人臉識(shí)別課程設(shè)計(jì)

1、 基于MATLAB的人臉識(shí)別課程設(shè)計(jì)基于Matlab的人臉識(shí)別課程設(shè)計(jì)題 目：基于MATLAB的人臉識(shí)別院 系： 信 息 工 程 學(xué) 院 專 業(yè)： 電 子 信 息 工 程 姓 名： 黃 軍 紅 學(xué) 號(hào)： 201107030107 指導(dǎo)老師： 何 江 萍 摘要 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)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)。 本文提出了基于24位彩色圖像對(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

2、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)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?！娟P(guān)鍵字】：人臉識(shí)別；光線補(bǔ)償；高斯平滑；對(duì)比度增強(qiáng)AbstractFace recognition is a complex and difficult problem that is important for surveillance

3、and security, telecommunications, digital libraries , video meeting, and human-computer intelligent interactions. The paper introduced the method of face recognition that based on the 24 bit multicolor image, Main content that the paper introduced is the picture treatment, It occupies the extremely

4、important position in the whole software, the quality of picture process directly influenced the 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 compens

5、ated the light for image, then we could obtain the possible face area through the complexion, finally, the system could depend on the symmetry of eyes to make sure whether it is the face of people, at the same time, the system could eliminate noises through the method that named gauss smoothness, th

6、en we used twain value method to deal with picture，the method got the threshold value in face area . After dealing with picture , the following operations are localization、draw characteristic value 、discerning and so on . After testing, we made true that the picture pretreatment modal has get the be

7、tter effect in the process of dealing with picture, and improve the exactness rate of localization and discerning.【key word】: Face recognition； light compensating； gauss smooth；contrast enhancing 目 錄一、緒論11.背景12.人臉識(shí)別技術(shù)研究的意義13.發(fā)展史21)國外的發(fā)展22)國內(nèi)的發(fā)展3二、系統(tǒng)的需求分析和方案選擇31.可行性分析31)技術(shù)可行性32)操作可行性42.需求分析43.預(yù)處理法案選擇

8、51)設(shè)計(jì)方案的原則選擇52)圖像文件格式選擇53)開發(fā)工具選擇54)算法選擇分析6三、系統(tǒng)概要設(shè)計(jì)7四、系統(tǒng)詳細(xì)設(shè)計(jì)91.系統(tǒng)整體設(shè)計(jì)流程圖92.圖像處理詳細(xì)設(shè)計(jì)103.編程時(shí)的問題解決19五、測(cè)試201.測(cè)試方案的選擇原則212.測(cè)試方案21結(jié)束語23參考文獻(xiàn)24 一、 緒論1. 背景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，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

9、影中看到這種技術(shù)的神奇應(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)。在國外，人臉識(shí)別技術(shù)早已被大量使用在國家重要部門以及軍警等安防部門。在國內(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。2. 人臉識(shí)別技術(shù)研究的意義 富有挑戰(zhàn)性的課題 面部關(guān)鍵特征定位及人臉2D形狀檢測(cè)技術(shù) 面部感知系統(tǒng)的重要內(nèi)容視頻輸入人臉檢測(cè)和跟蹤面部特征定位人臉識(shí)別表情分析性別判斷種族判斷年齡判別唇 讀身份信息情感狀態(tài)性別信息種族信息年齡信息唇形類別3. 發(fā)展史1) 國外的發(fā)

10、展 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，美國國防部高級(jí)研究項(xiàng)目署 (Advanced Research Projects Agency)和美國陸軍研究實(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。美國陸軍實(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%。在美國的進(jìn)行的公開測(cè)試中，F(xiàn)AR，為53%。美國國

11、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，英國的雷丁大學(xué)（University of Reading）和公司（Visionics 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)、德國的BioID 系統(tǒng)等）的工程研究工作也主要

12、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。2) 國內(nèi)的發(fā)展人臉識(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)。我國在這方面也取得了較好的成就，國家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別通常使用正面

13、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)的國家十五攻關(guān)項(xiàng)目人臉識(shí)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)處于國內(nèi)領(lǐng)先水平和國際先進(jìn)水平。二、 系統(tǒng)的需求分析和方案選擇在開發(fā)該人臉識(shí)別軟件之前，我們查詢了前人所寫過的諸多論文以及源程序，在開發(fā)之時(shí)，結(jié)合

14、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)行簡易識(shí)別。1. 可行性分析1) 技術(shù)可行性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。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。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。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,這些都會(huì)影響圖

15、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?；叶茸儞Q：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?；叶染猓夯叶茸儞Q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。對(duì)比度增強(qiáng)：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)。2) 操作可行性該人臉識(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)中的其中一種

16、。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。2. 需求分析 應(yīng)用程序的功能需求分析 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：u 圖像獲取功能：該模塊主要是從攝像頭拍照后進(jìn)行獲取圖片，也可以從圖片庫中獲取，獲取后的

17、圖片可以在軟件的界面中顯示出來以便進(jìn)行識(shí)別。u 圖像預(yù)處理功能：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。u 人臉定位功能：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。u 特征提取功能：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。u 識(shí)別功能：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。3. 預(yù)處理法案選擇1) 設(shè)計(jì)方案的原則選擇本應(yīng)用程序的設(shè)計(jì)方案原則如下： 采用較為先進(jìn)的技術(shù)力量，保證應(yīng)用程序在技術(shù)上具備一定的優(yōu)勢(shì)。 采用成熟的技術(shù)，保證應(yīng)用程序

18、的安全性和可靠性。 應(yīng)用程序便于擴(kuò)展和維護(hù)，易于技術(shù)的更新。 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。 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)用程序的再開發(fā)提供應(yīng)盡的責(zé)任。2) 圖像文件格式選擇 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。3) 開發(fā)工具選擇 Matlab2012b4) 算法選擇分析 本文主要研究的對(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：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

19、，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。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。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,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

20、、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。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DB = f （DA）= H（u）du 。（式1）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?。三?系統(tǒng)概要設(shè)計(jì)T 各模塊功

21、能概述 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： Q 圖像獲取模塊該模塊主要是從攝像頭拍照后進(jìn)行獲取圖片，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。Q 人臉區(qū)域獲取 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。Q 圖像預(yù)處理模塊圖像預(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

22、概述： 光線補(bǔ)償3因?yàn)橄到y(tǒng)得到的圖片可能會(huì)存在光線不平衡的情況，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?；叶茸兓?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)化的過程中用簡單的方式

23、表現(xiàn)圖像復(fù)雜的信息。高斯平滑處理5高斯平滑將對(duì)圖像進(jìn)行平滑處理，在圖像采集過程中，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。對(duì)比度增強(qiáng)6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)

24、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。二值化7二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。直方圖均衡8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

25、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 但是直方圖均衡化存在著兩個(gè)缺點(diǎn)： 變換后圖像的灰度級(jí)減少，某些細(xì)節(jié)消失； 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)。Q 人臉定位模塊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。Q 特征提取模塊特征提取按以下4個(gè)步驟進(jìn)行： 提取兩只眼睛的距離 眼睛的傾角度 眼睛、嘴巴的

26、重心 用一個(gè)矩形標(biāo)出每一個(gè)特征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。Q 識(shí)別模塊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)，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。四、 系統(tǒng)詳細(xì)設(shè)計(jì)1. 系統(tǒng)整體設(shè)計(jì)流程圖1、啟動(dòng)本系統(tǒng)，進(jìn)入人臉識(shí)別系統(tǒng)界面。2、點(diǎn)擊攝像鍵，然后進(jìn)行拍照，并將圖像顯示并保存。1、對(duì)圖片進(jìn)行光線補(bǔ)償、將圖片變成灰色、實(shí)現(xiàn)圖片對(duì)比度增強(qiáng)，二值化變換等一系列預(yù)處理。2、將處理好的人臉圖片進(jìn)行定位，標(biāo)出眼睛、鼻尖和

27、嘴巴。3、對(duì)定位好的人臉圖片進(jìn)行特征提取操作。1、識(shí)別出圖片上的人。2、結(jié)束退出輸出輸入2. 圖像處理詳細(xì)設(shè)計(jì)圖像點(diǎn)運(yùn)算是一種既簡單又重要的技術(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。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

28、圖像為B（x，y），則點(diǎn)運(yùn)算可表示為： B（x，y） = fA（x，y） （式2）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。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。（1) 光線補(bǔ)償（1）算法思想：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)

29、色彩而向某一方向移動(dòng)，即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)的色彩值也都按這一調(diào)整尺度進(jìn)行交換。 （2） 具體實(shí)現(xiàn)光線補(bǔ)償功能： 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：

30、、 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)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FaceDetectViewCpp中的函數(shù)ReadyLightingconpensate()實(shí)現(xiàn)，并在void CFaceDetectView: OnReadyLightingconpensate()中添加如下代碼：hDIBTemp = gDib.CopyHandle(hDIB);gDib.LightingCompensate

31、(hDIB);GlobalUnlock(hDIB);Invalidate();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（）是類DIB的一個(gè)成員函數(shù)。其核心代碼如下所述：/下面的循環(huán)對(duì)圖像進(jìn)行光線補(bǔ)償for(i =0;iheight;i+)for(int j=0;jPixelOffset(i,j,wBytesPerLine); /得到藍(lán)色分量*(lpData+lOffset) = colorb;/綠色分量colorb = *(lpData+lOffset+1);colorb *=co;if(colorb 2

32、55)colorb = 255;*(lpData+lOffset+1) = colorb;/紅色分量colorb = *(lpData+lOffset+2);colorb *=co;if(colorb 255)colorb = 255;*(lpData+lOffset+2) = colorb; 光線補(bǔ)償?shù)男Ч麍D如下所示 ： 圖 4-1 原圖 圖4-2 光線補(bǔ)償效果圖（2) 2、 圖像灰度化（1）算法思想 彩色轉(zhuǎn)換成灰度 將彩色圖像轉(zhuǎn)化為灰階圖像常采用如下的經(jīng)驗(yàn)式： gray0.39R0.50G0.11B（式3）其中，gray為灰度值，R、G、B分別為紅色、綠色和藍(lán)色分量值。 灰度比例變換灰度比

33、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。 灰度線性變換當(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： g = （式4）f，其他式中，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?？梢姡琣被映射為c，b被映射為d。 灰度線性截?cái)?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

34、的灰度等于d。（2）具體實(shí)現(xiàn)灰度化功能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。 編輯菜單IDR_MAINFRAM，先在其中添加一菜單項(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FaceDetectViewCpp中的函數(shù)ReadyLightingconpensate()實(shí)現(xiàn). 現(xiàn)該模塊的核心代碼如下：獲取藍(lán)色分量 ColorB=*(lpData + lOffset); 獲取綠色分量 ColorG=*(lpData + lOffset+1); 獲取紅色分量 ColorR=*(lpData + lOffset+2); 計(jì)算灰度值 gray = (

35、ColorG*50+ColorR*39+ColorB*11)/100;顯示灰度圖像 *(lpData + lOffset)=gray ; *(lpData + lOffset+1)=gray ; *(lpData + lOffset+2)=gray ;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 圖像灰度化效果圖：圖 4-3 圖像灰度化效果圖（3) 3、高斯平滑（1） 算法思想 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)都要用到模板操作通常的處理是:將中心點(diǎn)周圍八個(gè)點(diǎn)的像素值乘于

36、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)。（2） 具體實(shí)現(xiàn)高斯平滑功能知道高斯平滑原理之后，可進(jìn)行編碼將其實(shí)現(xiàn)： 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_Templat

37、e。 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： /進(jìn)行模板操作 Template(tem ,3,3, xishu); Invalidate(TRUE); 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： for(m=i-(tem_h-1)/2);m=i+(tem_h-1)/2);m+) for(n=j-(tem_w-1)/2);n=j+(tem_w-1)/2);n+) 注： 將以點(diǎn)（i，j）為中心，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 sum+=Graymn*

38、 tem(m-i+(tem_h-1)/2)*tem_w+n-j+(tem_w-1)/2); 將結(jié)果乘上總的模板系數(shù) sum=(int)sum*xishu; 計(jì)算絕對(duì)值 sum = fabs(sum); 如果小于0，強(qiáng)制賦值為0 if(sum255) sum=255; HeightTemplateij = sum； 高斯平滑效果圖：見下圖 4-4 圖4-4 高斯平滑效果圖（4) 灰度均衡（1）算法思想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。按照?qǐng)D像的概

39、率密度函數(shù)（PDF，歸一化帶單位面積的直方圖）的定義：P（x） = * H（x）（式5）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Pr（r），轉(zhuǎn)換后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：Ps（S） = Pr（r）* （式6）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：Pr（r）= （式45）等式兩邊積分，得： S = f（r）= 0 rP2（u）du =0 r H（u）du (式7)該轉(zhuǎn)換式被稱為圖像的累積分布函數(shù)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

40、，對(duì)于灰度圖就是255）即可，灰度均衡的轉(zhuǎn)換式為：DB = f （DA）= H（u）du （式1）對(duì)于離散圖像轉(zhuǎn)換式為：DB = f（DA）= （式8） 式中Hi為第i級(jí)灰度的像素個(gè)數(shù)。（2）編程實(shí)現(xiàn)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： *(lpData + lOffset)=state ; /顯示灰度均衡*(lpData + lOffset+1)=state ;*(lpData + lOffset+2)=state ;（3）效果圖 圖 4-5 灰度均衡效果圖（5)

41、圖像對(duì)比度增強(qiáng)（1） 算法思想：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＿@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。（2） 編碼實(shí)現(xiàn)： 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。 類CFaceDetectVie

42、w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，其代碼如下；lOffset = gDib.PixelOffset(i, j, gwBytesPerLine);獲取圖像灰度增強(qiáng)函數(shù)int state=IncreaseContrast(ZFTkk1, 100); 顯示灰度增強(qiáng)后的圖像*(lpData + lOffset ) = state ; *(lpData + lOffset+1) = state ;*(lpData + lOffset+2) = state ;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：

43、如果數(shù)據(jù)很小，設(shè)置為0if(pByte=Low)return 0;獲得中間數(shù)據(jù)，并進(jìn)行對(duì)比增強(qiáng)處理else if (LowpByte)&(pByteHigh)return int(pByte-Low)/Grad);如果數(shù)據(jù)很大，設(shè)置為255elsereturn 255; 效果圖3. 編程時(shí)的問題解決 光線補(bǔ)償 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。 高斯平滑 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

44、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 原先采用了 1/9 1/9 1/9 1/9 1/9 1/9 1/9 1/9 1/9 形式，但是，得到的效果卻是令人失望。 后來又用了 1/10 1/10 1/10 1/10 1/5 1/10 1/10 1/10 1/10 形式，但是，結(jié)果仍然是未能達(dá)到預(yù)期的效果。 直到最后采用的 1/16 2/16 1/16 2/16 4/16 2/16 1/16 2/16 1/16n 形式，才得到了比較合理的效果。 均衡直方圖 開始時(shí)，圖像的會(huì)度一直都處于很散的

45、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)。五、 測(cè)試測(cè)試是為了找出程序的錯(cuò)誤。正如測(cè)試的規(guī)則所確定的一樣：測(cè)試是為了發(fā)現(xiàn)程序中的錯(cuò)誤而執(zhí)行程序的過程；好的測(cè)試方案是極可能發(fā)現(xiàn)迄今為止尚未發(fā)現(xiàn)的錯(cuò)誤的測(cè)試方案；成功的測(cè)試是發(fā)現(xiàn)了迄今為止尚未發(fā)現(xiàn)的錯(cuò)誤的測(cè)試。1. 測(cè)試方案的選擇原則應(yīng)當(dāng)把“盡早地和不斷地進(jìn)行軟件測(cè)試”作為軟件開發(fā)者的座右銘。（1) 測(cè)試用例應(yīng)由測(cè)試輸入數(shù)據(jù)和與之對(duì)應(yīng)的預(yù)期輸出結(jié)果兩部分組成。程序員應(yīng)避免檢查自己的程序。（注意不是指對(duì)程序的調(diào)試）（2) 在設(shè)計(jì)測(cè)試用例時(shí)，應(yīng)當(dāng)包括合理的輸入條件和不合理的輸入條件。不合理的輸入條件是指異常的，臨界的，可能引起問題異變的輸入條件。（3) 充分注意測(cè)試中的群集現(xiàn)象。經(jīng)驗(yàn)表明，測(cè)試后程序殘存的錯(cuò)誤數(shù)目與該程序中以發(fā)現(xiàn)的錯(cuò)誤數(shù)目或檢錯(cuò)率成正比。應(yīng)該對(duì)錯(cuò)誤群集的程序段進(jìn)行重點(diǎn)測(cè)試。（4) 嚴(yán)格執(zhí)行測(cè)試計(jì)劃，排除測(cè)試的隨意性。測(cè)試計(jì)劃應(yīng)包括：所測(cè)軟件的功能，輸入和輸出，測(cè)試內(nèi)容，各項(xiàng)測(cè)試的進(jìn)度安排，資源要求，測(cè)試資