【正文】 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 。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+=Gray[m][n]* tem[(mi+((tem_h1)/2))*tem_w+nj+((tem_w1)/2)]。需要注意的是 :在平滑處理時(shí) ,圖像邊界點(diǎn)無(wú)法處理 ,因此循環(huán)范圍應(yīng)設(shè)定在圖像邊界內(nèi)。5 卷積后的結(jié)果不改變圖像的亮度。 在圖像的采集過(guò)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。 1 1 1 1 上式類(lèi)似于矩陣，我們通常稱(chēng)之為模板。 獲取紅色分量 ColorR=*(lpData + lOffset+2)。灰度線性變換的計(jì)算式為： g = ],[,))(( bafcab afcd ??? ?? （式 4） f，其他 式中， f 是原像素的灰度， g 為變換后的灰度。 //紅色分量 colorb = *(lpData+lOffset+2)。i++) for(int j=0。 （ 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(guò)程如下： ① 、 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 FaceDetectView． Cpp 中的函數(shù)ReadyLightingconpensate() 實(shí) 現(xiàn) ， 并 在 void CFaceDetectView:: OnReadyLightingconpensate()中添加如下代碼： hDIBTemp = (hDIB)。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。 點(diǎn)擊攝像鍵，然后進(jìn)行拍照，并將圖像顯示并保存。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。 這便有利于我們對(duì)特征的提取。經(jīng)過(guò)卷積平滑后的水平投影后，二值化提供了較好的圖像效果。 灰度變化 [4] 圖像灰度化的過(guò)程就是把彩色圖像轉(zhuǎn)換為黑白色圖像的過(guò)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(lái)，但是，這樣做也將會(huì)丟失圖像信息。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(lèi)模型，這一類(lèi)膚色模型的建立首先要選取一種合適的色彩空間。均衡直方圖：使用該模塊的 目的是通過(guò)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。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，使這些像素的平均亮度達(dá)到 255。 編寫(xiě)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(kāi)發(fā)提供應(yīng)盡的責(zé)任。 ③ 熟悉 C++高級(jí)程序設(shè)計(jì)語(yǔ)言。 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(lái)，以便進(jìn)行特征提取。 二 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。 在確定臉部區(qū)域上，通常使用的方法有膚色提 取。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(kù)藏 2300人的正面照片，每人一張照片，使用相距 17年、差別比較大的照片去查詢(xún)，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% 。在美國(guó)的進(jìn)行的公開(kāi)測(cè)試中， FAR，為 53%。佩戴黑框眼鏡，也會(huì)影響本算法的定位結(jié)果。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。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。在識(shí)別前，先 對(duì)圖像進(jìn)行補(bǔ)光處理，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。 二 人臉識(shí)別技術(shù)的研究意義 富有挑戰(zhàn)性的課題 人臉識(shí)別是機(jī) 器視覺(jué) 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。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(lài)程度高，很容易陷入局部最小；二、計(jì)算時(shí)間長(zhǎng)。 面部感知系統(tǒng)的重要內(nèi) 容 基于視覺(jué)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(lèi)（年齡、種族、性別等的判別）、表情識(shí)別、唇讀等分系統(tǒng)，如圖 11 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。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。 2020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)別系統(tǒng)》通過(guò)了由公安部主持的專(zhuān)家鑒定。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。安裝有 Windows 9 Windows Me、 Windows 20 Windows NT 等操作系統(tǒng)中的其中一 種。 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(lái)。 運(yùn)行環(huán)境需求分析 （ 1）、硬件環(huán)境 CPU： 500M 及以上；內(nèi)存： 64 M 及以上。 二 圖像文件格式選擇 在設(shè)計(jì)的過(guò)程中，為了定位和特征提取的方便，我們采用的是 24 位位圖。實(shí)際上就是調(diào)整圖片像素的 RGB值。它的實(shí)現(xiàn)主要是利用灰度均衡的轉(zhuǎn)換式 DB = f （ DA） = A0DMax H（ u） du 。 圖像預(yù)處理模塊 圖像預(yù)處理就是對(duì)獲取得來(lái)的圖像進(jìn)行適當(dāng)?shù)奶幚恚顾哂械奶卣髂軌蛟趫D像中明顯的表現(xiàn)出來(lái)。因此，盡可能在轉(zhuǎn)化的過(guò)程中用簡(jiǎn)單的方式表現(xiàn)圖像復(fù)雜的信息。 該設(shè)計(jì)中采用組內(nèi)方差和組外方差來(lái)實(shí)現(xiàn)二值化。然后從庫(kù)存中提取出該人相關(guān)的信息，并顯示出來(lái)。 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。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： B（ x， y） = f[A（ x， y） ] （式 2） 其中函數(shù) f（ D）被稱(chēng)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(lái)了。 (hDIB)。jwidth。 colorb *=co。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(méi)有在 [a,b]區(qū)間的原像素灰度將保持不變。 計(jì)算灰度值 gray = (ColorG*50+ColorR*39+ColorB*11)/100。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。處理噪聲點(diǎn)的過(guò)程稱(chēng)之為平滑 ,平滑可以降低圖像的視覺(jué)噪聲 ,同時(shí)除去圖像中的高頻部分后 ,那些本來(lái)不明顯的低頻成分更容易識(shí)別。經(jīng)過(guò)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。 （ 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)： ① 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。 } 將結(jié)果乘上總的模板系數(shù) sum=(int)sum*xishu。 //顯示灰度均衡 *(lpData + lOffset+1)=state 。 顯示灰度增強(qiáng)后的圖像 *(lpData + lOffset ) = state 。 ③ 效果圖 圖 46 對(duì)比度增強(qiáng)效果圖 第三節(jié) 編程時(shí)的問(wèn)題解 決 光線補(bǔ)償 由于要改變每一個(gè)像素的亮度，開(kāi)始，我通過(guò)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。經(jīng)過(guò)了一翻苦戰(zhàn)，最終找到均衡直方圖的辦法，經(jīng)過(guò)多次嘗試，效果一直處于比較理想的狀態(tài)。菜單項(xiàng)中的事件處理程序都是在該類(lèi)對(duì)應(yīng)的 中聲明和實(shí)現(xiàn)的。高斯平滑效果的好壞取決與模板參數(shù)。 *(lpData + lOffset+2) = state 。 （ 3）效果圖 圖 45 灰度均衡效果圖 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(kāi)對(duì)比度。 如果小于 0，強(qiáng)制賦值為 0 if(sum0) sum=0。 Invalidate(TRUE)。以下是幾個(gè)常用的卷積核 : 1/9 1/9 1/9 1/10 1/10 1/10 1/16 2/16 1/16 1/9 1/9 1/9 1/10 1/5 1/10 2/16 4/16 2/16 1/9 1/9 1/9 1/10 1/10 1/10 1/16 2/16 1/16 L P1 LP2 LP3 通常的處理是 :將中心點(diǎn)周?chē)藗€(gè)點(diǎn)的像素值乘于各自矩陣相應(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。平滑可用卷積來(lái)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。 1 1 1/9 1 1 1 1 1 1 則該操作應(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。 *(lpData + lOffset+1)=gray ?？梢?jiàn)， a 被映射為 c， b 被映射為 d。 *(lpData+lOffset+2) = colorb。 //得到藍(lán)色分量 *(lpData+lOffset) = colorb。 Invalidate()。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。 對(duì)定位好的人臉圖片進(jìn)行特征提取操作 。 ? ? ? ?? ?139。 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(guò)直方圖變換式來(lái)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)： 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(guò)分增強(qiáng)。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(guò)程主要是通過(guò)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(lái)實(shí)現(xiàn)的。 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(guò)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。 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 YcrCB色彩空間，所以有必要對(duì)圖像進(jìn)行光線補(bǔ)償。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(lái)，需要進(jìn)行圖像的對(duì)比度增強(qiáng)，它主要