【文章內(nèi)容簡介】 預(yù)處理光線補償圖像灰度化高斯平滑均衡直方圖圖像對比度增強二值化第一節(jié) 各模塊功能概述以上是該系統(tǒng)的總體結(jié)構(gòu)設(shè)計圖以及圖像預(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：圖像獲取模塊該模塊主要是從攝像頭拍照后進行獲取圖片，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行識別。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)膚色來進行獲取，通過膚色非線形分段色彩變換來實現(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。圖像預(yù)處理模塊圖像預(yù)處理就是對獲取得來的圖像進行適當?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，下面對它們進行概述： 光線補償[3]因為系統(tǒng)得到的圖片可能會存在光線不平衡的情況，這會影響我們對特征的提取，同時系統(tǒng)中要用到Y(jié)crCB色彩空間，所以有必要對圖像進行光線補償。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)量標準為目標的CC601編碼方案中采用的彩色表示模型?；叶茸兓痆4]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表現(xiàn)圖像復(fù)雜的信息。高斯平滑處理[5]高斯平滑將對圖像進行平滑處理，在圖像采集過程中，由于各種因素的影響，圖像往往會出現(xiàn)一些不規(guī)則的噪聲，入圖像在傳輸、存儲等都有可能產(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別。平滑可以通過卷積來實現(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。對比度增強[6]對比度增強，就是對圖像的進一步處理，將對比度再一次拉開。它針對原始圖像的每一個像素直接對其灰度進行處理的，其處理過程主要是通過增強函數(shù)對像素的灰度級進行運算并將運算結(jié)果作為該像素的新灰度值來實現(xiàn)的。通過改變選用的增強函數(shù)的解析表達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別并減少計算量。二值化就是通過一些算法，通過一個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，可以用一個比特表示一個像素，“1”表示黑色，“0”表示白色，當然也可以倒過來表示，這種圖像稱之為二值圖像。這便有利于我們對特征的提取。該設(shè)計中采用組內(nèi)方差和組外方差來實現(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)換為在每一灰度級上都有相同的象素點數(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缺點：　　 1）變換后圖像的灰度級減少，某些細節(jié)消失；　　 2）某些圖像，如直方圖有高峰，經(jīng)處理后對比度不自然的過分增強。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）標記出來，在本系統(tǒng)中，定位的特征是眼睛，鼻尖和嘴巴三個。由于眼睛具有對稱性，因此可以很快就能標記出來，而鼻子是在眼睛下面，且嘴巴在鼻子下面，所以只要眼睛標記好，鼻子和嘴巴也能相應(yīng)的標記出來。特征提取模塊特征提取按以下4個步驟進行：（1）、提取兩只眼睛的距離（2）、眼睛的傾角度（3）、眼睛、嘴巴的重心（4）、用一個矩形標出每一個特征在特征提取完之后將會得到相應(yīng)的特征值以便存入后臺數(shù)據(jù)庫。 識別模塊該模塊通過與庫存中的特征向量進行比較，找出與特征最相近的參數(shù)，再對該參數(shù)進一步分析。如果分析在我們所確認的范圍內(nèi)，我們就認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，則給出提示是否對存庫作為樣本。第四章 系統(tǒng)的詳細設(shè)計本章主要對圖像處理這一模塊進行詳細介紹，對其子模塊所用到的算法及具體實現(xiàn)進行詳細講述。第一節(jié) 系統(tǒng)的運行流程圖圖61 系統(tǒng)的運行流程圖啟動本系統(tǒng)，進入人臉識別系統(tǒng)界面。點擊攝像鍵，然后進行拍照，并將圖像顯示并保存。對圖片進行光線補償、將圖片變成灰色、實現(xiàn)圖片對比度增強，二值化變換等一系列預(yù)處理。將處理好的人臉圖片進行定位，標出眼睛、鼻尖和嘴巴。對定位好的人臉圖片進行特征提取操作。識別出圖片上的人。結(jié)束退出輸出輸入 第二節(jié) 圖像處理詳細設(shè)計一 位圖詳細設(shè)計1 設(shè)備無關(guān)位圖（DIB）VC++沒有提供使用十分方便的DIB繪制方法，只好自己去創(chuàng)建一個實用的DIB類了。本系統(tǒng)中建立了一個專門的類DIB來處理設(shè)備無關(guān)位圖，表4－1列出了對位圖的操作函數(shù)。函 數(shù)功 能ClearMemory（）釋放內(nèi)存CopyHandle（）拷貝內(nèi)存塊LoadDIB（）加載位圖信息ReadDIBFile（）讀取位圖文件信息LightingCompensate（）進行光線補償PixelOffset（）修正像素值PaintDIBTrue（）繪制DIB對象GetColorNumber（）獲取顏色總數(shù)GetHeight（）獲取DIB高度GetWidth（）獲取DIB寬度GetSize（）獲取圖像數(shù)據(jù)緩沖區(qū)中的字節(jié)數(shù)GetBitCount（）獲取顏色位數(shù)GetBiBitCount（）獲取字節(jié)數(shù) 表6－1 Dib類的部分功能二 圖像點處理詳細設(shè)計圖像點運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)過點運算后將產(chǎn)生一幅新的輸出圖像，由輸入像素點的灰度值決定相應(yīng)的輸出像素點的灰度值，點運算與局部運算的差別在于：后者每個輸出像素的灰度值由對應(yīng)輸入像素的一個領(lǐng)域內(nèi)幾個像素的灰度值決定。所以，點運算不可以改變圖像內(nèi)的空間關(guān)系。點運算可以按照預(yù)定的方式改變一幅圖的灰度直方圖。除了灰度級的改變是根據(jù)某種特定的灰度變換函數(shù)進行之外，點運算可以看作是“從像素到像素”的復(fù)制操作。如果輸入圖像為A（x，y），輸出圖像為B（x，y），則點運算可表示為： B（x，y） = f[A（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，該點運算就完全被確定下來了。點運算有時又稱為對比度增強、對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。下面將對本設(shè)計解決各圖像點處理模塊運用進行到的理論和編程實現(xiàn)進行詳細講述。光線補償（1）算法思想：光線補償?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)色彩而向某一方向移動，即我們通常所說的色彩偏冷、偏暖、照片偏黃、便藍等等。這種現(xiàn)象在藝術(shù)照片中更為常見。所以Anil ，為了抵消這種整個圖像中存在著的色彩偏差，我們將整個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的色彩值也都按這一調(diào)整尺度進行交換。 （2） 具體實現(xiàn)光線補償功能： 明白了光線補償這功能的算法及思想，就可以編碼實現(xiàn)其功能了，實現(xiàn)過程如下：①、 編輯菜單IDR_MAINFRAM，先在其中添加一菜單項，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，點擊預(yù)處理該菜單項將會彈出一個新的子菜單，此時把該子菜單命名為“光線補償”，并把其ID設(shè)為ID_READY_LIGHTINGCONPENSATE，對應(yīng)文件FaceDetectView．Cpp中的函數(shù)ReadyLightingconpensate()實現(xiàn)，并在void CFaceDetectView:: OnReadyLightingconpensate()中添加如下代碼：hDIBTemp = (hDIB)。(hDIB)。GlobalUnlock(hDIB)。Invalidate()。光線補償功能實質(zhì)上是用上段代碼中的LightingCompensate（）函數(shù)來進行實現(xiàn)。函數(shù)LightingCompensate（）是類DIB的一個成員函數(shù)。其核心代碼如下所述： //下面的循環(huán)對圖像進行光線補償 for(i =0。iheight。i++) for(int j=0。jwidth。j++) { //獲取像素偏移 lOffset = thisPixelOffset(i,j,wBytesPerLine)。 //得到藍色分量 *(lpData+lOffset) = colorb。 //綠色分量 colorb = *(lpData+lOffset+1)。 colorb *=co。 if(colorb 255) 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。 }② 光線補償?shù)男Ч麍D如下所示 ： 圖 41 原圖 圖42 光線補償效果圖 圖像灰度化（1）算法思想① 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)驗式： gray＝R＋G＋B（式3）其中，gray為灰度值，R、G、B分別為紅色、綠色和藍色分量值。② 灰度比例變換灰度比例變換是把原像素的灰度乘以一個縮放因子，并最后截至[0,255]。③ 灰度線性變換當圖像由于成像時曝光不足或曝光過度，會產(chǎn)生對比度不足的弊病，從而使圖像中的細節(jié)分辨不清。將圖像灰度進行線性擴展，常能顯著地改善圖像的外觀?；叶染€性變換的計算式為： 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。④ 灰度線性截斷 灰度線性截斷的思想是：如果原像素的灰度小于a，則該像素的灰度等于c；如果原像素的灰度大于b，則該像素的灰度等于d。（2）具體實現(xiàn)灰度化功能在明白了灰度化的原理之后，就可進行編碼來實現(xiàn)該功能。① 編輯菜單IDR_MAINFRAM，先在其中添加一菜單項，將其命名為”圖像灰度化”,并將其ID號設(shè)為ID_READY_SCALE, 對應(yīng)文件FaceDetectView．Cpp中的函數(shù)ReadyLightingconpensate()實現(xiàn).② 現(xiàn)該模塊的核心代碼如下：獲取藍色分量 ColorB=*(lpData + lOffset)。 獲取綠色分量 ColorG=*(lpData + lOffset+1)。 獲取紅色分量 ColorR=*(lpData + lOffset+2)。 計算灰度值 gray = (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③ 圖像灰度化效果圖：圖 43 圖像灰度化效果圖高斯平滑（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)常用到的一種運算方法，圖像的平滑、銳化以及細化、邊緣檢測都要用到模板操作。例如：有一種常見的平滑算法是將原圖中一個像素的灰度值和它周圍鄰近八個像素的灰度值相加，然后求得的平均值（除以9）作為新圖中該像素的灰度值，用如下方法來表示該操作： 1 1 11/9 1 1 1 1 1 1 上式類似于矩陣，我們通常稱之為模板。中間的黑點表示該元素中