本發(fā)明涉及計算機處理的技術(shù)領(lǐng)域，特別是涉及一種掌紋數(shù)據(jù)的識別方法和一種掌紋數(shù)據(jù)的識別裝置。

背景技術(shù)：

隨著計算機技術(shù)的快速發(fā)展，生物識別技術(shù)作為一種新興的身份識別技術(shù)，在政府、金融、軍事等方面得到了廣泛的發(fā)展。

其中，掌紋數(shù)據(jù)的主線、皺紋、細小的紋理、脊末梢、分叉點等特征，可以用于生物識別，并且，由于掌紋數(shù)據(jù)的采集具有非侵犯性，用戶比較容易接受，對采集的終端要求也不高。

目前，一般通過HOUGH變換法、小波分析等算法識別掌紋數(shù)據(jù)，但是，這些算法的計算復雜度高，使得識別的時間較長。

技術(shù)實現(xiàn)要素：

鑒于上述問題，提出了本發(fā)明以便提供一種克服上述問題或者至少部分地解決上述問題的一種掌紋數(shù)據(jù)的識別方法和相應的一種掌紋數(shù)據(jù)的識別裝置。

依據(jù)本發(fā)明的一個方面，提供了一種掌紋數(shù)據(jù)的識別方法，包括：

獲取手掌圖像數(shù)據(jù)；

從所述手掌圖像數(shù)據(jù)中提取輪廓數(shù)據(jù)；

采用預置的掌紋模板與所述輪廓數(shù)據(jù)進行匹配，識別出掌紋數(shù)據(jù)。

可選地，在所述從所述手掌圖像數(shù)據(jù)中提取輪廓數(shù)據(jù)的步驟之前，所述方法還包括：

對所述手掌圖像數(shù)據(jù)進行預處理；

其中，所述預處理包括如下的一種或多種：

灰度處理，中值濾波處理。

可選地，所述從所述手掌圖像數(shù)據(jù)中提取輪廓數(shù)據(jù)的步驟包括：

對所述掌紋圖像數(shù)據(jù)中進行邊緣檢測，獲得邊緣圖像數(shù)據(jù)；

從所述邊緣圖像數(shù)據(jù)中提取像素點數(shù)量預符合設的輪廓條件的輪廓數(shù)據(jù)。

可選地，所述對所述掌紋圖像數(shù)據(jù)中進行邊緣檢測，獲得邊緣圖像數(shù)據(jù)的步驟包括：

基于檢測閾值對所述掌紋圖像數(shù)據(jù)中進行邊緣檢測，獲得邊緣圖像數(shù)據(jù)。

可選地，所述從所述邊緣圖像數(shù)據(jù)中提取像素點數(shù)量預符合設的輪廓條件的輪廓數(shù)據(jù)的步驟包括：

從所述手掌圖像數(shù)據(jù)的像素點總數(shù)取指定的比例，獲得像素點數(shù)量閾值；

從所述邊緣圖像數(shù)據(jù)中提取輪廓數(shù)據(jù)；

判斷所述輪廓數(shù)據(jù)的像素點數(shù)量是否小于所述像素點數(shù)量閾值；

若是，則確定所述輪廓數(shù)據(jù)的像素點數(shù)量符合預設的輪廓條件；

若否，則調(diào)整所述檢測閾值，返回執(zhí)行所述基于檢測閾值對所述掌紋圖像數(shù)據(jù)中進行邊緣檢測，獲得邊緣圖像數(shù)據(jù)的步驟。

可選地，在所述從所述邊緣圖像數(shù)據(jù)中提取輪廓數(shù)據(jù)的步驟之后，所述從所述邊緣圖像數(shù)據(jù)中提取像素點數(shù)量預符合設的輪廓條件的輪廓數(shù)據(jù)的步驟還包括：

去除像素點數(shù)量小于預設的數(shù)量閾值的輪廓數(shù)據(jù)。

可選地，所述采用預置的掌紋模板與所述輪廓數(shù)據(jù)進行匹配，識別出掌紋數(shù)據(jù)的步驟包括：

提取手掌主線的主線模板；

采用所述主線模板與所述輪廓數(shù)據(jù)進行匹配，識別出主線數(shù)據(jù)；

其中，所述手掌主線包括如下的一個或多個：

生命線、智慧線、感情線。

可選地，所述采用預置的掌紋模板與所述輪廓數(shù)據(jù)進行匹配，識別出掌紋數(shù)據(jù)的步驟還包括：

合并屬于同一個手掌主線的輪廓數(shù)據(jù)。

可選地，還包括：

在所述手掌圖像數(shù)據(jù)中繪制所述掌紋數(shù)據(jù)，生成手掌掌紋圖像。

根據(jù)本發(fā)明的另一方面，提供了一種掌紋數(shù)據(jù)的識別裝置，包括：

手掌圖像數(shù)據(jù)獲取模塊，適于獲取手掌圖像數(shù)據(jù)；

輪廓數(shù)據(jù)提取模塊，適于從所述手掌圖像數(shù)據(jù)中提取輪廓數(shù)據(jù)；

掌紋模板匹配模塊，適于采用預置的掌紋模板與所述輪廓數(shù)據(jù)進行匹配，識別出掌紋數(shù)據(jù)。

可選地，還包括：

預處理模塊，適于對所述手掌圖像數(shù)據(jù)進行預處理；

其中，所述預處理包括如下的一種或多種：

灰度處理，中值濾波處理。

可選地，所述輪廓數(shù)據(jù)提取模塊還適于：

對所述掌紋圖像數(shù)據(jù)中進行邊緣檢測，獲得邊緣圖像數(shù)據(jù)；

從所述邊緣圖像數(shù)據(jù)中提取像素點數(shù)量預符合設的輪廓條件的輪廓數(shù)據(jù)。

可選地，所述輪廓數(shù)據(jù)提取模塊還適于：

基于檢測閾值對所述掌紋圖像數(shù)據(jù)中進行邊緣檢測，獲得邊緣圖像數(shù)據(jù)。

可選地，所述輪廓數(shù)據(jù)提取模塊還適于：

從所述手掌圖像數(shù)據(jù)的像素點總數(shù)取指定的比例，獲得像素點數(shù)量閾值；

從所述邊緣圖像數(shù)據(jù)中提取輪廓數(shù)據(jù)；

判斷所述輪廓數(shù)據(jù)的像素點數(shù)量是否小于所述像素點數(shù)量閾值；

若是，則確定所述輪廓數(shù)據(jù)的像素點數(shù)量符合預設的輪廓條件；

若否，則調(diào)整所述檢測閾值，返回執(zhí)行所述基于檢測閾值對所述掌紋圖像數(shù)據(jù)中進行邊緣檢測，獲得邊緣圖像數(shù)據(jù)的步驟。

可選地，所述輪廓數(shù)據(jù)提取模塊還適于：

去除像素點數(shù)量小于預設的數(shù)量閾值的輪廓數(shù)據(jù)。

可選地，所述掌紋模板匹配模塊還適于：

提取手掌主線的主線模板；

采用所述主線模板與所述輪廓數(shù)據(jù)進行匹配，識別出主線數(shù)據(jù)；

其中，所述手掌主線包括如下的一個或多個：

生命線、智慧線、感情線。

可選地，所述掌紋模板匹配模塊還適于：

合并屬于同一個手掌主線的輪廓數(shù)據(jù)。

可選地，還包括：

手掌掌紋圖像生成模塊，適于在所述手掌圖像數(shù)據(jù)中繪制所述掌紋數(shù)據(jù)，生成手掌掌紋圖像。

本發(fā)明實施例從手掌圖像數(shù)據(jù)中提取輪廓數(shù)據(jù)，采用預置的掌紋模板與所述輪廓數(shù)據(jù)進行匹配，識別出掌紋數(shù)據(jù)，由于輪廓與模板之間的匹配較為簡單，計算量少，可以降低整體識別的復雜度，減少了識別的時間。

上述說明僅是本發(fā)明技術(shù)方案的概述，為了能夠更清楚了解本發(fā)明的技術(shù)手段，而可依照說明書的內(nèi)容予以實施，并且為了讓本發(fā)明的上述和其它目的、特征和優(yōu)點能夠更明顯易懂，以下特舉本發(fā)明的具體實施方式。

附圖說明

通過閱讀下文優(yōu)選實施方式的詳細描述，各種其他的優(yōu)點和益處對于本領(lǐng)域普通技術(shù)人員將變得清楚明了。附圖僅用于示出優(yōu)選實施方式的目的，而并不認為是對本發(fā)明的限制。而且在整個附圖中，用相同的參考符號表示相同的部件。在附圖中：

圖1示出了根據(jù)本發(fā)明一個實施例的一種掌紋數(shù)據(jù)的識別方法的步驟流程圖；

圖2A-圖2B示出了根據(jù)本發(fā)明一個實施例的一種灰度處理的示例圖；

圖3A-圖3B示出了根據(jù)本發(fā)明一個實施例的一種中值濾波處理的示例圖；

圖4示出了根據(jù)本發(fā)明一個實施例的一種檢測閾值的調(diào)整示例圖；

圖5示出了根據(jù)本發(fā)明一個實施例的一種主線的掌紋模板的示例圖；

圖6示出了根據(jù)本發(fā)明一個實施例的一種手掌掌紋圖像的示例圖；以及

圖7示出了根據(jù)本發(fā)明一個實施例的一種掌紋數(shù)據(jù)的識別裝置的結(jié)構(gòu)框圖。

具體實施方式

下面將參照附圖更詳細地描述本公開的示例性實施例。雖然附圖中顯示了本公開的示例性實施例，然而應當理解，可以以各種形式實現(xiàn)本公開而不應被這里闡述的實施例所限制。相反，提供這些實施例是為了能夠更透徹地理解本公開，并且能夠?qū)⒈竟_的范圍完整的傳達給本領(lǐng)域的技術(shù)人員。

參照圖1，示出了根據(jù)本發(fā)明一個實施例的一種掌紋數(shù)據(jù)的識別方法的步驟流程圖，具體可以包括如下步驟：

步驟101，獲取手掌圖像數(shù)據(jù)。

在具體實現(xiàn)中，本發(fā)明實施例可以應用于業(yè)務平臺，其本質(zhì)可以為獨立的服務器或服務器集群，如分布式系統(tǒng)。

業(yè)務平臺可以提供API(Application Programming Interface，應用程序編程接口)接口，移動終端可以按照該API接口的規(guī)范，封裝業(yè)務請求發(fā)送至業(yè)務平臺，以調(diào)用該業(yè)務提供掌紋服務。

在本發(fā)明實施例中，移動終端可以調(diào)用攝像頭采集手掌圖像數(shù)據(jù)，并上傳至圖床，其中，如圖2A所示，手掌圖像數(shù)據(jù)為記載有手掌的圖像數(shù)據(jù)。

圖床為一個獨立于業(yè)務平臺、移動終端的第三方的云平臺，可以對用戶提供云服務，用戶在申請了相應的賬號之后，分配相應的云服務器，如虛擬機，并在該云服務器中建立數(shù)據(jù)庫。

移動終端可以通過圖床提供的接口上傳手掌圖像數(shù)據(jù)到該云服務器中，該云服務器可以將手掌圖像數(shù)據(jù)存儲，并分配第一地址，例如，URL(UniformResource Locator，統(tǒng)一資源定位符)。

需要說明的是，移動終端在上傳手掌圖像數(shù)據(jù)之前，可以對手掌圖像數(shù)據(jù)進行壓縮，以減少傳輸?shù)臄?shù)據(jù)量。

圖床存儲該手掌圖像數(shù)據(jù)之后，將其第一地址返回移動終端。

移動終端可以將該第一地址按照API接口的規(guī)范，封裝業(yè)務請求發(fā)送至業(yè)務平臺，以調(diào)用該業(yè)務提供掌紋服務。

當然，除了手掌圖像數(shù)據(jù)在圖床的第一地址之外，移動終端還可以將其他信息封裝至業(yè)務請求中，例如，Uid(用戶唯一標識)、用戶昵稱、用戶密碼等等，本發(fā)明實施例對此不加以限制。

業(yè)務平臺在接收到移動終端發(fā)送的業(yè)務請求之后，響應該業(yè)務請求，從圖床中獲取移動終端上傳的手掌圖像數(shù)據(jù)。

在具體實現(xiàn)中，業(yè)務平臺可以從業(yè)務請求中提取手掌圖像數(shù)據(jù)在圖床中的第一地址，訪問第一地址、從圖床中下載移動終端上傳至圖床的手掌圖像數(shù)據(jù)。

當然，上述手掌圖像數(shù)據(jù)的獲取方式只是作為示例，在實施本發(fā)明實施例時，可以根據(jù)實際情況設置其他手掌圖像數(shù)據(jù)的獲取方式，例如，若應用在移動終端中，則可以直接拍攝照片、作為手掌圖像數(shù)據(jù)，或者，直接導入手掌圖像數(shù)據(jù)，等等本發(fā)明實施例對此不加以限制。另外，除了上述手掌圖像數(shù)據(jù)的獲取方式外，本領(lǐng)域技術(shù)人員還可以根據(jù)實際需要采用其它手掌圖像數(shù)據(jù)的獲取方式，本發(fā)明實施例對此也不加以限制。

在本發(fā)明的一個實施例中，在執(zhí)行步驟102之前，可以對手掌圖像數(shù)據(jù)進行預處理。

其中，預處理包括如下的一種或多種：

(1)、灰度處理

由于采用Canny算子進行邊緣檢測使用灰度圖，并且，使用灰度圖可以提升后續(xù)圖像處理操作的速度。

因此，可以調(diào)用opencv庫的cvtColo函數(shù)等方式，將RGB彩色的手掌圖像數(shù)據(jù)處理成灰度圖。

例如，對如圖2A所示的手掌圖像數(shù)據(jù)進行灰度處理，得到如圖2B所示的灰度圖。

(2)、中值濾波處理

由于未經(jīng)處理的手掌圖像數(shù)據(jù)帶有較多的細紋、雜紋，在主線提取中這些被視為噪聲，會對主線提取帶來較大干擾，所以，可以使用中值濾波將細紋、雜紋過濾掉。

例如，對如圖3A所示的灰度圖(手掌圖像數(shù)據(jù))進行中值濾波處理，得到如圖3B所示的圖像數(shù)據(jù)。

當然，上述預處理只是作為示例，在實施本發(fā)明實施例時，可以根據(jù)實際情況設置其他預處理，例如歸一化、光照補充等等，本發(fā)明實施例對此不加以限制。另外，除了上述預處理外，本領(lǐng)域技術(shù)人員還可以根據(jù)實際需要采用其它預處理，本發(fā)明實施例對此也不加以限制。

步驟102，從所述手掌圖像數(shù)據(jù)中提取輪廓數(shù)據(jù)。

在具體實現(xiàn)中，可以從手掌圖像數(shù)據(jù)中提取輪廓數(shù)據(jù)，識別出較為明顯的掌紋數(shù)據(jù)。

在本發(fā)明的一個實施例中，步驟102可以包括如下子步驟：

子步驟1021，對所述掌紋圖像數(shù)據(jù)中進行邊緣檢測，獲得邊緣圖像數(shù)據(jù)；

在具體實現(xiàn)中，可以對掌紋圖像數(shù)據(jù)進行邊沿檢測，標識掌紋圖像數(shù)據(jù)中亮度變化明顯的點，獲得邊緣圖像數(shù)據(jù)，在保留原有圖像屬性的情況下，顯著減少掌紋圖像數(shù)據(jù)的數(shù)據(jù)規(guī)模。

在本發(fā)明的一個實施例中，子步驟1021可以包括如下子步驟：

子步驟10211，基于檢測閾值對所述掌紋圖像數(shù)據(jù)中進行邊緣檢測，獲得邊緣圖像數(shù)據(jù)。

在本發(fā)明實施例中，可以采用Canny算子進行邊緣檢測，Canny算子是一個多級邊緣檢測算法，提出了三個嚴格的邊緣檢測標準：

(a)好的信噪比

(b)高的定位精度

(c)單邊緣響應

根據(jù)這三個準則，Canny算子推到出最優(yōu)邊緣檢測算子的一個近似實現(xiàn)，即邊界點位于圖像被高斯函數(shù)平滑后的梯度幅度極大值點上，通過包括如下過程：

(1)、利用一維高斯函數(shù)，分別按行和列對掌紋圖像數(shù)據(jù)進行低通平滑濾波。

(2)計算平滑后的掌紋圖像數(shù)據(jù)中各點的梯度值和梯度方向，記錄于梯度幅值圖和梯度方向圖中。

(3)對梯度幅值進行非極大值抑制，確定候選邊緣點。

在梯度幅值圖中，如果某點梯度值與該店梯度方向上相鄰兩個像素的梯度值相比不是最大，則該點視為非邊緣點唄刪除，抑制后得到的候選邊緣點記錄在圖edge中。

(4)設置全局高低兩閾值，選取邊緣點。

梯度幅值圖的直方圖分布中，像素點個數(shù)按梯度幅值遞增方向累加，累加個數(shù)達到總數(shù)的一定比例(比如80％)時，對應的梯度值作為高閾值，高閾值的一定比例(比如50％、40％)作為低閾值。

在圖edge中的候選邊緣點中，梯度值大于高閾值的點作為邊緣保留，梯度值小于低閾值的點則被刪除，梯度值介于兩閾值間且與邊緣點鄰接的點作為邊緣點保留，否則刪除。再判斷保留點的八個方向中是否存在大于高閾值的邊緣像素，如果存在，則認為它是邊緣點，否則不是。

在本發(fā)明實施例中，檢測閾值可以作為高閾值等閾值，用于選擇邊緣點。

子步驟1022，從所述邊緣圖像數(shù)據(jù)中提取像素點數(shù)量預符合設的輪廓條件的輪廓數(shù)據(jù)。

在實際應用中，可以預先一定的輪廓條件，若邊緣圖像數(shù)據(jù)的像素點的數(shù)量符合該條件，則可以作為輪廓數(shù)據(jù)。

在本發(fā)明的一個實施例中，子步驟1022可以包括如下子步驟：

子步驟10221，從所述手掌圖像數(shù)據(jù)的像素點總數(shù)取指定的比例(如3％)，獲得像素點數(shù)量閾值；

子步驟10222，從所述邊緣圖像數(shù)據(jù)中提取輪廓數(shù)據(jù)；

子步驟10223，去除像素點數(shù)量小于預設的數(shù)量閾值(如20)的輪廓數(shù)據(jù)；

子步驟10224，判斷所述輪廓數(shù)據(jù)的像素點數(shù)量是否小于所述像素點數(shù)量閾值；若是，則執(zhí)行子步驟10225，若否，則執(zhí)行子步驟10226；

子步驟10225，確定所述輪廓數(shù)據(jù)的像素點數(shù)量符合預設的輪廓條件；

子步驟10226，調(diào)整所述檢測閾值，返回執(zhí)行子步驟10211。

在本發(fā)明實施例中，如果輪廓數(shù)據(jù)的像素點數(shù)量小于像素點總數(shù)的一定比例，則確定該輪廓數(shù)據(jù)符合輪廓條件。

否則，如圖4所示，可以調(diào)整檢測閾值，增加檢測閾值，如值加一，重新進行邊緣檢測、提取輪廓，以求得適當?shù)臋z測閾值，從而較為完整的保留主線的輪廓的同時去除雜紋的輪廓。

步驟103，采用預置的掌紋模板與所述輪廓數(shù)據(jù)進行匹配，識別出掌紋數(shù)據(jù)。

在人與外界的接觸中，表皮逐漸增厚，人的手掌上有很多紋線，稱之為掌紋，掌紋可以分為主線(principal lines)、皺褶線(wrinkle)和乳突線(ridge)。

其中，主線包括生命線、智慧線、感情線，由于在抓握東西的方式不盡相同，所以不同人的主線也會有所不同。

皺褶線是手掌部分的皮膚由于肌肉運動而產(chǎn)生的永久的褶皺。

乳突線是由于表皮永久變厚形成的，主要位于手掌內(nèi)側(cè)。

在本發(fā)明實施例中，可以預先針對一種或多種掌紋配置掌紋模板，即提現(xiàn)該中掌紋特征的模板，將掌紋模板與輪廓數(shù)據(jù)進行匹配，提取所需的掌紋數(shù)據(jù)。

在本發(fā)明的一個實施例中，步驟103可以包括如下子步驟：

子步驟1031，提取手掌主線的主線模板；

子步驟1032，采用所述主線模板與所述輪廓數(shù)據(jù)進行匹配，識別出主線數(shù)據(jù)；

在具體實現(xiàn)中，手掌主線包括如下的一個或多個：

生命線、智慧線、感情線。

相對應地，針對生命線、智慧線、感情線配置的主線模板如圖5所示。

通過這些主線模板與輪廓數(shù)據(jù)進行匹配，可以從輪廓數(shù)據(jù)中識別出生命線、智慧線、感情線等主線數(shù)據(jù)。

若識別出主線數(shù)據(jù)，則可以合并屬于同一個手掌主線的輪廓數(shù)據(jù)。

在手掌圖像數(shù)據(jù)中繪制掌紋數(shù)據(jù)，生成手掌掌紋圖像。

例如，如圖6所示，在手掌圖像數(shù)據(jù)中繪制生命線、智慧線、感情線等主線，生成手掌掌紋圖像。

對于方法實施例，為了簡單描述，故將其都表述為一系列的動作組合，但是本領(lǐng)域技術(shù)人員應該知悉，本發(fā)明實施例并不受所描述的動作順序的限制，因為依據(jù)本發(fā)明實施例，某些步驟可以采用其他順序或者同時進行。其次，本領(lǐng)域技術(shù)人員也應該知悉，說明書中所描述的實施例均屬于優(yōu)選實施例，所涉及的動作并不一定是本發(fā)明實施例所必須的。

參照圖7，示出了根據(jù)本發(fā)明一個實施例的一種掌紋數(shù)據(jù)的識別裝置的結(jié)構(gòu)框圖，具體可以包括如下模塊：

手掌圖像數(shù)據(jù)獲取模塊701，適于獲取手掌圖像數(shù)據(jù)；

輪廓數(shù)據(jù)提取模塊702，適于從所述手掌圖像數(shù)據(jù)中提取輪廓數(shù)據(jù)；

掌紋模板匹配模塊703，適于采用預置的掌紋模板與所述輪廓數(shù)據(jù)進行匹配，識別出掌紋數(shù)據(jù)。

在本發(fā)明的一個實施例中，該裝置還可以包括如下模塊：

預處理模塊，適于對所述手掌圖像數(shù)據(jù)進行預處理；

其中，所述預處理包括如下的一種或多種：

灰度處理，中值濾波處理。

在本發(fā)明的一個實施例中，所述輪廓數(shù)據(jù)提取模塊702還適于：

對所述掌紋圖像數(shù)據(jù)中進行邊緣檢測，獲得邊緣圖像數(shù)據(jù)；

從所述邊緣圖像數(shù)據(jù)中提取像素點數(shù)量預符合設的輪廓條件的輪廓數(shù)據(jù)。

在本發(fā)明的一個實施例中，所述輪廓數(shù)據(jù)提取模塊702還適于：

基于檢測閾值對所述掌紋圖像數(shù)據(jù)中進行邊緣檢測，獲得邊緣圖像數(shù)據(jù)。

在本發(fā)明的一個實施例中，所述輪廓數(shù)據(jù)提取模塊702還適于：

從所述手掌圖像數(shù)據(jù)的像素點總數(shù)取指定的比例，獲得像素點數(shù)量閾值；

從所述邊緣圖像數(shù)據(jù)中提取輪廓數(shù)據(jù)；

判斷所述輪廓數(shù)據(jù)的像素點數(shù)量是否小于所述像素點數(shù)量閾值；

若是，則確定所述輪廓數(shù)據(jù)的像素點數(shù)量符合預設的輪廓條件；

若否，則調(diào)整所述檢測閾值，返回執(zhí)行所述基于檢測閾值對所述掌紋圖像數(shù)據(jù)中進行邊緣檢測，獲得邊緣圖像數(shù)據(jù)的步驟。

在本發(fā)明的一個實施例中，所述輪廓數(shù)據(jù)提取模塊702還適于：

去除像素點數(shù)量小于預設的數(shù)量閾值的輪廓數(shù)據(jù)。

在本發(fā)明的一個實施例中，所述掌紋模板匹配模塊703還適于：

提取手掌主線的主線模板；

采用所述主線模板與所述輪廓數(shù)據(jù)進行匹配，識別出主線數(shù)據(jù)；

其中，所述手掌主線包括如下的一個或多個：

生命線、智慧線、感情線。

在本發(fā)明的一個實施例中，所述掌紋模板匹配模塊703還適于：

合并屬于同一個手掌主線的輪廓數(shù)據(jù)。

在本發(fā)明的一個實施例中，該裝置還可以包括如下模塊：

手掌掌紋圖像生成模塊，適于在所述手掌圖像數(shù)據(jù)中繪制所述掌紋數(shù)據(jù)，生成手掌掌紋圖像。

對于裝置實施例而言，由于其與方法實施例基本相似，所以描述的比較簡單，相關(guān)之處參見方法實施例的部分說明即可。

在此提供的算法和顯示不與任何特定計算機、虛擬系統(tǒng)或者其它設備固有相關(guān)。各種通用系統(tǒng)也可以與基于在此的示教一起使用。根據(jù)上面的描述，構(gòu)造這類系統(tǒng)所要求的結(jié)構(gòu)是顯而易見的。此外，本發(fā)明也不針對任何特定編程語言。應當明白，可以利用各種編程語言實現(xiàn)在此描述的本發(fā)明的內(nèi)容，并且上面對特定語言所做的描述是為了披露本發(fā)明的最佳實施方式。

在此處所提供的說明書中，說明了大量具體細節(jié)。然而，能夠理解，本發(fā)明的實施例可以在沒有這些具體細節(jié)的情況下實踐。在一些實例中，并未詳細示出公知的方法、結(jié)構(gòu)和技術(shù)，以便不模糊對本說明書的理解。

類似地，應當理解，為了精簡本公開并幫助理解各個發(fā)明方面中的一個或多個，在上面對本發(fā)明的示例性實施例的描述中，本發(fā)明的各個特征有時被一起分組到單個實施例、圖、或者對其的描述中。然而，并不應將該公開的方法解釋成反映如下意圖：即所要求保護的本發(fā)明要求比在每個權(quán)利要求中所明確記載的特征更多的特征。更確切地說，如下面的權(quán)利要求書所反映的那樣，發(fā)明方面在于少于前面公開的單個實施例的所有特征。因此，遵循具體實施方式的權(quán)利要求書由此明確地并入該具體實施方式，其中每個權(quán)利要求本身都作為本發(fā)明的單獨實施例。

本領(lǐng)域那些技術(shù)人員可以理解，可以對實施例中的設備中的模塊進行自適應性地改變并且把它們設置在與該實施例不同的一個或多個設備中?？梢园褜嵤├械哪K或單元或組件組合成一個模塊或單元或組件，以及此外可以把它們分成多個子模塊或子單元或子組件。除了這樣的特征和/或過程或者單元中的至少一些是相互排斥之外，可以采用任何組合對本說明書(包括伴隨的權(quán)利要求、摘要和附圖)中公開的所有特征以及如此公開的任何方法或者設備的所有過程或單元進行組合。除非另外明確陳述，本說明書(包括伴隨的權(quán)利要求、摘要和附圖)中公開的每個特征可以由提供相同、等同或相似目的的替代特征來代替。

此外，本領(lǐng)域的技術(shù)人員能夠理解，盡管在此所述的一些實施例包括其它實施例中所包括的某些特征而不是其它特征，但是不同實施例的特征的組合意味著處于本發(fā)明的范圍之內(nèi)并且形成不同的實施例。例如，在下面的權(quán)利要求書中，所要求保護的實施例的任意之一都可以以任意的組合方式來使用。

本發(fā)明的各個部件實施例可以以硬件實現(xiàn)，或者以在一個或者多個處理器上運行的軟件模塊實現(xiàn)，或者以它們的組合實現(xiàn)。本領(lǐng)域的技術(shù)人員應當理解，可以在實踐中使用微處理器或者數(shù)字信號處理器(DSP)來實現(xiàn)根據(jù)本發(fā)明實施例的掌紋數(shù)據(jù)的識別設備中的一些或者全部部件的一些或者全部功能。本發(fā)明還可以實現(xiàn)為用于執(zhí)行這里所描述的方法的一部分或者全部的設備或者裝置程序(例如，計算機程序和計算機程序產(chǎn)品)。這樣的實現(xiàn)本發(fā)明的程序可以存儲在計算機可讀介質(zhì)上，或者可以具有一個或者多個信號的形式。這樣的信號可以從因特網(wǎng)網(wǎng)站上下載得到，或者在載體信號上提供，或者以任何其他形式提供。

應該注意的是上述實施例對本發(fā)明進行說明而不是對本發(fā)明進行限制，并且本領(lǐng)域技術(shù)人員在不脫離所附權(quán)利要求的范圍的情況下可設計出替換實施例。在權(quán)利要求中，不應將位于括號之間的任何參考符號構(gòu)造成對權(quán)利要求的限制。單詞“包含”不排除存在未列在權(quán)利要求中的元件或步驟。位于元件之前的單詞“一”或“一個”不排除存在多個這樣的元件。本發(fā)明可以借助于包括有若干不同元件的硬件以及借助于適當編程的計算機來實現(xiàn)。在列舉了若干裝置的單元權(quán)利要求中，這些裝置中的若干個可以是通過同一個硬件項來具體體現(xiàn)。單詞第一、第二、以及第三等的使用不表示任何順序。可將這些單詞解釋為名稱。