细节特征有很多种，但其中很大一部分井不毯定，很难有效地进行识别。最常用的细节点是端点和分又点。本文采用二值化、细化的方法提取细节点。对增强的圈像进行二值化之前，设计一种基于方向的去噪滤波技术来滤除冲击嗓声。细化后，根据细节点的结构规则判断和提取细节特征点。
一、基干方向伯息的渝波
由于图像增强算法不能完全逮除指纹图像中的冲击嗓声，所以在对指纹图像进行二值化之前要进行预处理，否则二值化过程会引入误差。传统的中值滤波方法对去除椒盐嗓声非常有效，而方向中值滤波不仅能完成传统中值涟波的功能，还能够去除一些孤立的冲击嗓声，连接细微断裂的纹线，琪补一些小孔洞，移除细小的短枝和毛刺使纹线更平滑。本文针对指纹冲击嗓声分布的特点，设计了一种基于方向的中值滤波器来渡除冲击噪声。
中值滤波是用像素点邻域周田的灰度中值来代替该像素点灰度值，邻域模扳通常为矩形。指纹图像具有很强的方向性，脊线和谷线相互交替出现，且rd,距变化不大，传统的中值滤波技术在减少指纹嗓声和恢复指纹图像方面的作用不是很大，有时甚至会分离分叉点和产生新的伪特征信息。为此利用指纹的方向图来指导中放涟波，以对增强后的图像去除冲击嗓声。
方向中值沈波的特点是滤波的模板随方向变化而不同，不再是唯一不变的矩形。根据图所示的8个方向构造8个不同的方向模板，因此像素点的灰度值就是用该位贫的纹线方向所对应的模板来进行中值滤波。这样在利用方向信息去除嗓声的同时，又进免了伪特征信息的产生。脊线上小的孔洞、细微断裂处和谷线上的细小孤立点都可以用本方法来处理。
二、指纹图像二值化
经过了方向中值去嗓滤波后，对其进行二值化的过程就是将灰度图像变成0、1-值图像，指纹脊线取作0，谷线取作1。一般的图像处理中的二值化算法主要是计算整幅图像的灰度平均值，然后将该值作为阅值，成根据图像灰度值直方图设定一个阅值，高于该闽值的像素点就置1，反之置0。本文通过研究发现，这种对整幅图像取一个阅值的方法虽然简单.但是由于局部噪声经过增强处理后，其灰度值与正常纹线灰度值仍有较大差异，若使用全局单一门值会产生较大的误差。因此本文采用局部二值化方法。因为指纹图像中脊线与谷线宽度大致相等，即二值化后燕白像素的个数应大致相同，因此报据均值涟波能去除图像中不相干的细节的特点，采用局部均值二值化算法，把指纹图分成WxW的子块，在每一个子块内计算灰度均值。
对两个不同算法进行比较；算法人为本文提出频进分析图像增强算法后经方向中值滤波的二值化算法，算法B为立陶宛NeurotochnologijaLtd.（在FVC2002中排名第6，在FVC2004open中排名第乃的VeriFinger4.2（2004）的指纹图像增强及二值化算法。从图显示的结果看，算法A的二值化结果和算法B的结果总体上不相上下，但算法人在奇异区域的处理结果要优于算法B，衰明本文提出的算法有一定的优势。
三、指纹图像细化
指纹图像二值化后的纹线仍然具有一定的宽度，需要对二值后的指纹图像进行细化。细化处理是在不改变图像像素拓扑连接关系的前提下，连续擦除图像的边缘像素，把纹线祖细不均匀的指纹图像转化成单像素线宽的条纹中心线图像的过程。对指纹纹线进行细化的主要作用是去除不必要的纹线宽度信息，使指纹图像的数据量减少.其连接结构变得简单明了，便于从指纹图像中提取细节特征，从而提高指纹图像的处理速度和效率。理想细化后的纹线骨架应该是原始纹线的中间位搜，并保持纹线的连接性、拓扑结构和细节特征。对细化算法的要求是：
（1）收敛性:迭代算法必须是收效的；
（2）连通性:不破坏纹线的连通性；
（3）拓扑性:细化必须保持原图像的拓扑结构性质，不引起纹线的逐渐蚕食；
（4）保持性:保护指纹的细节特征，不产生新的断点，不增减原图像中的线；
（5）细化性:细化骨架纹线的宽度为1个像素；
（6）中轴性:骨架尽可能接近条纹中心线；
（7）刀快速性:算法简单、速度快。
指纹图像细化算法主要分为串行细化算法、并行细化算法、混合细化算法三类。申行细化算法一次只处理当前满足条件的像素点，下一次的操作由上一次操作的结果决定，达到彻底细化的效果往往要执行多次操作；并行细化算法同时对满足给定条件的像素点进行处理，即一次处理所有像素的一个子集:棍合细化算法则是申行细化和并行细化交互或同时进行。
下面介绍和分析常用的图像细化算法:
1.Hilditch经典细化算法
Hilditch经典细化算法是一种有效的二值图像细化算法。其主导思想是每次扫描删除图像上目标的轮廓像紊（这些像素必须满足一定的条件），直到图像上不存在可侧除的轮廓像素为止。该算法采用串行处理方式，效果比较明显，但处理速度较慢。并且在此算法中，孤立点和内部点也被判定为多重像素.显然，这不符合细化的要求。
2.Deutsch井行细化算
Deutsch细化算法采用井行处理方式，也采用两层子循环。内层子循环中，确定可州除的目标像素P并做标记。在外层子循环中，扫描整个图像，将被标记为可删除的像素删除。该算法得到的骨架形态是不完全的8连接，可以看作是具有可州除点的8连接图形。并行细化算法虽提高了处理的速度，但效果不是特别好。因为大多数处理算法的运算靠近达缘进行，所以对于大块均匀区域中像素的处理，处理器多数时间空闲。并且，并行处理方式（如Deutsch细化算法）对宽度为2的目标曲线不适合。
3.改进的OPTA细化算法
冯星奎等人提出了改进的OPTA（ImprovodOPTAThinningAlgorithm）算法，该算法是串行细化算法，采用了两种4x4模板（消除模板和保留模板），将二值化后的指纹图像和模板比较，决定是否侧除某点。这种算法能够基本保证单像紊宽，但细化后会产生很多毛刺。而且实验发现，经过该算法细化的图像在纹线的分又点处并不是单像素宽的。
4.基于形态学的细化算法
基于形志学的细化算法的思路是不断剥落纹线边缘的点，直到纹线达到一个像素宽度为止。
