在研究指纹识别技术的过程中，需要大量的指纹图像，而采集大量的指纹图像费时费力，Cappelli 提出了用软件生成指纹图像的方法，Cappelli 方法基于核心点和三角点的位置可以生成5中类型（左箕型、右箕型、斗型、拱型和尖拱型）的指纹图像。
 
左箕型          右箕型            斗型             拱型           尖拱型
图 2.1.5 五种类型的指纹图像
在许多指纹识别系统中只需要存储指纹特征，然而某些应用场合则需要存储指纹图像，如果存储的指纹数量大，这个时候需要指纹图像进行压缩，以减少存储空间。指纹图像压缩要求在不影响特征提取的情况下尽可能提高压缩比。普通的无损压缩的压缩比太小，所以指纹图像的压缩一般采用有损压缩方法。
2.1.4 指纹图像特征提取
在指纹是被中常用到的指纹特征是节点、奇异点和纹线等，其中节点主要包括端点和分叉点，奇异点包括核心点和三角点，提取的指纹特征用来进行指纹匹配、分类和索引等。指纹特征的提取涉及的关键技术主要包括纹路方向计算、纹路频率计算、核心点和三角点检测、指纹分割、指纹增强、纹路提取和细化、节点提取和过滤以及纹数计算等。
纹路方向计算是进行指纹识别的基础，指纹识别中大多数算法都以方向为基础，如频率计算、纹路跟踪、核心点和三角点的检测、指纹分割、指纹增强、节点的对齐等。大多数纹路的计算方法基于像素之间的灰度关系。
另一类纹路方向计算方法基于方向场模型全局地估计指纹图像的各部分的方向。方向场模型一个有效用途是用来生成指纹图像，如 Cappelli 提出的基于放方向场模型的指纹图像生成算法。但方向模型往往难以正确地计算正式的指纹图像的纹路方向，特别是图像中不含有核心点和三角点或者无法正确检测它们的位置时。对此，Gu 和 Zhou 结合梯度法建立方向模型，采用LMS来全局地计算和纠正纹路方向。
    低质量指纹图像的纹路方向的正确计算目前仍然是一个挑战。尽可能正确地估计纹路方向对的算法和有的后处理算法有待提出和改进。
纹路频率计算是指纹计算纹路间距，许多算法，如分割算法、增强算法、纹路提取算法等，常用到频率特征。
核心点和三角点在指纹分类、索引和匹配中起着重要的作用。核心点和三角点统一称为奇异点。Henry分类模式根据三角点和核心点的数量和位置关系将指纹分为五类，有些之别算法要求图像中必有核心点。检测核心点和三角点的方法有基于神经网络的方法、基于方向场局部能量的方法、基于局部区域方向场Sine分量差值的方法、分辨分析的方法、基于Markov模型的方法、基于复数滤波器的方法等。
指纹分割的任务是去掉图像中不含纹路的区域和由于噪音太大而无法恢复的低质量纹路区域。准确的指纹分割可以减少提取错误特征和漏掉的真实特征，同时也可以提高图像处理速度。指纹分割的一般方法是图像分割成许多不重叠的小块，并计算每块特征向量，根据特征向量来判断某块为前景还是背景，还有的算法则以像素为单位进行分割。
指纹分割最重要的难点是低质量纹路区域的取舍，这种取舍依赖于纹路增强和提取算法的能力。如果纹路增强和提取算法能力有效和提取该区域的纹路，则该区域应被保留以提取更丰富的特征，否则应被分离以防止提取错误特征。
图像增强是为了增强图像中的纹路结构，指纹图像的采集受许多因素的影响导致采集的指纹图像质量很低，大多数特征提取算法为了能够准确提取低质量指纹图像的特征都采用了增强算法功能。 指纹识别算法研究+文献综述(6):http://www.youerw.com/jisuanji/lunwen_5302.html