數(shù)字圖像處理課程設(shè)計(jì)

1、課 程 設(shè) 計(jì) 說(shuō) 明 書(shū)題 目： 圖像人臉區(qū)域隱私保護(hù)系統(tǒng)設(shè)計(jì)課 程： 數(shù)字圖像處理課程設(shè)計(jì)院 （部）： 信息與電氣工程學(xué)院專(zhuān) 業(yè)： 班 級(jí)： 學(xué)生姓名： 學(xué) 號(hào)： 指導(dǎo)教師： 完成日期： 2013年12月目錄摘 要31 設(shè)計(jì)目的32 設(shè)計(jì)要求33 人臉識(shí)別系統(tǒng)概述33.1 當(dāng)前現(xiàn)狀33.2系統(tǒng)概述33.3 人臉識(shí)別的常用方法34 設(shè)計(jì)內(nèi)容34.1系統(tǒng)方案設(shè)計(jì)34.2 軟件模塊設(shè)計(jì)34.2.1 圖像輸入設(shè)計(jì)34.2.2 圖像膚色區(qū)分設(shè)計(jì)34.2.3 對(duì)膚色圖進(jìn)行修補(bǔ)處理設(shè)計(jì)34.2.4 網(wǎng)格標(biāo)記圖像設(shè)計(jì)34.2.5 人臉識(shí)別標(biāo)記34.2.6 對(duì)原圖像進(jìn)行臉部模糊處理3總結(jié)與致謝3參考文獻(xiàn)3附

2、錄：系統(tǒng)設(shè)計(jì)程序3摘 要人臉是準(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)界從圖像處理、計(jì)算機(jī)視覺(jué)等多個(gè)學(xué)科對(duì)人臉進(jìn)行研究。人臉識(shí)別在滿(mǎn)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(wèn)題。 本設(shè)計(jì)用MATLAB對(duì)圖像的讀取，在識(shí)別前，先對(duì)圖像進(jìn)行處理，再通過(guò)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(chēng)性來(lái)確定是否就是人臉，同時(shí)采用高斯平滑來(lái)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(lái)就進(jìn)行定位、提取特征值和識(shí)別等操作。經(jīng)過(guò)測(cè)試，圖像預(yù)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。為保護(hù)當(dāng)事人

3、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)。關(guān)鍵詞：人臉識(shí)別；圖像處理；圖像模糊1 設(shè)計(jì)目的近年來(lái)隨著科技和人們的生活水平的提高，生物特征識(shí)別技術(shù)在近幾十年中飛速發(fā)展。隨著社會(huì)的發(fā)展和技術(shù)的進(jìn)步，特別是近年來(lái)計(jì)算機(jī)在軟硬件方面性能的飛速提升，各應(yīng)用領(lǐng)域?qū)焖俑咝У纳矸蒡?yàn)證的要求日益迫切。由于生物特征是人的內(nèi)在屬性，具有很強(qiáng)的自身穩(wěn)定性和個(gè)體差異性，因此成為身份驗(yàn)證的最理想依據(jù)。其中，利用人臉特征進(jìn)行身份驗(yàn)證又是最自然最直接的手段。人臉識(shí)別系統(tǒng)與指紋、虹膜、掌紋等其他人體生物特征識(shí)別系統(tǒng)相比，更加友好、方便，更易于為用戶(hù)所接受。作為人的一種內(nèi)在屬性，并且具有很

4、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(dòng)身份驗(yàn)證的最理想依據(jù)。人臉識(shí)別由于具有直接，友好，方便的特點(diǎn)，使用者易于為用戶(hù)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(shí)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(shí)別的應(yīng)用前景。所謂人臉識(shí)別(Face Recognition)，分析人臉圖像，從中提取有效的識(shí)別信息，用來(lái)辨別身份的一門(mén)技術(shù)。即，對(duì)己知人臉進(jìn)行標(biāo)準(zhǔn)化處理后，通過(guò)某種方法和數(shù)據(jù)庫(kù)中的人臉標(biāo)本進(jìn)行匹配，尋找?guī)熘袑?duì)應(yīng)人臉及該人臉的相關(guān)信息。人臉識(shí)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(shí)別、身份證及駕駛執(zhí)照等證件

5、驗(yàn)證、銀行及海關(guān)的監(jiān)控、自動(dòng)門(mén)衛(wèi)系統(tǒng)、視頻會(huì)議、機(jī)器人的智能化研究以及醫(yī)學(xué)等方面。人身辨別方法主要是通過(guò)人身標(biāo)識(shí)物品和人身標(biāo)識(shí)知識(shí)兩種方式來(lái)實(shí)現(xiàn)的。常見(jiàn)的人身標(biāo)示物品有鑰匙、證件等各種標(biāo)識(shí)，人身標(biāo)示知識(shí)有用戶(hù)名、密碼等。眾周知，像鑰匙、證件標(biāo)識(shí)等人身標(biāo)識(shí)物品很容易丟失或被偽造，而標(biāo)識(shí)知識(shí)容易遺忘或記錯(cuò)，更為嚴(yán)重的是傳統(tǒng)身份識(shí)別系統(tǒng)往往無(wú)法區(qū)分標(biāo)識(shí)物品真正的擁有者和取得標(biāo)識(shí)物品的冒充者，一旦他人獲得標(biāo)識(shí)物品，也可以擁有相同的權(quán)力，電視采訪(fǎng)、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。因此具有廣闊的應(yīng)用前景和商業(yè)價(jià)值。2 設(shè)計(jì)要求1、 讀取人物圖像

6、 。2、 對(duì)圖像進(jìn)行數(shù)字圖像處理。3、對(duì)人臉識(shí)別 。4、對(duì)人臉進(jìn)行模糊或者馬賽克處理。3 人臉識(shí)別系統(tǒng)概述3.1 當(dāng)前現(xiàn)狀自動(dòng)人臉識(shí)別技術(shù)的研究開(kāi)始于20世紀(jì)60年代末期。20世紀(jì)90年代后期以來(lái),一些商業(yè)性的人臉識(shí)別系統(tǒng)逐漸進(jìn)入市場(chǎng)。近幾年,人臉識(shí)別作為計(jì)算機(jī)安全技術(shù)在全球范圍內(nèi)迅速發(fā)展起來(lái),特別是美國(guó)遭遇恐怖襲擊后,這一技術(shù)引起廣泛關(guān)注。人臉識(shí)別技術(shù)具有廣泛的應(yīng)用前景,在國(guó)家安全、軍事安全和公共安全領(lǐng)域,智能門(mén)禁、智能視頻監(jiān)控、公安布控、海關(guān)身份驗(yàn)證、司機(jī)駕照驗(yàn)證等是典型的應(yīng)用;在民事和經(jīng)濟(jì)領(lǐng)域,各類(lèi)銀行卡、金融卡、信用卡、儲(chǔ)蓄卡的持卡人的身份驗(yàn)證、社會(huì)保險(xiǎn)人的身份驗(yàn)證等具有重要的應(yīng)用價(jià)值

7、;在家庭娛樂(lè)等領(lǐng)域,人臉識(shí)別也具有一些有趣有益的應(yīng)用,比如能夠識(shí)別主人身份的智能玩具、家政機(jī)器人、具有真實(shí)面像的虛擬游戲玩家等等。人臉識(shí)別作為一種人體生物特征識(shí)別技術(shù),它涉及人工智能、模式識(shí)別、計(jì)算機(jī)視覺(jué)、圖像處理和分析、圖像編碼、計(jì)算機(jī)圖形學(xué)等眾多學(xué)科領(lǐng)域,依據(jù)視覺(jué)通道的輸入信息,在人臉檢測(cè)和跟蹤得到輸入人臉圖像模式的基礎(chǔ)上,定位人面的主要生理特征區(qū)域(眼睛、鼻子、下巴等)并給出其形狀特征,實(shí)現(xiàn)輸入人臉模式的識(shí)別,達(dá)到確定使用者身份的目的。3.2系統(tǒng)概述人臉識(shí)別包括人臉檢測(cè)、人臉圖像預(yù)處理、人臉特征提取和人臉識(shí)別等過(guò)程。人臉檢測(cè)是指在輸入圖像中確定人臉的位置與大小。人臉檢測(cè)的質(zhì)量影響人臉識(shí)別

8、的其他過(guò)程以及整個(gè)人臉識(shí)別的效果，在人臉識(shí)別過(guò)程中顯得尤為重要。近年來(lái)，電子商務(wù)等網(wǎng)絡(luò)資源的利用使得可視電話(huà)、視頻會(huì)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(duì)人臉檢測(cè)和識(shí)別已成為人臉識(shí)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(cè)方法26。這些方法是針對(duì)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(duì)噪聲敏感，性能不穩(wěn)定，難以實(shí)時(shí)檢測(cè)。3.3 人臉識(shí)別的常用方法1、基于幾何特征的人臉正面圖像識(shí)別方法通過(guò)人臉面部拓?fù)浣Y(jié)構(gòu)幾何關(guān)系的先驗(yàn)知識(shí),利用基于結(jié)構(gòu)的

9、方法在知識(shí)的層次上提取人臉面部主要器官特征,將人臉用一組幾何特征矢量來(lái)表示,識(shí)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(shí)別方法。2、基于統(tǒng)計(jì)的人臉正面自動(dòng)識(shí)別方法基于統(tǒng)計(jì)的人臉正面自動(dòng)識(shí)別方法包括特征臉?lè)椒ê碗[馬爾科夫模型方法。統(tǒng)計(jì)的識(shí)別方法將人臉用代數(shù)特征矢量來(lái)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(guò)對(duì)圖像灰度進(jìn)行各種代數(shù)變換和矩陣分解提出的。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)用的主要是一些標(biāo)準(zhǔn)的數(shù)據(jù)統(tǒng)計(jì)技巧,運(yùn)算比較復(fù)雜4 設(shè)計(jì)內(nèi)容4.1系統(tǒng)方案設(shè)計(jì)讀取圖像字圖像處理圖像進(jìn)行數(shù)面部

10、特征定位人臉識(shí)別人臉模糊處理標(biāo)出臉部輸出處理后的圖像圖1 系統(tǒng)總設(shè)計(jì)方框圖4.2 軟件模塊設(shè)計(jì) 圖像輸入設(shè)計(jì)可以通過(guò)攝像頭來(lái)獲取,也可以通過(guò)圖像庫(kù)來(lái)獲取。在圖像獲取以后,將圖像顯示出來(lái),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。RGB=imread('face06.jpg'); %face02,04,06YCbCr=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）Y=YCbCr(:,:,1); %這三行分別是Ycbcr空間的y,cb,cr對(duì)應(yīng)矩陣Cb=YCbCr(:,:,2); Cr=YC

11、bCr(:,:,3); imshow(RGB);title('原始圖像RGB'); %原始圖像figure,imshow(YCbCr);title('YcbCr色彩空間的圖像'); %進(jìn)行將RGB色彩值變換為YcbCr色彩空間的圖像如圖2所示： 原始圖像YCbCr圖圖2 原圖像與YCbCr圖 圖像膚色區(qū)分設(shè)計(jì)人臉定位是完成對(duì)需定位的人臉運(yùn)動(dòng)區(qū)域進(jìn)行膚色檢測(cè)。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(lèi)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(guò)程包括5個(gè)步驟。 1) 相似度計(jì)算，方法是定義)/(BG

12、RRr+=和)/(BGRBb+=，把三維RGB降為二維，在二維平面上，膚色的區(qū)域相對(duì)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(圖2a是待檢測(cè)區(qū)域的相似度)，相似度計(jì)算公式為： )()(5.0exp),(1mxCmxbrPT=                

13、60;            (5) 式中  M為均值；C為方差。 2) 選擇適當(dāng)?shù)拈撝?，?duì)圖像中的待檢測(cè)區(qū)域進(jìn)行二值化處理。 3) 對(duì)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) 用直方圖方式對(duì)二值圖像進(jìn)行垂直投影和水平投影，如圖2b和圖2c所示。圖像中人臉區(qū)域的獲取,根據(jù)膚色來(lái)獲取,通過(guò)膚色非線(xiàn)形分段色彩變換來(lái)實(shí)現(xiàn)。對(duì)圖像進(jìn)行圖像灰度化、高斯平滑處理

14、、對(duì)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(duì)稱(chēng)、眼睛下面有鼻子、再往下有嘴巴的特點(diǎn),來(lái)確定劃分的區(qū)域是否就是人臉區(qū)域代碼：I=RGB; W=size(YCbCr,1); %y對(duì)應(yīng)矩陣寬大小H=size(YCbCr,2); %y對(duì)應(yīng)矩陣高大小 k=(2.53/180)*pi; m=sin(k);n=cos(k); %正余弦噪聲cx=109.38;cy=152.02;ecx=1.60;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for i=1:W for j=1:H if

15、Y(i,j)<110 I(i,j,:)=0; elseif (Y(i,j)<=200&&Y(i,j)>=110) x=(double(Cb(i,j)-cx)*n+(double(Cr(i,j)-cy)*m; y=(double(Cr(i,j)-cy)*n-(double(Cb(i,j)-cx)*m; if(x-ecx)2/a2+(y-ecy)2/b2)<=1 I(i,j,:)=255; else I(i,j,:)=0; end elseif Y(i,j)>200 x=(double(Cb(i,j)-cx)*n+(double(Cr(i,j)-cy)

16、*m; y=(double(Cr(i,j)-cy)*n-(double(Cb(i,j)-cx)*m; if (x-ecx)2/(1.1*a)2+(y-ecy)2/(1.1*b)2)<=1 I(i,j,:)=255; %膚色部分變?yōu)榘咨?else I(i,j,:)=0; %其余轉(zhuǎn)成黑色 end end end end figure,imshow(I);title('膚色區(qū)分后的圖像'); %進(jìn)行將膚色識(shí)別后的黑白圖像如圖3所示： 圖3膚色區(qū)分后的圖像 對(duì)膚色圖進(jìn)行修補(bǔ)處理設(shè)計(jì)se1=strel('square',35); %這個(gè)函數(shù)可以創(chuàng)建邊長(zhǎng)35的方形元素

17、f0=imclose(I,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figure,imshow(f0);title('修補(bǔ)漏洞后的人臉'); %顯示修補(bǔ)漏洞后的人臉如圖4所示： 圖4 修補(bǔ)漏洞后的人臉圖 網(wǎng)格標(biāo)記圖像設(shè)計(jì)對(duì)人臉圖像打上網(wǎng)格，對(duì)區(qū)域塊圖像做二值分析，通過(guò)像素比例來(lái)做處理，進(jìn)而得到人臉區(qū)域。 在彩色圖像中，顏色是人臉表面最為顯著的特征之一，利用顏色檢測(cè)人臉是很自然的想法。研究人員在考察了不同種族、不同個(gè)體的膚色后，認(rèn)為人類(lèi)的膚色能在顏色空間中聚成單獨(dú)的一類(lèi)，而影響膚色值變化的最主要因素是亮度變化。因此他們

18、采用廣泛使用的RGB顏色空間，在濾去亮度值的圖像中通過(guò)比較像素點(diǎn)的、值與膚色范圍來(lái)推斷該像素點(diǎn)及其鄰域是否屬于人臉區(qū)域。除了RGB顏色空間，還有諸如HIS，LUV，GLHS等其它顏色空間被使用。尋找到膚色區(qū)域后，必須進(jìn)行驗(yàn)證，排除類(lèi)膚色區(qū)域。利用膚色像素的連通性分割出區(qū)域，使用橢圓擬合各個(gè)區(qū)域，根據(jù)橢圓長(zhǎng)短軸的比率判斷是否為人臉。BW = im2bw(f0, graythresh(f0); % 二值化figure, imshow(RGB);title('網(wǎng)格標(biāo)記圖像', 'FontWeight', 'Bold');hold on;xt, yt =

19、 meshgrid(round(linspace(1, size(I, 1), 10), .round(linspace(1, size(I, 2), 10);mesh(yt, xt, zeros(size(xt), 'FaceColor', .'None', 'LineWidth', 3, .'EdgeColor', 'r');如圖5所示：圖5 網(wǎng)格標(biāo)記圖像圖 人臉識(shí)別標(biāo)記n1, n2 = size(BW);r = floor(n1/10); % 分成10塊，行c = floor(n2/10); % 分成10塊，

20、列x1 = 1; x2 = r; % 對(duì)應(yīng)行初始化s = r*c; % 塊面積for i = 1:10y1 = 1; y2 = c; % 對(duì)應(yīng)列初始化for j = 1:10if(y2<=c | y2>=9*c) | (x1=1 | x2=r*10) %如果是在四周區(qū)域loc = find(BW(x1:x2, y1:y2)=0);p, q = size(loc);pr = p/s*100; % 黑色像素所占的比例數(shù)if pr<= 100f1(x1:x2, y1:y2) = 0;endendy1 = y1+c; % 列跳躍y2 = y2+c; % 列跳躍endx1 = x1+r

21、; % 行跳躍x2 = x2+r; % 行跳躍endL, num = bwlabel(BW, 8); % 區(qū)域標(biāo)記stats = regionprops(L, 'BoundingBox'); % 得到包圍矩形框Bd = cat(1, stats.BoundingBox);s1, s2 = size(Bd);mx = 0;for k = 1:s1p = Bd(k, 3)*Bd(k, 4); % 寬*高if p>mx && (Bd(k, 3)/Bd(k, 4)<1.8 %如果滿(mǎn)足面積塊大，而且寬/高<1.8mx = p;j = k;endendfi

22、gure,imshow(RGB); hold on;rectangle('Position', Bd(j, :), .'EdgeColor', 'r', 'LineWidth', 3);title('標(biāo)記圖像', 'FontWeight', 'Bold');如圖6所示：圖6人臉識(shí)別標(biāo)記圖 對(duì)原圖像進(jìn)行臉部模糊處理h1=ones(40,40)/1600; I2=imfilter(RGB ,h1); %對(duì)原圖像進(jìn)行全部模糊%figure,imshow(I2);a=Bd(j,:);%臉部標(biāo)

23、記的矩形框的四個(gè)坐標(biāo)for i=a(2)-0.5:a(2)-0.5+a(4); for j=a(1)-0.5:a(1)-0.5+a(3);RGB(i,j,:)=I2(i,j,:);%部分模糊的替換 endendfigure,imshow(RGB);title('模糊后的人臉圖像'); %顯示模糊后的人臉如圖7所示：圖7 人臉模糊隱私保護(hù)圖總結(jié)與致謝通過(guò)本次設(shè)計(jì)，培養(yǎng)了創(chuàng)新意識(shí)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(shí)更加牢固，會(huì)編程調(diào)試、會(huì)查資料在設(shè)計(jì)的過(guò)程和設(shè)計(jì)說(shuō)明書(shū)的撰寫(xiě)過(guò)程中，老師給予了我熱心的幫助和大力的支持，給我

24、提了諸多的寶貴意見(jiàn)，拓寬了我的思路。人臉檢測(cè)及識(shí)別算法研究近年來(lái)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(cè)或識(shí)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(cè)算法，在計(jì)算量上大大減少，同時(shí)抑制背景噪聲。隨著硬件技術(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。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(jiǎn)單，但過(guò)程讓我深深感受到再簡(jiǎn)單的圖像處理，理論與實(shí)際也會(huì)有一定的差入。在參考書(shū)設(shè)計(jì)原理的基礎(chǔ)上經(jīng)過(guò)了個(gè)人的改進(jìn)，讓功能更完善，特別是程序的調(diào)試，花的

25、時(shí)間最多，也是最難的一個(gè)地方。在此我向張運(yùn)楚、楊紅娟、張君捧老師致以崇高的敬意和衷心的感謝！參考文獻(xiàn)1 王科俊,姚向輝人臉圖像檢測(cè)與識(shí)別方法綜述J自動(dòng)化技術(shù)與應(yīng)用2004, 23(12).2 邢藏菊,曲延鋒,王守覺(jué)靜態(tài)灰度圖像中的人臉快速檢測(cè)J計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)V0114,NoMay,2002 3 周杰,盧春雨,張長(zhǎng)水,等.人臉自動(dòng)識(shí)別方法綜述J.電子學(xué)報(bào),2004 (4):102-106.4 簡(jiǎn)(Jain A.K.) 美,韓博,徐楓著數(shù)字圖像處理基礎(chǔ)M北京：清華大學(xué)出版社,2006.5 岡薩雷斯數(shù)字圖像處理(MATLAB)中文版M北京：電子工業(yè)出版社,2007.6 Castleman

26、, K. R.美著,朱志剛等譯數(shù)字圖像處理M北京:電子工業(yè)出版社,20027 朱虹數(shù)字圖像處理基礎(chǔ)M北京：科學(xué)出版社,2005.8 劉志敏,揚(yáng)杰,施鵬飛數(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):219 章毓晉圖像分割北京:科學(xué)出版社,200110 王樹(shù)偉,楊鴝Matlab 6.5輔助圖像處理M電子工業(yè)出版社,2003.附錄：系統(tǒng)設(shè)計(jì)程序RGB=imread('face06.jpg'); %face02,04,06YCbCr=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）

27、Y=YCbCr(:,:,1); %這三行分別是Ycbcr空間的y,cb,cr對(duì)應(yīng)矩陣Cb=YCbCr(:,:,2); Cr=YCbCr(:,:,3); imshow(RGB);title('原始圖像RGB'); %原始圖像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I=RGB; W=size(YCbCr,1); %y對(duì)應(yīng)矩陣寬大小H=size(YCbCr,2); %y對(duì)應(yīng)矩陣高大小 k=(2.53/180)*pi; m=sin(k);n=cos(k); %正余弦噪聲cx

28、=109.38;cy=152.02;ecx=1.60;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for i=1:W for j=1:H if Y(i,j)<110 I(i,j,:)=0; elseif (Y(i,j)<=200&&Y(i,j)>=110) x=(double(Cb(i,j)-cx)*n+(double(Cr(i,j)-cy)*m; y=(double(Cr(i,j)-cy)*n-(double(Cb(i,j)-cx)*m; if(x-ecx)2

29、/a2+(y-ecy)2/b2)<=1 I(i,j,:)=255; else I(i,j,:)=0; end elseif Y(i,j)>200 x=(double(Cb(i,j)-cx)*n+(double(Cr(i,j)-cy)*m; y=(double(Cr(i,j)-cy)*n-(double(Cb(i,j)-cx)*m; if (x-ecx)2/(1.1*a)2+(y-ecy)2/(1.1*b)2)<=1 I(i,j,:)=255; %膚色部分變?yōu)榘咨?else I(i,j,:)=0; %其余轉(zhuǎn)成黑色 end end end end figure,imshow(I)

30、;title('膚色區(qū)分后的圖像'); %進(jìn)行將膚色識(shí)別后的黑白圖像% 找到人臉區(qū)域并設(shè)為白色% (r=35)se1=strel('square',35);%這個(gè)函數(shù)可以創(chuàng)建邊長(zhǎng)35的方形元素f0=imclose(I,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figure,imshow(f0);title('修補(bǔ)漏洞后的人臉'); %顯示修補(bǔ)漏洞后的人臉%44444444444444444444444444444BW = im2bw(f0, graythresh(f0); % 二值化figure,

31、 imshow(RGB);title('網(wǎng)格標(biāo)記圖像', 'FontWeight', 'Bold');hold on;xt, yt = meshgrid(round(linspace(1, size(I, 1), 10), .round(linspace(1, size(I, 2), 10);mesh(yt, xt, zeros(size(xt), 'FaceColor', .'None', 'LineWidth', 3, .'EdgeColor', 'r');n1, n2 = size(BW);r = floor(n1/10); % 分成10塊，行c = floor(n2/10); % 分成10塊，列x1 = 1; x2 = r; % 對(duì)應(yīng)行初始化s = r*c; % 塊面積for i = 1:10y1 = 1; y2 = c; % 對(duì)應(yīng)列初