【文章內(nèi)容簡(jiǎn)介】 b 語言語法限制不嚴(yán)格 ,程序設(shè)計(jì)自由度大 ,程序的可移植性好。 Matlab 還推出了功能強(qiáng)大的適應(yīng)于圖像分析和處理的工具箱 ,常用的有圖像 處理工具箱、小波分析工具箱及數(shù)字信號(hào)處理工具箱。利用這些工具箱 ,我們可以很方便的從各個(gè)方面對(duì)圖像的性質(zhì)進(jìn)行深入的研究。 Matlab 圖像處理工具箱支持索引圖像、 RGB 圖像、灰度圖像、二進(jìn)制圖像并能操作 .bmp、 jpg、tif等多種圖像格式文件。 數(shù)字圖像處理及過程 圖像是人類獲取信息、表達(dá)信息和傳遞信息的重要手段。利用計(jì)算機(jī)對(duì)圖像進(jìn)行去除噪聲、增強(qiáng)、復(fù)原、分割、提取特征等的理論、方法和技術(shù)稱為數(shù)字圖像處理。數(shù)字圖像處理技術(shù)已經(jīng)成為信息科學(xué)、計(jì)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。數(shù)字圖像處理主要包括圖像變換、圖像增強(qiáng)、圖像編碼、圖像復(fù)原、圖像重建、圖像識(shí)別以及圖像理解等內(nèi)容。 圖像處理的基本操作 讀取和顯示圖像可以通過 imread()和 imshow()來實(shí)現(xiàn) 。圖像的輸出用imwrite()函數(shù)就可以很方便的把圖像輸出到硬盤上 。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。 圖像類型的轉(zhuǎn)換 Matlab 支持多種圖像類型 ,但在某些圖像操作中 ,對(duì)圖像的類型有要求 ,所以要涉及到對(duì)圖像類型進(jìn)行轉(zhuǎn)換。 圖像處理工具箱為我們提供了不同圖像類型相互轉(zhuǎn)換的大量函數(shù) ,如 mat2gray()函數(shù)可以將矩陣轉(zhuǎn)換為灰度圖像 ,rgb2gray()轉(zhuǎn)換 RGB 圖像或顏色映像表為灰度圖像。在類型轉(zhuǎn)換的時(shí)候 ,我們還經(jīng)常遇到數(shù)據(jù)類型不匹配的情況 ,針對(duì)這種情況 , 工具箱中 ,也給我們提供了各種數(shù)據(jù)類型之間的轉(zhuǎn)換函數(shù) ,如 double()就是把數(shù)據(jù)轉(zhuǎn)換為雙精度類型的函數(shù)。 圖像增強(qiáng) 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(jì)算機(jī)的分析和處理 ,以滿足圖像復(fù)制或 再現(xiàn)的要求。圖像增強(qiáng)的方法分為空域法和頻域法兩大類 ,空域法主要是對(duì)圖像中的各個(gè)像素點(diǎn)進(jìn)行河南城建學(xué)院本科畢業(yè)設(shè)計(jì)（論文） 圖像處理的 matlab實(shí)現(xiàn) 7 操作而頻域法是在圖像的某個(gè)變換域內(nèi)對(duì)整個(gè)圖像進(jìn)行操作 ,并修改變換后的系數(shù) ,如傅立葉變換、 DCT變換等的系數(shù) ,然后再進(jìn)行反變換 ,便可得到處理后的圖像。下面以空域增強(qiáng)法的幾種方法加以說明。 (1)灰度變換增強(qiáng) 有多種方法可以實(shí)現(xiàn)圖像的灰度變換 ,其中最常用的就是直方圖變換的方法 ,即直方圖的均衡化。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。 histeq(),同時(shí)我們可以用函數(shù) imhist()函數(shù)來計(jì)算和顯示圖像的直方圖。 (2)空域?yàn)V波增強(qiáng) 空域?yàn)V波按照空域?yàn)V波器的功能又可分為平滑濾波器和銳化濾波器。平滑濾波器可以用低通濾波實(shí)現(xiàn) ,目的在于模糊圖像或消除噪聲 。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)。在 Matlab 中 ,各種濾波方法都是在空間域中通過不同的濾波算子實(shí)現(xiàn) ,可用 fspecial()函數(shù)來創(chuàng)建預(yù)定義的濾波算子 ,然后可以使用 imfilter()或 filter2()函數(shù)調(diào)用創(chuàng)建好的濾波器對(duì)圖像進(jìn)行濾波。 邊緣檢測(cè) 數(shù)字圖 像的邊緣檢測(cè)是圖像分割、目標(biāo)區(qū)域識(shí)別、區(qū)域形狀提取等圖像分析領(lǐng)域十分重要的基礎(chǔ) ,也是圖像識(shí)別中提取圖像特征的一個(gè)重要屬性。邊緣檢測(cè)算子可以檢查每個(gè)像素的鄰域并對(duì)灰度變化率進(jìn)行量化 ,也包括對(duì)方向的確定 ,其中大多數(shù)是基于方向?qū)?shù)掩模求卷積的方法。常用的有 Sobel 算子 ,Prewitt 算子 ,Roberts 算子 ,Log 算子等。 工具箱中提供的 edge()函數(shù)可以進(jìn)行邊緣檢測(cè) ,在其參數(shù)里面 ,可以根據(jù)需要選擇合適的算子及其參數(shù)。 Matlab 實(shí)現(xiàn)實(shí)例 本文通過運(yùn)用圖像處理工具箱的有關(guān) 函數(shù)對(duì)一人臉的彩色圖像進(jìn)行處理。 因后面的圖像增強(qiáng) ,邊緣檢測(cè)都是針對(duì)灰度圖像進(jìn)行的 ,而我們的原圖是 RGB圖像 ,所以首先我們要對(duì)原圖類型進(jìn)行轉(zhuǎn)換。實(shí)現(xiàn)過程代碼如下 : i=imread(39。f:\39。)。 j=rgb2gray(i)。 imshow(j)。imwrite(j,39。f:\39。) 效果如圖 :河南城建學(xué)院本科畢業(yè)設(shè)計(jì)（論文） 圖像處理的 matlab實(shí)現(xiàn) 8 圖 對(duì)原圖類型進(jìn)行轉(zhuǎn)換 (1)灰度圖像直方圖均衡化 通過比較原圖和直方圖均衡化后的圖像可見 ,圖像變得更清晰 ,而且均衡化后的 直方圖比原直方圖的形狀更理想。該部分的程序代碼如下 : i=imread(39。f:\39。)。i=rgb2gray(i)。 j=histeq(i)。imshow(j)。 figure,subplot(1,2,1),imhist(i)。 subplot(1,2,2),imhist(j) 執(zhí)行后的效果圖如圖 和圖 : 圖 均衡化后的灰度圖像圖 均衡化前后的直方圖對(duì)比圖 河南城建學(xué)院本科畢業(yè)設(shè)計(jì)（論文） 圖像處理的 matlab實(shí) 現(xiàn) 9 (2)灰度圖像平滑與銳化處理 平滑濾波器的目的在于模糊圖像 或消除噪聲 , 圖像處理工具箱提供了 medfilter2()函數(shù)用于實(shí)現(xiàn)中值濾波 ,wiener2()實(shí)現(xiàn)對(duì)圖像噪聲的自適應(yīng)濾波。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(duì)圖像進(jìn)行濾波。銳化處理的目的在于強(qiáng)調(diào)圖像被模糊的細(xì)節(jié) ,在本實(shí)例中采用了預(yù)定義高斯濾波器的方法對(duì)圖像進(jìn)行銳化濾波。功能實(shí)現(xiàn)的代碼如下 : i=imread(39。f:\39。)。 j=imnoise(i,39。gaussian39。,0,)。 subplot(1,2,1),imshow(j)。 j1=wiener2(j)。subplot(1,2,2),imshow(j1)。 h=fspecial(39。gaussian39。,2,)。 j2=imfilter(i,h)。figure,subplot(1,2,1),imshow(i)。 subplot(1,2,2),imshow(j2)。 得到的效果圖如圖 : 加入噪聲的圖像 濾波后的圖像 圖 平滑濾波效果 原灰度圖像 銳化后的圖像 圖 銳化濾波效果圖 河南城建學(xué)院本科畢業(yè)設(shè)計(jì)（論文） 圖像處理的 matlab實(shí) 現(xiàn) 10 edge()函數(shù)實(shí)現(xiàn)邊緣檢測(cè) ,還有各種方法算子供選擇 ,在本實(shí)例中采用了 canny 算子來進(jìn)行邊緣檢測(cè)。 程序代碼如下 : i=imread(39。f:39。)。 j=edge(i,39。canny39。,[,],)。 imshow(j) 效果圖如圖 : 原灰度圖像 邊緣檢測(cè)后的圖像 圖 邊緣檢測(cè)效果圖 本章小結(jié) 以上實(shí)例只是對(duì) 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(jiǎn)潔 ,可讀性強(qiáng)。作為人臉識(shí)別系統(tǒng)中圖像預(yù)處理工具，有非常好的處理功能。 河南城建學(xué)院本科畢業(yè)設(shè)計(jì)（論文） 人臉圖像識(shí)別計(jì)算機(jī)系統(tǒng) 11 3 人臉圖像識(shí)別計(jì)算機(jī)系統(tǒng) 引言 計(jì)算機(jī)人臉識(shí)別是一個(gè)非常活躍的研究領(lǐng)域，因其在公安刑偵破案、銀行密碼系統(tǒng)、計(jì)算機(jī)安全系統(tǒng)以及動(dòng)態(tài)監(jiān)視系統(tǒng)等方面都有廣泛應(yīng)用，已成為當(dāng)前模式識(shí)別、計(jì)算機(jī)視覺領(lǐng)域的研究熱點(diǎn)。人臉識(shí)別系統(tǒng)一般 包括人臉檢測(cè)與定位、人臉圖像預(yù)處理、特征提取和匹配識(shí)別四個(gè)組成部分。其中，人臉圖像預(yù)處理，作為特征提取和識(shí)別的前提步驟，是計(jì)算機(jī)人臉識(shí)別系統(tǒng)中的必要環(huán)節(jié)。其目的是在去除噪聲，加強(qiáng)有用信息，對(duì)輸入設(shè)備或其他因素造成的退化現(xiàn)像進(jìn)行復(fù)原，為后續(xù)的特征提取和識(shí)別作準(zhǔn)備。 不同的人臉識(shí)別系統(tǒng)根據(jù)其采用的圖像來源和識(shí)別算法需要不同，采用的預(yù)處理方法也不同。常用的人臉圖像預(yù)處理方法有：濾波去噪、灰度變換、圖像二值化、邊緣檢測(cè)、尺寸歸一化、灰度歸一化等。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。 鑒于此，作者在總結(jié)分析了灰度變換、濾波去噪、邊緣檢測(cè)三種廣泛應(yīng)用于不同人臉識(shí)別系統(tǒng)中的預(yù)處理方法基礎(chǔ)上，設(shè)計(jì)了一個(gè)通用的人臉圖像預(yù)處理仿真系統(tǒng)。該系統(tǒng)可對(duì)不同條件下的原始圖像進(jìn)行相應(yīng)的預(yù)處理。如，用戶可根據(jù)需要選擇使用不同的濾波方法去除噪聲、不同的邊緣檢測(cè)算子檢測(cè)人臉邊緣、選擇不同的灰度變換算法實(shí)現(xiàn)圖像的灰度校正和灰度歸一化，仿真系統(tǒng)同時(shí)還實(shí)現(xiàn)了尺寸歸一化、二值 化等其他常用的圖像預(yù)處理算法。 系統(tǒng)基本機(jī)構(gòu) 人臉識(shí)別是一個(gè)復(fù)雜的過程，一個(gè)計(jì)算機(jī)人臉識(shí)別的流程如圖 所示。它包括幾個(gè)步驟：對(duì)采集到的圖像，首先進(jìn)行人臉檢測(cè)（在輸入圖像中尋找人臉），給出人臉有無的結(jié)果；然后進(jìn)行人臉定位，確定人臉的位置并提取出來。對(duì)人臉的定位在輸入是圖像序列時(shí)一般也稱之為人臉跟蹤。通常檢測(cè)和定位結(jié)合進(jìn)行。對(duì)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(shí)別，即通過提取特征來確定其身份。 河南城建學(xué)院本科畢業(yè)設(shè)計(jì)（論文） 人臉圖像識(shí)別計(jì)算機(jī)系統(tǒng) 12 12 結(jié) 束圖 像 采 集 人 臉 檢 測(cè) 定 位是 否 定 位 成 功圖 像 與 處 理是 否 處 理 成 功人 臉 識(shí) 別是 否 識(shí) 別 成 功識(shí) 別 結(jié) 果開 始是否否是是否否是是否否 圖 基本框架圖 人臉檢測(cè)定位算法 人臉檢測(cè)定位算法大致可分為兩大類：基于顯式特征的方法和基于隱式特征的方法。 所謂顯式特征是指對(duì)人類肉眼來說直觀可見的特征，如膚色、臉部輪廓、臉部結(jié)構(gòu)等?；陲@式特征的方法是指由人通過肉眼觀察，總結(jié)出人臉區(qū)別于“非人臉”區(qū)域的特征，然后根據(jù)被檢測(cè)區(qū)域是否滿足這些“人臉特征”，來判定該區(qū)域是否包含人臉。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(yàn)知識(shí)的方法。 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 。 Yang 等在考察了不同種族、不同個(gè)體的膚色后，認(rèn)為人類的膚色能在顏色空間中聚成單獨(dú)的一類，而影響膚色值變化的最主要因素是亮度變化。因此他們采用廣泛使用的 RGB 顏色空間，在濾去亮度值的圖像中通過比較像素點(diǎn)的ｒ、ｇ值與膚色范圍來推斷該像素點(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，排除類膚色區(qū)域。 Yoo 等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。 模板匹配的方法一般是人為地先定義一個(gè)標(biāo)準(zhǔn)人臉模板，計(jì)算輸入圖像與模板的似然度；然后，確定一個(gè)似然度閾值，用以判斷該輸入圖像中是否包含人臉河南城建學(xué)院本科畢業(yè)設(shè)計(jì)（論文） 人臉圖像識(shí)別計(jì)算機(jī)系統(tǒng) 13 標(biāo)準(zhǔn) ,人臉模板可以是固定的樣板，也可以是帶參變量的曲線函數(shù)。 基于先驗(yàn)知識(shí)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(duì)人臉的灰度、邊緣、紋理等信息，建立一種關(guān)于人臉的知識(shí)庫。在檢測(cè)中，首先抽取這些灰度、邊緣等信息，然后檢驗(yàn)它是否符合知識(shí)庫中關(guān)于人臉的先驗(yàn)知識(shí)。