【正文】 數(shù)字圖像處理技術(shù)已經(jīng)成為信息科學(xué)、計算機(jī)科學(xué)、工程科學(xué)、地球科學(xué)等諸多方面的學(xué)者研究圖像的有效工具。另外還可以用imcrop()、imrisize()、imrotate()等來實(shí)現(xiàn)圖像的裁剪、縮放和旋轉(zhuǎn)等功能。圖像增強(qiáng)的目的是為了改善圖像的視覺效果,提高圖像的清晰度和工藝的適應(yīng)性,以及便于人與計算機(jī)的分析和處理,以滿足圖像復(fù)制或再現(xiàn)的要求。這種方法是一種使輸出圖像直方圖近似服從均勻分布的變換算法。銳化濾波器是用高通濾波來實(shí)現(xiàn),目的在于強(qiáng)調(diào)圖像被模糊的細(xì)節(jié)。常用的有Sobel算子,Prewitt算子,Roberts算子,Log算子等。實(shí)現(xiàn)過程代碼如下:i=imread(39。imshow(j)。該部分的程序代碼如下:i=imread(39。j=histeq(i)。在本文實(shí)例中,為了使濾波效果更明顯,我們事先為圖像增加濾波,然后用自適應(yīng)濾波方法對圖像進(jìn)行濾波。)。subplot(1,2,1),imshow(j)。gaussian39。subplot(1,2,2),imshow(j2)。)。imshow(j): 原灰度圖像 邊緣檢測后的圖像 邊緣檢測效果圖 本章小結(jié)以上實(shí)例只是對Matlab圖像處理工具箱函數(shù)的一小部分運(yùn)用,從這些功能的運(yùn)用可以看出,Matlab語言簡潔,可讀性強(qiáng)。其中，人臉圖像預(yù)處理，作為特征提取和識別的前提步驟，是計算機(jī)人臉識別系統(tǒng)中的必要環(huán)節(jié)。用在同一系統(tǒng)中的可能只有其中一種或幾種預(yù)處理方法，但一旦庫中采集到的原始圖像質(zhì)量發(fā)生較大變化（如人臉大小、光照強(qiáng)度、拍攝條件、成像系統(tǒng)等方面變化），原有的預(yù)處理模塊便不能滿足特征提取的需要，還要更新，這是極不方便的。人臉識別是一個復(fù)雜的過程。對提取出來的人臉借助人臉描述就可以進(jìn)行（狹義的）人臉識別，即通過提取特征來確定其身份。根據(jù)所選擇的“人臉特征”，基于顯式特征的方法分以下三類：基于膚色模型的方法、模板匹配的方法、基于先驗知識的方法。除了RGB顏色空間，還有諸如HIS，LUV，GLHS等其它顏色空間被使用?；谙闰炛R的方法則采用符合人臉生理結(jié)構(gòu)特征的人臉鑲嵌圖（mosaic image）模型，并在分析了足夠多的人臉圖像樣本的基礎(chǔ)上，針對人臉的灰度、邊緣、紋理等信息，建立一種關(guān)于人臉的知識庫。這類方法有：特征臉法、人工神經(jīng)網(wǎng)絡(luò)法、支持向量機(jī)法；積分圖像法。支撐向量機(jī)（Support Vector Machine，SVM）法是在統(tǒng)計學(xué)習(xí)理論基礎(chǔ)上發(fā)展出的一種新的模式識別方法，它基于結(jié)構(gòu)風(fēng)險最小化的原理，較之于基于經(jīng)驗風(fēng)險最小化的人工神經(jīng)網(wǎng)絡(luò)，一些難以逾越的問題，如：模型選擇和過學(xué)習(xí)問題、非線性和維數(shù)災(zāi)難問題、局部極小點(diǎn)問題等都得到了很大程度上的解決。39。figure,imshow(BW)%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% minimisation of background portion [n1 n2]=size(BW)。x2=r。 for j=1:10 if (y2=c | y2=9*c) | (x1==1 | x2==r*10) loc=find(BW(x1:x2, y1:y2)==0)。 r1=x1。 pr1=0。 end x1=x1+r。BoundingBox39。 [s1 s2]=size(BB2)。 (BB2(1,k)/BB2(1,k+1)) mx=p。rectangle(39。,39。用在同一系統(tǒng)中的可能只有其中一種或幾種預(yù)處理方法，但一旦庫中采集到的原始圖像質(zhì)量發(fā)生較大變化（如人臉大小、光照強(qiáng)度、拍攝條件、成像系統(tǒng)等方面變化），原有的預(yù)處理模塊便不能滿足特征提取的需要，還要更新，這是極不方便的。 人臉圖像預(yù)處理方法根據(jù)所查閱文獻(xiàn)資料，常應(yīng)用于人臉圖像的預(yù)處理方法有：圖像類型轉(zhuǎn)換、濾波去噪、灰度變換、邊緣檢測及二值化、尺寸歸一化、灰度歸一化等。濾波的方法有很多，如各種平滑濾波、各種銳化濾波等，關(guān)于各種濾波方法的原理和分類可參考文獻(xiàn)[2]。對圖像進(jìn)行線性濾波可以去除圖像中某些特定類型的噪聲，如圖像中的顆粒噪聲，高斯噪聲、椒鹽噪聲等。中值濾波方法的最大優(yōu)點(diǎn)是抑制噪聲效果明顯且能保護(hù)邊界。通過灰度變換，可對原始圖像中的光照不均進(jìn)行補(bǔ)償，使得待識別人臉圖像遵循同一或相似的灰度分布。直方圖均衡化和直方圖規(guī)定化的灰度變換原理和實(shí)現(xiàn)方法可由matlab仿真來實(shí)現(xiàn)。邊緣檢測的方法有很多，主要有：微分算子法、Sobel算子法、拉普拉斯算子法、canny算子法等。為了在不修改其他算法的基礎(chǔ)上，擴(kuò)大系統(tǒng)處理圖像的類型和范圍，將輸入圖像首先轉(zhuǎn)換為統(tǒng)一的類型，是多數(shù)人臉圖像預(yù)處理中的第一步。人臉識別程序：clc。J2=imread(39。J2=rgb2gray(J2)。J2fftShift = fftshift(J2fft)。%求共軛CrossPowerSpecttrum = (J1fftShift .* J2fftConjugate) ./ (J1Power .* J2Power)。 原圖 對比圖 原圖頻譜圖 對比圖頻譜圖123456711111111211111113111111141111111511111116111111171111111 原圖 對比圖 原圖頻譜圖 對比圖頻譜圖123456711+0i+ + + 2+ + + + 3+ + + + + 4+ + + + + 原圖 對比圖 原圖頻譜圖 對比圖頻譜圖123456711+0i + + 2+ + + + 3 + + + + + + 4+ + + + + + 根據(jù)以上內(nèi)容利用matlab仿真軟件和傅里葉變換及相關(guān)性算法做出的人臉識別的頻譜圖以及頻譜圖的相關(guān)性系數(shù)，由相關(guān)性系數(shù)可得到，時域圖一樣的，相關(guān)性系數(shù)都是1而且頻域圖也一樣；時域圖不一樣時，相關(guān)性系數(shù)越接近于1相似度越大，頻域圖差別越小，但是也存在一些缺點(diǎn)，即使是相同的時域圖，它們的頻譜圖也存在一些差異。傅里葉變換能將滿足一定條件的某個函數(shù)表示成三角函數(shù)（正弦和/或余弦函數(shù)）或者它們的積分的線性組合。傅里葉變換在物理學(xué)、數(shù)論、組合數(shù)學(xué)、信號處理、概率、統(tǒng)計、密碼學(xué)、聲學(xué)、光學(xué)等領(lǐng)域都有著廣泛的應(yīng)用。在論文設(shè)計時人臉數(shù)據(jù)庫不容易找到，有些圖像處理方法不是很理解，運(yùn)用的過程中碰到很多問題。 在“數(shù)字圖像處理的基本方法”這一部分，用到的一些基本方法和一些最常用的處理方法來實(shí)現(xiàn)圖像預(yù)處理，如格式轉(zhuǎn)換，灰度變化和濾波銳化。該方法能較好地實(shí)現(xiàn)人臉的分類，但對人臉圖像的要求較高，目前僅是采用Orl的標(biāo)準(zhǔn)人臉庫中的圖像來進(jìn)行測試，因此能獲得較高的識別率。曹老師學(xué)識淵博、治學(xué)嚴(yán)謹(jǐn)、平易近人，他以其寬廣的視野、敏銳的洞察力、嚴(yán)謹(jǐn)?shù)闹螌W(xué)態(tài)度在學(xué)術(shù)上給了我悉心的指導(dǎo)。再次真心的感謝所有關(guān)心愛護(hù)我的良師益友和親人們！