基于MATLAB的圖像處理技術(shù)在足跡圖像中的應(yīng)用

王國(guó)棟 姚 力

(中國(guó)刑事警察學(xué)院，遼寧·沈陽(yáng) 110031)

MATLAB是由美國(guó)MathWorks公司開(kāi)發(fā)的具有數(shù)值分析、數(shù)字圖像處理以及數(shù)字信號(hào)處理等強(qiáng)大功能的商業(yè)數(shù)學(xué)軟件，由于該軟件具備圖像分割、濾波降噪、平滑增強(qiáng)、邊緣檢測(cè)、特征提取等多方面強(qiáng)大的數(shù)字圖像處理功能，被廣泛運(yùn)用于農(nóng)牧林業(yè)、工業(yè)和醫(yī)學(xué)等領(lǐng)域內(nèi)的形態(tài)學(xué)分析中，并通過(guò)引入數(shù)字圖像處理技術(shù)，讓這些領(lǐng)域得到了開(kāi)拓性的進(jìn)步并取得顯著的成果。足跡學(xué)研究的主要對(duì)象是案發(fā)現(xiàn)場(chǎng)上的嫌疑足跡，這些足跡可能是石膏制模形成的實(shí)物，也可能是現(xiàn)場(chǎng)遺留的嫌疑鞋只，但絕大多數(shù)的研究對(duì)象都是現(xiàn)場(chǎng)嫌疑足跡通過(guò)拍照固定最終以數(shù)字圖像形式呈現(xiàn)的圖像，所以足跡學(xué)能夠很好地與圖像處理技術(shù)相結(jié)合。通過(guò)將圖像處理技術(shù)引入足跡學(xué)研究，借助該技術(shù)手段對(duì)足跡圖像進(jìn)行處理，將會(huì)使足跡學(xué)得到更進(jìn)一步的發(fā)展。

本文研究的是通過(guò)MATLAB的圖像處理工具箱中的算法，對(duì)足跡圖像進(jìn)行濾波降噪、膨脹腐蝕等圖像預(yù)處理操作，將模糊的足跡圖像進(jìn)行處理得到視覺(jué)質(zhì)量較高的圖像，使其具有較高的辨識(shí)度，便于人的觀察和分析。通過(guò)前期的圖像預(yù)處理準(zhǔn)備階段后，最終借助MATLAB邊緣檢測(cè)算法來(lái)獲取足跡圖像輪廓邊緣等特征，顯示赤足足跡的邊緣輪廓以及穿鞋足跡的鞋底花紋，借助二值化和閾值分割算法來(lái)獲取足底重磨損面，顯示出重磨損的形式大小特征，以此來(lái)探討MATLAB的邊緣檢測(cè)算法在足跡圖像中的應(yīng)用。

一、濾波降噪處理

進(jìn)入案發(fā)現(xiàn)場(chǎng)后，現(xiàn)場(chǎng)足跡的提取方式通常都會(huì)采用拍照的方法進(jìn)行固定提取。在進(jìn)行拍照固定提取時(shí)，采用的是掠入射光對(duì)地面上疑似留有嫌疑人足跡的地方進(jìn)行打光，將足跡平面與相機(jī)鏡頭光軸保持垂直進(jìn)行拍攝。在打掠入射光時(shí)，通常都會(huì)發(fā)現(xiàn)嫌疑足跡的周圍有許多粉塵接收到掠入射光從而發(fā)生漫反射，進(jìn)入鏡頭以“小光點(diǎn)”的形式被固定下來(lái)。這些“小光點(diǎn)”對(duì)于觀察和分析嫌疑足跡來(lái)說(shuō)屬于噪聲干擾因素，需要通過(guò)圖像濾波處理技術(shù)將其消除或抑制。同時(shí)，現(xiàn)場(chǎng)嫌疑足跡被數(shù)碼相機(jī)記錄固定下來(lái)，并最終以圖片的形式將其打印出來(lái)，或以數(shù)字圖像的形式呈現(xiàn)在電子屏幕上，無(wú)論哪種方式都存在電子信息傳輸?shù)倪^(guò)程。在信息傳輸?shù)倪^(guò)程中會(huì)受到光、電、儀器設(shè)備本身等各方面因素的影響產(chǎn)生噪聲，這類噪聲屬于內(nèi)部噪聲，是由電器的機(jī)械運(yùn)動(dòng)、器材材料本身以及系統(tǒng)內(nèi)部設(shè)備電路所引起的，這類噪聲對(duì)圖像的識(shí)別分析會(huì)產(chǎn)生不良的影響，需要通過(guò)圖像濾波處理技術(shù)將其消除或抑制。。

圖像噪聲的存在，在很大程度上影響了人們的視覺(jué)感知以及對(duì)圖像信息的獲取和理解，換言之，是信息傳播的真實(shí)信號(hào)與理想信號(hào)之間存在偏頗，從而影響圖片傳輸?shù)男Ч?，因此?duì)足跡圖像需要進(jìn)行濾波降噪處理，以改善足跡圖像的呈現(xiàn)效果。圖像進(jìn)行去噪處理是圖像在傳輸?shù)倪^(guò)程中非常重要的一個(gè)步驟，圖像去噪的效果直接影響到圖像的后續(xù)處理工作，常用的圖像濾波降噪處理方法有以下幾種。

(一)均值濾波

均值濾波是一種線性濾波，能夠消除圖像的尖銳噪聲，其采用的主要方法為領(lǐng)域平均法。其基本原理是：根據(jù)當(dāng)前圖像的像素情況選擇多個(gè)與之相類似的像素作為模板，然后以此作為基礎(chǔ)，對(duì)待處理的圖像進(jìn)行像素的替換，即用模板中的全體像素平均值來(lái)代替原來(lái)的像素值(1)吳振華. 基于模糊數(shù)學(xué)理論的數(shù)字圖像處理[D].長(zhǎng)沙理工大學(xué),2010.。使用均值濾波處理圖像，算法簡(jiǎn)單、計(jì)算速度快、能夠消除尖銳噪聲、平滑圖像。但因?yàn)樽阚E圖像的邊緣部分是由像素灰度之間的較大尖銳反差所體現(xiàn)的，通過(guò)均值濾波平滑后，會(huì)給足跡圖像邊緣帶來(lái)模糊的負(fù)面效應(yīng)。均值濾波在圖像細(xì)節(jié)方面不能很好地處理，在去噪的同時(shí)也會(huì)破壞圖像細(xì)節(jié)，容易造成過(guò)度模糊。

(二)中值濾波

中值濾波是一種非線性濾波處理技術(shù)，和均值濾波一樣也是領(lǐng)域運(yùn)算方法的一種，其所遵循的理論是排序統(tǒng)計(jì)理論。工作的基本原理是：首先確定圖像的某一個(gè)像素作為中心點(diǎn)，并以此周邊區(qū)域的領(lǐng)域像素作為窗口，一般窗口由奇數(shù)個(gè)點(diǎn)所構(gòu)成。對(duì)所選區(qū)域窗口的像素灰度值進(jìn)行升序或降序排列統(tǒng)計(jì)，最終選取序號(hào)為中心點(diǎn)的數(shù)值作為濾波輸出。中值濾波算法運(yùn)算簡(jiǎn)單速度快，和均值濾波相比較，中值濾波方法不僅可以消除影響圖像畫質(zhì)的噪聲，還能夠保護(hù)圖像邊緣，不會(huì)像均值濾波算法模糊破壞圖像的邊緣部分，中值濾波能夠較好地復(fù)原圖像。它非常適用于一些線性濾波器無(wú)法勝任的數(shù)字圖像處理的應(yīng)用場(chǎng)合(2)朱維仲,董彩平.中值濾波技術(shù)及其在圖像處理中的應(yīng)用[J].天津職業(yè)技術(shù)師范學(xué)院學(xué)報(bào),2002，(3).。但對(duì)于具有點(diǎn)、線、較多尖頂、領(lǐng)域之間像素差較大的圖像而言，中值濾波算法還需要改進(jìn)。經(jīng)研究發(fā)現(xiàn)，采用迭代中值濾波器能夠很好的達(dá)到預(yù)期的效果，其實(shí)現(xiàn)方法是重復(fù)進(jìn)行中值濾波算法，在MATLAB軟件中的實(shí)現(xiàn)代碼如下。

clear

[filename,pathname]=uigetfile({′*.jpg′;′*bmp′;′*gif′},′選擇原圖片′);

I=imread([pathname,filename]);

hood=3；%選擇3×3的模版

K=filter2(fspecial(′average′,hood),I)/255; %均值濾波模板尺寸為3

K1=medfilt2(I，[hood hood]；%進(jìn)行3×3模板的中值濾波,迭代1次

K2=medfilt2(K1，[hood hood]；%進(jìn)行3×3模板的中值濾波,迭代2次

K3=medfilt2(K2，[hood hood]；%進(jìn)行3×3模板的中值濾波,迭代3次

figure(1),imshow(K);title(′3×3模板均值濾波′);

figure(2),imshow(K1);title(′3×3模板中值濾波′);

figure(3),imshow(K2);title(′3×3模板的中值濾波,迭代2次′);

figure(4),imshow(K3);title(′3×3模板的中值濾波,迭代3次′);

圖一為濾波降噪的效果圖，其中(a)為原圖，(b)為均值濾波處理后的效果圖，(c)為中值濾波處理后的效果圖。通過(guò)將均值濾波以及中值濾波處理后的效果圖與原圖進(jìn)行比較，可以發(fā)現(xiàn)：原圖足跡周邊以及足跡表面的粉塵顆粒較多，其接受到掠入射光后漫反射進(jìn)入鏡頭形成的“小光點(diǎn)”較多，影響了現(xiàn)場(chǎng)足跡圖像的成像質(zhì)量并降低了視覺(jué)上的感知。但通過(guò)濾波降噪處理后，“小光點(diǎn)”的數(shù)量得到了消除，使足跡圖像在視覺(jué)效果上得到了改善。通過(guò)將均值濾波效果圖與中值濾波效果圖進(jìn)行比較可以發(fā)現(xiàn)，雖然兩種濾波算法都會(huì)消除噪聲，但經(jīng)過(guò)均值濾波處理后，原圖足跡的邊緣部分變得模糊，邊緣反映不清楚。相比較而言中值濾波處理的效果較好，不僅消除了噪聲而且沒(méi)有模糊足跡邊緣的反映，使得足跡圖像的成像質(zhì)量以及視覺(jué)質(zhì)量得到了更好地改善，更清晰地呈現(xiàn)了現(xiàn)場(chǎng)足跡圖像。

(a)原圖(b)均值濾波(c)中值濾波圖一:濾波降噪效果圖

二、膨脹腐蝕處理

膨脹與腐蝕處理是形態(tài)學(xué)操作的一部分，膨脹就是求局部最大值的操作，即用一個(gè)結(jié)構(gòu)元素B，對(duì)原始圖像A的每一個(gè)像素進(jìn)行掃描，再用結(jié)構(gòu)元素B與其覆蓋的圖像A做“或”操作，其中結(jié)構(gòu)元素B可以是方形結(jié)構(gòu)也可以是圓盤結(jié)構(gòu)。經(jīng)過(guò)膨脹處理后的圖像會(huì)“變胖”，因?yàn)槠湓谶\(yùn)行的過(guò)程中，用結(jié)構(gòu)元素B中心點(diǎn)與圖像A中的像素一個(gè)一個(gè)的對(duì)比，一旦結(jié)構(gòu)元素B中有一點(diǎn)屬于A中，則結(jié)構(gòu)元素B被A所吸收，所以原始圖像會(huì)變胖膨脹一圈，其膨脹的大小由結(jié)構(gòu)元素的大小所決定，膨脹的過(guò)程被記為：AB。而與膨脹具有相反意義的腐蝕就是求局部最小值的操作。同樣是用結(jié)構(gòu)元素B對(duì)原始圖像A中的每個(gè)像素進(jìn)行掃描，但此時(shí)結(jié)構(gòu)元素B與原始圖像A做的是“與”運(yùn)算，即結(jié)構(gòu)元素B中心點(diǎn)與原始圖像A一個(gè)一個(gè)的對(duì)比，只有當(dāng)結(jié)構(gòu)元素B中的所有點(diǎn)都包含在A中時(shí)，結(jié)構(gòu)元素B才會(huì)被保留，所以原始圖像經(jīng)過(guò)腐蝕運(yùn)算后，圖像會(huì)“變瘦”部分邊界像素會(huì)被刪除，其中腐蝕的過(guò)程被記為：AB(3)李曉飛,馬大瑋,粘永健,孫晶菁.圖像腐蝕和膨脹的算法研究[J].影像技術(shù),2005，(1).。在MATLAB軟件中實(shí)現(xiàn)膨脹與腐蝕的代碼如下。

clc

clear

[filename,pathname]=uigetfile({′*.jpg′;′*bmp′;′*gif′},′選擇原圖片′);

A1=imread([pathname,filename]);

B=strel(′disk′,2); %半徑為2的圓盤結(jié)構(gòu)元素

%B=strel(′square′,2′); %邊長(zhǎng)為2的方型結(jié)構(gòu)元素

A2=imdilate(A1,B); %圖像A1被結(jié)構(gòu)元素B膨脹

A3=imerode(A1,B); %圖像A1被結(jié)構(gòu)元素B腐蝕

Figure(1),imshow(A1),title(′原始圖像′);

Figure(2),imshow(A2),title(′膨脹后的圖像′);

Figure(3),imshow(A3),title(′腐蝕后的圖像′);

開(kāi)運(yùn)算與閉運(yùn)算其實(shí)就是膨脹與腐蝕互相交叉運(yùn)算的結(jié)果，其中開(kāi)運(yùn)算就是先進(jìn)行腐蝕后進(jìn)行膨脹，被記為OPEN(X)=D(E(X))，閉運(yùn)算就是先進(jìn)行膨脹后進(jìn)行腐蝕，被記為CLOSE(X)=E(D(X))。由于閉運(yùn)算是先進(jìn)行的膨脹運(yùn)算，經(jīng)過(guò)膨脹處理的圖像缺損部分以及裂縫部位先被膨脹變胖，再經(jīng)腐蝕細(xì)化后，缺損裂縫部位被填平，且位置形狀不發(fā)生改變，所以閉運(yùn)算具有彌合裂縫填平小孔缺損的效果。而一般開(kāi)運(yùn)算能夠消除一些孤立的小點(diǎn)、毛刺和小橋等細(xì)小的點(diǎn)，而總的位置和形狀不發(fā)生改變。所以，開(kāi)運(yùn)算也能夠達(dá)到濾波降噪，改善圖像視覺(jué)質(zhì)量的效果。下圖二是進(jìn)行開(kāi)運(yùn)算后的效果圖。

(a)處理前(b)處理后圖二:開(kāi)運(yùn)算效果圖

三、邊緣檢測(cè)處理

通過(guò)對(duì)足跡圖像進(jìn)行前期的平滑濾波、消除噪聲以及形態(tài)學(xué)上的膨脹腐蝕等圖像增強(qiáng)準(zhǔn)備階段后，最終目的就是為了進(jìn)行邊緣檢測(cè)處理，提取足跡圖像的邊緣輪廓，從而用于進(jìn)行后期的足跡分析以及便于形象特征的測(cè)量與檢驗(yàn)。圖像的邊緣是指圖像中像素值發(fā)生突變的部位，其中足跡圖像的邊緣就是指穿鞋足跡鞋底的花紋形態(tài)和赤足跡的輪廓形狀。利用邊緣檢測(cè)處理可以檢測(cè)出足跡圖像中不同區(qū)域的邊緣來(lái)達(dá)到分割圖像的目的，其實(shí)質(zhì)是采用某種算法來(lái)提取圖像對(duì)象與背景間的交界線。邊緣檢測(cè)處理的基本思想是：首先利用邊緣增強(qiáng)算子，突出圖像中的局部邊緣，然后定義像素的“邊緣強(qiáng)度”，通過(guò)設(shè)置閾值的方法提取邊緣點(diǎn)集(4)張馳,李麗芳,鮑濟(jì)民,劉旭.利用邊緣檢測(cè)算子所顯示的數(shù)字圖像本底噪聲差異辨識(shí)偽造、變?cè)靾D像[J].中國(guó)公共安全(學(xué)術(shù)版),2013(04).。常用的邊緣檢測(cè)算子有：Sobel算子、Robert算子、Prewitt算子、Laplacian算子以及Canny算子。

Sobel算子的運(yùn)算原理使用的是類似局部平均的運(yùn)算，在對(duì)圖像進(jìn)行消除噪聲的同時(shí)，也會(huì)使處理后的圖像平滑化。但該算子在抗噪的同時(shí)增加了計(jì)算量，使得能夠額外地檢測(cè)并描繪出足跡圖像的偽邊緣，造成該算子提取的邊緣精度不高，定位不準(zhǔn)。由于Robert算子采用的是對(duì)角線方向相鄰兩像素之差近似梯度幅值檢測(cè)邊緣，所以該算子更適合檢測(cè)水平垂直的邊緣，且檢測(cè)的效果要好于檢測(cè)斜向邊緣，但該算子無(wú)法抑制噪聲的影響，對(duì)噪聲較為敏感。Prewitt算子對(duì)噪聲具有平滑抑制作用，但Prewitt算子對(duì)邊緣的定位不如Roberts算子，Sobel算子要比Prewitt算子更能準(zhǔn)確檢測(cè)圖像邊緣。以上三種邊緣檢測(cè)算子都屬于一階微分算子，而Laplacian算子則是基于二階導(dǎo)數(shù)的邊緣檢測(cè)算子。圖像經(jīng)過(guò)Laplacian算子二階微分后，在邊緣處產(chǎn)生一個(gè)陡峭的零交叉點(diǎn)，根據(jù)這個(gè)對(duì)零交叉點(diǎn)來(lái)判斷圖像的邊緣(5)熊秋菊,楊慕升.數(shù)字圖像處理中邊緣檢測(cè)算法的對(duì)比研究[J].機(jī)械工程與自動(dòng)化,2009，(2).。但該算子對(duì)噪聲也比較敏感，對(duì)圖像中的某些邊緣會(huì)產(chǎn)生雙重響應(yīng)形成偽邊緣。Canny算子在進(jìn)行處理前，先平滑圖像去除噪聲，其次采用一階偏導(dǎo)的有限差分來(lái)計(jì)算梯度幅值和方向，再經(jīng)過(guò)一個(gè)非極大值抑制的過(guò)程，最后采用兩個(gè)閾值來(lái)連接邊緣(6)劉錦秀. 基于數(shù)字圖像處理技術(shù)的松散堆積體粒徑分布快速測(cè)量技術(shù)研究[D].重慶交通大學(xué),2012.。與Sobel、Robert、Prewitt、Laplacian邊緣檢測(cè)算子相比較，Canny算子具有較大的優(yōu)勢(shì)，其既能很好地抑制噪聲還能夠較準(zhǔn)確的定位檢測(cè)圖像的邊緣。所以本文采用canny算子對(duì)足跡圖像進(jìn)行邊緣檢測(cè)處理。下圖三是canny算子對(duì)足跡圖像進(jìn)行邊緣檢測(cè)處理后的效果圖，其中(a)為穿鞋足跡圖像經(jīng)邊緣檢測(cè)處理后的效果圖，(b)為赤足足跡圖像經(jīng)邊緣檢測(cè)處理后的效果圖。

(a)穿鞋足跡(b)赤足跡圖三 Canny算子邊緣檢測(cè)圖

四、閾值分割處理

足跡圖像經(jīng)過(guò)灰度變化后，其明暗變化的情況通過(guò)黑、灰、白三種顏色來(lái)表示。由于人體生理結(jié)構(gòu)機(jī)能、人體行走方式的不同，人在行走時(shí)足底壓力分布的位置、大小都各有差異，而這些差異在足跡圖像中能夠通過(guò)足底灰度的變化來(lái)呈現(xiàn)。人在行走時(shí)，通過(guò)足—介質(zhì)—承痕體三種物質(zhì)在作用力的作用下形成足跡痕跡，壓力大的部位，對(duì)應(yīng)足跡痕跡部位的介質(zhì)遺留或遺失的量會(huì)與周圍環(huán)境介質(zhì)的分布情況有明顯的差異。壓力小的部位，則對(duì)應(yīng)足跡痕跡部位的介質(zhì)分布與周圍環(huán)境介質(zhì)分布無(wú)顯著差異。通過(guò)足跡痕跡介質(zhì)分布的規(guī)律，對(duì)足跡圖像進(jìn)行閾值分割，能夠?qū)崿F(xiàn)足底壓力部位的分割，顯示出足底壓力較重的部位所形成的重磨損面的分布情況，有利于后期對(duì)足底重磨損面進(jìn)行特征分析。

圖像的閾值分割處理，其實(shí)質(zhì)是確定出能夠?qū)⒁桓眻D像的主體與背景劃分開(kāi)來(lái)的最優(yōu)臨界值，最優(yōu)臨界值的確定是閾值分割處理的關(guān)鍵。有很多學(xué)者已經(jīng)提出了許多較為經(jīng)典的閾值分割方法，如最大類間方差法、直方圖閾值法、分水嶺分割法等。本文采用的是最大類間方差法(Otsu)，其基本原理是根據(jù)一幅圖像中目標(biāo)和背景具有不同的灰度值，利用圖像的灰度直方圖取某一閾值把圖像分成目標(biāo)和背景兩部分，計(jì)算目標(biāo)和背景兩部分的方差，當(dāng)方差最大時(shí)的分割閾值即為圖像的分割閾值(7)蔡艷梅,吳慶憲,姜長(zhǎng)生.改進(jìn)Otus法的目標(biāo)圖像分割[J].電光與工程.2007,14(6).。

對(duì)穿鞋足跡圖像利用MATLAB軟件通過(guò)灰度處理、二值化處理以及閾值分割后，穿鞋足跡的主體與背景能夠被分離，因?yàn)殚撝档倪x取，可以將足底重磨損面區(qū)域顯示出來(lái)。對(duì)顯示出來(lái)的重磨損面進(jìn)一步利用開(kāi)閉運(yùn)算將分割后的圖像進(jìn)行腐蝕膨脹，以及足跡圖像中足底重磨損面幾何中心點(diǎn)的確定。本文通過(guò)利用MATLAB算法來(lái)確定幾何中心點(diǎn)的位置，經(jīng)過(guò)二值化、閾值分割等一系列處理后，所得足底重磨損面圖像像素點(diǎn)的灰度值非0即1。對(duì)足跡圖像中逐點(diǎn)搜索，找出圖像上灰度值為1的所有像素點(diǎn)，之后將所有這些點(diǎn)的橫坐標(biāo)值xi和縱坐標(biāo)值yi分別累加，再分別除以像素值為1的像素點(diǎn)個(gè)數(shù)n，就可得到足底重磨損面近似幾何中心點(diǎn)的位置。

A 嫌疑人穿鞋足跡圖B 嫌疑人赤足跡處理后C 重合效果圖圖四 重磨損面處理效果圖

經(jīng)過(guò)灰度處理、二值化處理、閾值分割、開(kāi)閉運(yùn)算以及幾何中心點(diǎn)的確定等步驟，足底重磨損面的區(qū)域范圍以及重磨損面的中心點(diǎn)被確定(如上圖四所示)，將處理前與處理后的效果圖進(jìn)行重合比對(duì)，發(fā)現(xiàn)經(jīng)過(guò)圖像處理后顯示出重磨損面的區(qū)域范圍，形狀大小基本與原圖相近；確定出的重磨損面幾何中心點(diǎn)，通過(guò)將各點(diǎn)進(jìn)行連接構(gòu)成特殊的幾何形狀，測(cè)量各點(diǎn)的距離、角度、幾何形狀的周長(zhǎng)面積等特征能夠用于輔助的比對(duì)檢驗(yàn)。

五、圖像處理技術(shù)在足跡圖像中的應(yīng)用

本文基于MATLAB軟件借助圖像處理技術(shù)對(duì)足跡圖像采用了中值濾波降噪處理、膨脹腐蝕處理、開(kāi)閉運(yùn)算處理、canny邊緣檢測(cè)算子處理以及閾值分割處理等圖像處理技術(shù)，消除了干擾圖像質(zhì)量的噪聲，提取了足跡圖像的邊緣特征以及足底重磨損面特征。通過(guò)采用濾波降噪以及膨脹腐蝕等處理，在很大程度上消除了現(xiàn)場(chǎng)粉塵對(duì)足跡圖像呈現(xiàn)的干擾，實(shí)現(xiàn)了噪點(diǎn)與足跡主體的分離，很好地改善了足跡圖像的成像質(zhì)量與視覺(jué)質(zhì)量。通過(guò)選用Canny邊緣檢測(cè)算法，準(zhǔn)確地檢測(cè)并繪制出穿鞋足跡的鞋底花紋類型以及赤足或穿襪足跡的輪廓形態(tài)。通過(guò)對(duì)嫌疑人的赤足跡圖像進(jìn)行二值化處理以及閾值分割操作，能夠顯示出其足底重磨損面的區(qū)域部位。所以圖像處理技術(shù)可以用于對(duì)模糊的現(xiàn)場(chǎng)足跡圖像進(jìn)行增強(qiáng)改善、穿鞋足跡圖像的鞋底花紋的獲取、反映嫌疑人足的外形輪廓特征、顯示足底的重磨損面的形態(tài)大小。

但對(duì)于有明顯花紋圖案背景干擾的現(xiàn)場(chǎng)足跡圖像，濾波降噪處理無(wú)法很好地濾除背景干擾來(lái)改善成像質(zhì)量。同時(shí)運(yùn)用濾波降噪處理技術(shù)對(duì)現(xiàn)場(chǎng)足跡圖像進(jìn)行處理時(shí)，必然會(huì)改變足跡圖像的原始狀態(tài)，也會(huì)對(duì)足跡圖像產(chǎn)生不利的破壞。由于進(jìn)行濾波降噪處理或開(kāi)運(yùn)算處理，不僅可以消除足跡圖像中的“小光點(diǎn)”和毛刺，而且也會(huì)使得足跡圖像中細(xì)小的、不明顯的但具有個(gè)性的特征被濾除，使得足跡圖像中較大的、明顯的但看似像個(gè)別特征的假特征得到凸顯。對(duì)穿鞋足跡圖像進(jìn)行濾波降噪后再采用閉運(yùn)算處理，由于閉運(yùn)算會(huì)將鞋底的缺口裂縫進(jìn)行填平和彌補(bǔ)，所以經(jīng)閉運(yùn)算處理后鞋底的細(xì)節(jié)磨損特征無(wú)法得到正常的應(yīng)用。

綜上所述可以發(fā)現(xiàn)，從細(xì)節(jié)層面看，現(xiàn)場(chǎng)足跡圖像經(jīng)過(guò)濾波降噪、膨脹腐蝕、開(kāi)閉運(yùn)算等處理后，其足跡圖像的細(xì)節(jié)特征會(huì)被破壞減少損失，鞋底磨損特征也會(huì)被修補(bǔ)覆蓋消除，經(jīng)圖像處理后的足跡圖像無(wú)法進(jìn)行磨損特征以及細(xì)節(jié)特征的分析。但從宏觀層面看，足跡圖像經(jīng)過(guò)濾波降噪、膨脹腐蝕、開(kāi)閉運(yùn)算等處理后，改善了現(xiàn)場(chǎng)足跡圖像的成像效果，能夠便于宏觀的測(cè)量模糊足跡圖像的長(zhǎng)寬值，便于觀察足跡的起落足方式等步法特征。經(jīng)過(guò)canny邊緣檢測(cè)算子處理后的圖像，其鞋底花紋能夠很好地表現(xiàn)出來(lái)，可以用于進(jìn)行串并案件的處理。對(duì)赤足跡或穿襪足跡進(jìn)行處理后，在不考慮赤足的足底花紋以及穿襪的破損縫補(bǔ)的情況下，經(jīng)過(guò)二值化以及canny算子邊緣檢測(cè)后，能夠很好地反映出嫌疑人足的輪廓形態(tài)，通過(guò)對(duì)足的各部位進(jìn)行長(zhǎng)寬測(cè)量，可進(jìn)行形態(tài)學(xué)上的比較檢驗(yàn)以及身高方面的分析。通過(guò)二值化以及閾值分割等一系列處理，能夠顯示出足底重磨損面的形狀大小以及幾何中心點(diǎn)，將各點(diǎn)進(jìn)行連接構(gòu)成特殊的幾何形狀，測(cè)量各點(diǎn)的距離、角度、幾何形狀的周長(zhǎng)面積等特征能夠用來(lái)輔助鑒定人減少主觀經(jīng)驗(yàn)，進(jìn)行比對(duì)檢驗(yàn)，幫助非檢驗(yàn)鑒定人員更容易理解并接受足跡檢驗(yàn)鑒定的結(jié)論。