王國棟 姚 力

(中國刑事警察學(xué)院，遼寧·沈陽 110031)

MATLAB是由美國MathWorks公司開發(fā)的具有數(shù)值分析、數(shù)字圖像處理以及數(shù)字信號處理等強(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、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，并通過引入數(shù)字圖像處理技術(shù)，讓這些領(lǐng)域得到了開拓性的進(jìn)步并取得顯著的成果。足跡學(xué)研究的主要對象是案發(fā)現(xiàn)場上的嫌疑足跡，這些足跡可能是石膏制模形成的實(shí)物，也可能是現(xiàn)場遺留的嫌疑鞋只，但絕大多數(shù)的研究對象都是現(xiàn)場嫌疑足跡通過拍照固定最終以數(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)手段對足跡圖像進(jìn)行處理，將會使足跡學(xué)得到更進(jìn)一步的發(fā)展。

本文研究的是通過MATLAB的圖像處理工具箱中的算法，對足跡圖像進(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)行處理得到視覺質(zhì)量較高的圖像，使其具有較高的辨識度，便于人的觀察和分析。通過前期的圖像預(yù)處理準(zhǔn)備階段后，最終借助MATLAB邊緣檢測算法來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獲取足底重磨損面，顯示出重磨損的形式大小特征，以此來探討MATLAB的邊緣檢測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)場后，現(xiàn)場足跡的提取方式通常都會采用拍照的方法進(jìn)行固定提取。在進(jìn)行拍照固定提取時，采用的是掠入射光對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，通常都會發(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。這些“小光點(diǎn)”對于觀察和分析嫌疑足跡來說屬于噪聲干擾因素，需要通過圖像濾波處理技術(shù)將其消除或抑制。同時，現(xiàn)場嫌疑足跡被數(shù)碼相機(jī)記錄固定下來，并最終以圖片的形式將其打印出來，或以數(shù)字圖像的形式呈現(xiàn)在電子屏幕上，無論哪種方式都存在電子信息傳輸?shù)倪^程。在信息傳輸?shù)倪^程中會受到光、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、器材材料本身以及系統(tǒng)內(nèi)部設(shè)備電路所引起的，這類噪聲對圖像的識別分析會產(chǎn)生不良的影響，需要通過圖像濾波處理技術(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感知以及對圖像信息的獲取和理解，換言之，是信息傳播的真實(shí)信號與理想信號之間存在偏頗，從而影響圖片傳輸?shù)男Ч?，因此對足跡圖像需要進(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^程中非常重要的一個步驟，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與之相類似的像素作為模板，然后以此作為基礎(chǔ)，對待處理的圖像進(jìn)行像素的替換，即用模板中的全體像素平均值來代替原來的像素值(1)吳振華. 基于模糊數(shù)學(xué)理論的數(shù)字圖像處理[D].長沙理工大學(xué),2010.。使用均值濾波處理圖像，算法簡單、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，通過均值濾波平滑后，會給足跡圖像邊緣帶來模糊的負(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，在去噪的同時也會破壞圖像細(xì)節(jié)，容易造成過度模糊。

(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)個點(diǎn)所構(gòu)成。對所選區(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法勝任的數(shù)字圖像處理的應(yīng)用場合(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,2002，(3).。但對于具有點(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)場足跡圖像的成像質(zhì)量并降低了視覺上的感知。但通過濾波降噪處理后，“小光點(diǎn)”的數(shù)量得到了消除，使足跡圖像在視覺效果上得到了改善。通過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消除噪聲，但經(jīng)過均值濾波處理后，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)量以及視覺質(zhì)量得到了更好地改善，更清晰地呈現(xiàn)了現(xiàn)場足跡圖像。

(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，即用一個結(jié)構(gòu)元素B，對原始圖像A的每一個像素進(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)過膨脹處理后的圖像會“變胖”，因?yàn)槠湓谶\(yùn)行的過程中，用結(jié)構(gòu)元素B中心點(diǎn)與圖像A中的像素一個一個的對比，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對原始圖像A中的每個像素進(jìn)行掃描，但此時結(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一個一個的對比，只有當(dāng)結(jié)構(gòu)元素B中的所有點(diǎn)都包含在A中時，結(jié)構(gòu)元素B才會被保留，所以原始圖像經(jīng)過腐蝕運(yùn)算后，圖像會“變瘦”部分邊界像素會被刪除，其中腐蝕的過程被記為：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，開運(yùn)算也能夠達(dá)到濾波降噪，改善圖像視覺質(zhì)量的效果。下圖二是進(jìn)行開運(yùn)算后的效果圖。

(a)處理前(b)處理后圖二:開運(yùn)算效果圖

三、邊緣檢測處理

通過對足跡圖像進(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。利用邊緣檢測處理可以檢測出足跡圖像中不同區(qū)域的邊緣來達(dá)到分割圖像的目的，其實(shí)質(zhì)是采用某種算法來提取圖像對象與背景間的交界線。邊緣檢測處理的基本思想是：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.利用邊緣檢測算子所顯示的數(shù)字圖像本底噪聲差異辨識偽造、變造圖像[J].中國公共安全(學(xué)術(shù)版),2013(04).。常用的邊緣檢測算子有：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，在對圖像進(jìn)行消除噪聲的同時，也會使處理后的圖像平滑化。但該算子在抗噪的同時增加了計(jì)算量，使得能夠額外地檢測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算子采用的是對角線方向相鄰兩像素之差近似梯度幅值檢測邊緣，所以該算子更適合檢測水平垂直的邊緣，且檢測的效果要好于檢測斜向邊緣，但該算子無法抑制噪聲的影響，對噪聲較為敏感。Prewitt算子對噪聲具有平滑抑制作用，但Prewitt算子對邊緣的定位不如Roberts算子，Sobel算子要比Prewitt算子更能準(zhǔn)確檢測圖像邊緣。以上三種邊緣檢測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)的邊緣檢測算子。圖像經(jīng)過Laplacian算子二階微分后，在邊緣處產(chǎn)生一個陡峭的零交叉點(diǎn)，根據(jù)這個對零交叉點(diǎn)來判斷圖像的邊緣(5)熊秋菊,楊慕升.數(shù)字圖像處理中邊緣檢測算法的對比研究[J].機(jī)械工程與自動化,2009，(2).。但該算子對噪聲也比較敏感，對圖像中的某些邊緣會產(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)的有限差分來計(jì)算梯度幅值和方向，再經(jīng)過一個非極大值抑制的過程，最后采用兩個閾值來連接邊緣(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量技術(shù)研究[D].重慶交通大學(xué),2012.。與Sobel、Robert、Prewitt、Laplacian邊緣檢測算子相比較，Canny算子具有較大的優(yōu)勢，其既能很好地抑制噪聲還能夠較準(zhǔn)確的定位檢測圖像的邊緣。所以本文采用canny算子對足跡圖像進(jìn)行邊緣檢測處理。下圖三是canny算子對足跡圖像進(jìn)行邊緣檢測處理后的效果圖，其中(a)為穿鞋足跡圖像經(jīng)邊緣檢測處理后的效果圖，(b)為赤足足跡圖像經(jīng)邊緣檢測處理后的效果圖。

(a)穿鞋足跡(b)赤足跡圖三 Canny算子邊緣檢測圖

四、閾值分割處理

足跡圖像經(jīng)過灰度變化后，其明暗變化的情況通過黑、灰、白三種顏色來表示。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足底灰度的變化來呈現(xiàn)。人在行走時，通過足—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，對應(yīng)足跡痕跡部位的介質(zhì)遺留或遺失的量會與周圍環(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)分布無顯著差異。通過足跡痕跡介質(zhì)分布的規(guī)律，對足跡圖像進(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來的最優(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)方差最大時的分割閾值即為圖像的分割閾值(7)蔡艷梅,吳慶憲,姜長生.改進(jìn)Otus法的目標(biāo)圖像分割[J].電光與工程.2007,14(6).。

對穿鞋足跡圖像利用MATLAB軟件通過灰度處理、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。對顯示出來的重磨損面進(jìn)一步利用開閉運(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。本文通過利用MATLAB算法來確定幾何中心點(diǎn)的位置，經(jīng)過二值化、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)過灰度處理、二值化處理、閾值分割、開閉運(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，發(fā)現(xiàn)經(jīng)過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)，通過將各點(diǎn)進(jìn)行連接構(gòu)成特殊的幾何形狀，測量各點(diǎn)的距離、角度、幾何形狀的周長面積等特征能夠用于輔助的比對檢驗(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)對足跡圖像采用了中值濾波降噪處理、膨脹腐蝕處理、開閉運(yùn)算處理、canny邊緣檢測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)場粉塵對足跡圖像呈現(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)量與視覺質(zhì)量。通過選用Canny邊緣檢測算法，準(zhǔn)確地檢測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)。通過對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)可以用于對模糊的現(xiàn)場足跡圖像進(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。

但對于有明顯花紋圖案背景干擾的現(xiàn)場足跡圖像，濾波降噪處理無法很好地濾除背景干擾來改善成像質(zhì)量。同時運(yùn)用濾波降噪處理技術(shù)對現(xiàn)場足跡圖像進(jìn)行處理時，必然會改變足跡圖像的原始狀態(tài)，也會對足跡圖像產(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，而且也會使得足跡圖像中細(xì)小的、不明顯的但具有個性的特征被濾除，使得足跡圖像中較大的、明顯的但看似像個別特征的假特征得到凸顯。對穿鞋足跡圖像進(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)場足跡圖像經(jīng)過濾波降噪、膨脹腐蝕、開閉運(yùn)算等處理后，其足跡圖像的細(xì)節(jié)特征會被破壞減少損失，鞋底磨損特征也會被修補(bǔ)覆蓋消除，經(jīng)圖像處理后的足跡圖像無法進(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)過濾波降噪、膨脹腐蝕、開閉運(yùn)算等處理后，改善了現(xiàn)場足跡圖像的成像效果，能夠便于宏觀的測量模糊足跡圖像的長寬值，便于觀察足跡的起落足方式等步法特征。經(jīng)過canny邊緣檢測算子處理后的圖像，其鞋底花紋能夠很好地表現(xiàn)出來，可以用于進(jìn)行串并案件的處理。對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)過二值化以及canny算子邊緣檢測后，能夠很好地反映出嫌疑人足的輪廓形態(tài)，通過對足的各部位進(jìn)行長寬測量，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，測量各點(diǎn)的距離、角度、幾何形狀的周長面積等特征能夠用來輔助鑒定人減少主觀經(jīng)驗(yàn)，進(jìn)行比對檢驗(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。