數(shù)字圖像處理課程設(shè)計(jì)-- 圖像人臉區(qū)域隱私保護(hù)系統(tǒng)設(shè)計(jì)

1、<p>　　課 程 設(shè) 計(jì) 說 明 書</p><p>　　題 目： 圖像人臉區(qū)域隱私保護(hù)系統(tǒng)設(shè)計(jì)</p><p>　　課 程： 數(shù)字圖像處理課程設(shè)計(jì)</p><p>　　院 （部）： 信息與電氣工程學(xué)院</p><p>　　專 業(yè)： 通信工程<

2、/p><p>　　班 級： </p><p>　　學(xué)生姓名： </p><p>　　學(xué) 號： </p><p>　　指導(dǎo)教師： </p><p>　　完成日期： 2013年12月</p><p><b&g

3、t;　　目錄</b></p><p><b>　　摘 要3</b></p><p>　　1 本課程設(shè)計(jì)的目的4</p><p>　　2 本課程設(shè)計(jì)的基本要求5</p><p>　　3 本次系統(tǒng)的基本原理6</p><p>　　3.2 如何識別人臉6</p>&l

4、t;p>　　4 具體設(shè)計(jì)內(nèi)容7</p><p>　　4.1.1 軟件流程7</p><p>　　4.1.2 圖像數(shù)據(jù)的讀取與處理9</p><p>　　4.1.3 人臉顏色建模膨脹與腐蝕11</p><p>　　4.1.4人臉區(qū)域定位12</p><p>　　4.1.5 人臉識別及處理13</p

5、><p><b>　　總結(jié)與致謝17</b></p><p><b>　　參考文獻(xiàn)18</b></p><p>　　附錄：系統(tǒng)設(shè)計(jì)程序19</p><p><b>　　摘 要</b></p><p>　　生物特征識別技術(shù)在近幾十年中飛速發(fā)展。作為人的一

6、種內(nèi)在屬性，并且具有很強(qiáng)的自身穩(wěn)定性及個(gè)體差異性，生物特征成為了自動身份驗(yàn)證的最理想依據(jù)。人臉識別由于具有直接，友好，方便的特點(diǎn)，使用者易于為用戶所接受，從而得到了廣泛的研究與應(yīng)用。除此之外，我們還能夠?qū)θ四樧R別的結(jié)果作進(jìn)一步的分析，得到有關(guān)人的性別，表情，年齡等諸多額外的豐富信息，擴(kuò)展了人臉識別的應(yīng)用前景。</p><p>　　人臉是準(zhǔn)確鑒定一個(gè)人的身份，推斷出一個(gè)人的種族、地域，地位等信息的重要依據(jù)?？茖W(xué)界從

7、圖像處理、計(jì)算機(jī)視覺等多個(gè)學(xué)科對人臉進(jìn)行研究。人臉識別在滿足人工智能應(yīng)用和保護(hù)信息安全方面都有重要的意義，是當(dāng)今信息化時(shí)代必須解決的問題。 </p><p>　　本設(shè)計(jì)用MATLAB對圖像的讀取，在識別前，先對圖像進(jìn)行處理，再通過膚色獲得可能的臉部區(qū)域，最后根據(jù)人臉固有眼睛的對稱性來確定是否就是人臉，同時(shí)采用高斯平滑來消除圖像的噪聲，再進(jìn)行二值化，二值化主要采用局域取閾值方法，接下來就進(jìn)行定位、提取特征值和識別

8、等操作。經(jīng)過測試，圖像預(yù)處理模塊對圖像的處理達(dá)到了較好的效果，提高了定位和識別的正確率。為保護(hù)當(dāng)事人或行人的隱私權(quán)，需要將圖像中當(dāng)事人的人臉區(qū)域作模糊，實(shí)現(xiàn)圖像中人臉區(qū)域隱私保護(hù)。</p><p>　　關(guān)鍵詞：人臉識別；圖像處理；圖像模糊</p><p><b>　　1 設(shè)計(jì)目的</b></p><p>　　作為人的一種內(nèi)在屬性，并且具有很強(qiáng)的

9、自身穩(wěn)定性及個(gè)體差異性，生物特征成為了自動身份驗(yàn)證的最理想依據(jù)。人臉識別由于具有直接，友好，方便的特點(diǎn)，使用者易于為用戶所接受，從而得到了廣泛的研究與應(yīng)用。除此之外，我們還能夠?qū)θ四樧R別的結(jié)果作進(jìn)一步的分析，得到有關(guān)人的性別，表情，年齡等諸多額外的豐富信息，擴(kuò)展了人臉識別的應(yīng)用前景。</p><p>　　對于人臉識別(Face Recognition)，分析人臉圖像，從中提取有效的識別信息，用來辨別身份的一門技術(shù)

10、。即，對己知人臉進(jìn)行標(biāo)準(zhǔn)化處理后，通過某種方法和數(shù)據(jù)庫中的人臉標(biāo)本進(jìn)行匹配，尋找?guī)熘袑?yīng)人臉及該人臉的相關(guān)信息。人臉識別技術(shù)應(yīng)用背景十分廣泛，可用于公安系統(tǒng)刑偵破案的罪犯身份識別、身份證及駕駛執(zhí)照等證件驗(yàn)證、銀行及海關(guān)的監(jiān)控、自動門衛(wèi)系統(tǒng)、視頻會議、機(jī)器人的智能化研究以及醫(yī)學(xué)等方面。</p><p>　　對于人身辨別方法主要是通過人身標(biāo)識物品和人身標(biāo)識知識兩種方式來實(shí)現(xiàn)的。常見的人身標(biāo)示物品有鑰匙、證件等各種標(biāo)識

11、，人身標(biāo)示知識有用戶名、密碼等。眾周知，像鑰匙、證件標(biāo)識等人身標(biāo)識物品很容易丟失或被偽造，而標(biāo)識知識容易遺忘或記錯(cuò)，更為嚴(yán)重的是傳統(tǒng)身份識別系統(tǒng)往往無法區(qū)分標(biāo)識物品真正的擁有者和取得標(biāo)識物品的冒充者，一旦他人獲得標(biāo)識物品，也可以擁有相同的權(quán)力，電視采訪、街景地圖等應(yīng)用中，為保護(hù)當(dāng)事人或行人的隱私權(quán)，需要將圖像中當(dāng)事人的人臉區(qū)域作模糊或馬賽克處理。</p><p><b>　　2 設(shè)計(jì)要求</b&g

12、t;</p><p>　　根據(jù)已知設(shè)計(jì)要求分析人臉區(qū)域隱私保護(hù)系統(tǒng)設(shè)計(jì)功能，確定人臉區(qū)域隱私保護(hù)系統(tǒng)設(shè)計(jì)的方法，</p><p>　　畫出流程圖，編寫實(shí)現(xiàn)程序，并進(jìn)行調(diào)試，完成系統(tǒng)軟件設(shè)計(jì)。</p><p>　　3． 基本教學(xué)要求：每人一臺計(jì)算機(jī)，計(jì)算機(jī)安裝matlab、visio等軟件。</p><p>　　3 人臉識別系統(tǒng)的基本原理

13、</p><p><b>　　3.1系統(tǒng)概述</b></p><p>　　人臉識別包括人臉檢測、人臉圖像預(yù)處理、人臉特征提取和人臉識別等過程。人臉檢測是指在輸入圖</p><p>　　像中確定人臉的位置與大小。人臉檢測的質(zhì)量影響人臉識別的其他過程以及整個(gè)人臉識別的效果，在人臉識別過程中顯得尤為重要。近年來，電子商務(wù)等網(wǎng)絡(luò)資源的利用使得可視電話、

14、視頻會議、多媒體教學(xué)等快捷便利的交流方式成為時(shí)尚，如何實(shí)時(shí)實(shí)現(xiàn)復(fù)雜背景下對人臉檢測和識別已成為人臉識別研究的熱點(diǎn)[1]。目前，已有神經(jīng)網(wǎng)絡(luò)算法、基于Hough變換或可適應(yīng)的Hough變換逼近、小波變換、鑲嵌圖方法、顏色紋理規(guī)則等多種人臉檢測方法[2～6]。這些方法是針對靜態(tài)圖像的基于人臉特征的統(tǒng)計(jì)與結(jié)構(gòu)分析方法，雖具有一般性，但分析計(jì)算量大，對噪聲敏感，性能不穩(wěn)定，難以實(shí)時(shí)檢測。</p><p>　　3.2 如何

15、識別人臉</p><p>　　1、基于幾何特征的人臉正面圖像識別方法</p><p>　　通過人臉面部拓?fù)浣Y(jié)構(gòu)幾何關(guān)系的先驗(yàn)知識,利用基于結(jié)構(gòu)的方法在知識的層次上提取人臉面部主要</p><p>　　器官特征,將人臉用一組幾何特征矢量來表示,識別歸結(jié)為特征矢量之間的匹配,基于歐氏距離的判決是最常用的識別方法。</p><p>　　2、基于統(tǒng)計(jì)

16、的人臉正面自動識別方法</p><p>　　基于統(tǒng)計(jì)的人臉正面自動識別方法包括特征臉方法和隱馬爾科夫模型方法。統(tǒng)計(jì)的識別方法將人臉用代數(shù)特征矢量來表示。代數(shù)特征是由Hong等首先提出的,由圖像本身的灰度分布決定,它描述了圖像的內(nèi)存信息,它是通過對圖像灰度進(jìn)行各種代數(shù)變換和矩陣分解提出的。</p><p>　　將人臉看作一個(gè)二維的灰度變化的模板,從整體上捕捉和描述人臉的特征,所運(yùn)用的主要是一

17、些標(biāo)準(zhǔn)的數(shù)據(jù)統(tǒng)計(jì)技巧,運(yùn)算比較復(fù)雜</p><p><b>　　4 具體設(shè)計(jì)內(nèi)容</b></p><p>　　4.1.1 軟件流程</p><p>　　人臉識別系統(tǒng)的方法，軟件流程 如圖4.1所示</p><p>　　接下來將按照上面的流程圖，對系統(tǒng)進(jìn)行介紹，在介紹系統(tǒng)的同時(shí)對一些常用圖像，圖形處理的基本方法做介紹，這包

18、括了圖像，圖形學(xué)上的一些基本的概念和處理手段，也根據(jù)圖像需要進(jìn)行簡單的處理。</p><p>　　對人臉的定位處理流程圖4.2如下</p><p>　　4.1.2 圖像數(shù)據(jù)的讀取與處理</p><p>　　這非線性分段色彩變換得到的膚色模型屬于色彩空間中的聚類模型，這一類</p><p>　　膚色模型的建立首先要選取一種合適的色彩空間。注意要

19、YCbCr色彩空間具有如</p><p><b>　　下一些優(yōu)點(diǎn)：</b></p><p>　　(a)YCrCb色彩格式具有與人類視賞感知過程相似的構(gòu)成原理。</p><p>　　(b)YCrCb色彩格式被廣泛的應(yīng)用在電視顯示的領(lǐng)域中，也是許多視頻壓縮</p><p>　　編碼，如MPEG、JPEG等標(biāo)準(zhǔn)中普遍采用的顏色

20、表示格式。</p><p>　　(c)YCrCb色彩格式具有與HIS等其他一些色彩格式相類似的將色彩中的亮</p><p>　　度分量分離出來的優(yōu)點(diǎn)。</p><p>　　(d)相比HIS等其他一些色彩格式，YCrCb色彩格式的計(jì)算過程和空間坐標(biāo)</p><p><b>　　表示形式比較簡單。</b></p>

21、<p>　　(e)實(shí)驗(yàn)結(jié)果表明在YCrCb色彩空間中膚色的聚類特性比較好。</p><p>　　可以通過攝像頭來獲取,也可以通過圖像庫來獲取。在圖像獲取以后,將圖像顯示出來,同時(shí)記錄下圖像在內(nèi)存的地址,以便在圖像處理中使用。</p><p>　　RGB=imread('4.jpg'); %face02,04,06</p><p>　　Y

22、CbCr=rgb2ycbcr(RGB); %將RGB色彩值變換為YcbCr色彩空間（將RGB真彩色圖像轉(zhuǎn)化為YcbCr色彩空間中相等的圖像）</p><p>　　Y=YCbCr(:,:,1); %這三行分別是Ycbcr空間的y,cb,cr對應(yīng)矩陣</p><p>　　Cb=YCbCr(:,:,2);</p><p>　　Cr=YCbCr(:

23、,:,3);</p><p>　　imshow(RGB);title('原始圖像RGB'); %原始圖像</p><p>　　figure,imshow(YCbCr);</p><p>　　title('YcbCr色彩空間的圖像'); %進(jìn)行將RGB色彩值變換為YcbCr色彩空間的圖像&l

24、t;/p><p><b>　　如圖2所示：</b></p><p><b>　　原始圖像</b></p><p><b>　　YCbCr圖</b></p><p>　　圖2 原圖像與YCbCr圖</p><p>　　4.1.2人臉顏色建模膨脹與腐蝕</

25、p><p>　　long lOffsetJudge；</p><p>　　for(int i_l；i<height-I；i++)</p><p>　　for(intj=l；j<width?l；j++)</p><p><b>　　{</b></p><p>　　lOffset=this一&

26、gt;PixelOffset(i，j，wBytesPerLine)；</p><p>　　，，如果當(dāng)前點(diǎn)為白色，接著循環(huán)</p><p>　　if(+(1pData+lOffseO一255、</p><p><b>　　{</b></p><p>　　+(1pTemp+IOffset++)=255；</p>

27、<p>　　+(1pTemp+lOffset++)=255；</p><p>　　+(1pTemp+lOffset++)=255；</p><p><b>　　continue；</b></p><p><b>　　}</b></p><p>　　，／否則考察上下左右四個(gè)點(diǎn)</p&

28、gt;<p><b>　　else</b></p><p><b>　　{</b></p><p>　　IOffsetJudge=this->PixelOffset(i一1，j，wBytesPerLine)</p><p>　　，／如果上面的點(diǎn)為白色</p><p>　　if(+

29、(1pData+10ffsetJudge)一255)</p><p>　　f ／／設(shè)置為白色，并繼續(xù)循環(huán)</p><p><b>　　代碼：</b></p><p><b>　　I=RGB;</b></p><p>　　W=size(YCbCr,1); %

30、y對應(yīng)矩陣寬大小</p><p>　　H=size(YCbCr,2); %y對應(yīng)矩陣高大小 </p><p>　　k=(2.53/180)*pi;</p><p>　　m=sin(k);n=cos(k); %正余弦噪聲</p><p>　　%%%111111111111111111111111111&

31、lt;/p><p>　　cx=109.38;cy=152.02;ecx=1.60;</p><p>　　ecy=2.41;a=25.39;b=14.03; %(cb=( 100,140),cr=(70,160)這是閾值，這個(gè)閾值應(yīng)該是人臉膚色的范圍</p><p>　　for i=1:W </p><p>　　for j=1:H </p&g

32、t;<p>　　if Y(i,j)<110 </p><p>　　I(i,j,:)=0;</p><p>　　elseif (Y(i,j)<=200&&Y(i,j)>=110) </p><p>　　x=(double(Cb(i,j))-cx)*n+(double(Cr(i,j))-cy)*m;</p>

33、<p>　　y=(double(Cr(i,j))-cy)*n-(double(Cb(i,j))-cx)*m;</p><p>　　if((x-ecx)^2/a^2+(y-ecy)^2/b^2)<=1 </p><p>　　I(i,j,:)=255;</p><p>　　else I(i,j,:)=0;</p><p>　　en

34、d </p><p>　　elseif Y(i,j)>200 </p><p>　　x=(double(Cb(i,j))-cx)*n+(double(Cr(i,j))-cy)*m;</p><p>　　y=(double(Cr(i,j))-cy)*n-(double(Cb(i,j))-cx)*m;</p><p>　　if

35、((x-ecx)^2/(1.1*a)^2+(y-ecy)^2/(1.1*b)^2)<=1 </p><p>　　I(i,j,:)=255; %膚色部分變?yōu)榘咨?lt;/p><p>　　else I(i,j,:)=0; %其余轉(zhuǎn)成黑色</p><p><b>　　end </b></p>

36、<p><b>　　end </b></p><p><b>　　end </b></p><p>　　end </p><p>　　figure,imshow(I);title('膚色區(qū)分后的圖像'); %進(jìn)行將膚色識別后的黑白圖像</p><

37、p><b>　　如圖3所示：</b></p><p>　　圖3膚色區(qū)分后的圖像</p><p><b>　　處理</b></p><p>　　se1=strel('square',35); %這個(gè)函數(shù)可以創(chuàng)建邊長35的方形元素</p><p>　　f0=imclose(I

38、,se1); %利用上面創(chuàng)建的方形元素，彌補(bǔ)imshow(I)中人臉中以及其他部分殘留的小塊黑色</p><p>　　figure,imshow(f0);</p><p>　　title('修補(bǔ)漏洞后的人臉'); %顯示修補(bǔ)漏洞后的人臉</p><p><b>　　如圖4所示：</b></p>&l

39、t;p>　　圖4 修補(bǔ)漏洞后的人臉圖</p><p>　　4.1.4人臉區(qū)域的定位</p><p>　　人臉定位是完成對需定位的人臉運(yùn)動區(qū)域進(jìn)行膚色檢測。在膚色分割階段，采用YCrCb色度空間，能較好地獲取膚色區(qū)域，排除一些類似人臉膚色的非人臉區(qū)域，并使用投影法正確標(biāo)記人臉。人臉定位過程包括5個(gè)步驟。 </p><p>　　相似度計(jì)算方法，把三維RG

40、B降為二維，在二維平面上，膚色的區(qū)域相對集中，根據(jù)膚色在色度空間的高斯(Gauss)分布，將彩色圖像中的某個(gè)像素從RGB色彩空間變換到Y(jié)CbCr空間，可以計(jì)算出該像素點(diǎn)屬于膚色區(qū)域的概率，即根據(jù)該像素點(diǎn)離高斯分布中心的遠(yuǎn)近程度得到一個(gè)與膚色的相似度相似度計(jì)算               &

41、#160;           </p><p>　　2) 選擇適當(dāng)?shù)拈撝?，對圖像中的待檢測區(qū)域進(jìn)行二值化處理。 </p><p>　　3) 對二值圖像作形態(tài)學(xué)處理，利用圓形結(jié)構(gòu)元素作膨脹變換，抹掉細(xì)節(jié)，使圖像平滑。 4) 用直方圖

42、方式對二值圖像進(jìn)行垂直投影和水平投影，如圖2b和圖2c所示。</p><p>　　圖像中人臉區(qū)域的獲取,根據(jù)膚色來獲取,通過膚色非線形分段色彩變換來實(shí)現(xiàn)。對圖像進(jìn)行圖像灰度化、高斯平滑處理、對比度增強(qiáng)、二值化等一系列的圖像處理之后,可以根據(jù)人的兩個(gè)眼睛具有對稱、眼睛下面有鼻子、再往下有嘴巴的特點(diǎn),來確定劃分的區(qū)域是否就是人臉區(qū)域</p><p>　　BW = im2bw(f0, grayt

43、hresh(f0)); </p><p>　　figure, imshow(RGB);</p><p>　　title('網(wǎng)格標(biāo)記圖像', 'FontWeight', 'Bold');</p><p><b>　　hold on;</b></p><p>　　

44、[xt, yt] = meshgrid(round(linspace(1, size(I, 1), 10)), ...</p><p>　　round(linspace(1, size(I, 2), 10)));</p><p>　　mesh(yt, xt, zeros(size(xt)), 'FaceColor', ...</p><p>　　&#

45、39;None', 'LineWidth', 3, ...</p><p>　　'EdgeColor', 'r');</p><p><b>　　如圖5所示：</b></p><p>　　圖5 網(wǎng)格標(biāo)記圖像圖</p><p><b>　　第二步</b

46、></p><p>　　[n1, n2] = size(BW);</p><p>　　r = floor(n1/10); % 分成10塊，行</p><p>　　c = floor(n2/10); % 分成10塊，列</p><p>　　x1 = 1; x2 = r; % 對應(yīng)行初始化</p><p>　　s

47、= r*c; % 塊面積</p><p>　　for i = 1:10</p><p>　　y1 = 1; y2 = c; % 對應(yīng)列初始化</p><p>　　for j = 1:10</p><p>　　if(y2<=c | y2>=9*c) | (x1==1 | x2==r*10)</p><p>&

48、lt;b>　　%如果是在四周區(qū)域</b></p><p>　　loc = find(BW(x1:x2, y1:y2)==0);</p><p>　　[p, q] = size(loc);</p><p>　　pr = p/s*100; % 黑色像素所占的比例數(shù)</p><p>　　if pr<= 100</p&g

49、t;<p>　　f1(x1:x2, y1:y2) = 0;</p><p><b>　　end</b></p><p><b>　　end</b></p><p>　　y1 = y1+c; % 列跳躍</p><p>　　y2 = y2+c; % 列跳躍</p><

50、p><b>　　end</b></p><p>　　x1 = x1+r; % 行跳躍</p><p>　　x2 = x2+r; % 行跳躍</p><p><b>　　end</b></p><p>　　[L, num] = bwlabel(BW, 8); % 區(qū)域標(biāo)記</p>

51、<p>　　stats = regionprops(L, 'BoundingBox'); % 得到包圍矩形框</p><p>　　Bd = cat(1, stats.BoundingBox);</p><p>　　[s1, s2] = size(Bd);</p><p><b>　　mx = 0;</b></p&

52、gt;<p>　　for k = 1:s1</p><p>　　p = Bd(k, 3)*Bd(k, 4); % 寬*高</p><p>　　if p>mx && (Bd(k, 3)/Bd(k, 4))<1.8 %%%如果滿足面積塊大，而且寬/高<1.8</p><p><b>　　mx = p;<

53、/b></p><p><b>　　j = k;</b></p><p><b>　　end</b></p><p><b>　　end</b></p><p>　　figure,imshow(RGB); hold on;</p><p>　　re

54、ctangle('Position', Bd(j, :), ...</p><p>　　'EdgeColor', 'r', 'LineWidth', 3);</p><p>　　title('標(biāo)記圖像', 'FontWeight', 'Bold');</p><

55、;p><b>　　如圖6所示：</b></p><p><b>　　圖6人臉識別標(biāo)記圖</b></p><p>　　4．1.5對原圖像進(jìn)行臉部模糊處理</p><p>　　h1=ones(40,40)/1600;</p><p>　　I2=imfilter(RGB ,h1); %對原圖像進(jìn)行

56、全部模糊</p><p>　　%figure,imshow(I2);</p><p>　　a=Bd(j,:);%臉部標(biāo)記的矩形框的四個(gè)坐標(biāo)</p><p>　　for i=a(2)-0.5:a(2)-0.5+a(4);</p><p>　　for j=a(1)-0.5:a(1)-0.5+a(3);</p><p>　　

57、RGB(i,j,:)=I2(i,j,:);%部分模糊的替換</p><p><b>　　end</b></p><p><b>　　end</b></p><p>　　figure,imshow(RGB);title('模糊后的人臉圖像'); %顯示模糊后的人臉</p><p>&l

58、t;b>　　如圖7所示：</b></p><p>　　圖7 人臉模糊隱私保護(hù)圖</p><p><b>　　總結(jié)與致謝</b></p><p>　　這一次做的圖像人臉區(qū)域隱私保護(hù)系統(tǒng)設(shè)計(jì)。原理看似簡單，但過程讓我深深感受到再簡單的圖像處理，理論與實(shí)際也會有一定的差入。在參考書設(shè)計(jì)原理的基礎(chǔ)上經(jīng)過了個(gè)人的改進(jìn)，讓功能更完善，特別

59、是程序的調(diào)試，花的時(shí)間最多，也是最難的一個(gè)地方。通過本次設(shè)計(jì)，培養(yǎng)了創(chuàng)新意識和綜合素質(zhì)，更好地掌握了數(shù)字圖像處理設(shè)計(jì)，提高個(gè)人基本能力、實(shí)驗(yàn)及設(shè)計(jì)能力和獨(dú)立工作能力，基本知識更加牢固人臉檢測及識別算法研究近年來受到很大關(guān)注，同時(shí)也得到了很大的進(jìn)展。但是考慮到視頻處理的復(fù)雜程度，大多數(shù)檢測或識別率高的算法往往都要在計(jì)算上付出很大的代價(jià)而失去了使用價(jià)值。而本文提出的一種基于差分和膚色的人臉檢測算法，在計(jì)算量上大大減少，同時(shí)抑制背景噪聲。隨著

60、硬件技術(shù)的進(jìn)步，采用攝像機(jī)的圖像系統(tǒng)的成本已經(jīng)不高，使得這種算法有大量應(yīng)用的條件，實(shí)驗(yàn)表明該算法具有可行性。，在編程調(diào)試、查資料，在設(shè)計(jì)的過程和設(shè)計(jì)說明書的撰寫過程中，老師給予了我熱心的幫助和大力的支持，給我提了諸多的寶貴意見，拓寬了我的思路。在此我向老師們表示衷心的感謝！</p><p><b>　　參考文獻(xiàn)</b></p><p>　　[1] 王科俊,姚向輝．人臉

61、圖像檢測與識別方法綜述[J]．自動化技術(shù)與應(yīng)用．2004, 23(12).</p><p>　　[2] 邢藏菊,曲延鋒,王守覺．靜態(tài)灰度圖像中的人臉快速檢測[J]．計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)．V01．14,No．May,2002． </p><p>　　[3] 周杰,盧春雨,張長水,等.人臉自動識別方法綜述[J].電子學(xué)報(bào),2004 (4):102-106.</p><

62、p>　　[4] 簡(Jain A.K.) [美],韓博,徐楓著．?dāng)?shù)字圖像處理基礎(chǔ)[M]．北京：清華大學(xué)出版社,2006.</p><p>　　[5] 岡薩雷斯．?dāng)?shù)字圖像處理(MATLAB)中文版[M]．北京：電子工業(yè)出版社,2007.</p><p>　　[6] Castleman, K. R.[美]著,朱志剛等譯．?dāng)?shù)字圖像處理[M]．北京:電子工業(yè)出版社,2002．</p&g

63、t;<p>　　[7] 朱虹．?dāng)?shù)字圖像處理基礎(chǔ)[M]．北京：科學(xué)出版社,2005.</p><p>　　[8] 劉志敏,揚(yáng)杰,施鵬飛．?dāng)?shù)學(xué)形態(tài)學(xué)的圖像分割算法[D]．計(jì)算機(jī)工程與科學(xué),1998,20 (4):21．</p><p>　　[9] 章毓晉．圖像分割．北京:科學(xué)出版社,2001．</p><p>　　[10] 王樹偉,楊鴝．Matlab 6.

64、5輔助圖像處理[M]．電子工業(yè)出版社,2003.</p><p><b>　　附錄：系統(tǒng)設(shè)計(jì)程序</b></p><p>　　RGB=imread('face06.jpg'); %face02,04,06</p><p>　　YCbCr=rgb2ycbcr(RGB); %將RGB色彩值變換為YcbCr色彩空間（將RGB真

65、彩色圖像轉(zhuǎn)化為YcbCr色彩空間中相等的圖像）</p><p>　　Y=YCbCr(:,:,1); %這三行分別是Ycbcr空間的y,cb,cr對應(yīng)矩陣</p><p>　　Cb=YCbCr(:,:,2);</p><p>　　Cr=YCbCr(:,:,3);</p><p>　　imshow(RGB);title(

66、9;原始圖像RGB'); %原始圖像</p><p>　　figure,imshow(YCbCr);title('YcbCr色彩空間的圖像'); %進(jìn)行將RGB色彩值變換為YcbCr色彩空間的圖像</p><p><b>　　I=RGB;</b></p><p>　　W=si

67、ze(YCbCr,1); %y對應(yīng)矩陣寬大小</p><p>　　H=size(YCbCr,2); %y對應(yīng)矩陣高大小 </p><p>　　k=(2.53/180)*pi;</p><p>　　m=sin(k);n=cos(k); %正余弦噪聲</p><p&

68、gt;　　%%%111111111111111111111111111</p><p>　　cx=109.38;cy=152.02;ecx=1.60;</p><p>　　ecy=2.41;a=25.39;b=14.03; %(cb=( 100,140),cr=(70,160)這是閾值，這個(gè)閾值應(yīng)該是人臉膚色的范圍</p><p>　　for i=1:W </

69、p><p>　　for j=1:H </p><p>　　if Y(i,j)<110 </p><p>　　I(i,j,:)=0;</p><p>　　elseif (Y(i,j)<=200&&Y(i,j)>=110) </p><p>　　x=(double(Cb(i,j))-cx)*n

70、+(double(Cr(i,j))-cy)*m;</p><p>　　y=(double(Cr(i,j))-cy)*n-(double(Cb(i,j))-cx)*m;</p><p>　　if((x-ecx)^2/a^2+(y-ecy)^2/b^2)<=1 </p><p>　　I(i,j,:)=255;</p><p>　　else

71、I(i,j,:)=0;</p><p>　　end </p><p>　　elseif Y(i,j)>200 </p><p>　　x=(double(Cb(i,j))-cx)*n+(double(Cr(i,j))-cy)*m;</p><p>　　y=(double(Cr(i,j))-cy)*n-(double(Cb(i,

72、j))-cx)*m;</p><p>　　if ((x-ecx)^2/(1.1*a)^2+(y-ecy)^2/(1.1*b)^2)<=1 </p><p>　　I(i,j,:)=255; %膚色部分變?yōu)榘咨?lt;/p><p>　　else I(i,j,:)=0; %其余轉(zhuǎn)成黑色</p><p><b>　　end <

73、/b></p><p><b>　　end </b></p><p><b>　　end </b></p><p>　　end </p><p>　　figure,imshow(I);title('膚色區(qū)分后的圖像'); %進(jìn)行將膚色識別后的黑白圖像

74、</p><p>　　%%%1111111111111111111</p><p>　　%%%%%%%%% 找到人臉區(qū)域并設(shè)為白色%%%% (r=35)</p><p>　　se1=strel('square',35);%這個(gè)函數(shù)可以創(chuàng)建邊長35的方形元素</p><p>　　f0=imclose(I,se1);%利用上面創(chuàng)建

75、的方形元素，彌補(bǔ)imshow(I)中人臉中以及其他部分殘留的小塊黑色</p><p>　　figure,imshow(f0);title('修補(bǔ)漏洞后的人臉'); %顯示修補(bǔ)漏洞后的人臉</p><p>　　%%%44444444444444444444444444444</p><p>　　BW = im2bw(f0, graythresh(f0)

76、); % 二值化</p><p>　　figure, imshow(RGB);</p><p>　　title('網(wǎng)格標(biāo)記圖像', 'FontWeight', 'Bold');</p><p><b>　　hold on;</b></p><p>　　[xt, yt] =

77、meshgrid(round(linspace(1, size(I, 1), 10)), ...</p><p>　　round(linspace(1, size(I, 2), 10)));</p><p>　　mesh(yt, xt, zeros(size(xt)), 'FaceColor', ...</p><p>　　'None'

78、;, 'LineWidth', 3, ...</p><p>　　'EdgeColor', 'r');</p><p>　　[n1, n2] = size(BW);</p><p>　　r = floor(n1/10); % 分成10塊，行</p><p>　　c = floor(n2/10);

79、 % 分成10塊，列</p><p>　　x1 = 1; x2 = r; % 對應(yīng)行初始化</p><p>　　s = r*c; % 塊面積</p><p>　　for i = 1:10</p><p>　　y1 = 1; y2 = c; % 對應(yīng)列初始化</p><p>　　for j = 1:10</p>

80、;<p>　　if(y2<=c || y2>=9*c) || (x1==1 || x2==r*10)</p><p><b>　　%如果是在四周區(qū)域</b></p><p>　　loc = find(BW(x1:x2, y1:y2)==0);</p><p>　　[p, q] = size(loc);</p>

81、;<p>　　pr = p/s*100; % 黑色像素所占的比例數(shù)</p><p>　　if pr<= 100</p><p>　　f1(x1:x2, y1:y2) = 0;</p><p><b>　　end</b></p><p><b>　　end</b></p>

82、;<p>　　y1 = y1+c; % 列跳躍</p><p>　　y2 = y2+c; % 列跳躍</p><p><b>　　end</b></p><p>　　x1 = x1+r; % 行跳躍</p><p>　　x2 = x2+r; % 行跳躍</p><p><b&g

83、t;　　end</b></p><p>　　[L, num] = bwlabel(BW, 8); % 區(qū)域標(biāo)記</p><p>　　stats = regionprops(L, 'BoundingBox'); % 得到包圍矩形框</p><p>　　Bd = cat(1, stats.BoundingBox);</p>&l

84、t;p>　　[s1, s2] = size(Bd);</p><p><b>　　mx = 0;</b></p><p>　　for k = 1:s1</p><p>　　p = Bd(k, 3)*Bd(k, 4); % 寬*高</p><p>　　if p>mx && (Bd(k, 3)/B

85、d(k, 4))<1.8</p><p>　　%%%如果滿足面積塊大，而且寬/高<1.8</p><p><b>　　mx = p;</b></p><p><b>　　j = k;</b></p><p><b>　　end</b></p><

86、p><b>　　end</b></p><p>　　figure,imshow(RGB); hold on;</p><p>　　rectangle('Position', Bd(j, :), ...</p><p>　　'EdgeColor', 'r', 'LineWidth

87、9;, 3);</p><p>　　title('標(biāo)記圖像', 'FontWeight', 'Bold');</p><p>　　%%%44444444444444444444444444444</p><p>　　%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%下面為圖像局部模糊</p>

88、<p>　　h1=ones(40,40)/1600;</p><p>　　I2=imfilter(RGB ,h1); %對原圖像進(jìn)行全部模糊</p><p>　　%figure,imshow(I2);</p><p>　　a=Bd(j,:);%臉部標(biāo)記的矩形框的四個(gè)坐標(biāo)</p><p>　　for i=a(2)-0.5:a(2)-0

89、.5+a(4);</p><p>　　for j=a(1)-0.5:a(1)-0.5+a(3);</p><p>　　% for i=60:233; %60:233</p><p>　　% for j=257:400; %257:400</p><p>　　RGB(i,j,:)=I