指纹图像是指包含指纹对象的图像。

由于指纹所具有的唯一性和不变性，以及指纹识别技术具有很高的可行性和实用性，指纹识别成为最流行、最方便、最可靠的个人身份认证技术之一。指纹是指人的手指末端正面皮肤上凸凹不平产生的纹线。纹线有规律的排列形成不同的纹型。纹线的起点、终点、结合点和分叉点，称为指纹的细节特征点（minutiae）。

指纹图像其实是比较复杂的，它有着许多不同于其他图像的特征。与人工处理不同，现代的生物识别技术并不直接存储指纹的图像(一是考虑到隐私权，二是由于储存空间)，而是记录从指纹源图像中提取到的特征，指纹识别算法最终都归结为在指纹图像上找到并比对指纹的特征。

我们定义了指纹的两类特征来进行指纹的验证：总体特征和局部特征。

总体特征是指那些用人眼直接就可以观察到的特征，包括：基本纹路图案:环型(loop)，拱型(arch)，漩祸型(whorl)。其他的指纹图案都基于这三种基本图案。仅仅依靠图案类型来分辨指纹是远远不够的，这只是一个粗略的分类，但通过分类使得在大数据库中搜寻指纹更为方便。指纹图像类别比例是这样的:漩涡型(包括whorl double whorl)占27. 9%，环型(包括right loop，left loop)占65. 5%，拱型(包括arch，tentedarch)占6. 6%。模式区(Pattern Area)：模式区是指指纹上包括了总体特征的区域，即从模式区就能够分辨出指纹是属于哪一种类型的。有的指纹识别算法只使用模式区的数据。核心点(Core Point)：核心点位于指纹纹路的渐进中心，可作为读取指纹和比对指纹时的参考点。三角点(Delta)：三角点位于从核心点开始的第一个分叉点或者断点、或者两条纹路会聚处、孤立点、折转处，或者指向这些奇异点。三角点提供了指纹纹路的计数和跟踪的开始之处。纹数(Ridge Count)：指模式区内指纹纹路的数量。在计算指纹的纹数时，一般先在连接核心点和三角点，这条连线与指纹纹路相交的数量即可认为是指纹的纹数。

局部特征是指指纹上的细节点。两枚指纹经常会具有相同的总体特征，但它们的局部特征一一细节点，却完全不可能相同。细节点(Minutia Points):指纹纹路并不是连续的，平滑笔直的，而是经常出现中断、分叉或打折。这些断点、分叉点和转折点就称为“细节点”。就是这些细节点提供了指纹唯一性的确认信息。

指纹上的细节点有四种不同特性：

1)类型一一细节点有以下几种类型，最典型的是端点和分叉点。

A.端点(Ending)一一一条纹路在此终结。

B.分叉点(Bifurcation)一一一条纹路在此分开成为两条或更多的纹路。

C.孤立点(Dot or Island)一一一条特别短的纹路，以至于成为一点。

D.环点(Enclosure)一一一条纹路分开成为两条之后，立即又合并成为一条，这样形成的一个小环称为环点。

E.短纹(Short Ridge)一一一端较短但不至于成为一点的纹路。

2)方向(Orientation)一一细节点的方向由所在的脊线方向决定。

3)曲率(Curvature)一一描述纹路方向改变的速度。

4)位置(Position)一一细节点的位置通过(x, y)坐标来描述，可以是绝对的，也可以是相对于参考点或特征点的。

通过专门的指纹采集仪可以采集指纹图像。指纹采集仪用到的指纹传感器按采集方式主要分为划擦式和按压式两种，按信号采集原理目前有光学式、压敏式、电容式、电感式、热敏式和超声波式等。另外，也可以通过扫描仪、数字相机等获取指纹图像。对于分辨率和采集面积等技术指标，公安行业已经形成了国际和国内标准，但其他行业还缺少统一标准。根据采集指纹面积大体可以分为滚动捺印指纹和平面捺印指纹，公安行业普遍采用滚动捺印指纹。

(1)指纹图像压缩：大容量的指纹数据库必须经过压缩后存储，以减少存储空间。主要方法包括JPEG、WSQ、EZW等。

(2)指纹图像处理：包括指纹区域检测、图像质量判断、方向图和频率估计、图像增强、指纹图像二值化和细化等。预处理是指对含噪声及伪特征的指纹图像采用一定的算法加以处理，使其纹线结构清晰，特征信息突出。其目的是改善指纹图像的质量，提高特征提取的准确性。通常，预处理过程包括归一化、图像分割、增强、二值化和细化，但根据具体情况，预处理的步骤也不尽相同。

一个优秀的生物识别系统要求能实时迅速有效地完成其识别过程。所有的生物识别系统都包括如下几个处理过程:采集、解码、比对和匹配。指纹识别处理也一样，它包括对指纹图像采集、指纹图像预处理、特征提取、特征值的比对与匹配等过程。使用指纹识别方式的优点在于它的可靠、方便且容易被接受。许多研究表明指纹识别在所有生物识别技术中是对人体最不构成侵犯的一种技术手段。