指纹识别领域虽然已有许多研究成果，但随着社会对指纹识别的迫切需求和指纹识别技术在实际应用和测试中表现出来的许多不足，近年来，许多研究机构都在进一步深入研究指纹识别领域的各种关键技术，以提高指纹识别的性能并解决实际应用中的问题，从而加速了指纹识别技术应用的普及。在这种情况下，本文对指纹识别系统中图像级预处理阶段中的纹路方向计算、指纹分割进行了研究，并在此基础上对指纹质量计算进行了探讨。 指纹的纹路具有如下特征：(1)每条纹线(纹脊和纹谷)走向都是逐渐变化的；(2)局部区域中，除了核心点和三角点附近区域以外，相邻纹路的方向差异不大。该特征我们称之为纹路方向的渐变性。本文基于纹路方向的渐变性，提出了相应的算法。 1 根据纹路方向的渐变性，提出了纹路方向正确性判断的方法，并对错误方向进行纠正，提高了方向计算的正确性。将指纹图像分块处理，按照基于梯度的方法计算每个分块的平均方向，选择一个可信任块，从可信任块出发，按照纹路方向的渐变性，计算当前分块的方向与周围八个分块方向的差异，判断该分块的方向正确性，然后对错误方向进行纠正。该方法算法较简单，计算量小，与常用的基于梯度法和低通滤波的方法相比，取得了更好的实验效果。 2 提出了在上述纹路方向正确性判断的基础上进行指纹粗分割，并在纹路方向纠正的同时进行分割修正的方法。在用基于梯度的方法计算每个分块的平均方向后，用方向正确性判断的结果指导指纹粗分割，方向计算正确的分块标记为前景，方向错误的分块标记为背景。进一步在方向纠正的同时进行分割修正，将局部受噪声影响被错误划分为背景的区域修正为前景，将被判断为方向正确而划分为前景的没有纹路的空白区域和无法辨识纹路的完全模糊区域以及残留纹路区域按照灰度均值和方差标准修正为背景，最后根据纠正后的方向对分割结果进行修正。该算法将纹路方向正确的区域分割出来，有效地去除了不含纹路的区域、残留纹路区域和纹路方向计算错误的区域等，有利于进一步的特征提取处理，同时与方向计算相结合，没有给系统带来额外的开销。 3 提出了基于纹路方向计算和指纹分割结果进行指纹质量计算的方法，对两类低质量指纹进行区分。在初步计算方向的基础上，根据方向正确性计算的方法，计算每个分块与周围八个分块的方向差异，将这些差异累计起来并归一化处理，得到一个质量分数，分数越小则指纹质量越高。对于质量分数过高的，说明其错误方向过多，这一类低质量指纹提取的错误特征太多，在指纹注册阶段则可将该指纹拒绝。进一步在指纹分割的基础上，对低质量的指纹进一步进行区分，拒绝方向正确区域过少、能提取的特征太少的第二类低质量指纹，并根据不同指纹的质量指导其增强、特征提取和匹配的算法的选择。 论文对这些算法进行了研究和实现，并基于FPS200采集的指纹和FVC竞赛指纹库，给出了相应的实验结果和分析。进一步的研究可以对纹路方向渐变性进行更精确的刻画，进而提高纹路方向计算、指纹分割和质量计算的准确度，并在此基础上进行指纹增强、特征提取与匹配、指纹分类和索引等技术的研究。