然后送入算法處理。由于嵌入式系統的圖像處理算法必須運算量小、占用RAM 存儲器空間小，才能在運算性能有限的單片機系統中運行，故而本系統通過小塊方向替代點方向，減小RAM占用。

　　在圖像增強方面，可以將圖像以L 為長寬劃分為小塊，再按如下公式求取每一塊的均方差 ：

　　根據實驗數據測定和分析，當Aver》36 時，可認為該區域內有圖像，否則認為是背景。利用均方差區分出了前后景，還可以據此判斷圖像的對比度。根據對比度的差異分別來增強圖像，可以使得不同曝光亮度的圖像得到一致增強。對原始圖像進行了算法處理，提取處理前后效果進行比對，具體效果如圖4 所示。

　　軟件算法中對于指紋處理中的求取圖像方向場問題，采用了基于原Sobel 算子改進后的Sobel 算子。

　　原Sobel 算子如下：

　　改進后的Sobel 算子為：

　　改進的Sobel 算子能增加方向場的準確性，實測通過率從采用標準Sobel 算子的93.3% 提高到95.8%.圖5 所示為其變化情況。

　　如圖5 可見，改進的Sobel 算子在原Sobel 算子的基礎上，能顯著地分割出正確圖像的面積，幾乎能在整個畫面區域提取出正確的方向來。系統對圖像進行了Gabor 濾波和圖像數據二值化。指紋圖像屬于紋理圖像，紋理圖像采用Gabor 濾波器，利用每一點的點方向沿方向指向增強，沿方向的法線方向減弱。Gabor 濾波器能很好地拼接斷紋，濾除環境噪聲，最后將Gabor 濾波后的圖像做雙窗口均值門限二值化：

　　門限1 ：均值化算子矩陣： 7×7 的單位矩陣。

　　門限2 ：均值化算子矩陣： 3×3 的單位矩陣。

　　具體運算表達式如下：

　　當每一點的值g（x，y）》p（x，y） 時，則賦值g（x，y）=1，否則賦值為0，以此得到二值化最終的結果，提取圖像進行實測效果的比對如圖6 所示。

　　圖7 是最后根據圖像紋理的粗細二值化圖像，并根據端點和交叉點提取特征點。

　　經過上面的步驟，即可從原始圖像里面提取出有效的特征信息。特征信息描述了特征點的位置、方向等信息，最終形成一個大小不超過512 字節的特征模板。指紋的比對就是在特征模板的基礎上，構建兩個點形成的桿對集，而桿對所包含的桿長度、端點方向與桿的夾角等信息已經是相對量，與位置無關。理想狀況下，同一枚指紋，采集的兩幅圖像能找到的桿對的每一個量（長度、夾角）在數學上是完全相等的。以此為基本數學模型，構建整個比對算法。

　　4 結語

　　本文的基于ARM的光學指紋識別系統的設計方案，經過實物測試， 模塊錄入用戶指紋圖像時間為500 ~ 800 ms，拒真率小于等于1%，平均4.2 ms 即可比對一枚指紋，支持1∶1 指紋驗證和1∶N 指紋搜索。在硬件設計中引出了通信端子，系統支持3.3V TTL 串口通信，可以通過串口對模塊進行用戶注冊、刪除特定用戶、刪除所有用戶、復位模塊、獲取用戶總數、獲取用戶權限、1∶1 比對、1∶N 比對、設置串口波特率、讀取圖像并提取特征值、獲取圖像等30 個常規或擴展功能命令，能滿足大多數的指紋應用場合，可以很好地運用于嵌入式領域，從而證實了本方案的可行性。