[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN113298028A - 电子装置以及指纹影像校正方法 - Google Patents

电子装置以及指纹影像校正方法 Download PDF

Info

Publication number
CN113298028A
CN113298028A CN202110662717.2A CN202110662717A CN113298028A CN 113298028 A CN113298028 A CN 113298028A CN 202110662717 A CN202110662717 A CN 202110662717A CN 113298028 A CN113298028 A CN 113298028A
Authority
CN
China
Prior art keywords
image
value
pixels
fingerprint
processor
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202110662717.2A
Other languages
English (en)
Inventor
林冠仪
杨宸
王冠渊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Egis Technology Inc
Original Assignee
Egis Technology Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Egis Technology Inc filed Critical Egis Technology Inc
Priority to US17/391,042 priority Critical patent/US20220137779A1/en
Publication of CN113298028A publication Critical patent/CN113298028A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12—Fingerprints or palmprints
    • G06V40/13—Sensors therefor
    • G06V40/1324—Sensors therefor by using geometrical optics, e.g. using prisms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/03—Arrangements for converting the position or the displacement of a member into a coded form
    • G06F3/041—Digitisers, e.g. for touch screens or touch pads, characterised by the transducing means
    • G06F3/0416—Control or interface arrangements specially adapted for digitisers
    • G06F3/0418—Control or interface arrangements specially adapted for digitisers for error correction or compensation, e.g. based on parallax, calibration or alignment
    • G06F3/04182—Filtering of noise external to the device and not generated by digitiser components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12—Fingerprints or palmprints
    • G06V40/13—Sensors therefor
    • G06V40/1318—Sensors therefor using electro-optical elements or layers, e.g. electroluminescent sensing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/03—Arrangements for converting the position or the displacement of a member into a coded form
    • G06F3/041—Digitisers, e.g. for touch screens or touch pads, characterised by the transducing means
    • G06F3/0412—Digitisers structurally integrated in a display
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/03—Arrangements for converting the position or the displacement of a member into a coded form
    • G06F3/041—Digitisers, e.g. for touch screens or touch pads, characterised by the transducing means
    • G06F3/042—Digitisers, e.g. for touch screens or touch pads, characterised by the transducing means by opto-electronic means
    • G06F3/0421—Digitisers, e.g. for touch screens or touch pads, characterised by the transducing means by opto-electronic means by interrupting or reflecting a light beam, e.g. optical touch-screen
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/24—Aligning, centring, orientation detection or correction of the image
    • G06V10/243—Aligning, centring, orientation detection or correction of the image by compensating for image skew or non-uniform image deformations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2203/00—Indexing scheme relating to G06F3/00 - G06F3/048
    • G06F2203/041—Indexing scheme relating to G06F3/041 - G06F3/045
    • G06F2203/04105—Pressure sensors for measuring the pressure or force exerted on the touch surface without providing the touch position
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/03—Arrangements for converting the position or the displacement of a member into a coded form
    • G06F3/041—Digitisers, e.g. for touch screens or touch pads, characterised by the transducing means
    • G06F3/042—Digitisers, e.g. for touch screens or touch pads, characterised by the transducing means by opto-electronic means
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/30—Noise filtering

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Optics & Photonics (AREA)
  • Image Input (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本发明提供一种电子装置以及指纹影像校正方法。电子装置包括光学式指纹传感器以及处理器。光学式指纹传感器用以取得指纹影像。处理器耦接光学式指纹传感器。处理器根据数值遮罩对指纹影像的多个像素的多个模拟数字转换器数值进行判断，以产生比对影像。处理器比较比对影像与样本影像，以取得对应于指纹影像的压力程度分类。

Description

电子装置以及指纹影像校正方法
技术领域
本发明涉及一种装置及影像处理方法，且特别是有关于一种电子装置以及指纹影像校正方法。
背景技术
对于目前具有指纹传感功能的电子装置(例如手机或平板)而言，若采用屏下指纹传感技术，当使用者手指按压萤幕时，会导致萤幕略为变形，此变形将形成指纹影像杂讯，而导致指纹影像品质不佳或可靠度下降，进且影响后续指纹影像的相关应用效果。因此现有的指纹影像优化手段都无法有效地去除或降低指纹影像中对应于杂讯。有鉴于此，以下将提出几个实施例的解决方案。
发明内容
本发明是针对一种电子装置以及指纹影像校正方法，可对指纹影像进行影像校正，以产生优化指纹影像。
根据本发明的实施例，本发明的电子装置包括光学式指纹传感器以及处理器。光学式指纹传感器用以取得指纹影像。处理器耦接光学式指纹传感器。处理器根据数值遮罩对指纹影像的多个像素的多个模拟数字转换器数值进行判断，以产生比对影像。处理器比较比对影像与样本影像，以取得对应于指纹影像的压力程度分类。
根据本发明的实施例，本发明的影像处理方法包括以下步骤：通过光学式指纹传感器取得指纹影像；根据数值遮罩对指纹影像进行数值撷取处理，以产生参考影像；根据数值遮罩对指纹影像的多个像素的多个模拟数字转换器数值进行判断，以产生比对影像；以及比较比对影像与样本影像，以取得对应于指纹影像的压力程度分类。
基于上述，本发明的电子装置以及指纹影像校正方法，可判断使用者在指纹传感过程中将手指按压于光学式指纹传感器的压力程度，以利用与所述压力程度相应的背景数据来对指纹影像进行校正。
为让本发明的上述特征和优点能更明显易懂，下文特举实施例，并配合所附图式作详细说明如下。
附图说明
图1是本发明的一实施例的电子装置的示意图；
图2是本发明的一实施例的指纹影像校正方法的流程图；
图3是本发明的一实施例的指纹影像的示意图；
图4是本发明的一实施例的对应于手指重压的比对影像的示意图；
图5是本发明的一实施例的对应于手指轻压的比对影像的示意图；
图6是本发明的一实施例的样本影像的示意图；
图7是本发明的一实施例的对应于重压的比对影像与样本影像的比较示意图；
图8是本发明的一实施例的对应于轻压的比对影像与样本影像的比较示意图；
图9是本发明的一实施例的多个不同压力程度的分类示意图；
图10是本发明的另一实施例的多个不同压力程度的分类示意图。
附图标记说明
100:电子装置；
110:处理器；
120:光学式指纹传感器；
130:存储装置；
S210、S220、S230:步骤；
300:指纹影像；
310:指纹纹路影像；
400、500:比对影像；
410、510:第一数值区域；
420、520:第二数值区域；
600:样本影像；
610:第一数值分布；
620:第二数值分布；
700、800:范围比较结果；
701、702、801、802:区域；
711、712、721、722、811、812、821、822:区域边界；
901、902:分数阈值；
911～915、921～925、931～935、941～945:分数；
1001～1012:比例；
1100:第一参考像素比例；
1200:第二参考像素比例。
具体实施方式
现将详细地参考本发明的示范性实施例，示范性实施例的实例说明于附图中。只要有可能，相同元件符号在图式和描述中用来表示相同或相似部分。
图1是本发明的一实施例的电子装置的示意图。参考图1，电子装置100包括处理器110、光学式指纹传感器120以及存储装置130。处理器110耦接光学式指纹传感器120以及存储装置120。在本实施例中，电子装置100可为一个经整合的指纹传感模组，并且设置于终端设备中，例如手机。电子装置100可取得指纹影像，并且先对其校正而产生优化指纹影像，再接着提供至终端设备的运算单元进行后续的指纹影像应用，例如指纹注册、指纹辨识或指纹验证等。在另一些实施例中，电子装置100也可直接被解读为智慧型手机、平板电脑或笔记型电脑等，诸如此类的终端设备或携带式电子设备，并且处理器110以及存储装置130可为终端设备或携带式电子设备的处理单元以及存储单元。
处理器110可为终端设备或携带式电子设备的中央处理器(Central ProcessingUnit，CPU)或指纹传感模组中的功能运算电路。或者，处理器110可包括透过硬件描述语言(Hardware Description Language,HDL)或是其他任意本领域具通常知识者所熟知的数位电路的设计方式来进行设计，并透过现场可程式逻辑化栅阵列(Field Programmable GateArray,FPGA)、复杂可程式逻辑装置(Complex Programmable Logic Device,CPLD)或是特殊应用积体电路(Application-specific Integrated Circuit,ASIC)的方式来实现的硬件电路，以使具备数据运算能力及影像处理能力。处理器110也可包括由应用类比电路的方式来进行建构的相关功能电路。
存储装置130可为存储器(Memory)，并且可包括用于供处理器110执行的相关数据运算演算法及影像处理程式，以供处理器110存取相关数据。值得注意的是，本实施例的处理器110及光学式指纹传感器120的其中之一可包括有模拟数字转换器(Analog toDigital Converter,ADC)，所述模拟数字转换器用于将光学式指纹传感器120所提供的类比传感信号转换为数位的影像传感数据。具体而言，所述数位的影像传感数据(即以下所述的指纹影像)可例如包括对应于一张影像中的多个像素的多个模拟数字转换器数值(ADCcode)。
在本实施例中，电子装置100还可包括面板(Panel)，例如手机的显示面板，并且光学式指纹传感器120可为设置在所述面板下方的屏下指纹传感器，例如透镜式屏下指纹传感器。当使用者将手指放置或按压于所述面板上对应于光学式指纹传感器120的位置，以使光学式指纹传感器120进行指纹传感时，由于使用者的手指在所述面板上施加压力的结果可能会导致面板变形，造成光学式指纹传感器120所提供的指纹影像具有杂讯。所述杂讯随着使用者的手指的按压力道不同而改变。一般而言，若按压力道越大，则杂讯在指纹影像中的范围越大，但本发明并不限于此。因此，为了有效移除或降低指纹影像中的杂讯，本实施例的处理器110可对指纹影像进行影像分析，以有效地判断此指纹影像所对应的压力程度分类，进而利用对应于此压力程度分类的背景数据(例如背景影像)来对此指纹影像进行有效地去除杂讯处理(去背景杂讯处理)。
图2是本发明的一实施例的指纹影像校正方法的流程图。参考图1以及图2，本实施例的电子装置100可执行如以下步骤S210～S230。搭配参考图3，在步骤S210，电子装置100通过光学式指纹传感器120取得指纹影像300。光学式指纹传感器120可取得如图3所示具有指纹纹路影像310的指纹影像300。图4是本发明的一实施例的对应于手指重压的比对影像的示意图。图5是本发明的一实施例的对应于手指轻压的比对影像的示意图。搭配参考图4及图5，在步骤S220，处理器110可根据数值遮罩对指纹影像300的多个像素的多个模拟数字转换器数值进行判断，以产生例如图4的比对影像400或图5的比对影像500。在本实施例中，所述数值遮罩可例如是以演算法的方式实现，并且定义有预设的模拟数字转换器数值范围。处理器110可基于所述模拟数字转换器数值范围来撷取指纹影像300的多个像素中具有在所述模拟数字转换器数值范围内的部分，以产生比对影像400或图5的比对影像500。在本实施例中，光学式指纹传感器120经传感后所产生对应于指纹影像300中的多个像素可例如分别具有对应于介于0～1000的多笔模拟数字转换器数值。
以图4的手指重压为例，处理器110可根据指纹影像300的多个像素的多个模拟数字转换器数值为大于或等于300且小于或等于600的部分来定义在比对影像400中的相同像素位置的像素具有第一数值，其中例如图4的第一数值区域410的多个像素对应于数值“1”。处理器110可根据指纹影像300的多个像素的多个模拟数字转换器数值为小于300或大于600的部分来定义在比对影像400中的相同像素位置的像素具有第二数值，其中例如图4的第二数值区域420的多个像素对应于数值“0”。如此一来，处理器110可产生如图4的比对影像400。
以图5的手指轻压为例，处理器110可根据指纹影像300的多个像素的多个模拟数字转换器数值为大于或等于300且小于或等于600的部分来定义在比对影像500中的相同像素位置的像素具有第一数值，其中例如图5的第一数值区域510的多个像素对应于数值“1”。处理器110可根据指纹影像300的多个像素的多个模拟数字转换器数值为小于300或大于600的部分来定义在比对影像500中的相同像素位置的像素具有第二数值，其中例如图5的第二数值区域520的多个像素对应于数值“0”。如此一来，处理器110可产生如图5的比对影像500。
在步骤S230，处理器110比较比对影像400与样本影像600或比较比对影像500与样本影像600，以取得对应于指纹影像300的压力程度分类。样本影像600为具有第一数值分布610以及第二数值分布620的二值化影像。在本实施例中，样本影像600可例如是由电子装置100于产品出厂前由制造者通过将校正盒或压力测试物件(仿手指按压)来取得的影像后，经由如同上述的数值撷取处理以及二值化处理所产生的二值化影像，以作为压力分类基准图。或者，在本发明的另一些实施例中，样本影像600也可以是由多次指纹传感所产生的多个比对影像于已知压力分类程度的条件下，由处理器110分别平均或迭合所述多个比对影像的各对应像素的模拟数字转换器数值后，经由如同上述的数值撷取处理以及二值化处理所产生的二值化影像。并且，处理器110可各别根据具有相同压力程度分类的多个指纹影像来合成产生对应的背景数据。处理器110可先分别将所述多个指纹影像各自的多个像素的多个模拟数字转换器数值取平均值，并且接着将所述多个指纹影像的多个平均模拟数字转换器数值再取平均值，以产生整体像素为具有均匀的模拟数字转换器数值的背景数据。换言之，背景数据为一张具有相同特定灰阶值的均匀灰阶影像。
以的手指重压为例，同时参考图4及图6，处理器110可计算在样本影像600中具有第二数值的像素(即对应于样本影像600的第二数值分布620)且其像素位置与在比对影像400中的具有第一数值的像素重迭(即对应于比对影像400的第一数值区域410)的第一像素数量(例如数值Type_A)。并且，处理器110计算在样本影像600中的具有第一数值的像素(即对应于样本影像600的第一数值分布610)且其像素位置与在比对影像400中的具有第二数值的像素重迭(即对应于比对影像400的第二数值区域420)的第二像素数量(例如数值Type_B)。接着，处理器110将第一像素数量与第二像素数量相减以取得第一运算值((Type_A)-(Type_B))，并且处理器110将第一像素数量与第二像素数量相加以取得第二运算值((Type_A)+(Type_B))。处理器110将第一运算值除以第二运算值，以取得压力程度分类的压力程度分数((Type_A)-(Type_B)/(Type_A)+(Type_B))。
对此，参考图7所示的对应于重压的比对影像与样本影像的范围比较结果700，图7所示的比较结果可适用于上述图4的比对影像400及图6的样本影像600的比较结果。由于对应于比对影像的第一数值区域(例如比对影像400的第一数值区域410)的区域边界711、712所形成的轮廓大于对应于样本影像的第一数值分布(例如样本影像600的第一数值分布610)的区域边界721、722所形成的轮廓，因此对应于数值Type_A的区域701的像素数量大于对应于数值Type_B的区域702的像素数量。换言之，上述的数值Type_A将大于数值Type_B。因此，上述的压力程度分数将为正数。对此，在使用者于面板上施加压力为平均施力的条件下，处理器110可判断图3的指纹影像300为对应于重压程度的指纹传感结果，因此处理器110可读取对应于重压程度的第一背景影像来对图3的指纹影像300进行去杂讯处理(去除影像中的因萤幕变形所产生的影像杂讯)，而可有效地取得优化指纹影像。
以的手指轻压为例，同时参考图5及图6，处理器110可计算在样本影像600中具有第二数值的像素(即对应于样本影像600的第二数值分布620)且其像素位置与在比对影像500中的具有第一数值的像素重迭(即对应于比对影像500的第一数值区域510)的第一像素数量(例如数值Type_A)。并且，处理器110计算在样本影像600中的具有第一数值的像素(即对应于样本影像600的第一数值分布610)且其像素位置与在比对影像500中的具有第二数值的像素重迭(即对应于比对影像500的第二数值区域520)的第二像素数量(例如数值Type_B)。接着，处理器110将第一像素数量与第二像素数量相减以取得第一运算值((Type_A)-(Type_B))，并且处理器110将第一像素数量与第二像素数量相加以取得第二运算值((Type_A)+(Type_B))。处理器110将第一运算值除以第二运算值，以取得压力程度分类的压力程度分数((Type_A)-(Type_B)/(Type_A)+(Type_B))。
对此，参考图8所示的对应于轻压的比对影像与样本影像的范围比较结果800，图8所示的比较结果可适用于上述图、5的比对影像500及图6的样本影像600的比较结果。由于对应于比对影像的第一数值区域(例如比对影像500的第一数值区域510)的区域边界811、812所形成的轮廓小于对应于样本影像的第一数值分布(例如样本影像600的第一数值分布610)的区域边界821、822所形成的轮廓，因此对应于数值Type_A的区域801的像素数量小于对应于数值Type_B的区域802的像素数量。换言之，上述的数值Type_A将小于数值Type_B。因此，上述的压力程度分数将为负数。对此，在使用者于面板上施加压力为平均施力的条件下，处理器110可判断图3的指纹影像300为对应于轻压程度的指纹传感结果，因此处理器110可读取对应于轻压程度的第二背景影像来对图3的指纹影像300进行去杂讯处理(去除影像中的因萤幕变形所产生的影像杂讯)，而可有效地取得优化指纹影像。
然而，在另一实施例中，在使用者于面板上施加压力为非平均施力的条件下，处理器110可例如判断上述图7或图8实施例所计算的压力程度分数的绝对值是否小于或等于预设阈值。当压力程度分数的绝对值接近预设阈值时，处理器110可判断指纹影像300对应的按压程度接近样本影像600对应的按压程度。因此，处理器110可读取对应于样本影像600的背景影像来进行去杂讯处理。换言之，在又一实施例中，处理器110也可将比对影像400与不同的多个样本影像分别进行上述压力程度分数的运算，并透过如上述计算压力程度分数的绝对值的方式来判断指纹影像300对应的按压程度为最接近于不同的多个样本影像600的何者，以可读取最适当的背景影像来进行去杂讯处理。
值得注意的是，上述各实施例所述的背景影像可例如是电子装置100于产品出厂前由制造者透过多次不同重量的实际手指按压的结果来取得多个指纹影像。处理器110可对多个指纹影像进行如上述压力程度的判断操作后，而进一步对所述多个指纹影像进行处理，以产生对应不同压力程度的多个背景影像来提供上述的去杂讯处理使用。或者，上述各实施例所述的背景影像可例如是电子装置100于产品出厂后，处理器110可对由使用者多次进行多次指纹传感所取得多个指纹影像进行如上述压力程度的判断操作后，而进一步对具有相同压力程度分类的多个指纹影像取其灰阶值平均来产生对应的背景数据，以提供上述的去杂讯处理使用。
然而，本发明的压力程度分类的方式不限于上述重压程度及轻压程度的两种分类。参考图9，图9是本发明的一实施例的多个不同压力程度的分类示意图。电子装置100可于产品出厂前由制造者进行测试，或由电子装置100再通过使用者的数次传感结果后所整理如图9的多个不同压力程度的分类数据统计结果。对此，在一次测试传感过程中，处理器110可通过光学式指纹传感器120传感各种重量的平面重量块，以取得对应于不同按压压力程度的四个指纹影像，并且通过上述实施例的运算，处理器110可取得对应的四个压力程度分数911、921、931、941。或者，处理器110可要求使用者多次重压及多次轻压，以取得对应于不同按压压力程度的四个指纹影像，并且通过上述实施例的运算，处理器110可取得对应的四个压力程度分数911、921、931、941。以此类推，在二～四次测试传感过程中，处理器110可取得对应的四个压力程度分数922～925、932～935、942～945。接着，处理器110可对于每一次的测试传感过程的四个压力程度分数进行评估，以判断所对应的重压程度、普通重压程度、普通轻压程度及轻压程度。如此一来，处理器110可基于压力程度分数911～915、921～925、931～935、941～945来归类出至少两个分数阈值901、902。分数阈值901例如是分数为0.05，并且分数阈值902例如是分数为-0.55。因此，当电子装置100用于实际指纹传感时，处理器110可将实际指纹传感所取得的压力程度分数与分数阈值901、902比较。
如此一来，若所述压力程度分数明显大于分数阈值901，则处理器110判断其对应的压力程度为重压程度。若所述压力程度分数接近(可大于或小于)分数阈值901，则处理器110判断其对应的压力程度为普通重压程度。若所述压力程度分数接近(可大于或小于)于分数阈值902，则处理器110判断其对应的压力程度为普通轻压程度。若所述压力程度分数明显小于分数阈值902，则处理器110判断其对应的压力程度为轻压程度。据此，本实施例的处理器110可对于在不同压力程度情况下所取得指纹影像进行有效的去杂讯处理(去除影像中的因萤幕变形所产生的影像杂讯)，而取得优化指纹影像。
然而，本发明的处理器110决定压力程度分类的方式不限于上述方式。举例而言，参考图10，图10是本发明的另一实施例的多个不同压力程度的分类示意图。在本实施例中，处理器110可预先记录有对应于不同压力程度的两个样本影像(类似于图6，但具有不同的第一数值区域面积)。处理器110可计算在第一样本影像中具有第一数值的像素的第一参考像素比例1100(即第一样本影像中的第一数值区域占有整体影像面积的比例)，并且处理器110可计算在第二样本影像中具有第一数值的像素的第二参考像素比例1200(即第二样本影像中的第一数值区域占有整体影像面积的比例)。第一参考像素比例1100例如是30％，并且第二参考像素比例1200例如是60％。接着，处理器110可计算在比较影像中具有第一数值的像素的第一像素比例，并且处理器110可根据第一像素比例、第一参考像素比例1101以及第二参考像素比例1200之间的分布关系来决定压力程度分类。换言之，处理器110可判断第一像素比例最靠近第一参考像素比例1101以及第二参考像素比例1200的其中之一来决定压力程度分类。例如，比例1001～1006较靠近第一参考像素比例1101，因此对应于轻压背景数据。比例1007～1012较靠近第二参考像素比例1200，因此对应于重压背景数据。或者，处理器110可判断第一像素比例位于第一参考像素比例1100以及第二参考像素比例1200之间的三个比例区间的其中之一来决定压力程度分类。例如，比例1001～1003位于第一区间，因此对应于第一背景数据。比例1004～1008位于第二区间，因此对应于第二背景数据。比例1009～1012位于第三区间，因此对应于第三背景数据。
另外，在本发明的另一些实施例中，处理器110亦可以是综合上述各实施例的评估方式，而例如建立具有X轴(对应于分数计算结果)与Y轴(对应于比例计算结果)的评估图表数据，来对不同压力程度进行分类，以更细腻地评估当前指纹影像所对应的压力程度分类结果。
综上所述，本发明的电子装置以及指纹影像校正方法，可通过对指纹影像进行数值撷取处理及二值化处理来取得对应的二值化的比对影像，并且通过比较比对影像与预先存储的样本影像，以有效地判断使用者在指纹传感过程中将手指按压于光学式指纹传感器的压力程度。因此，本发明的电子装置以及指纹影像校正方法可利用与所述压力程度相应的背景数据来对指纹影像进行校正，并有效地产生优化指纹影像，以利后续相关指纹影像应用。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (24)

1.一种电子装置，其特征在于，包括：
光学式指纹传感器，用以取得指纹影像；以及
处理器，耦接所述光学式指纹传感器，其中所述处理器根据数值遮罩对所述指纹影像的多个像素的多个模拟数字转换器数值进行判断，以产生比对影像，
其中所述处理器比较比对影像与样本影像，以取得对应于所述指纹影像的压力程度分类。
2.根据权利要求1所述的电子装置，其特征在于，所述处理器根据对应于所述压力程度分类对所述指纹影像进行影像校正处理，以产生优化指纹影像。
3.根据权利要求1所述的电子装置，其特征在于，所述数值遮罩为模拟数字转换器数值范围，并且所述模拟数字转换器数值范围为300至600之间。
4.根据权利要求3所述的电子装置，其特征在于，所述处理器根据所述指纹影像的所述多个像素的所述多个模拟数字转换器数值为大于或等于300且小于或等于600的部分来定义在所述比对影像中的相同像素位置的像素具有第一数值，并且根据所述指纹影像的所述多个像素的所述多个模拟数字转换器数值为小于300或大于600的部分来定义在所述比对影像中的相同像素位置的像素具有第二数值，其中所述样本影像为具有第一数值分布以及第二数值分布的二值化影像。
5.根据权利要求4所述的电子装置，其特征在于，所述处理器计算第像素数量与一第二像素数量，所述第一像素数量为在所述比对影像中对应在所述样本影像具有所述第二数值的像素位置具有所述第一数值的像素数量，所述第二像素数量为在所述比对影像中对应在所述样本影像具有所述第一数值的像素位置具有所述第二数值的像素数量，
其中所述处理器将所述第一像素数量与所述第二像素数量相减以取得第一运算值，并且所述处理器将所述第一像素数量与所述第二像素数量相加以取得第二运算值，
其中所述处理器将所述第一运算值除以所述第二运算值，以取得所述压力程度分类的压力程度分数，并且所述处理器根据所述压力程度分数的大小来读取所述背景数据。
6.根据权利要求5所述的电子装置，其特征在于，当所述压力程度分数为正数时，则所述处理器判断所述指纹影像相较于所述样本影像为对应于重压程度，并且所述处理器读取对应于所述重压程度的第一背景影像来进行所述去杂讯处理，
其中当所述压力程度分数为负数时，则所述处理器判断所述指纹影像相较于所述样本影像为轻压程度，并且所述处理器读取对应于所述轻压程度的第二背景影像来进行所述去杂讯处理。
7.根据权利要求5所述的电子装置，其特征在于，当所述压力程度分数的绝对值接近于预设阈值时，所述处理器判断所述指纹影像对应的按压程度接近所述样本影像对应的按压程度，并且读取对应于所述样本影像的第三背景影像来进行所述去杂讯处理。
8.根据权利要求4所述的电子装置，其特征在于，所述处理器计算在第一样本影像中具有所述第一数值的像素的第一参考像素比例，以及计算所述比较影像中具有所述第一数值的像素的第一像素比例，并且所述处理器根据所述第一像素比例与所述第一参考像素比例差值来决定所述压力程度分类。
9.根据权利要求8所述的电子装置，其特征在于，所述处理器计算在第二样本影像中具有所述第一数值的像素的第二参考像素比例，并且所述处理器根据所述第一像素比例、所述第一参考像素比例以及所述第二参考像素比例之间的分布关系来决定所述压力程度分类。
10.根据权利要求9所述的电子装置，其特征在于，所述处理器判断所述第一像素比例位于所述第一参考像素比例以及所述第二参考像素比例之间的三个比例区间的其中之一来决定所述压力程度分类。
11.根据权利要求1所述的电子装置，其特征在于，所述处理器对具有相同压力程度分类的多个指纹影像取其灰阶值平均来产生对应的所述背景数据。
12.根据权利要求1所述的电子装置，其特征在于，所述光学式指纹传感器为透镜式屏下指纹传感器。
13.一种指纹影像校正方法，其特征在于，包括：
通过光学式指纹传感器取得指纹影像；
根据数值遮罩对所述指纹影像的多个像素的多个模拟数字转换器数值进行判断，以产生比对影像；以及
比较所述比对影像与样本影像，以取得对应于所述指纹影像的压力程度分类。
14.根据权利要求13所述的指纹影像校正方法，其特征在于，还包括：
根据对应于所述压力程度分类对所述指纹影像进行影像校正处理，以产生优化指纹影像。
15.根据权利要求13所述的指纹影像校正方法，其特征在于，所述数值遮罩为模拟数字转换器数值范围，并且所述模拟数字转换器数值范围为300至600之间。
16.根据权利要求15所述的指纹影像校正方法，其特征在于，产生所述比对影像的步骤包括：
根据所述指纹影像的所述多个像素的所述多个模拟数字转换器数值为大于或等于300且小于或等于600的部分来定义在所述比对影像中的相同像素位置的像素具有第一数值；以及
根据所述指纹影像的所述多个像素的所述多个模拟数字转换器数值为小于300或大于600的部分来定义在所述比对影像中的相同像素位置的像素具有第二数值，
其中所述样本影像为具有第一数值分布以及第二数值分布的二值化影像。
17.根据权利要求16所述的指纹影像校正方法，其特征在于，取得对应于所述比对影像的所述压力程度分类的步骤包括：
计算在所述样本影像中的具有所述第二数值的像素且其像素位置与在所述比对影像中的具有所述第一数值的像素重迭的第一像素数量；
计算在所述样本影像中的具有所述第一数值的像素且其像素位置与在所述比对影像中的具有所述第二数值的像素重迭的第二像素数量；
将所述第一像素数量与所述第二像素数量相减以取得第一运算值；
将所述第一像素数量与所述第二像素数量相加以取得第二运算值；
将所述第一运算值除以所述第二运算值，以取得所述压力程度分类的压力程度分数；以及
根据所述压力程度分数的大小来读取所述背景数据。
18.根据权利要求17所述的指纹影像校正方法，其特征在于，读取所述背景数据的步骤包括：
当所述压力程度分数为正数时，则判断所述指纹影像相较于所述样本影像为对应于重压程度，并且读取对应于所述重压程度的第一背景影像来进行所述去杂讯处理；以及
其中当所述压力程度分数为负数时，则判断所述指纹影像相较于所述样本影像为轻压程度，并且读取对应于所述轻压程度的第二背景影像来进行所述去杂讯处理。
19.根据权利要求17所述的指纹影像校正方法，其特征在于，读取所述背景数据的步骤包括：
当所述压力程度分数的绝对值接近于预设阈值时，判断所述指纹影像对应的按压程度接近所述样本影像对应的按压程度，并且读取对应于所述样本影像的第三背景影像来进行所述去杂讯处理。
20.根据权利要求16所述的指纹影像校正方法，其特征在于，取得对应于所述比对影像的所述压力程度分类的步骤包括：
计算在第一样本影像中具有所述第一数值的像素的第一参考像素比例；
计算在第二样本影像中具有所述第一数值的像素的第二参考像素比例，其中所述处理器计算在所述比较影像中具有所述第一数值的像素的第一像素比例；以及
根据所述第一像素比例、所述第一参考像素比例以及所述第二参考像素比例之间的分布关系来决定所述压力程度分类。
21.根据权利要求20所述的指纹影像校正方法，其特征在于，决定所述压力程度分类的步骤包括：
判断所述第一像素比例最靠近所述第一参考像素比例以及所述第二参考像素比例的其中之一来决定所述压力程度分类。
22.根据权利要求21所述的指纹影像校正方法，其特征在于，决定所述压力程度分类的步骤包括：
判断所述第一像素比例位于所述第一参考像素比例以及所述第二参考像素比例之间的三个比例区间的其中之一来决定所述压力程度分类。
23.根据权利要求19所述的指纹影像校正方法，其特征在于，还包括：
根据具有相同压力程度分类的多个指纹影像取其灰阶值平均来产生对应的所述背景数据。
24.根据权利要求13所述的指纹影像校正方法，其特征在于，所述光学式指纹传感器为透镜式屏下指纹传感器。
CN202110662717.2A 2020-11-03 2021-06-15 电子装置以及指纹影像校正方法 Pending CN113298028A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US17/391,042 US20220137779A1 (en) 2020-11-03 2021-08-02 Electronic device and fingerprint image correction method

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US202063108883P 2020-11-03 2020-11-03
US63/108,883 2020-11-03

Publications (1)

Publication Number Publication Date
CN113298028A true CN113298028A (zh) 2021-08-24

Family

ID=77328280

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110662717.2A Pending CN113298028A (zh) 2020-11-03 2021-06-15 电子装置以及指纹影像校正方法

Country Status (3)

Country Link
US (1) US20220137779A1 (zh)
CN (1) CN113298028A (zh)
TW (1) TWI781653B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002163655A (ja) * 2000-11-24 2002-06-07 Omron Corp 個人認証装置
KR20040087295A (ko) * 2004-09-02 2004-10-13 김용수 손가락의 위치 또는 압력 보정을 이용한 지문 감지 시스템및 방법
US20120106808A1 (en) * 2010-10-28 2012-05-03 Lapis Semiconductor Co., Ltd. Fingerprint authentication device and computer readable medium
KR20140138541A (ko) * 2013-05-24 2014-12-04 크루셜텍 (주) 지문 센서의 지문 인식률 최적화 구현 방법
KR20170017842A (ko) * 2015-08-07 2017-02-15 주식회사 비욘드아이즈 압력 센서
WO2018160120A1 (en) * 2017-02-28 2018-09-07 Fingerprint Cards Ab Method of classifying a finger touch in respect of finger pressure and fingerprint sensing system
KR20180129041A (ko) * 2017-05-25 2018-12-05 크루셜텍 (주) 지문 인증 방법 및 장치
US20180365465A1 (en) * 2017-06-19 2018-12-20 Samsung Electronics Co., Ltd. Apparatus for recognizing pressure and electronic apparatus including the same

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9836896B2 (en) * 2015-02-04 2017-12-05 Proprius Technologies S.A.R.L Keyless access control with neuro and neuro-mechanical fingerprints
SE1650750A1 (en) * 2016-05-30 2017-12-01 Fingerprint Cards Ab Fingerprint sensor with force sensor
TW201800976A (zh) * 2016-06-17 2018-01-01 仟融科技股份有限公司 偵測按壓程度的方法、藉由指紋辨識而通過認證的方法以及觸控裝置
CN110543851B (zh) * 2018-11-30 2022-10-21 神盾股份有限公司 具有指纹感测功能的电子装置以及指纹图像处理方法
US10861885B1 (en) * 2019-05-27 2020-12-08 Novatek Microelectronics Corp. Method of obtaining image data and related image sensing system
TW202114184A (zh) * 2019-09-23 2021-04-01 神盾股份有限公司 影像感測模組
TWM593585U (zh) * 2019-10-09 2020-04-11 全台晶像股份有限公司 能提高感度之指紋辨識觸控面板

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002163655A (ja) * 2000-11-24 2002-06-07 Omron Corp 個人認証装置
KR20040087295A (ko) * 2004-09-02 2004-10-13 김용수 손가락의 위치 또는 압력 보정을 이용한 지문 감지 시스템및 방법
US20120106808A1 (en) * 2010-10-28 2012-05-03 Lapis Semiconductor Co., Ltd. Fingerprint authentication device and computer readable medium
KR20140138541A (ko) * 2013-05-24 2014-12-04 크루셜텍 (주) 지문 센서의 지문 인식률 최적화 구현 방법
KR20170017842A (ko) * 2015-08-07 2017-02-15 주식회사 비욘드아이즈 압력 센서
WO2018160120A1 (en) * 2017-02-28 2018-09-07 Fingerprint Cards Ab Method of classifying a finger touch in respect of finger pressure and fingerprint sensing system
KR20180129041A (ko) * 2017-05-25 2018-12-05 크루셜텍 (주) 지문 인증 방법 및 장치
US20180365465A1 (en) * 2017-06-19 2018-12-20 Samsung Electronics Co., Ltd. Apparatus for recognizing pressure and electronic apparatus including the same

Also Published As

Publication number Publication date
TW202219830A (zh) 2022-05-16
TWI781653B (zh) 2022-10-21
US20220137779A1 (en) 2022-05-05

Similar Documents

Publication Publication Date Title
CN109242853B (zh) 一种基于图像处理的pcb缺陷智能检测方法
CN114627092A (zh) 缺陷检测方法、装置、电子设备及可读存储介质
CN114387273B (zh) 基于计算机图像识别的环境粉尘浓度检测方法及系统
CN111667448A (zh) 一种图像处理方法、装置及设备
CN111598801B (zh) 一种用于微弱Mura缺陷的识别方法
CN113379680B (zh) 缺陷检测方法、装置、电子设备和计算机可读存储介质
KR102434703B1 (ko) 생체 이미지 처리 방법 및 이를 포함한 장치
CN113781406B (zh) 电子元器件的划痕检测方法、装置及计算机设备
CN111912846A (zh) 一种基于机器视觉的表面缺陷与边缘毛刺检测方法
KR100923935B1 (ko) Ｏｃｒ을 위한 문서 영상의 자동 평가 방법 및 시스템
CN112419207A (zh) 一种图像矫正方法及装置、系统
CN109711308B (zh) 指纹组件、电子设备及其指纹信号处理方法
CN113298028A (zh) 电子装置以及指纹影像校正方法
CN113902697A (zh) 缺陷检测方法及相关装置
CN111369531B (zh) 图像清晰度的评分方法、设备及存储装置
CN113392455A (zh) 基于深度学习的户型图比例尺检测方法、装置及电子设备
US10679336B2 (en) Detecting method, detecting apparatus, and computer readable storage medium
CN116703912B (zh) 一种迷你主机网口完整性视觉检测方法
CN114937037B (zh) 产品缺陷检测方法、装置、设备及可读存储介质
CN116863458A (zh) 车牌识别方法、装置、系统及存储介质
CN116665146A (zh) 车辆苫盖检测方法、装置、电子设备及存储介质
CN113012121B (zh) 裸片扫描结果的处理方法、装置、电子设备与存储介质
JP4771887B2 (ja) 受動式及びインタラクティブ式の即時影像認識方法
JPWO2018198916A1 (ja) 画像処理装置、画像処理方法及び記憶媒体
US7646892B2 (en) Image inspecting apparatus, image inspecting method, control program and computer-readable storage medium

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20210824