D0～D7为传感器与处理器之间的8位数据传输，AES2510的引脚IOSEL0和IOSEL1同时接地，选择8位并行接口方式，VDD外接电源，VSSL和GND接地。主处理器通过CS对传感器进行片选，当CS为低电平时选中AES2510，传感器可以通过INT端口向处理器申请中断。当主处理器向传感器发送采集指纹的命令后，传感器开始自动检测手指。当传感器检测到手指后，便对DSP产生一个中断，同时开始采集手指图像并把数据传输到DSP的数据空间由DSP对数据进行存储和处理；一旦手指移开，传感器便重新返回到低功耗的检测模式；如果在200μs之内检测不到手指，阵列电压被关闭，内部时钟不能工作。
2 系统软件实现
    AES2510传感器有63个寄存器，处理器通过读写相关寄存器对AES2510进行控制。主要用到的寄存器有：控制寄存器80H，它的D3位为模式控制位，置1时为采集模式，D1位和D0位分别为扫描复位和主复位；控制寄存器81H，通过对D0位的设置可以将采集扫描设置为单帧扫描或连续扫描，设置D1位为1可以读寄存器的当前状态；检测控制寄存器87H，用来设置在检测手指模式时的检测频率，最大检测频率可达2MHz；通过设置88H寄存器的D3～D0可以设置采集模式的列扫描速度，最大扫描速度可达32μs，在设置扫描速度时需要考虑主处理器的处理速度；9AH为状态寄存器，通过设置低四位来控制传感器的扫描状态，设置为0000H为等待手指状态，0010H为上电延迟状态，1010H为等待扫描开始，1011为等待扫描结束，1111为无操作等待128s；增益控制寄存器8EH，控制A/D" title="A/D">A/D Reference High的91H和A/D Reference Low的92H，以及控制采集起始列和结束列的95H和96H等，在采集时首先要初始化这些寄存器。
    AES2510传感器在采集图像时采用列扫描方式，每列有16个像素。当图像的分辨率为500dpi时，每个像素的大小为半个字节。当传感器与主处理器采用8位并口连接方式时，每次向处理器传送两个像素的数据，低四位为第一个像素的灰度值，高四位为第二个像素的灰度值，这样一帧图像占据的数据空间为1 537B。所以在开始采集之前主处理器需要根据图像的大小为图像分配数据存储空间。一般来说指纹图像采用256级灰度显示，所以在指纹图像输出时需要将图像的灰度等级扩展为256级。
    传感器接收到采集指纹的命令后，首先对传感器进行初始化，设置各寄存器的参数。包括：手指检测频率，扫描速率，采集开始列和结束列，A/D转换增益，参考电压，检测手指状态等。当寄存器设置好后，传感器进入采集模式，开始自动检测是否有手指放在上面，检测到手指以后便开始采集。由于各个用户手指的干湿程度和破损情况不同，如果传感器的寄存器都采用相同的参数设置，采集到的指纹图像的质量必定有很大的差别，而指纹图像质量的好坏对指纹图像的后续处理和系统的性能有很大的影响，所以在开始连续采集指纹图像之前，需要对手指的状况进行测评，然后根据手指的情况重新设置寄存器的相关参数，以提高后续指纹图像的质量，增强采集系统的自适应能力。首先，采集一帧指纹图像来做检测手指的情况。一般而言，刚放上的指纹不稳定，所以采集第二帧图像，根据图像的灰度直方图重新计算参数，并修改寄存器的设置。因为A/D转换增益直接影响图像的灰度分布，所以重点是对增益的计算和修改，这些参数设置完成之后，传感器进入连续采集模式。当传感器采集完一帧图像时，便向DSP发出准备信号，说明数据已经准备好并等待DSP读取，此时，DSP便可以将数据读取到处理器内部的数据存储空间。传感器在采集图像的同时检测手指是否离开，如果在200μs之内检测不到手指，则判断手指已经离开，系统停止采集图像，采集过程结束。采集到的指纹图像如图2所示。指纹采集流程图如图3所示。

3 指纹图像的重组
    传感器直接采集到的指纹图像(如图2所示)是彼此交迭的条状指纹图像，这些指纹图像需要通过图像重组得到完整的没有交迭的指纹图像^[6]。首先对采集到的图像进行分析：在相邻的两帧图像之间，如果没有重叠的图像，就意味着手指滑动的速度过快，两帧图像之间有数据丢失不能进行拼接。所以在图像的采集过程中，对手指的滑动速度有一定要求，必要时需要对指纹采集人员进行培训以保证采集到的图像的可用性。在保证了指纹图像可用的情况下，分析相邻两帧图像的重叠图像。经过分析发现，指纹图像是从上往下滑动的，也就是说前一帧图像中第一列的像素在下一帧图像中的位置就滑动到第N列了。根据这个特点，利用相邻帧之间的重叠性对图像进行拼接。
    由于第一帧图像是指纹的真实图像，所以保留第一帧指纹图像，将其视为已拼接好的图像，这里将其设为图像A，将下一帧要拼接过来的图像设为图像B。从图像A中取出前四行中间128列的4×128个像素作为匹配模板，与图像B中的每一个4×128的窗口进行比较，找出与之匹配的窗口，确定模板在图像B中的位置。设模板中第i行第j列像素的灰度值为P(i，j)，设图像B中第m行第n列像素的灰度值为G(m，n)，求出模板与窗口中对应像素的灰度差的总和，差值最小的即为匹配的窗口。设窗口左上角的像素坐标为(m，n)，则窗口与模板对应像素的灰度值之差为：

    找到最小的S_min，确定匹配窗口左上角的坐标(a，b)，然后将图像B按位置对齐拼接到图像A中。由于拼接图像可能会左右移动留有部分空白，为方便图像的预处理，将空白部分补零，然后依次将剩余帧拼接过来组成一幅完整的无重叠的指纹图像。
    考虑到系统的处理速度，图像的数据不易过多，所以重组的图像大小采用192×256。该重组算法方法简单，实时性较强，便于实现，可以在一定的擦刮速度范围内有效地重组带状指纹图像，得到精度较高的复原图像，具有很高的实用价值^[7]。
    重组图像如图4所示。

4 实验结果分析
    该系统采用RS232接口将采集到的指纹图像传输到PC机，并在VC＋＋软件中编程实现指纹图像的重组算法，得到完整的指纹图像^[8]。在本设计中，对指纹图像的效果影响最关键的参数就是A/D转换增益的大小，本文做了几组实验，以比较设置不同参数下的效果。
    如图5所示，当A/D转换增益采用固定值时，手指的干湿程度不同，采集到的指纹图像效果也不同。图5(a)为手指较干的情况，指纹的纹理比较清晰，但是断点比较多，不利于图像的预处理；图5(b)为较湿的情况，在图像的上半部分指纹的纹理比较模糊，有的地方纹线连接在一起，图像预处理时很难将连接部分处理得比较清晰。为了消除手指干湿程度不同所带来的影响，在判断手指的情况之后重新计算和设置增益的大小，这样就消除了指纹图像的差异。图5(c)是手指较湿的情况，图5(d)为手指较干的情况，但是采集的指纹图像效果都比较好，图像纹理清晰，断点和模糊部分很少，灰度分布比较均匀，无背景噪声，且有效面积大，在指纹图像预处理中不用进行背景提取，为图像的后续处理提供方便。