图像模式是一种记录图像颜色的方式, 是将某种颜色表现为数字形式的模型^[1]。RGB和CMYK是现实生活中所见最多的图像模式, RGB模式为加色显示, 在真彩色的显示效果上最好, 因此常用于显示设备上, 但该模式下的图像打印效果质量不佳。CMYK模式是专用于打印和印刷的颜料减色模式, 该模式以四基色的相减混合来显示颜色。在实际的图像处理过程中, 图像模式的转换和CMYK的四通道造成运行速度慢。为弥补上述两种图像模式的缺点, 1976年, 国际照明委员会（CIE）公布了Lab模式。与RGB模式依赖于光线和CMYK模式依赖于颜料的区别在于：Lab模式在图像显示上既不依赖于光线, 也不依赖于颜色。在Lab模式下, 图像的颜色和对比度互相独立, 由独立的通道负责, 在对图像亮度进行调整时不会影响颜色, 反之亦然。因此, Lab模式下的图像处理可以保证图像色彩原始状态的完整。Lab模式的另一个特点是图像所呈现的色彩独立于设备, 不受显示设备的影响^[2]。

Lab模式融合了RGB和CMYK两种模式的优点。在Lab模式下, 图像被分为三个通道, 表示明度的L通道和表示色彩的a通道和b通道, 既保证图像的色彩不失真, 又减少通道, 提高了处理速度。基于Lab模式下图像亮度和色彩的特性, 在Lab模式下处理复杂背景上的指纹时, 通过调整a通道和b通道, 可以淡化背景, 凸显指纹特征, 为后续的图像增强工作打好基础。

图像差值运算也称为图像减法运算, 即在两幅图像之间对应像素做减法运算, 可去除一幅图像中不需要的加性图案, 如缓慢变化的背景阴影, 周期性噪声等, 是一种常用于检测图像变化及运动物体的图像处理方法^[3]。

在分离复杂背景上的指纹方面, 差值运算的主要功能是通过两幅图像之间的减法运算, 消除图像中的同一的背景, 保留差异, 为后续的指纹特征显现做好准备。

1.3.1 锐化

锐化（sharpening）技术用于加强图像中的目标边界和图像细节。空域中, 锐化技术的基本方法是对图像进行微分处理后, 将运算结果与原图像叠加, 频域中, 则是运用高频提升滤波技术^[4]。

在Photoshop CC2017中, 主要的锐化功能由具有可调性的USM锐化（Unsharp Mask, 虚光蒙版）和智能锐化实现。USM锐化的特点在于提高边缘对比度突出边缘, 但对中间像素的优化欠佳, 且在顾及中间像素的时候极易形成锐化过度, 图像边缘出现白边。在这种情况下, 通过使用智能锐化可以对USM锐化进行补充和增强。

智能锐化的各项功能如下：数量影响锐化的强度, 半径用于控制锐化的像素范围, 减少杂色的功能在于控制图像模糊, 在使用中如果不能合理控制减少杂色百分比, 容易出现图像模糊情况, 不利于锐化效果的呈现。在智能锐化中, “ 移去” 下拉菜单取代了USM锐化的阈值项, 可以更有针对性地对模糊图像进行锐化处理。其中, “ 移去高斯模糊” 是对图像的基础锐化, 可以平衡边缘与中间图像的锐化效果, 减少边缘白边的产生。“ 移去镜头模糊” 是对图像的深入锐化, 重点在于对图像中间层次的锐化, 同时减少锐化边缘, 避免出现白边现象, 在实际操作用其效果较好。“ 移去动感模糊” , 其独有的角度调整功能主要用于锐化拍摄移动物体及抖动所产生模糊, 但在实际操作中其优化效果不太明显。“ 阴影” 和“ 光” 是对图像阴影区域和高光区域的优化, 但在实际操作中, 该功能优化效果不明显。

1.3.2 色阶

色阶是表示图像亮度强弱的指数标准, 也就是我们说的色彩指数, 即颜色的灰度分辨率（又称为灰度级分辨率或者幅度分辨率）。色阶表示亮度和颜色无关, 最亮的是白色, 最暗的是黑色。在Photoshop中, 通过色阶直方图, 可以直观展示图像调整过程。

在分离复杂背景上指纹的实验中, 色阶的主要功能是通过亮度的调节, 在指纹和背景的颜色差异中寻求最佳的平衡点, 达到淡化背景的同时又突出指纹特征的目的。

扫描仪：联想小新MF7208W, 扫描分辨率设置为600 dpi, 图片保存为jpeg格式, 图像处理软件为Photoshop CC2017, 指纹特征识别软件选用东方金指指纹自动识别软件GAFIS6.2和众城指纹处理软件IntronNavi 12.0。

壹圆、伍圆、拾圆、贰拾圆、伍拾圆人民币各一张, 分别在纸币随机位置捺印红色和蓝色指印, 用600 dpi分辨率扫描后保存为jpeg格式, 依次命名为壹圆红色样本1（壹圆红1）, 壹圆蓝1, 伍圆红1, 伍圆红2, 伍圆蓝1, 伍圆蓝2……然后相同条件扫描未捺印指纹的纸币正反面, 存为jpeg格式, 为样本3。

为获取最佳的处理效果, 对扫描样本用三种不同的方法进行操作（实验数据见表1、表2）;

表1

Table 1

表1(Table 1)

表1 红色样本实验数据 Table 1 Experimental data of red samples 色阶 智能锐化 输入 输出 数量 半径 方法一 壹圆红1 0-1-55 0-255 500% 15.0 伍圆红1 0-1-229 0-255 500% 5.0 伍圆红2 0-1-106 0-255 500% 5.0 拾圆红1 0-1-123 0-255 500% 5.0 拾圆红2 0-1-124 0-255 500% 5.0 贰拾圆红1 0-1-138 0-255 500% 5.0 贰拾圆红2 0-1-132 0-255 500% 5.0 伍拾圆红1 0-1-166 0-255 500% 5.0 伍拾圆红2 0-1-121 0-255 500% 5.0 方法二 壹圆红1 70-1-174 0-255 500% 15.0 伍圆红1 0-1-148 0-255 500% 5.0 伍圆红2 0-1-255 0-255 500% 5.0 拾圆红1 0-1-166 0-255 500% 5.0 拾圆红2 0-1-187 0-255 500% 5.0 贰拾圆红1 0-1-101 0-255 500% 5.0 贰拾圆红2 0-1-209 0-255 500% 5.0 伍拾圆红1 0-1-138 0-255 500% 5.0 伍拾圆红2 0-1-130 0-255 500% 5.0 方法三 壹圆红1 0-1.62-48 0-255 500% 15.0 伍圆红1 0-1-167 0-255 500% 5.0 伍圆红2 0-1-255 0-255 500% 5.0 拾圆红1 0-1-154 0-255 500% 5.0 拾圆红2 0-1-107 0-255 500% 5.0 贰拾圆红1 0-1-100 0-255 500% 5.0 贰拾圆红2 0-1-187 0-255 500% 5.0 伍拾圆红1 0-1-39 0-255 500% 5.0 伍拾圆红2 0-1-142 0-255 500% 5.0

表1 红色样本实验数据 Table 1 Experimental data of red samples

表2

Table 2

表2(Table 2)

表2 蓝色样本实验数据 Table 2 Experimental data of blue samples 色阶 智能锐化 输入 输出 数量 半径 方法一 壹圆蓝1 0-1-102 0-255 500% 15.0 伍圆蓝1 0-1-143 0-255 500% 5.0 伍圆蓝2 0-1-135 0-255 500% 5.0 拾圆蓝1 0-1-201 0-255 500% 5.0 拾圆蓝2 0-1-109 0-255 500% 5.0 贰拾圆蓝1 0-1-177 0-255 500% 5.0 贰拾圆蓝2 0-1-187 0-255 500% 5.0 伍拾圆蓝1 0-1-167 0-255 500% 5.0 伍拾圆蓝2 0-1-117 0-255 500% 5.0 方法二 壹圆蓝1 56-1-203 0-255 500% 15.0 伍圆蓝1 0-1-163 0-255 500% 5.0 伍圆蓝2 0-1-119 0-255 500% 5.0 拾圆蓝1 0-1-100 0-255 500% 5.0 拾圆蓝2 0-1-166 0-255 500% 5.0 贰拾圆蓝1 0-1-190 0-255 500% 5.0 贰拾圆蓝2 0-1-122 0-255 500% 5.0 伍拾圆蓝1 0-1-117 0-255 500% 5.0 伍拾圆蓝2 0-1-128 0-255 500% 5.0 方法三 壹圆蓝1 0-1.5-37 0-255 500% 15.0 伍圆蓝1 0-1-171 0-255 500% 5.0 伍圆蓝2 0-1-186 0-255 500% 5.0 拾圆蓝1 0-1-182 0-255 500% 5.0 拾圆蓝2 0-1-122 0-255 500% 5.0 贰拾圆蓝1 0-1-108 0-255 500% 5.0 贰拾圆蓝2 0-1-205 0-255 500% 5.0 伍拾圆蓝1 0-1-146 0-255 500% 5.0 伍拾圆蓝2 0-1-103 0-255 500% 5.0

表2 蓝色样本实验数据 Table 2 Experimental data of blue samples

2.3.1 方法一

将样本转换成Lab模式, 打开“ 图像/计算” 菜单, 选择源1图层为样本, 通道a, 选择反相, 源2图层为样本, 通道a, 混合模式为差值, 不透明度100%。对获得图像进行智能锐化, 移去高斯模糊, 阴影和高光采用默认值, 经过多次锐化（红色样本锐化2次, 蓝色样本锐化3次, 方法二、方法三同此）后进行色阶调整, 获得最终处理图像（效果图详见图1）。

图1

Fig.1

	Figure Option ViewDownloadNew Window
	图1 原图及处理后图像的特征点标注Fig.1 The featured points of original and processed images

2.3.2 方法二

将样本转换成Lab模式, 在通道选项卡中删除明度通道和b通道, 对a通道移去高斯模糊, 进行智能锐化, 经过多次锐化后进行色阶调整, 获得最终处理图像（效果图详见图1）。

2.3.3 方法三

打开样本, 将样本3作为图层插入, 将样本与样本3转换Lab模式, 对齐样本与样本3, 选择“ 图像/计算” 菜单, 源1图层为图层1, 通道a, 选择反相, 源2图层为背景, 通道a, 混合模式为差值, 不透明度100%, 对获得图像移去高斯模糊, 进行智能锐化, 经过多次锐化后进行色阶调整, 获得最终处理图像（效果图详见图1）。

为验证Lab模式下对复杂背景上指纹处理的效果, 并减少软件可能带来的影响, 分别选用东方金指指纹自动识别软件GAFIS6.2和众城指纹处理软件IntronNavi 12.0对已处理的指纹图像进行指纹特征自动识别, 两种软件识别指纹特征结果一致, 在无任何人工增加指纹特征点的情况下, 排除不稳定特征点, 自动识别稳定特征点如图1所示（因篇幅限制, 截取部分效果图展示）, 具体特征点数量详见表3。

表3

Table 3

表3(Table 3)

表3 特征点数量统计表 Table 3 Statistics of characteristic points 样本 原图 方法一 方法二 方法三 平均增长（%） 壹圆红1 32 44 59 37 0.46 伍圆红1 23 57 76 64 1.86 伍圆红2 29 69 62 69 1.30 拾圆红1 39 80 81 73 1.00 拾圆红2 19 56 67 49 2.02 贰拾圆红1 43 67 72 65 0.58 贰拾圆红2 22 66 74 38 1.70 伍拾圆红1 57 78 70 59 0.21 伍拾圆红2 66 70 71 55 -0.01 壹圆蓝1 35 54 53 36 0.36 伍圆蓝1 42 49 54 66 0.34 伍圆蓝2 42 64 56 59 0.42 拾圆蓝1 34 44 45 32 0.19 拾圆蓝2 34 51 56 61 0.65 贰拾圆蓝1 27 45 49 45 0.72 贰拾圆蓝2 32 53 60 46 0.66 伍拾圆蓝1 10 19 15 22 0.87 伍拾圆蓝2 35 48 47 45 0.33

表3 特征点数量统计表 Table 3 Statistics of characteristic points

1）从表3可以看出, 除了颜色与背景颜色接近的样本外, 经过Photoshop处理后, 图像比原图质量均有较大幅度的提升, 且稳定特征点数量均高于原图, 具备更好的比对条件。

2）从三种方法分析, 受背景与样本颜色反差的影响, 方法一和方法二在多数情况下的处理效果优于方法三。红色样本利用方法二获取的稳定特征点最多, 蓝色样本利用方法一可以获取多于其他方法的稳定特征点。

3）处理时应对各种方法所获取的图像进行综合判断, 对比时应看处理后的整体图像, 不能局限于个别特征。在实际操作中, 应根据实际需要, 选择显现效果好、特征稳定、具有识别比对价值的图像。