人臉識(shí)別系統(tǒng)的研究與實(shí)現(xiàn) ——畢業(yè)論文

1、<p><b>　　摘要</b></p><p>　　人臉識(shí)別因其在安全驗(yàn)證系統(tǒng)、信用卡驗(yàn)證、醫(yī)學(xué)、檔案管理、視頻會(huì)</p><p>　　議、人機(jī)交互、系統(tǒng)公安(罪犯識(shí)別等)等方面的巨大應(yīng)用前景而越來越成為</p><p>　　當(dāng)前模式識(shí)別和人工智能領(lǐng)域的一個(gè)研究熱點(diǎn)。</p><p>　　本文提出了基于24位

2、彩色圖像對(duì)人臉進(jìn)行識(shí)別的方法，介紹的主要內(nèi)容是圖像處理，它在整個(gè)軟件中占有極其重要的地位，圖像處理的好壞直接影響著定位和識(shí)別的準(zhǔn)確率。本軟件主要用到的圖像處理技術(shù)是：光線補(bǔ)償、高斯平滑和二值化。在識(shí)別前，先對(duì)圖像進(jìn)行補(bǔ)光處理，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(duì)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(shí)別等操作。經(jīng)過測(cè)試，圖像預(yù)

3、處理模塊對(duì)圖像的處理達(dá)到了較好的效果，提高了定位和識(shí)別的正確率。</p><p>　　【關(guān)鍵字】：人臉識(shí)別；光線補(bǔ)償；高斯平滑；對(duì)比度增強(qiáng)</p><p><b>　　Abstract</b></p><p>　　Face recognition is a complex and difficult problem that is import

4、ant for surveillance and security, telecommunications, digital libraries , video meeting, and human-computer intelligent interactions. </p><p>　　The paper introduced the method of face recognition that based

5、 on the 24 bit multicolor image, Main content that the paper introduced is the picture treatment, It occupies the extremely important position in the whole software, the quality of picture process directly influenced the

6、 accuracy rate of localization and discerning. The picture process technology that the software mainly used included : light compensating、gauss smooth and twain value method. before discerning, we compensated the light&l

7、t;/p><p>　　【key word】: Face recognition； light compensating； gauss smooth；contrast enhancing </p><p><b>　　第一章 前言</b></p><p><b>　　第一節(jié) 課題背景</b></p><p

8、><b>　　一 課題的來源</b></p><p>　　隨著安全入口控制和金融貿(mào)易方面應(yīng)用需要的快速增長(zhǎng)，生物統(tǒng)計(jì)識(shí)別技術(shù)得到了新的重視。目前，微電子和視覺系統(tǒng)方面取得的新進(jìn)展，使該領(lǐng)域中高性能自動(dòng)識(shí)別技術(shù)的實(shí)現(xiàn)代價(jià)降低到了可以接受的程度。而人臉識(shí)別是所有的生物識(shí)別方法中應(yīng)用最廣泛的技術(shù)之一，人臉識(shí)別技術(shù)是一項(xiàng)近年來興起的，但不大為人所知的新技術(shù)。人們更多的是在電影中看到這種技術(shù)的

9、神奇應(yīng)用：警察將偷拍到的嫌疑犯的臉部照片，輸入到電腦中，與警方數(shù)據(jù)庫中的資料進(jìn)行比對(duì)，并找出該嫌犯的詳細(xì)資料和犯罪記錄。這并非虛構(gòu)的情節(jié)。在國(guó)外，人臉識(shí)別技術(shù)早已被大量使用在國(guó)家重要部門以及軍警等安防部門。在國(guó)內(nèi)，對(duì)于人臉識(shí)別技術(shù)的研究始于上世紀(jì)90年代，目前主要應(yīng)用在公安、金 融、網(wǎng)絡(luò)安全、物業(yè)管理以及考勤等領(lǐng)域。</p><p>　　二 人臉識(shí)別技術(shù)的研究意義</p><p>　　1

10、、富有挑戰(zhàn)性的課題</p><p>　　人臉識(shí)別是機(jī)器視覺和模式識(shí)別領(lǐng)域最富有挑戰(zhàn)性的課題之一，同時(shí)也具有較為廣泛的應(yīng)用意義。人臉識(shí)別技術(shù)是一個(gè)非?；钴S的研究領(lǐng)域，它覆蓋了數(shù)字圖像處理、模式識(shí)別、計(jì)算機(jī)視覺、神經(jīng)網(wǎng)絡(luò)、心理學(xué)、生理學(xué)、數(shù)學(xué)等諸多學(xué)科的內(nèi)容。如今，雖然在這方面的研究已取得了一些可喜的成果，但是FRT在實(shí)用應(yīng)用中仍面臨著很嚴(yán)峻的問題,因?yàn)槿四樜骞俚姆植际欠浅Ｏ嗨频?，而且人臉本身又是一個(gè)柔性物體，表情、

11、姿態(tài)或發(fā)型、化妝的千變?nèi)f化都給正確識(shí)別帶來了相當(dāng)大的麻煩。如何能正確識(shí)別大量的人并滿足實(shí)時(shí)性要求是迫切需要解決的問題。</p><p>　　2、面部關(guān)鍵特征定位及人臉2D形狀檢測(cè)技術(shù)</p><p>　　在人臉檢測(cè)的基礎(chǔ)上，面部關(guān)鍵特征檢測(cè)試圖檢測(cè)人臉上的主要的面部特征點(diǎn)的位置和眼睛和嘴巴等主要器官的形狀信息?；叶确e分投影曲線分析、模板匹配、可變形模板、Hough變換、Snake算子、基于

12、Gabor小波變換的彈性圖匹配技術(shù)、主動(dòng)性狀模型和主動(dòng)外觀模型是常用的方法?！?可變形模板的主要思想是根據(jù)待檢測(cè)人臉特征的先驗(yàn)的形狀信息，定義一個(gè)參數(shù)描述的形狀模型，該模型的參數(shù)反映了對(duì)應(yīng)特征形狀的可變部分，如位置、大小、角度等，它們最終通過模型與圖像的邊緣、峰、谷和灰度分布特性的動(dòng)態(tài)地交互適應(yīng)來得以修正。由于模板變形利用了特征區(qū)域的全局信息，因此可以較好地檢測(cè)出相應(yīng)的特征形狀。由于可變形模板要采用優(yōu)化算法在參數(shù)空間內(nèi)進(jìn)行能量函數(shù)極小

13、化，因此算法的主要缺點(diǎn)在于兩點(diǎn)：一、對(duì)參數(shù)初值的依賴程度高，很容易陷入局部最?。欢?、計(jì)算時(shí)間長(zhǎng)。針對(duì)這兩方面的問題，我們采用了一種由粗到細(xì)的檢測(cè)算法：首先利用人臉器官構(gòu)造的先驗(yàn)知識(shí)、面部圖像灰度分布的峰谷和頻率特性粗略檢測(cè)出眼睛、鼻子、嘴、下巴的大致區(qū)域和一些關(guān)鍵的特征點(diǎn)；然后在此基礎(chǔ)上，給出了較好的模板的初始參數(shù)，從而可以大幅提高算法的速度和精度?！　⊙劬κ敲娌孔钪?lt;/p><p>　　3、面部感知系統(tǒng)的重要

14、內(nèi)容</p><p>　　基于視覺通道信息的面部感知系統(tǒng)，包括人臉檢測(cè)和跟蹤、面部特征定位、面部識(shí)別、人臉歸類（年齡、種族、性別等的判別）、表情識(shí)別、唇讀等分系統(tǒng)，如圖1-1所式，可以看出，繼人臉檢測(cè)和跟追之后，面部特征定位通常是面部感知的一個(gè)必備環(huán)節(jié)，是后續(xù)工作的基礎(chǔ)，具有重要的意義。盡管人臉識(shí)別不能說是其他面部感知模塊的必備功能，但是， 可以肯定的是，利用已知的身份信息，結(jié)合特定人的先驗(yàn)知識(shí)，可以提高表情分析

15、、唇讀和語音識(shí)別、手勢(shì)識(shí)別乃至手寫體識(shí)別的可靠性。而計(jì)算機(jī)對(duì)使用者身份確認(rèn)的最直接的應(yīng)用就是基于特定使用者的環(huán)境設(shè)置：如使用者的個(gè)性化工作環(huán)境，信息的共享和隱私保護(hù)等等。</p><p>　　圖1-1面部感知系統(tǒng)結(jié)構(gòu)圖</p><p>　　第二節(jié) 人臉識(shí)別的國(guó)內(nèi)外發(fā)展概況</p><p>　　現(xiàn)在人臉識(shí)別技術(shù)已經(jīng)應(yīng)用在許多領(lǐng)域中，并起到了舉足輕重的作用，人臉識(shí)別研

16、究開始于1966年P(guān)RI的Bledsoe的工作，經(jīng)過三十多年的發(fā)展，人臉識(shí)別技術(shù)取得了長(zhǎng)足的進(jìn)步， 現(xiàn)在就目前國(guó)內(nèi)外的發(fā)展情況來進(jìn)行展述。</p><p>　　一 國(guó)外的發(fā)展概況[1]</p><p>　　見諸文獻(xiàn)的機(jī)器自動(dòng)人臉識(shí)別研究開始于1966年P(guān)RI的Bledsoe的工作，1990年日本研制的人像識(shí)別機(jī)，可在1秒鐘內(nèi)中從3500人中識(shí)別到你要找的人。1993年，美國(guó)國(guó)防部高級(jí)研究

17、項(xiàng)目署 (Advanced Research Projects Agency)和美國(guó)陸軍研究實(shí)驗(yàn)室(Army Research Laboratory)成立了Feret(Face Recognition Technology) 項(xiàng)目組，建立了feret 人臉數(shù)據(jù)庫，用于評(píng)價(jià)人臉識(shí)別算法的性能。</p><p>　　美國(guó)陸軍實(shí)驗(yàn)室也是利用vc++開發(fā)，通過軟件實(shí)現(xiàn)的，并且FAR為49%。在美國(guó)的進(jìn)行的公開測(cè)試中，F(xiàn)A

18、R，為53%。美國(guó)國(guó)防部高級(jí)研究項(xiàng)目署，利用半自動(dòng)和全自動(dòng)算法。這種算法需要人工或自動(dòng)指出圖像中人的兩眼的中心坐標(biāo)，然后進(jìn)行識(shí)別。在機(jī)場(chǎng)開展的測(cè)試中，系統(tǒng)發(fā)出的錯(cuò)誤警報(bào)太多，國(guó)外的一些高校（卡內(nèi)基梅隆大學(xué)（Carnegie Mellon University）為首，麻省理工大學(xué)（Massachusetts Institute of Technology ）等，英國(guó)的雷丁大學(xué)（University of Reading））和公司（Visi

19、onics 公司Facelt 人臉識(shí)別系統(tǒng)、Viiage 的FaceFINDER 身份驗(yàn)證系統(tǒng)、Lau Tech 公司Hunter系統(tǒng)、德國(guó)的BioID 系統(tǒng)等）的工程研究工作也主要放在公安、刑事方面，在考試驗(yàn)證系統(tǒng)的實(shí)現(xiàn)方面深入研究并不多。</p><p>　　二 國(guó)內(nèi)的發(fā)展概況 [2]</p><p>　　人臉識(shí)別系統(tǒng)現(xiàn)在在大多數(shù)領(lǐng)域中起到舉足輕重的作用，尤其是用在機(jī)關(guān)單位的安全和考

20、勤、網(wǎng)絡(luò)安全、銀行、海關(guān)邊檢、物業(yè)管理、軍隊(duì)安全、智能身份證、智能門禁、司機(jī)駕照驗(yàn)證、計(jì)算機(jī)登錄系統(tǒng)。我國(guó)在這方面也取得了較好的成就，國(guó)家863項(xiàng)目“面像檢測(cè)與識(shí)別核心技術(shù)”通過成果鑒定并初步應(yīng)用，就標(biāo)志著我國(guó)在人臉識(shí)別這一當(dāng)今熱點(diǎn)科研領(lǐng)域掌握了一定的核心技術(shù)。北京科瑞奇技術(shù)開發(fā)股份有限公司在2002年開發(fā)了一種人臉鑒別系統(tǒng)，對(duì)人臉圖像進(jìn)行處理，消除了照相機(jī)的影響，再對(duì)圖像進(jìn)行特征提取和識(shí)別。這對(duì)于人臉鑒別特別有價(jià)值，因?yàn)槿四樿b別通常使

21、用正面照，要鑒別的人臉圖像是不同時(shí)期拍攝的，使用的照相機(jī)不一樣。系統(tǒng)可以接受時(shí)間間隔較長(zhǎng)的照片，并能達(dá)到較高的識(shí)別率，在計(jì)算機(jī)中庫藏2300人的正面照片，每人一張照片，使用相距1--7年、差別比較大的照片去查詢，首選率可以達(dá)到50%，前20張輸出照片中包含有與輸入照片為同一人的照片的概率可達(dá)70% 。 2005年1月18日，由清華大學(xué)電子系人臉識(shí)別課題組負(fù)責(zé)人蘇光大教授主持承擔(dān)的國(guó)家"十五"攻關(guān)項(xiàng)目《人臉識(shí)

22、別系統(tǒng)》通過了由公安部主持的專家鑒定。鑒定委員會(huì)認(rèn)為，該項(xiàng)技術(shù)處于國(guó)內(nèi)領(lǐng)</p><p>　　本論文主要對(duì)該人臉識(shí)別系統(tǒng)進(jìn)行模塊劃分，并介紹各模塊的功能，重點(diǎn)介紹圖像預(yù)處理模塊，對(duì)其內(nèi)的子模塊的功能和算法進(jìn)行詳細(xì)講述，主要介紹光線補(bǔ)償、圖像灰度化、高斯平滑、均衡直方圖、圖像對(duì)比度增強(qiáng)，圖像預(yù)處理模塊在整個(gè)系統(tǒng)中起著極其關(guān)鍵的作用，圖像處理的好壞直接影響著后面的定位和識(shí)別工作。</p><p&g

23、t;　　第二章 系統(tǒng)的需求分析與方案選擇</p><p>　　人臉識(shí)別系統(tǒng)現(xiàn)在應(yīng)用于許多領(lǐng)域中，但是人臉識(shí)別技術(shù)也是一項(xiàng)近年來興起的，且不大為人所知的新技術(shù)。在我國(guó)以及其他國(guó)家都有大量的學(xué)者正在研究之中，不斷的更新人臉識(shí)別技術(shù)，以便系統(tǒng)的識(shí)別準(zhǔn)確率達(dá)到新的高度。</p><p>　　第一節(jié) 可行性分析</p><p>　　在開發(fā)該人臉識(shí)別軟件之前，我們查詢了前人所

24、寫過的諸多論文以及源程序，在開發(fā)之時(shí)，結(jié)合了資料中的算法并揉進(jìn)了自己的一些思想，使程序可以對(duì)人臉圖片進(jìn)行簡(jiǎn)易識(shí)別。</p><p><b>　　一 技術(shù)可行性</b></p><p>　　圖像的處理方法很多，我們可以根據(jù)需要，有選擇地使用各種方法。</p><p>　　在確定臉部區(qū)域上，通常使用的方法有膚色提取。膚色提取，則對(duì)臉部區(qū)域的獲取則

25、比較準(zhǔn)確，成功率達(dá)到95%以上，并且速度快，減少很多工作。</p><p>　　圖像的亮度變化，由于圖像的亮度在不同環(huán)境的當(dāng)中，必然受到不同光線的影響，圖像就變得太暗或太亮，我們就要對(duì)它的亮度進(jìn)行調(diào)整，主要采取的措施是對(duì)圖像進(jìn)行光線補(bǔ)償。</p><p>　　高斯平滑：在圖像的采集過程中,由于各種因素的影響,圖像中往往會(huì)出現(xiàn)一些不規(guī)則的隨機(jī)噪聲,如數(shù)據(jù)在傳輸、存儲(chǔ)時(shí)發(fā)生的數(shù)據(jù)丟失和損壞等,

26、這些都會(huì)影響圖像的質(zhì)量，因此需要將圖片進(jìn)行平滑操作以此來消除噪聲。</p><p>　　灰度變換：進(jìn)行灰度處理，我們要保證圖像信息盡可能少的丟失。同樣在進(jìn)行灰度變換前，我們也要對(duì)圖像的信息進(jìn)行統(tǒng)計(jì)，找出一個(gè)比較合理的灰度值，才能進(jìn)行灰度變換。</p><p>　　灰度均衡：灰度變換后，就要進(jìn)行灰度均衡，可以根據(jù)灰度分布來進(jìn)行灰度均衡。</p><p>　　對(duì)比度增強(qiáng)

27、：將所要處理的區(qū)域和周圍圖像區(qū)域進(jìn)一步拉開他們的對(duì)比度，使它們更加明顯，主要通過像素的聚集來實(shí)現(xiàn)。</p><p><b>　　二 操作可行性</b></p><p>　　該人臉識(shí)別軟件需要如下的運(yùn)行環(huán)境：CPU：500M及以上；內(nèi)存：64 M及以上。安裝有Windows 98、Windows Me、Windows 2000、Windows NT等操作系統(tǒng)中的其中一

28、種。另還裝有攝像頭可進(jìn)行隨機(jī)拍照和識(shí)別。因此，從操作可行性來看，只要系統(tǒng)用戶的硬件軟件設(shè)備滿足以上條件，即可用該人臉識(shí)別軟件進(jìn)行人臉的識(shí)別。</p><p><b>　　第二節(jié) 需求分析</b></p><p>　　一 應(yīng)用程序的功能需求分析 </p><p>　　該軟件最主要的功能就是要能識(shí)別出人臉，首先該系統(tǒng)需要對(duì)通過攝像頭拍照而獲取到

29、的原始的人臉圖片進(jìn)行一系列處理才可進(jìn)行下一步的工作，該處理過程也稱圖像預(yù)處理。預(yù)處理這個(gè)模塊在整個(gè)人臉識(shí)別系統(tǒng)的開發(fā)過程中占有很重要的地位，只有預(yù)處理模塊做的好，才可能很好的完成后面的人臉定位和特征提取這兩大關(guān)鍵模塊。因此本設(shè)計(jì)中所要完成的主要功能如下所述：</p><p><b>　　圖像獲取功能：</b></p><p>　　該模塊主要是從攝像頭拍照后進(jìn)行獲取圖片

30、，也可以從圖片庫中獲取，獲取后的圖片可以在軟件的界面中顯示出來以便進(jìn)行識(shí)別。</p><p><b>　　圖像預(yù)處理功能：</b></p><p>　　該模塊主要包括圖像光線補(bǔ)償、圖像變成灰色、高斯平滑、均衡直方圖、實(shí)現(xiàn)圖像對(duì)比度增強(qiáng)、二值化變換等。</p><p><b>　　人臉定位功能：</b></p>

31、<p>　　該模塊主要是將處理后的人臉圖片進(jìn)行定位，將眼睛、鼻子、嘴巴標(biāo)記出來，以便進(jìn)行特征提取。</p><p><b>　　特征提取功能：</b></p><p>　　該模塊是在定位后的人臉圖片中將眼睛、鼻子、嘴巴的特征值提取出來。</p><p><b>　　識(shí)別功能：</b></p>&l

32、t;p>　　該模塊是將從圖片中提取的特征值和后臺(tái)數(shù)據(jù)庫中的值進(jìn)行比較來完成識(shí)別功能。</p><p>　　二 開發(fā)環(huán)境需求分析</p><p><b>　　1、硬件環(huán)境</b></p><p><b>　?。?）硬件配置原則</b></p><p>　　具有可靠性，可用性和安全性，具有完善的

33、技術(shù)支持。能夠滿足個(gè)人學(xué)習(xí)和設(shè)計(jì)需要。</p><p>　　（2）運(yùn)行本軟件所需的硬件資源</p><p>　　CPU： 800M及以上；內(nèi)存： 128M及以上</p><p><b>　　2、軟件環(huán)境</b></p><p>　?。?）系統(tǒng)軟件配置原則</p><p>　　能夠滿足該軟件的可靠性

34、，可用性和安全性的要求</p><p>　?。?）系統(tǒng)軟件配置方案</p><p>　　① 配置有持續(xù)工作能力、高穩(wěn)定性、高度可集成的開放式標(biāo)準(zhǔn)的操作系統(tǒng)，如Windows2000，Windows NT，UNIX，Linux等。</p><p>　?、?配備符合ANSI/ISO標(biāo)準(zhǔn)的高級(jí)程序設(shè)計(jì)語言處理軟件。如：Visual C++ 6.0。</p>

35、<p>　?、?熟悉C++高級(jí)程序設(shè)計(jì)語言。</p><p>　　3、 運(yùn)行環(huán)境需求分析</p><p><b>　　（1）、硬件環(huán)境</b></p><p>　　CPU：500M及以上；內(nèi)存：64 M及以上。</p><p><b>　?。?）、軟件環(huán)境</b></p>&

36、lt;p>　　可以運(yùn)行在微軟公司近年來所出的各種操作系統(tǒng)。如Windows 98、Windows Me、Windows 2000、Windows NT等。</p><p>　　第三節(jié) 預(yù)處理方案選擇</p><p>　　一 設(shè)計(jì)方案原則的選擇</p><p>　　本應(yīng)用程序的設(shè)計(jì)方案原則如下：</p><p>　　1、采用較為先進(jìn)的

37、技術(shù)力量，保證應(yīng)用程序在技術(shù)上具備一定的優(yōu)勢(shì)。</p><p>　　2、采用成熟的技術(shù)，保證應(yīng)用程序的安全性和可靠性。</p><p>　　3、應(yīng)用程序便于擴(kuò)展和維護(hù)，易于技術(shù)的更新。</p><p>　　4、應(yīng)用程序充分利用現(xiàn)有的資源，盡量減少不必要的再投資。</p><p>　　5、編寫的代碼必須嚴(yán)謹(jǐn)易讀，代碼的解釋必須清楚明白，為應(yīng)用程

38、序的再開發(fā)提供應(yīng)盡的責(zé)任。</p><p>　　二 圖像文件格式選擇</p><p>　　在設(shè)計(jì)的過程中，為了定位和特征提取的方便，我們采用的是24位位圖。</p><p><b>　　三 開發(fā)工具選擇</b></p><p>　　本次設(shè)計(jì)所用的開發(fā)工具是Microsoft Visual C++ 6.0。 Visua

39、l C++ 6.0是Microsoft公司推出的一種可視化編程工具。它支持多平臺(tái)和交叉平臺(tái)的開發(fā)，將各種編程工具如編輯器、連接器、調(diào)試器等巧妙的結(jié)合在一起，構(gòu)成一個(gè)完美的可視化開發(fā)環(huán)境。用戶無需通過繁雜的編程操作，即可完成Windows下應(yīng)用程序的編輯、編譯、測(cè)試和細(xì)化等工作。</p><p><b>　　四 算法選擇分析</b></p><p>　　本文主要研究的

40、對(duì)象是圖像預(yù)處理模塊，該模塊分為光線補(bǔ)償、圖像灰度化、高斯平滑、圖像對(duì)比度增強(qiáng)、均衡直方圖，每個(gè)小模塊的實(shí)現(xiàn)都有許多相應(yīng)的算法。下面將本系統(tǒng)采用的算法進(jìn)行介紹：</p><p>　　·光線補(bǔ)償 ：由于光線原因，所照的圖像可能會(huì)存在光線不平衡的情況而造成色彩偏差，為了抵消這種整個(gè)圖像中存在的色彩偏差，本系統(tǒng)采用的解決方法是：將整個(gè)圖像中的所有像素的亮度從高到低進(jìn)行排列，取前5%的像素，然后線性放大，使這些

41、像素的平均亮度達(dá)到255。實(shí)際上就是調(diào)整圖片像素的RGB值。</p><p>　　·圖像灰度化：圖像灰度化是將圖像變成灰色，本系統(tǒng)中采用以下步驟來實(shí)現(xiàn)圖像的灰度化：彩色轉(zhuǎn)換成灰度、灰度比例變換、灰度線性變換、灰度線性截?cái)?、灰度取反?lt;/p><p>　　·高斯平滑：在圖像的采集過程中,由于各種因素的影響,圖像中往往會(huì)出現(xiàn)一些不規(guī)則的隨機(jī)噪聲,如數(shù)據(jù)在傳輸、存儲(chǔ)時(shí)發(fā)生的數(shù)

42、據(jù)丟失和損壞等,這些都會(huì)影響圖像的質(zhì)量，因此需要將圖片進(jìn)行平滑操作以此來消除噪聲。但是如果平滑不當(dāng)，就會(huì)使圖像本身的細(xì)節(jié)如邊界輪廓、線條等變的模糊不清，為了既平滑掉噪聲有盡量保持圖像細(xì)節(jié)，本系統(tǒng)采用高斯平滑。</p><p>　　·均衡直方圖：使用該模塊的目的是通過點(diǎn)運(yùn)算使輸入轉(zhuǎn)換為在每一灰度級(jí)上都有相同的像素點(diǎn)數(shù)的輸出圖像。它的實(shí)現(xiàn)主要是利用灰度均衡的轉(zhuǎn)換式</p><p>　

43、　DB = f （DA）= H（u）du 。（式1）</p><p>　　·圖像對(duì)比度增強(qiáng)：為了將圖像的特征一步一步顯現(xiàn)出來，需要進(jìn)行圖像的對(duì)比度增強(qiáng)，它主要通過對(duì)圖像的灰度值進(jìn)行統(tǒng)計(jì)，對(duì)于小于Low則認(rèn)為是有關(guān)的信息，則將它作為黑色處理，對(duì)于處于High以上的則認(rèn)為是一些無關(guān)的信息，將它們?nèi)サ?，而處于兩者之間的，則進(jìn)行對(duì)比度增強(qiáng)，將他們?cè)诳偟幕叶戎道锩娴谋壤鳛樾碌南袼匦畔⒈４嫫饋怼?lt;/p

44、><p>　　第三章 系統(tǒng)的概要設(shè)計(jì)</p><p>　　本章主要介紹系統(tǒng)的結(jié)構(gòu)設(shè)計(jì)的流程以及系統(tǒng)各模塊的功能及相關(guān)原理。</p><p>　　應(yīng)用程序的總體結(jié)構(gòu)設(shè)計(jì)流程圖如圖3－1所示：</p><p>　　圖3－1總體結(jié)構(gòu)設(shè)計(jì)流程圖</p><p>　　圖像預(yù)處理的層次圖如圖3-2所示： </p>&

45、lt;p>　　圖3-2 預(yù)處理的層次圖</p><p>　　第一節(jié) 各模塊功能概述</p><p>　　以上是該系統(tǒng)的總體結(jié)構(gòu)設(shè)計(jì)圖以及圖像預(yù)處理模塊的層次圖。下面介紹系統(tǒng)中的各模塊的功能及算法：</p><p><b>　　圖像獲取模塊</b></p><p>　　該模塊主要是從攝像頭拍照后進(jìn)行獲取圖片，也

46、可以從圖片庫中獲取，獲取后的圖片可以在軟件的界面中顯示出來以便進(jìn)行識(shí)別。</p><p><b>　　人臉區(qū)域獲取</b></p><p>　　該系統(tǒng)中圖像里人臉區(qū)域的獲取，主要是根據(jù)膚色來進(jìn)行獲取，通過膚色非線形分段色彩變換來實(shí)現(xiàn)。這一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，這一類膚色模型的建立首先要選取一種合適的色彩空間。</p>

47、<p><b>　　圖像預(yù)處理模塊</b></p><p>　　圖像預(yù)處理就是對(duì)獲取得來的圖像進(jìn)行適當(dāng)?shù)奶幚?，使它具有的特征能夠在圖像中明顯的表現(xiàn)出來。該模塊中的子模塊有如下5個(gè)，下面對(duì)它們進(jìn)行概述：</p><p><b>　　·光線補(bǔ)償[3]</b></p><p>　　因?yàn)橄到y(tǒng)得到的圖片可能會(huì)存在

48、光線不平衡的情況，這會(huì)影響我們對(duì)特征的提取，同時(shí)系統(tǒng)中要用到Y(jié)crCB色彩空間，所以有必要對(duì)圖像進(jìn)行光線補(bǔ)償。盡可能將它的特征在圖像中表現(xiàn)出來。YcrCB是一種色彩空間，它用于視頻系統(tǒng)中，在該色彩空間中，Y分量表示像素的亮度，Cr表示紅色分量，Cb表示藍(lán)色分量，通常把Cr和Cb稱為色度。YcrCB色彩空間是以演播室質(zhì)量標(biāo)準(zhǔn)為目標(biāo)的CC601編碼方案中采用的彩色表示模型。</p><p><b>　　&#

49、183;灰度變化[4]</b></p><p>　　圖像灰度化的過程就是把彩色圖像轉(zhuǎn)換為黑白色圖像的過程，它也是為了將圖像的信息更加具體、簡(jiǎn)單的表現(xiàn)出來，但是，這樣做也將會(huì)丟失圖像信息。因此，盡可能在轉(zhuǎn)化的過程中用簡(jiǎn)單的方式表現(xiàn)圖像復(fù)雜的信息。</p><p>　　·高斯平滑處理[5]</p><p>　　高斯平滑將對(duì)圖像進(jìn)行平滑處理，在圖像采

50、集過程中，由于各種因素的影響，圖像往往會(huì)出現(xiàn)一些不規(guī)則的噪聲，入圖像在傳輸、存儲(chǔ)等都有可能產(chǎn)生數(shù)據(jù)的丟失。從而影響圖像的質(zhì)量。處理噪聲的過程稱為平滑。平滑可以降低圖像的視覺噪聲，同時(shí)出去圖像中的高頻部分后，那些本來不明顯的低頻成分更容易識(shí)別。平滑可以通過卷積來實(shí)現(xiàn)。經(jīng)過卷積平滑后的水平投影后，二值化提供了較好的圖像效果。</p><p><b>　　·對(duì)比度增強(qiáng)[6]</b><

51、;/p><p>　　對(duì)比度增強(qiáng)，就是對(duì)圖像的進(jìn)一步處理，將對(duì)比度再一次拉開。它針對(duì)原始圖像的每一個(gè)像素直接對(duì)其灰度進(jìn)行處理的，其處理過程主要是通過增強(qiáng)函數(shù)對(duì)像素的灰度級(jí)進(jìn)行運(yùn)算并將運(yùn)算結(jié)果作為該像素的新灰度值來實(shí)現(xiàn)的。通過改變選用的增強(qiáng)函數(shù)的解析表達(dá)式就可以得到不同的處理效果。</p><p><b>　　·二值化[7]</b></p><p

52、>　　二值化的目的是將采集獲得的多層次灰度圖像處理成二值圖像，以便于分析理解和識(shí)別并減少計(jì)算量。二值化就是通過一些算法，通過一個(gè)閾值改變圖像中的像素顏色，令整幅圖像畫面內(nèi)僅有黑白二值，該圖像一般由黑色區(qū)域和白色區(qū)域組成，可以用一個(gè)比特表示一個(gè)像素，“1”表示黑色，“0”表示白色，當(dāng)然也可以倒過來表示，這種圖像稱之為二值圖像。這便有利于我們對(duì)特征的提取。該設(shè)計(jì)中采用組內(nèi)方差和組外方差來實(shí)現(xiàn)二值化。</p><p&

53、gt;<b>　　·直方圖均衡[8]</b></p><p>　　直方圖均衡化的目的是使一輸入圖像轉(zhuǎn)換為在每一灰度級(jí)上都有相同的象素點(diǎn)數(shù)，它的處理的中心思想是把原始圖像的灰度直方圖從比較集中的某個(gè)灰度區(qū)間變成在全部灰度范圍內(nèi)的均勻分布，它的研究思路是：通過直方圖變換式來進(jìn)行直方圖的均衡處理，直方圖變換式是</p><p>　　但是直方圖均衡化存在著兩個(gè)缺點(diǎn)：

54、　　 1）變換后圖像的灰度級(jí)減少，某些細(xì)節(jié)消失；　　 2）某些圖像，如直方圖有高峰，經(jīng)處理后對(duì)比度不自然的過分增強(qiáng)。</p><p><b>　　人臉定位模塊</b></p><p>　　人臉定位是將典型的臉部特征（如眼睛，鼻尖，嘴唇等等）標(biāo)記出來，在本系統(tǒng)中，定位的特征是眼睛，鼻尖和嘴巴三個(gè)。由于眼睛具有對(duì)稱性，因此可以很快就能標(biāo)記出來，而鼻子是在眼睛下

55、面，且嘴巴在鼻子下面，所以只要眼睛標(biāo)記好，鼻子和嘴巴也能相應(yīng)的標(biāo)記出來。</p><p><b>　　特征提取模塊</b></p><p>　　特征提取按以下4個(gè)步驟進(jìn)行：</p><p>　?。?）、提取兩只眼睛的距離</p><p>　?。?）、眼睛的傾角度</p><p>　?。?）、眼睛、

56、嘴巴的重心</p><p>　?。?）、用一個(gè)矩形標(biāo)出每一個(gè)特征</p><p>　　在特征提取完之后將會(huì)得到相應(yīng)的特征值以便存入后臺(tái)數(shù)據(jù)庫。</p><p><b>　　識(shí)別模塊</b></p><p>　　該模塊通過與庫存中的特征向量進(jìn)行比較，找出與特征最相近的參數(shù)，再對(duì)該參數(shù)進(jìn)一步分析。如果分析在我們所確認(rèn)的范圍內(nèi)

57、，我們就認(rèn)為該人就是我們所要找的。然后從庫存中提取出該人相關(guān)的信息，并顯示出來。如果庫存中沒有，則給出提示是否對(duì)存庫作為樣本。</p><p>　　第四章 系統(tǒng)的詳細(xì)設(shè)計(jì)</p><p>　　本章主要對(duì)圖像處理這一模塊進(jìn)行詳細(xì)介紹，對(duì)其子模塊所用到的算法及具體實(shí)現(xiàn)進(jìn)行詳細(xì)講述。</p><p>　　第一節(jié) 系統(tǒng)的運(yùn)行流程圖</p><p>

58、;　　圖6-1 系統(tǒng)的運(yùn)行流程圖</p><p>　　第二節(jié) 圖像處理詳細(xì)設(shè)計(jì)</p><p><b>　　一 位圖詳細(xì)設(shè)計(jì)</b></p><p>　　1 設(shè)備無關(guān)位圖（DIB）</p><p>　　VC++沒有提供使用十分方便的DIB繪制方法，只好自己去創(chuàng)建一個(gè)實(shí)用的DIB類了。本系統(tǒng)中建立了一個(gè)專門的類

59、DIB來處理設(shè)備無關(guān)位圖，表4－1列出了對(duì)位圖的操作函數(shù)。</p><p>　　表6－1 Dib類的部分功能</p><p>　　二 圖像點(diǎn)處理詳細(xì)設(shè)計(jì)</p><p>　　圖像點(diǎn)運(yùn)算是一種既簡(jiǎn)單又重要的技術(shù)，它能讓用戶改變圖像數(shù)據(jù)占據(jù)的灰度范圍，一幅輸入圖像經(jīng)過點(diǎn)運(yùn)算后將產(chǎn)生一幅新的輸出圖像，由輸入像素點(diǎn)的灰度值決定相應(yīng)的輸出像素點(diǎn)的灰度值，點(diǎn)運(yùn)算與局部運(yùn)算的

60、差別在于：后者每個(gè)輸出像素的灰度值由對(duì)應(yīng)輸入像素的一個(gè)領(lǐng)域內(nèi)幾個(gè)像素的灰度值決定。所以，點(diǎn)運(yùn)算不可以改變圖像內(nèi)的空間關(guān)系。</p><p>　　點(diǎn)運(yùn)算可以按照預(yù)定的方式改變一幅圖的灰度直方圖。除了灰度級(jí)的改變是根據(jù)某種特定的灰度變換函數(shù)進(jìn)行之外，點(diǎn)運(yùn)算可以看作是“從像素到像素”的復(fù)制操作。如果輸入圖像為A（x，y），輸出圖像為B（x，y），則點(diǎn)運(yùn)算可表示為：</p><p>　　B（x，y

61、） = f[A（x，y）] （式2）</p><p>　　其中函數(shù)f（D）被稱為灰度變換（Gray Scale Transformation ，GST）函數(shù)，它描述了輸入灰度值和輸出灰度值之間的轉(zhuǎn)換關(guān)系，一旦灰度變換函數(shù)確定，該點(diǎn)運(yùn)算就完全被確定下來了。</p><p>　　點(diǎn)運(yùn)算有時(shí)又稱為對(duì)比度增強(qiáng)、對(duì)比度拉伸或灰度變換，它是圖像數(shù)字化軟件和圖像顯示軟件的重要組成部分。下面將對(duì)本設(shè)計(jì)解決

62、各圖像點(diǎn)處理模塊運(yùn)用進(jìn)行到的理論和編程實(shí)現(xiàn)進(jìn)行詳細(xì)講述。</p><p><b>　　1、光線補(bǔ)償</b></p><p><b>　?。?）算法思想：</b></p><p>　　光線補(bǔ)償?shù)南敕ǖ奶岢鲋饕强紤]到膚色等色彩信息經(jīng)常受到光源顏色、圖像采集設(shè)備的色彩偏差等因素的影響，而在整體上偏離本質(zhì)色彩而向某一方向移動(dòng)，即

63、我們通常所說的色彩偏冷、偏暖、照片偏黃、便藍(lán)等等。這種現(xiàn)象在藝術(shù)照片中更為常見。所以Anil K.Jain等提出，為了抵消這種整個(gè)圖像中存在著的色彩偏差，我們將整個(gè)圖像中所有像素亮度（是經(jīng)過了非線形r-校正后的亮度）從高到低進(jìn)行排列，取前5%的像素，如果這些像素的數(shù)目足夠多（例如，大于100），我們就將它們的亮度作為“參考白”（Reference White），也即將它們的色彩的R、G、B分量值都調(diào)整為255。整幅圖像的其他像素點(diǎn)的色彩

64、值也都按這一調(diào)整尺度進(jìn)行交換。 </p><p>　?。?） 具體實(shí)現(xiàn)光線補(bǔ)償功能：</p><p>　　明白了光線補(bǔ)償這功能的算法及思想，就可以編碼實(shí)現(xiàn)其功能了，實(shí)現(xiàn)過程如下：</p><p>　?、?、 編輯菜單IDR_MAINFRAM，先在其中添加一菜單項(xiàng)，將其命名為“預(yù)處理”，并在其屬性欄中將其設(shè)為“彈出”菜單，點(diǎn)擊預(yù)處理該菜單項(xiàng)將會(huì)彈出一個(gè)新的子菜單，此時(shí)

65、把該子菜單命名為“光線補(bǔ)償”，并把其ID設(shè)為ID_READY_LIGHTINGCONPENSATE，對(duì)應(yīng)文件FaceDetectView．Cpp中的函數(shù)ReadyLightingconpensate()實(shí)現(xiàn)，并在void CFaceDetectView:: OnReadyLightingconpensate()中添加如下代碼：</p><p>　　hDIBTemp = gDib.CopyHandle(hDIB)

66、;</p><p>　　gDib.LightingCompensate(hDIB);</p><p>　　GlobalUnlock(hDIB);</p><p>　　Invalidate();</p><p>　　光線補(bǔ)償功能實(shí)質(zhì)上是用上段代碼中的LightingCompensate（）函數(shù)來進(jìn)行實(shí)現(xiàn)。函數(shù)LightingCompensate

67、（）是類DIB的一個(gè)成員函數(shù)。其核心代碼如下所述：</p><p>　　//下面的循環(huán)對(duì)圖像進(jìn)行光線補(bǔ)償</p><p>　　for(i =0;i<height;i++)</p><p>　　for(int j=0;j<width;j++)</p><p><b>　　{</b></p>&l

68、t;p><b>　　//獲取像素偏移</b></p><p>　　lOffset = this->PixelOffset(i,j,wBytesPerLine); </p><p><b>　　//得到藍(lán)色分量</b></p><p>　　*(lpData+lOffset) = colorb;</p>

69、<p><b>　　//綠色分量</b></p><p>　　colorb = *(lpData+lOffset+1);</p><p>　　colorb *=co;</p><p>　　if(colorb >255)</p><p>　　colorb = 255;</p><p&

70、gt;　　*(lpData+lOffset+1) = colorb;</p><p><b>　　//紅色分量</b></p><p>　　colorb = *(lpData+lOffset+2);</p><p>　　colorb *=co;</p><p>　　if(colorb >255)</p>

71、<p>　　colorb = 255;</p><p>　　*(lpData+lOffset+2) = colorb;</p><p><b>　　}</b></p><p>　?、?光線補(bǔ)償?shù)男Ч麍D如下所示 ：</p><p><b>　　圖 4-1 原圖</b></p>

72、;<p>　　圖4-2 光線補(bǔ)償效果圖</p><p><b>　　2、 圖像灰度化</b></p><p><b>　?。?）算法思想</b></p><p>　?、?彩色轉(zhuǎn)換成灰度</p><p>　　將彩色圖像轉(zhuǎn)化為灰階圖像常采用如下的經(jīng)驗(yàn)式：</p>&l

73、t;p>　　gray＝0.39×R＋0.50×G＋0.11×B（式3）</p><p>　　其中，gray為灰度值，R、G、B分別為紅色、綠色和藍(lán)色分量值。</p><p>　?、?灰度比例變換</p><p>　　灰度比例變換是把原像素的灰度乘以一個(gè)縮放因子，并最后截至[0,255]。</p><p>

74、;　?、?灰度線性變換</p><p>　　當(dāng)圖像由于成像時(shí)曝光不足或曝光過度，會(huì)產(chǎn)生對(duì)比度不足的弊病，從而使圖像中的細(xì)節(jié)分辨不清。將圖像灰度進(jìn)行線性擴(kuò)展，常能顯著地改善圖像的外觀?；叶染€性變換的計(jì)算式為：</p><p><b>　　g = </b></p><p><b>　?。ㄊ?）</b></p>

75、<p><b>　　f，其他</b></p><p>　　式中，f是原像素的灰度，g為變換后的灰度。該變換把屬于[a,b]的灰度級(jí)變換至灰度區(qū)間[c,d]，而沒有在[a,b]區(qū)間的原像素灰度將保持不變。這里a，b，c，d，f，g均為[0,255]之間的整數(shù)值?？梢?，a被映射為c，b被映射為d。</p><p><b>　　④ 灰度線性截?cái)?lt

76、;/b></p><p>　　灰度線性截?cái)嗟乃枷胧牵喝绻袼氐幕叶刃∮赼，則該像素的灰度等于c；如果原像素的灰度大于b，則該像素的灰度等于d。</p><p>　?。?）具體實(shí)現(xiàn)灰度化功能</p><p>　　在明白了灰度化的原理之后，就可進(jìn)行編碼來實(shí)現(xiàn)該功能。</p><p>　?、?編輯菜單IDR_MAINFRAM，先在其中添加

77、一菜單項(xiàng)，將其命名為”圖像灰度化”,并將其ID號(hào)設(shè)為ID_READY_SCALE, 對(duì)應(yīng)文件FaceDetectView．Cpp中的函數(shù)ReadyLightingconpensate()實(shí)現(xiàn).</p><p>　?、?現(xiàn)該模塊的核心代碼如下：</p><p><b>　　獲取藍(lán)色分量</b></p><p>　　ColorB=*(lpData

78、 + lOffset); </p><p><b>　　獲取綠色分量</b></p><p>　　ColorG=*(lpData + lOffset+1); </p><p><b>　　獲取紅色分量</b></p><p>　　ColorR=*(lpData + lOffset+2); </

79、p><p><b>　　計(jì)算灰度值</b></p><p>　　gray = (ColorG*50+ColorR*39+ColorB*11)/100;</p><p><b>　　顯示灰度圖像</b></p><p>　　*(lpData + lOffset)=gray ; </p>&

80、lt;p>　　*(lpData + lOffset+1)=gray ;</p><p>　　*(lpData + lOffset+2)=gray ;</p><p>　　其中l(wèi)pData是圖片數(shù)據(jù)區(qū)，lOffset是圖片像素的偏移，gray 是圖像的灰度值</p><p>　?、?圖像灰度化效果圖：</p><p>　　圖 4-3

81、圖像灰度化效果圖</p><p><b>　　3、高斯平滑</b></p><p><b>　?。?） 算法思想</b></p><p>　　在介紹高斯平滑前，先介紹模板操作。模板操作是數(shù)字圖像處理中經(jīng)常用到的一種運(yùn)算方法，圖像的平滑、銳化以及細(xì)化、邊緣檢測(cè)都要用到模板操作。例如：有一種常見的平滑算法是將原圖中一個(gè)像素的灰

82、度值和它周圍鄰近八個(gè)像素的灰度值相加，然后求得的平均值（除以9）作為新圖中該像素的灰度值，用如下方法來表示該操作：</p><p>　　1 1 1</p><p><b>　　1/9 </b></p><p>　　1 1· 1</p><p>　　1 1 1

83、</p><p>　　上式類似于矩陣，我們通常稱之為模板。中間的黑點(diǎn)表示該元素中心元素，即該個(gè)元素是要進(jìn)行處理的元素。如果模板是：</p><p>　　1· 1 1</p><p>　　1/9 1 1 1</p><p>　　1 1 1</p><p>　　則該操作

84、應(yīng)該描述為：將原圖中一個(gè)像素的灰度值和它右下鄰近的8個(gè)像素的灰度值相加，然后將求得的平均值9（除以9）作為新圖中該像素的灰度值。如果模板為 2． ，</p><p><b>　　1</b></p><p>　　則表示將自身灰度值的2倍加下邊的元素灰度值作為新值，而 2 則表示將自身</p><p><b>　

85、　1．</b></p><p>　　灰度值加上邊元素灰度值的2倍作為新灰度值。通常模板不允許移出邊界，所以處理后的圖像會(huì)比原圖小，例如：當(dāng)模板是 1． 0 原圖灰度值矩陣是 1 1 1 1 1 </p><p>　　0 2 2 2 2 2 2</p><p>　　3 3 3 3

86、 3 </p><p>　　4 4 4 4 4 </p><p>　　時(shí)，經(jīng)過模板操作后的圖像為 5 5 5 5 - </p><p>　　8 8 8 8 - </p><p&g

87、t;　　11 11 11 11 - </p><p>　　- - - - - </p><p>　　“-”表示邊界上無法進(jìn)行模板操作的點(diǎn)，一般的做法是復(fù)制原圖的灰度值，不再進(jìn)行任何其他的處理。模板操作實(shí)現(xiàn)了一種領(lǐng)域運(yùn)算，即某個(gè)像素點(diǎn)的結(jié)果不僅和本像素灰度有關(guān)，而且和其領(lǐng)域點(diǎn)的值有關(guān)。下面對(duì)平滑的用途和解

88、決方法進(jìn)行詳細(xì)介紹。</p><p>　　在圖像的采集過程中,由于各種因素的影響,圖像中往往會(huì)出現(xiàn)一些不規(guī)則的隨機(jī)噪聲,如數(shù)據(jù)在傳輸、存儲(chǔ)時(shí)發(fā)生的數(shù)據(jù)丟失和損壞等,這些都會(huì)影響圖像的質(zhì)量。處理噪聲點(diǎn)的過程稱之為平滑,平滑可以降低圖像的視覺噪聲,同時(shí)除去圖像中的高頻部分后,那些本來不明顯的低頻成分更容易識(shí)別。而噪聲點(diǎn)一般是孤</p><p>　　立的點(diǎn),噪聲點(diǎn)的像素灰度與它們的近鄰像素有顯著

89、的區(qū)別,即灰度變化總在這附近有突變高頻。平滑可用卷積來實(shí)現(xiàn),平滑的頻率截止點(diǎn)由卷積核的大小及卷積系數(shù)決定。用于平滑濾波的卷積核叫做低通過濾波器,低通過濾波器具有如下的特征:1卷積核的行、列數(shù)為奇數(shù),通常為3×3的矩陣;2卷積系數(shù)以中心點(diǎn)為中心對(duì)稱分布;3所有的卷積系數(shù)都為正數(shù);4距離中心較遠(yuǎn)的卷積系數(shù)的值較小或保持不變;5卷積后的結(jié)果不改變圖像的亮度。經(jīng)過卷積平滑后給隨后的水平投影、二值化提供了較好的圖像效果。水平投影的曲線顯

90、得比較平滑,二值化后的圖像孤立點(diǎn)比較少。以下是幾個(gè)常用的卷積核:</p><p>　　1/9 1/9 1/9 1/10 1/10 1/10 1/16 2/16 1/16</p><p>　　1/9 1/9 1/9 1/10 1/5 1/10 2/16 4/16 2/16

91、</p><p>　　1/9 1/9 1/9 1/10 1/10 1/10 1/16 2/16 1/16</p><p>　　L P1 LP2 LP3</p><p>　　通常的處理是:將中心點(diǎn)周圍八個(gè)點(diǎn)的像素值

92、乘于各自矩陣相應(yīng)的系數(shù)后相加得到一個(gè)值,然后將這個(gè)值乘上中心點(diǎn)的系數(shù),中心點(diǎn)的像素值賦為得到的最后值。一般來說,不同的噪聲有各自針對(duì)性的卷積算法。本文使用的卷積算法是高斯卷積核,亦即上面卷積核的LP3。高斯卷積是通過采樣2維高斯函數(shù)得到的。高斯平滑算法的優(yōu)點(diǎn)是平滑后圖像的失真少,算法更具備通用性,能去除不同的噪聲干擾。需要注意的是:在平滑處理時(shí),圖像邊界點(diǎn)無法處理,因此循環(huán)范圍應(yīng)設(shè)定在圖像邊界內(nèi)。</p><p>

93、;　　（2） 具體實(shí)現(xiàn)高斯平滑功能</p><p>　　知道高斯平滑原理之后，可進(jìn)行編碼將其實(shí)現(xiàn)：</p><p>　　編輯菜單IDR_MAINFRAM，在菜單“預(yù)處理”中添加一子菜單項(xiàng)，命名為“高斯平滑”并將其ID設(shè)為ID_READY_Template。</p><p>　　在類CFaceDetectView中添加“高斯平滑”菜單項(xiàng)的事件處理程序，其代碼如下：&l

94、t;/p><p><b>　　//進(jìn)行模板操作</b></p><p>　　Template(tem ,3,3, xishu); </p><p>　　Invalidate(TRUE); </p><p>　　其中tem是模板參數(shù)，xishu是模板系數(shù)；Template（）函數(shù)是實(shí)現(xiàn)高斯平滑的主要函數(shù)，其核心代碼是：&

95、lt;/p><p>　　for(m=i-((tem_h-1)/2);m<=i+((tem_h-1)/2);m++)</p><p><b>　　{</b></p><p>　　for(n=j-((tem_w-1)/2);n<=j+((tem_w-1)/2);n++)</p><p>　　注： 將以點(diǎn)（i，j）為

96、中心，與模板大小相同的范圍內(nèi)的象素與模板對(duì)用位置的系數(shù)進(jìn)行相乘并線形疊加 </p><p>　　sum+=Gray[m][n]* tem[(m-i+((tem_h-1)/2))*tem_w+n-j+((tem_w-1)/2)];</p><p>　　} </p><p>　　將結(jié)果乘上總的模板系數(shù)</p><p>　　s

97、um=(int)sum*xishu;</p><p><b>　　計(jì)算絕對(duì)值</b></p><p>　　sum = fabs(sum);</p><p>　　如果小于0，強(qiáng)制賦值為0</p><p>　　if(sum<0) </p><p><b>　　sum=0;<

98、;/b></p><p>　　如果大于255，強(qiáng)制賦值為255</p><p>　　if(sum>255)</p><p><b>　　sum=255;</b></p><p>　　HeightTemplate[i][j] = sum；</p><p>　　高斯平滑效果圖：見下圖

99、4-4</p><p>　　圖4-4 高斯平滑效果圖</p><p><b>　　4、灰度均衡</b></p><p><b>　?。?）算法思想</b></p><p>　　灰度均衡也稱直方圖均衡，目的是通過點(diǎn)運(yùn)算使輸入轉(zhuǎn)換為在每一灰度級(jí)上都有相同的像素點(diǎn)數(shù)的輸出圖像（即輸出的直方圖是平的）。這

100、對(duì)于在進(jìn)行圖像比較或分割之前將圖像轉(zhuǎn)化為一級(jí)的格式是十分有效的。</p><p>　　按照?qǐng)D像的概率密度函數(shù)（PDF，歸一化帶單位面積的直方圖）的定義：</p><p>　　P（x） = * H（x）（式5）</p><p>　　其中H（x）為直方圖，A0為圖像的面積，設(shè)轉(zhuǎn)換前圖像的概率密度函數(shù)為</p><p>　　Pr（r），轉(zhuǎn)換后

101、圖像的概率密度函數(shù)為Ps（S），轉(zhuǎn)換函數(shù)為s = f（r），由概率論知識(shí)，我們可以得到：</p><p>　　Ps（S） = Pr（r）* （式6）</p><p>　　這樣，如果想使轉(zhuǎn)換后圖像的概率密度函數(shù)為1（即直方圖是平的）則必須滿足：</p><p>　　Pr（r）= （式4－5）</p><p>　　等式兩邊積分，得： <

102、;/p><p>　　S = f（r）= ∫0 rP2（u）du =∫0 r H（u）du (式7)</p><p>　　該轉(zhuǎn)換式被稱為圖像的累積分布函數(shù)</p><p>　　上面的式是被歸一化后推導(dǎo)的對(duì)于沒有歸一化的情況，只要求以最大的灰度值（DMax，對(duì)于灰度圖就是255）即可，灰度均衡的轉(zhuǎn)換式為：</p><p>　　DB = f （DA

103、）= H（u）du （式1）</p><p>　　對(duì)于離散圖像轉(zhuǎn)換式為：</p><p>　　DB = f（DA）= （式8） </p><p>　　式中Hi為第i級(jí)灰度的像素個(gè)數(shù)。</p><p><b>　?。?）編程實(shí)現(xiàn)</b></p><p

104、>　　在灰度均衡操作同樣不需要改變DIB的調(diào)色板和文件夾，只要把指向DIB像素起始位置的指針和DIB高度、寬度信息傳遞給子函數(shù)就可以完成灰度均衡變換工作，其核心代碼如下： </p><p>　　*(lpData + lOffset)=state ; //顯示灰度均衡</p><p>　　*(lpData + lOffset+1)=state ;</p><p>

105、;　　*(lpData + lOffset+2)=state ;</p><p><b>　?。?）效果圖</b></p><p>　　圖 4-5 灰度均衡效果圖</p><p><b>　　5、圖像對(duì)比度增強(qiáng)</b></p><p><b>　　算法思想：</b></p

106、><p>　　在對(duì)圖像均衡直方圖處理以后，便可對(duì)圖像進(jìn)行對(duì)比度增強(qiáng)，進(jìn)一步拉開對(duì)比度。它通過對(duì)圖像的灰度值進(jìn)行統(tǒng)計(jì)，對(duì)于比最小設(shè)定值小的則認(rèn)為是有關(guān)的信息，則將它作為黑色處理，比最大設(shè)定值大的則認(rèn)為是一些無關(guān)的信息，將它們?nèi)サ?，而處于兩者之間的，則進(jìn)行對(duì)比度增強(qiáng)，將他們?cè)诳偟幕叶戎道锩娴谋壤鳛樾碌南袼匦畔⒈４嫫饋怼?lt;/p><p>　　這個(gè)工作的主要目的是將圖像的特征一步一步顯現(xiàn)出來。<

107、;/p><p><b>　?。?） 編碼實(shí)現(xiàn)：</b></p><p>　?、?編輯菜單IDR_MAINFRAM，在菜單“預(yù)處理”中添加一子菜單項(xiàng)，命名為“實(shí)現(xiàn)圖像對(duì)比度增強(qiáng)”，并將其ID設(shè)為ID_READY_ContrastEnhance。</p><p>　　類CFaceDetectView中添加“實(shí)現(xiàn)圖像對(duì)比度增強(qiáng)”菜單項(xiàng)的事件處理程序，其

108、代碼如下；</p><p>　　lOffset = gDib.PixelOffset(i, j, gwBytesPerLine);</p><p>　　獲取圖像灰度增強(qiáng)函數(shù)</p><p>　　int state=IncreaseContrast(ZFT[k][k1], 100); </p><p>　　顯示灰度增強(qiáng)后的圖像</p

109、><p>　　*(lpData + lOffset ) = state ;</p><p>　　*(lpData + lOffset+1) = state ;</p><p>　　*(lpData + lOffset+2) = state ;</p><p>　　其中IncreaseContras（）函數(shù)是實(shí)現(xiàn)圖像對(duì)比度增強(qiáng)的關(guān)鍵函數(shù)，該根據(jù)參

110、數(shù)n來調(diào)節(jié)對(duì)比度，n越大，對(duì)比越強(qiáng)烈，其核心是：</p><p>　　如果數(shù)據(jù)很小，設(shè)置為0</p><p>　　if(pByte<=Low)</p><p><b>　　return 0;</b></p><p>　　獲得中間數(shù)據(jù)，并進(jìn)行對(duì)比增強(qiáng)處理</p><p>　　else if (

111、(Low<pByte)&&(pByte<High))</p><p>　　return int(((pByte-Low)/Grad));</p><p>　　如果數(shù)據(jù)很大，設(shè)置為255</p><p><b>　　else</b></p><p>　　return 255;</p>

112、;<p><b>　　效果圖</b></p><p>　　圖4-6 對(duì)比度增強(qiáng)效果圖</p><p>　　第三節(jié) 編程時(shí)的問題解決</p><p><b>　　1、光線補(bǔ)償</b></p><p>　　由于要改變每一個(gè)像素的亮度，開始，我通過對(duì)數(shù)幅圖像使用一個(gè)固定的值進(jìn)行測(cè)試，得到

113、的效果都滿理想，但是當(dāng)對(duì)更多的圖像處理時(shí)，該固定值就出現(xiàn)了明顯的不足，最后不得不采用全局統(tǒng)計(jì)的方法，才能得到比較理想的效果。 </p><p><b>　　2、高斯平滑</b></p><p>　　高斯平滑用于消除圖片噪音，為了實(shí)現(xiàn)此功能，我們使用了模板操作，因此模板參數(shù)的選擇是最重要的。高斯平滑效果的好壞取決與模板參數(shù)。在編程的時(shí)候，試探性的進(jìn)行參數(shù)的選擇，然后

114、進(jìn)行比較，看那組參數(shù)可以達(dá)到最好的效果。模板參數(shù)是</p><p><b>　　原先采用了</b></p><p>　　1/9 1/9 1/9 </p><p>　　1/9 1/9 1/9 </p><p>　　1/9 1/9 1/9 </p><p>　　形式

115、，但是，得到的效果卻是令人失望。</p><p><b>　　后來又用了</b></p><p>　　1/10 1/10 1/10</p><p>　　1/10 1/5 1/10</p><p>　　1/10 1/10 1/10</p><p>　　形式

116、，但是，結(jié)果仍然是未能達(dá)到預(yù)期的效果。</p><p><b>　　直到最后采用的</b></p><p>　　1/16 2/16 1/16</p><p>　　2/16 4/16 2/16</p><p>　　1/16 2/16 1/16</p><p>

117、;　　形式，才得到了比較合理的效果。</p><p><b>　　3、 均衡直方圖</b></p><p>　　開始時(shí)，圖像的會(huì)度一直都處于很散的狀態(tài)，而且圖像的特征不明顯，原本想經(jīng)過高斯平滑后進(jìn)行灰度變換，但是并未能成功。經(jīng)過了一翻苦戰(zhàn)，最終找到均衡直方圖的辦法，經(jīng)過多次嘗試，效果一直處于比較理想的狀態(tài)。</p><p>　　第五章 結(jié)構(gòu)