da convoluo da imagem com as duas mscaras ht e hb, so
duas novas imagens, mostradas nas Figuras 4.6(b) e (c), respectivamente. Cada pixel (que localiza-se
dentro da regio de interesse) das imagens resultantes da convoluo, comparado com um certo
limiar Tsalincia (neste trabalho utilizou-se Tsalincia = 0,01). Nessa comparao, se o pixel maior do que
Tsalincia, atribudo a ele o nvel de cinza preto (valor igual a zero), pois trata-se de um pixel
pertencente a salincia. Caso contrrio atribudo ao pixel o nvel de cinza branco (valor igual a 1),
pois um pixel pertencente a um vale. Esse processo de atribuir o valor branco ou preto ao pixel
chamado de binarizao. As Figuras 4.6 (b) e (c) so imagens binarizadas resultantes das convolues
com as mscaras ht e hb, respectivamente. A Figura 4.6(d) ilustra o resultado final da deteco de
salincias. Nessa figura, se um pixel de coordenada (x, y) foi classificado como salincia em ambas as
imagens resultantes da convolues com as mscaras ht e hb, ento ele continua sendo considerando
como um pixel de salincia. Caso contrrio, ele um pixel de vale.
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
As imagens da Figura 4.7 so geradas utilizando-se o segundo mtodo (desenvolvido

nesta dissertao), ou seja, as posies dos elementos das mscaras so determinadas
utilizando-se o algoritmo DDA. A Figura 4.7(a) utiliza a mesma imagem original da Figura
4.6(a).
Pode-se observar nas Figuras 4.7 (b), (c) e (d) que ao utilizar o algoritmo DDA nas
mscaras no ocorre um borramento, como mostrado pelos crculos amarelos nas Figuras
4.6 (b), (c) e (d), e existe um nmero muito menor de fuses entre as salincias. Esse
borramento ocasiona a perda de todas as salincias e mincias na regio onde ele aparece e
nessa mesma regio ocorre o aparecimento de mincias esprias. Para observar melhor esse
fato, considere as Figuras 4.6(d) e 4.7(d), que so os resultados finais da extrao das
salincias. A Figura 4.6(d) mostra, principalmente no centro da imagem, uma fuso muito
grande das salincias entre si, e isso dificulta ou pode inviabilizar o algoritmo de
reconhecimento de impresses digitais. Na Figura 4.7(d), as fuses entre as salincias que
aparecem na Figura 4.6(d) so eliminadas.
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
4.7 Afinamento das Salincias
Aps a extrao das salincias aplica-se o algoritmo de afinamento (ou esqueletizao)

para torn-las com espessura igual a um pixel. Mas, mesmo aps esse afinamento, algumas
linhas das salincias podem ficar com espessuras maiores do que 1 pixel, como mostrado na
Figura 4.8(a). Essas linhas com espessura diferente de um pixel dificultam o reconhecimento,
pois detectam falsas mincias. Como proposto na Seo 3.7 do Captulo 3 deste trabalho
necessrio a comparao da vizinhana de cada pixel das salincias. Nessa comparao,
algum pixel que possui uma das configuraes da vizinhana da Figura 3.21 do Captulo 3
desta dissertao deve ser apagado. Para exemplificar isso, a Figura 4.8(b) mostra o resultado
do algoritmo de correo do afinamento de salincias desenvolvido neste trabalho aplicado a
Figura 4.8(a).
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
4.8 Correo das Falhas Presentes nas Salincias
Em imagens de impresso digital comum o aparecimento de falhas nessas imagens.

Essas falhas podem surgir na aquisio dessas imagens devido principalmente a doenas de
pele ou no processamento da imagem na binarizao dela e no afinamento das salincias.
A Figura 4.10(a) mostra o resultado do afinamento de uma imagem de impresso
digital. Pode-se observar nessa figura algumas falhas nas salincias, como por exemplo, a
falha destacada pelo crculo vermelho.
A Figura 4.10(b) mostra o resultado obtido aps aplicar a tcnica de correo de falhas
proposta neste trabalho na Seo 3.9 do Captulo 3 desta dissertao na imagem da Figura
4.10(a).
A tcnica de correo de falhas nas salincias, desenvolvida nesta dissertao,
consegue, alm de corrigir as salincias, reduzir o nmero de mincias em uma imagem de
impresso digital. Por exemplo, na Figura 4.10(a), o crculo vermelho mostra uma salincia
com uma falha que adicionaria duas mincias esprias na imagem de impresso digital, mas
como a salincia corrigida, isso no acontece.
A Figura 4.11(b) mostra outro resultado da aplicao do algoritmo de correo de
falhas presentes nas salincias aplicado a imagem da Figura 4.11(a).
A vantagem de reduzir o nmero de mincias esprias em uma imagem de impresso
digital diminuir o nmero de pontos (mincias) para realizar os testes de comparao entre
duas imagens. A diminuio desse nmero de pontos, alm de diminuir o tempo
computacional para a comparao, tende a melhorar a taxa de reconhecimento, pois algumas
127
tcnicas de reconhecimento comparam a distribuio espacial desses pontos nessas duas

imagens.
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
4.9 Resultados Obtidos do Clculo da Distncia Mdia entre as Salincias
Como mostrado na Seo 3.11 do Captulo 3 deste trabalho, a imagem de uma

impresso digital dividida em blocos de tamanho w w. Para cada bloco calcula-se a
distncia mdia entre as linhas das salincias e depois a mdia das distncias de cada bloco,
obtendo-se assim a distncia mdia entre as salincias.
No clculo da distncia mdia entre as salincias, foram utilizadas seis imagens de trs
impresses digitais diferentes, ou seja, cada impresso digital possui seis imagens
transladadas e rotacionadas. As Figuras 4.12 a 4.14 mostam essas imagens. Todas as imagens
utilizadas nesse clculo, foram obtidas do mesmo scanner de impresso digital, pois para um
scanner diferente ou com uma resoluo diferente, no seria possvel comparar os resultados
obtidos.
A Tabela 4.2 mostra os resultados obtidos do clculo da distncia mdia de trs
imagens de impresso digital diferentes, onde d1, d2, , d6, so as distncias mdias de cada
um das seis imagens de cada impresso digital que foram utilizadas nesse clculo. Os valores
das distncias mdias entre as salincias so expressos em pixels.
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
d2; (c) d3; (d) d4; (e) d5; (f) d6.
132
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.
A distncia mdia entre as salincias e o conjunto de sinais unidimensionais (que

representam as salincias associadas a cada mincia) so utilizados no algoritmo de
reconhecimento de impresso digital desenvolvido por Jain e outros [1] para alinhar duas
imagens de impresso digital.
134
4.10 Resultados Obtidos na Deteco de Mincias
Os pixels classificados como mincias so os pontos utilizados no reconhecimento de

uma impresso digital. O algoritmo para determinao desses pontos foi descrito na Seo 3.8
do Captulo 3 deste trabalho.
A Figura 4.16 mostra os problemas que ocorrem no algoritmo de deteco de mincias
caso no sejam eliminados os pixels na correo realizada neste trabalho do algoritmo de
afinamento. Se o algoritmo de deteco de mincia aplicado a imagem da Figura 4.16(a) o
resultado so todas as falsas mincias destacadas pelos quadrados vermelhos mostrados na
Figura 4.16(b).
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
A Figura 4.17 um exemplo do algoritmo desenvolvido neste trabalho de deteco de

mincias em uma imagem de impresso digital. As Figuras 4.17(a) e 4.17(b) mostram a
imagem binarizada de uma impresso digital e a imagem resultante do afinamento,
respectivamente. A Figura 4.17(c) o resultado do algoritmo de deteco de mincias
aplicado aps o algoritmo de remoo de falhas em salincias. Pode-se verificar que o nmero
de mincias do tipo terminao na Figura 4.17(c) menor do que o da Figura 4.17(b) e essa
diminuio contribui para um melhor resultado do algoritmo de reconhecimento de imagens
de impresso digital que utiliza as mincias para comparao entre as imagens.
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
Um problema que diminui o ndice de reconhecimento de impresses digitais o

aparecimento de mincias esprias, como mostrado na Figura 4.18. Esta figura uma
ampliao da regio central da Figura 4.17(b), com a finalidade de visualizar o aparecimento
dessas mincias. Nessa figura, existem quatro mincias esprias onde deveria existir somente
uma. Neste caso, o motivo do aparecimento dessas mincias devido ao ponto branco que
apareceu nas salincias depois que a imagem foi binarizada. Um modo de eliminar as
mincias esprias filtrar as mincias, observando a configurao das salincias que as
originam. Na Figura 4.18, os tringulos verdes indicam as mincias do tipo terminao e os
quadrados vermelhos as mincias do tipo bifurcao.
Figura 4.18 Mincias esprias detectada na regio central da Figura 4.13(b).
138
4.11 Concluses
Este captulo mostrou os resultados obtidos na extrao das seguintes caractersticas

de imagens de impresso digital: clculo da orientao de campo, 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
nessa imagem; deteco, afinamento e correo das falhas presentes nas salincias; clculo da
distncia mdia entre as salincias e deteco das mincias nessas salincias.
Pode-se observar nos resultados obtidos neste captulo que a orientao de campo foi
bem precisa em relao as inclinaes das salincias de uma impresso digital. Outro
resultado importante encontrado neste captulo, 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 de 90% em relao ao algoritmo desenvolvido por Jain e outros [1]
que no usa essa propriedade.
Nos testes realizados neste captulo, como o algoritmo do clculo da orientao de
campo utilizado neste trabalho apresentou bons resultados, ou seja, as orientaes de campo
possuem as mesma inclinaes das salincias. Devido a esses bons resultados poucas regies
das imagens de impresso digital tiveram que serem re-estimadas suas orientaes de campo.
Nos resultados obtidos neste captulo 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 nesta dissertao como uma das sugestes para futuros trabalhos
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
Os resultados obtidos nesta dissertao 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 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 nesta dissertao que os valores da distncia
mdia entre as salincias de uma imagem de impresso digital tiveram uma pequena variao
devido deformao no momento da aquisio.
Nos resultados obtidos neste trabalho 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 essas mincias esprias.
5.2 Contribuies Deste Trabalho
Neste trabalho foi implementado melhoramentos no algoritmo de extrao de

caractersticas de imagens de impresso digital desenvolvido por Jain e outros [1]. As
contribuies desta dissertao so:
143
Otimizao do clculo da orientao de campo utilizando a propriedade da comutao,

e reduo no tempo de processamento em torno de 90% em relao ao algoritmo
desenvolvido por Jain e outros [1] que no usa essa propriedade nesse clculo;
Utilizao do algoritmo DDA na gerao das coordenadas dos elementos que

compem as mscaras de convoluo ht e hb, com a finalidade de obter melhores
imagens resultantes do processo de binarizao. Devido a essas imagens pode-se obter
uma quantidade menor de mincias esprias que as encontradas no algoritmo
desenvolvido por Jain e outros [1];
Desenvolvimento de um algoritmo de eliminao de resduos presentes na regio de

interesse da imagem de impresso digital;
Implementao de um algoritmo de correo de falhas em salincias de uma imagem

de impresso digital que utiliza somente os valores dos pixels do resultado dessa
imagem no algoritmo do afinamento, baseado somente na vizinhana de cada pixel e
na continuidade das salincias da imagem;
Desenvolvimento de um algoritmo de determinao dos pixels de uma salincia

utilizando a vizinhana de oito de cada pixel dessa salincia;
Implementao de um algoritmo de converso das salincias associadas a cada

mincia em sinais unidimensionais. Estes sinais so obtidos a partir de duas
144
transformaes geomtricas, a translao e a rotao. Esse algoritmo utiliza a

interpolao linear para a diminuio do erro causado na converso; e
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.
5.3 Sugestes Para Trabalhos Futuros
As sugestes para trabalhos futuros em reconhecimento de impresses digitais so:
Desenvolvimento de um outro mtodo de afinamento de imagens de impresso digital

utilizando as direes de cada salincia e os valores dos pixels da imagem em nvel de
cinza da impresso digital. Esse mtodo deve dividir a salincia em vrios trechos e
para cada trecho da salincia determinado seu respectivo ponto mdio. Depois de
determinado todos os pontos mdios de cada trecho de uma salincia, esses pontos
sero ligados dois a dois por segmentos de reta, resultando em uma salincia afinada.
Aplicando-se esse mtodo a todas as salincias, o resultando o esqueleto de uma
imagem de impresso digital;
Preenchimento das salincias danificadas (no processo de aquisio e/ou doenas de

pele) de uma impresso digital utilizando orientao de campo e analisando a
possibilidade de ligao entre elas (continuidade entre essas salincias). Esse
145
preenchimento dever ser realizado na imagem de impresso digital antes da

binarizao;
Desenvolvimento de um algoritmo automtico para determinao do limiar utilizado

na tcnica proposta por Jain e outros [1] de extrao de salincias, pois esse limiar
depende das caractersticas da imagem, como brilho e contraste;
Verificar no domnio da freqncia, os espectros das imagens original, binarizada e

esqueletizada, com o objetivo de encontrar uma relao entre elas. E a partir dessa
relao, desenvolver uma tcnica de binarizao ou afinamento nesse domnio.
Desenvolvimento de um algoritmo para melhorar a imagem da rea de interesse, ou

seja, para diminuir a quantidade de resduos pela verificao dos pixels vizinhos aos
pixels classificados como pertencentes a essa rea;
A partir da extrao das caractersticas de uma imagem de impresso digital,

desenvolver um algoritmo que gera um cdigo alfanumrico nico para essa imagem.
Esse cdigo deve ser gerado pelo tipo de impresso digital, orientao de campo de
uma determinada rea dessa imagem, etc.. Com o desenvolvimento desse algoritmo, o
tempo da etapa de identificao dever diminuir, pois esse cdigo ser pr-processado
e armazenado no banco de dados; e
146
Desenvolvimento de um algoritmo para remoo dos pontos brancos (buracos)

presentes nas salincias, pois esses pontos geram mincias esprias que dificultam ou
inviabilizam o reconhecimento da impresso digital.
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.
[3] Sherlock, B. G., Monro, D. M., Millard, K. Fingerprint Enhancement by Directional

Fourier Filtering. Proc. Vis. Image Signal Process, IEEE, vol. 141, no. 2, pp. 87-94,
1994.
[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.
[5] OGorman, L., Nickerson, J. An Approach to Fingerprint Filter Design. Pattern

Recognition Society, Pattern Recognition, vol. 22, no. 1, pp. 29-38, 1989.
[6] Hung, D. C. Enhancement and Feature Purification of Fingerprint Images. Pattern

Recognition, vol. 26, no. 11, pp. 1661-1671, 1993.
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.
[8] Homem, M. R. P., Costa, L. F., Mascarenhas, N. D. Skeletonization of Two-Dimensional

Shapes via Fast Numerical Calculation of Vector Filds. Proceedings of the XVII
Brazilian Symposium on Computer Graphics and Image Processing, IEEE,
pp. 106 112, 2004.
[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
[13] Ko, T. Fingerprint Enhancement by Spectral Analysis Techniques. Proceedings of the

31st Applied Imagery Pattern Recognition Workshop, IEEE, pp. 133-139 , 2002.
[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.

Extração Características Imagens

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Extração Características Imagens

Caricato da

Copyright:

Formati disponibili

UNIVERSIDADE FEDERAL DE UBERLNDIA

FACULDADE DE ENGENHARIA ELTRICA

LUCIANO XAVIER MEDEIROS

UNIVERSIDADE FEDERAL DE UBERLNDIA

Dissertao apresentada por Luciano Xavier Medeiros

Professora Edna Lcia Flres, Dra (orientadora)

Dados Internacionais de Catalogao na Publicao (CIP)

Medeiros, Luciano Xavier.

LUCIANO XAVIER MEDEIROS

Professora Edna Lcia Flres, Dra. Eng.

Professor Darizon Alves Andrade, Ph.D.

Coordenador do Curso de Ps Graduao

Aos meus pais,

Medeiros, Luciano X., Extrao de Caractersticas de Imagens de Impresso Digital.

Palavras-chaves: mincias, orientao de campo, salincias, afinamento e impresso digital.

Uberlndia, FEELT UFU, 2006, 149 p.

key-words: minutiae, filed orientation, ridges, thinning and fingerprint.

1.2. Levantamento Bibliogrfico dos Trabalhos Desenvolvidos em Impresso 8

1.4. Estrutura desta Dissertao

1.5. Consideraes Finais deste Captulo

2. Fundamentos em Processamento Digitais de Imagens

2.2. Um Modelo Simples de Imagem Digital

2.3. Vizinhana de um Pixel

2.4. Distncia Euclidiana

2.5. Filtragem Espacial

2.6. Convoluo Discreta

2.7. Clculo do Gradiente

2.8. Clculo da Orientao de Campo

2.9. Determinao da Orientao de Campo Utilizando o Gradiente

2.10. Consideraes Finais deste Captulo

3. Mtodos de Extrao de Caractersticas em Imagens de Impresses Digitais

3.2. A Impresso Digital e suas Caractersticas

3.3. Clculo da Orientao de Campo de uma Imagem de Impresso Digital

3.3.1. Clculo do somatrio unidimensional utilizando a propriedade 42

3.5. Determinao da rea de Interesse

3.6. Extrao de Salincias

3.6.1. Gerao de mscaras de convoluo mais suavizadas

3.6.2. Algoritmo Digital Differential Analyzer (DDA)

3.7. Afinamento das Salincias de Impresses Digitais

3.8. Deteco de Mincias

3.9. Correo de falhas presentes em salincias de uma imagem de impresso 84

3.11. Converso das Salincias em Sinais Discretos Unidimensionais

3.12. Clculo da Distncia Mdia entre as Salincias

3.13. Consideraes Finais deste Captulo

4.2. Resultados Obtidos do Clculo da Orientao de Campo

4.3. Desempenho do Clculo da Orientao de Campo

4.4. Resultados Obtidos do Clculo do Nvel de Consistncia

4.5. Resultados Obtidos na Determinao da rea de Interesse da Imagem

4.6. Resultados Obtidos da Extrao de Salincias

4.7. Afinamento das Salincias

4.8. Correo das Falhas Presentes nas Salincias

4.9. Resultados Obtidos do Clculo da Distncia Mdia entre as Salincias

4.10. Resultados Obtidos na Deteco de Mincias

5. Concluses, Contribuies deste Trabalho e Sugestes Para Trabalhos 140

5.2. Contribuies Deste Trabalho

5.3. Sugestes Para Trabalhos Futuros

1.1 Valores de TRF, TRI e TIE para trs tipos de aplicaes

Conveno dos eixos utilizada para representar as imagens digitais neste 16

Vizinhana de um pixel de coordenada (x, y)

Representao dos pixels p e q e a distncia Euclidiana De no plano cartesiano 18

Filtragem de f(x,y) por uma mscara w

(a) Sinal original; (b) sinal rebatido e translado (x = y = 0)

Operadores utilizados para o clculo do gradiente em imagens. Aplicao dos 25