在指紋識別門禁系統中計算紋路方向、方向正確性并進行圖像分割的結果非常有用，其中紋路增強為前面指紋識別鎖中所提到的方法，在中間一列給出的是神經網絡對各圖像購輸出值的灰度表示。比較可以看出，一些在梯度矢量法和低通濾波中無法正確計算的低質量區域的紋路方向在本章方法中能夠被正確糾正而紋路區域中本家方法無法正確計算和糾正的區域則被正確地劃分為背景。本章的方向計算和分割是一種系統化的方法，因此不宜對兩者進行隔離而單獨地對方向計算進行評價或單獨地對分割方法進行評價。方向計算和圖像分割是指紋圖像特征提取過程的基礎算法，直接影響特征提取的正確率。錯誤的方向計算結果會導致無法正確提取紋路，從而會產生錯誤的節點和丟失正確的節點。同樣，不能正確提取紋路的區域被劃分為前景會產生錯誤特征，而能夠正確提取紋路的區域被劃分為背景會丟失正確特征。節點特征提取的正確率能夠有效地對方向計算和圖像分割方法進行驗證，因此，我們采用節點特征提取的正確串來對算法進行驗證。實驗中特征提取經過方向計算、圖像分割、紋路增強的過程，紋路增強采用圖像增強方法。實驗對兩個算法(算法A和算法B)比較節點提取的正確串：算法A為本章的特征提取算法(本章算法加第4章圖像增強算法)，在指紋識別中的的特征提取算法。我們用錯誤指數來比較節點提取結果正確串，錯誤指數值越小，節點提取正確率越高。