【文章內容簡介】 包括圖像數(shù)據(jù)以及顏色變換查詢表或調色板數(shù)據(jù)，這部分是文件的主體，對文件容量的大小起決定作用。如果是真彩色圖像，則五顏色變換查找表或調色板數(shù)據(jù)，對于256色的調色板，每種顏色值用24bit表示，則調色板的數(shù)據(jù)長度為256x3字節(jié)。目前還沒有非常統(tǒng)一的圖像文件格式，但大多數(shù)圖像處理軟件都與數(shù)種圖像文件格式相兼容，也即可讀取多種不同格式的圖像文件，這樣，不同的圖像格式可相互轉換。當然，還有專門的圖像格式轉換軟件，用于各種圖像格式的轉換。位圖文件(BitmapFile,BMP)格式是Windows采用的圖像文件存儲格式在Windows環(huán)境運行下的所有圖像處理軟件都支持這種格式。Windows BMP位圖文件格式與顯示設備有關，因此把它稱為設備相關位圖(devicedependent bitmap,DDB)文件格式。Windows ，因此把這種BMP位圖文件格式稱為設備無關位圖(deviceindependent bitmap,DIB)格式，目的是為了讓Windows能夠在任何類型的顯示設備上顯示BMP位圖文件。BMP位圖文件默認的文件擴展名是BMP或者bmp。位圖文件可看成是由4個部分構成：位圖文件頭(bitmapfile header)、位圖信息頭(bitmapinformation header)、顏色表(color table)和位圖數(shù)據(jù)。文件頭的信息主要包括與位圖文件相關的信息，如文件類型、文件大小等，該部分信息共占14個字節(jié)。位圖信息頭的主要內容為與圖像相關的信息，如位圖的高度與寬度，位圖的大小等，該部分信息共占40個字節(jié)。該部分含有多個表項，每個表項占4個字節(jié)。對于24位真彩圖像是沒有這部分內容。顏色表的表項個數(shù)由biBitCount確定，為2個表項，因此顏色表的總長度為24個字節(jié)。該部分的大小取決于壓縮方法，它包含所有的位圖數(shù)據(jù)，這些數(shù)據(jù)的值取決于biBitCount的值。biBitCount=1表示位圖最多有兩種顏色，即黑色和白色。圖像數(shù)據(jù)中的每一位(0或1)表示一個像素(黑色或白色)。biBitCount=4表示位圖最多有16種顏色。每個像素用4位表示，并用這4位作為顏色表的表項來查找該像素的顏色。例如，如果位圖中的第一個字節(jié)的十六進制數(shù)為1F，它表示兩個像素，第一像素的顏色就在顏色表的第2表項中查找，第二個像素的顏色在顏色表的第16表項里查找。biBitCount=8表示位圖最多有256種顏色。每個像素用8位表示，并用這8位作為顏色表的表項來查找該像素的顏色。例如，如果位圖中的第一個字節(jié)的十六進制數(shù)為1F，這個像素的顏色就在顏色表的第32表項中查找。biBitCount=24表示位圖最多有2=16777216種顏色。顏色表為空。每3個字節(jié)代表一個像素，每個字節(jié)分別表示R、G、B三分量的值。位圖數(shù)據(jù)的存放順序是從圖像中的最后一行到第一行的，每一行的順序為從左到右。值得一提的是，每一行像素所占的字節(jié)數(shù)必須是4的整倍數(shù)，如果實際像素所占字節(jié)數(shù)不足4的倍數(shù)，則需要補齊，下一行像素值也是從4的倍數(shù)字節(jié)處后開始存放。一種顏色可用三個基本量來描述，所以顏色的描述是通過建立色彩（空間）模型來實現(xiàn)的，也就是建立一個三維坐標系統(tǒng)，其中每個空間點都代表一種顏色。不同的色彩（空間）模型對應于不同的處理目的。CIE（國際照明委員會）在進行大量的色彩測試實驗的基礎上提出了一系列的色彩模型用于對色彩進行描述。常見的色彩（空間）模型有RGB、Lab、YIQ、YUV等。RGB是一個通過與亮度有關的紅色（Red）、綠色(Green)、和藍色（Blue）的組合來表現(xiàn)色彩，RGB模型基于色彩的相加，當R、G、B三種色彩的亮度都達到最大值時，得到的結果是白色，圖像經(jīng)掃描時大多用這種色彩模型，并且，RGB色彩模型同時是用來描述從顯示器的紅色、綠色和藍色磷光粉中發(fā)出的能量數(shù)值的指定技術。RGB色彩模型是根據(jù)人眼椎體按接收光線的方式構成一個模型的，眼睛的椎體上有紅、綠、藍的接收細胞，來響應光線不同色彩的波長，將信息收集后，綜合起來，組成某一種色彩，則由人腦決定。RGB色彩非常適合于標準顯示器的圖形工作人員，因為RGB是一種可以增添的色彩。但是，彩色圖像 在RGB顏色空間中的RGB分量值不僅表示色彩又同時表示亮度，R、G、B三種基色之間存在著很大的相關性，這使得RGB顏色空間在彩色圖像分析和識別中不受歡迎。Lab色彩模式可以說是最大范圍的色彩模式，是一種與設備無關的色彩空間，無論使用何種設備（如顯示器，打印機，計算機或掃描儀）創(chuàng)建或輸出圖像，這種模型都能生成一致的顏色，在Photoshop中進行RGB與CMYK模式的轉換都要利用Lab模式作為中間過渡模式來進行，只是大家平時看不到它在工作。Lab模式在任何時間、地點、設備都唯一性，因此在色彩管理中它是重要的表色體系。Lab的色彩理論是建立在人對色彩感覺的基礎上。Lab色理論認為，在一個物體中，紅色和綠色兩種原色不能同時并存，黃色和藍色兩種原色也不能同時并存。Lab色彩模型用三組數(shù)值表示色彩：Lightness：亮度數(shù)值，從0到100。a：紅色和綠色兩種原色之間的變化區(qū)域，數(shù)值從120到+120。b：黃色到藍色兩種原色之間的變化區(qū)域，數(shù)值從120到+120。 數(shù)字圖像處理常用方法數(shù)字圖像處理的方法很多，根據(jù)他們處理數(shù)字圖像時所用系統(tǒng)，主要可以歸納為兩大類：空間域處理法(空域法)即在圖像空間域中對圖像進行各種處理；頻域法(或稱為變換域法)即把圖像變換到頻域，然后再進行處理。頻域處理法包含了對圖像進行正交變換的正變換和反變換，對于數(shù)據(jù)量較大的二維圖像，圖像處理相對技術，不易滿足視覺系統(tǒng)實時處理的要求。此外，對圖像進行形態(tài)學變換也是圖像處理的常用方法。 空域處理法空域處理法是指在空間域內直接對數(shù)字圖像進行處理，處理時，既可以直接對圖像各像素點進行灰度上的變換處理，也可以對圖像進行小區(qū)域模版的空域濾波等處理，以充分考慮像素領域像素點對其的影響。一般來說，空域處理算法的結構較為簡單，處理速度相對較快?？沼蛱幚硭惴ㄖ饕芯€性變換和閾值變換。1. 線性變換 線性變換是將圖像中所有的點的顏色分量值按照線性變換函數(shù)進行變換，線性變換函數(shù)是一個一維線性函數(shù)。 Gray= (11)Gray為圖像中像素點的灰度值，k為變換系數(shù)。閾值變換主要是將預付圖像轉換為黑白二值圖像。從復雜背景匯總分辨出目標并將其形狀完整地提取出來，閾值的選擇非常重要。閾值選取如若不當，目標與背景不易分離。 Gray= (12)T為所選定的閾值，常見的閾值選擇方法有：全局閾值、自適應閾值、最佳閾值等。全局閾值：整幅圖像使用同一個閾值作分割處理，適用于背景和前景有明顯對比的圖像。全局閾值法由于被檢測圖像存在因背景復雜、光照條件不同和干擾過多造成的圖像質量差異，若閾值取得過高或過低，都會產(chǎn)生對膚色和背景的較嚴重的誤判，影響到分割的效果，容易造成漏檢和錯檢。自適應閾值：在許多情況下，物體和背景的對比度在圖像中不是各處一樣的，這時很難用統(tǒng)一的一個閾值將物體與背景分開。這時可以根據(jù)圖像的局部特征分別采用不同的閾值進行分割。實際處理時，需要根據(jù)具體問題將圖像分成若干子區(qū)域分別選擇閾值，或者動態(tài)地根據(jù)一定的領域范圍選擇每點處的閾值，進行圖像分割，但對于不斷更新的動態(tài)目標，這種分割方法不易確定分割區(qū)域。最佳閾值：閾值的選擇需要根據(jù)具體問題來確定，一般通過實驗來確定。對于給定的圖像，可以通過分析直方圖的方法來確定最佳閾值。例如當直方圖明顯呈現(xiàn)雙峰情況是，可以選擇兩個峰值的中點作為最佳閾值。有事通過對整個圖像進行灰度分布分析，確定進行圖像分割的最佳閾值。 頻域處理法主要是通過傅里葉變換、離散余弦變換、沃爾什變換和小波變換等變換算法，將圖像從空域信號變換到相應地頻域信號，然后在頻域中對信號進行處理，處理完成后再將信號從頻域反變換到空域。由于頻域的作用空間比較特殊，不同于以往的空域處理方法，因此可以實現(xiàn)許多在空間域中無法完成或是很難實現(xiàn)的處理，廣泛用于濾波、編碼壓縮等方面。由于各種變換算法把圖像從空域向頻域進行變換以及反變換中均有相當大的計算量，頻域處理算法的運算速度仍受變換與反變換的處理速度的制約而很難提高。本論文處理算法中未涉及頻域處理算法。（論文） 人眼定位的常用算法研究 第二章 人眼定位的常用算法研究 人眼定位的常用算法研究 人體面部結構組成的有眼睛、鼻子、嘴巴、下巴、顴骨，還有部分毛發(fā)特征比如胡須，眉毛等。其中眼睛這一器官有著舉足輕重的作用。眼睛是人和動 物的視覺器官，主要部分是眼球。人的眼睛近似球形，位于眼眶內。正常成年人其前后徑平均為24mm，垂直徑平均23mm。最前端突出于眶外12—14mm，受眼瞼保護。眼睛是面部表現(xiàn)的重點，這不但因為眼睛是“心靈的窗戶’’，更重要的還在于，構成眼睛的不同材質和眼睛復雜的結構變化。眼睛處在面部的中心位置，它是五宮中運動最頻繁的器官。兩只眼睛的結構方向正好相對，這更增加了它的表現(xiàn)難度。因此，對眼睛的研究，就顯得尤其重要。眼睛由眼球、上眼瞼、下眼瞼、眼眶和淚阜組成。眼球呈球體嵌在頭骨深凹的眼眶內，通過上下眼瞼構成的眼裂，才能看到眼球的暴露部分，即部分眼白和虹膜、瞳孔。它的上部有上眼瞼投下的陰影，下部有球體自身結構形成的暗部。虹膜是一個變化復雜的深色透明體，黑色的瞳孔上，有小而亮的高光。眼瞼與眼裂呈弧形，分上下兩部分包裹著眼球。上眼瞼比下眼瞼厚和長，位置也靠前，覆蓋著眼球的大部分。眼睛用作人臉檢測驗證方法的依據(jù)是：兩眼之間的間距不受光照或表情變化影響，并且兩眼中心連線的方向能夠隨人臉方向的不同發(fā)生偏轉，由此可以用此作為圖像旋轉的判斷依據(jù)。常用的有基于紅眼效應的定位算法、區(qū)域分割法、Hough變換法、變形模版法、基于知識的人眼定位、邊緣特征分析法、灰度投影法和模版匹配法等。 基于紅眼效應的算法基于紅眼效應的定位算法：同時使用940nm和850nm 2組紅外光源，利用瞳孔對不同波長的紅外光發(fā)射程度的差異，對同一時刻拍攝的圖像做查分實現(xiàn)人眼定位，這種方法系統(tǒng)搭建復雜，并且在人眼睛閉合時完全失效。 區(qū)域分割法 區(qū)域分割法首先對人臉的二值圖像進行區(qū)域分割，然后設定一系列經(jīng)驗值和支持函數(shù)粗定位眼睛，該方法具有較好適應性和較高的準確性。 Hough變換法Hough變換法首先對人臉圖像進行邊緣提取，然后用Hough變換檢測眼球，構造一個包括眼睛、眼臉的眼部模板，用一系列函數(shù)從能量角度找出眼臉。該方法需要做大量預處理，參數(shù)過多的眼部模板不使用于個體差異太大的人臉。霍夫變換法主要是針對眼球進行研究。在用霍夫變換檢測眼球前，先用Canny算法提取邊緣。設圖像空間為(i，j)，i和j分別表示行和列，三維變換空 間為(ie，je，R)，其中ie、je分別代表眼球圓心的行和列，R為半徑。下半圓表達式為：i=+ (21)對于變換空間的每一個坐標點(ie，je，R)，在圖像空間都對應一個半圓，在這個半圓上存在的邊緣點數(shù)就是變換空間上坐標點(ie，．je，R)對應的值。實驗證明，霍夫變換確實具有抗干擾能力強的優(yōu)點。 基于知識的人眼定位法人眼的位置幾何關系是固定的，基于知識的人眼定位是根據(jù)人眼分布的位置幾何關系來定位。因為考察的只是幾個區(qū)域中心點之間連線的長度和斜率，計算量相對少很多。在進行定位前完成了兩項準備工作。1．各區(qū)域的行心坐標形心坐標的計算公式如下：X= (22)Y= (23)2．行心坐標的排序中心坐標的排序是對各中心點按高低位置進行排序。由于最多只有六個中心坐標，所以使用了簡單的冒泡排序法。因為區(qū)域結構體定義復雜、成員較多，移動一個區(qū)域結構隊列元素會占用較多資源。本文采用了間接排序來優(yōu)化這一問題。用數(shù)組A保存各形心點的縱坐標，用數(shù)組B紀錄索引號。經(jīng)排序后，如果A3成為第一個元素，則B1的值等于3。它表示第三個隊列元素的形心位置是最高的。這樣就可通過查找數(shù)組B來得到需要位置的隊列元素?；叶韧队胺▽θ四槇D像進行水平和垂直方向的投影，根據(jù)波峰波谷的分布信息來定位眼睛。投影是一種重要的圖像分析方法，二維圖像可以由正交的兩個一維投影函數(shù)來分析，維數(shù)的降低在減小計算量的同時也使氣更便于分析，也有研究者運用積分投影、方差投影來進行人眼定位。投影方法定位速度較快，但波峰、波谷的分布對不同的人臉、發(fā)型和姿態(tài)的變化非常敏感，因此定位精度較差，對眼睛的定位不準確。模板匹配法是一種常用的眼睛定位方法，首先要分別得到左眼和右眼模板，模板可以根據(jù)眼睛參數(shù)進行構造，也可以從人臉庫中進行選取，然后分別用左眼模板和右眼模板在圖像中進行匹配，分別得到兩個相似度最大的點作為定位的眼睛，這種方法使用方便，不需要大