f=imread（‘C:\Users\lin\Desktop\t.png‘）;%讀取圖像到內存
f=imresize（f[363312]）;%該函數用于對圖像做縮放處理。
figure;imshow（f）;
%用rgb2gray?將彩色圖像轉換為灰度圖像。matlab讀入圖像的數據是uint8，而matlab中數值一般采用double型（64位）存儲和運算。
%所以要先將圖像轉為double格式的才能運算
gray=double（rgb2gray（f））;
%轉成uint8?imshow（）顯示圖像時對double型是認為在0~1范圍內即大于1時都是顯示為白色，而imshow顯示uint8型時是0~255范圍。
%所以對double類型的圖像顯示的時候，要么歸一化到0~1之間，要么將double類型的0~255數據轉為uint8類型。
figure;imshow（uint8（gray））;

%歸一化，灰度值限制在某一范圍
M=0;var=0;
%均值
m=size（gray1）;n=size（gray2）;
for?x=1:m
????for?y=1:n
????????M=M+gray（xy）;
????end
end
M1=M/（m*n）;%M1為均值?所有像素總共和除以多少個像素
%方差
for?x=1:m
????for?y=1:n
????????var=var+（gray（xy）-M1）.^2;
????end;
end;
var1=var/（m*n）;%計算方差最終的大小?var1
%歸一化?********************************
for?x=1:m
????for?y=1:n
????????if?gray（xy）>M1
????????????gray（xy）=150+sqrt（2000*（gray（xy）-M1）/var1）;
????????else
????????????gray（xy）=150-sqrt（2000*（M1-gray（xy））/var1）;
????????end
????end
end
figure;imshow（uint8（gray））;

%*************************************************************************************************************
%歸一化處理完畢后會對圖像進行分割處理，目的是區分出前景色和背景色。我采用的分割為根據多區域閾值分割。
%多區域分割的效果取決于區域的大小，而指紋的區域分為一脊一谷最好，所以我選擇3x3的區域大小。我會根據對區域多次進行求均值和方差進行分割。
%分割?分成多個3*3的塊大小?
M=3;
H=floor（m/M）;L=floor（n/M）;
aveg1=zeros（HL）;
var1=zeros（HL）;
%計算每一塊的平均值
for?x=1:H
????for?y=1:L
????????aveg=0;var=0;
????????%每一塊的均值
????????for?i=1:M
????????????for?j=1:M
????????????????aveg=gray（i+（x-1）*Mj+（y-1）*M）+aveg;
????????????end;
????????end;
????????aveg1（xy）=aveg/（M*M）;
????????%每一塊的方差值
????????for?i=1:M
????????????for?j=1:M
????????????????var=（gray（i+（x-1）*Mj+（y-1）*M）-aveg1（xy））.^2+var;
????????????end;
????????end;
????????var1（xy）=var/（M*M）;
????end;
end;
%所有塊的平均值和方差
Gmean=0;Vmean=0;
for?x=1:H
????for?y=1:L
????????Gmean=Gmean+aveg1（xy）;
????????Vmean=Vmean+var1（xy）;
????end
end
Gmean1=Gmean/（H*L）;
Vmean1=Vmean/（H*L）;

%每一小塊和整塊相比，再次求均值方差
%?前景（黑色）
gtemp=0;gtotle=0;vtotle=0;vtemp=0;
for?x=1:H
????for?y=1:L
????????if?Gmean1>aveg1（xy）%如果當前快的均值小于全局均值?就認為是前景?
????????????gtemp=gtemp+1;
????????????gtotle=gtotle+aveg1（xy）;
????????end
????????if?Vmean1????????????vtemp=vtemp+1;
????????????vtotle=vtotle+var1（xy）;
????????end
????end
end
%?前景均值
G1=gtotle/gtemp;
%?前景方差
V1=vtotle/vtemp;

%再次與剛剛產生的值相比
%?求得背景（白色）均值方差?增加可靠性
gtemp1=0;gtotle1=0;vtotle1=0;vtemp1=0;
for?x=1:H
????for?y=1:L
????????if?G1????????????gtemp1=gtemp1+1;
????????????gtotle1=gtotle1+aveg1（xy）;
????????end
????????if?0????????????vtemp1=vtemp1+1;
????????????vtotle1=vtotle1+var1（xy）;
????????end
????end
end
%?背景均值
G2=gtotle1/gtemp1;
%?背景方差
V2=vtotle1/vtemp1;
%我會根據對區域多次進行求均值和方差進行分割。采集到的指紋圖背景的灰度值大于前景色，背景主要為低頻，所以背景的方差小于前景的方差。
%我分別求得背景和前景的均值和方差然后會得到背景為白色?脊線為黑色。
%然后保存在矩陣e（二值圖）中，我會根據e中位置等于1的點的八鄰域點的和小于四得到背景色，達到背景和前景分離（e矩陣）。
%****************************************
%構建矩陣（H*L