【文章內(nèi)容簡介】 比例變換、灰度線性變換、灰度線性截斷、灰度取反。 高斯平滑： 在圖像的采集過程中 ,由于各種因素的影響 ,圖像中往往會出現(xiàn)一些不規(guī)則的隨機(jī)噪聲 ,如數(shù)據(jù)在傳輸、存儲時發(fā)生的數(shù)據(jù)丟失和損壞等 ,這些都會 影響圖像的質(zhì)量，因此需要將圖片進(jìn)行平滑操作以此來消除噪聲。但是 如果平滑不當(dāng)，就會使圖像本身的細(xì)節(jié)如邊界輪廓、線條等變的模糊不清 ，為了 既平滑掉噪聲有盡量保持圖像細(xì)節(jié) ，本系統(tǒng)采用高斯平滑。 均衡直方圖：使用該模塊的 目的是通過點運(yùn)算使輸入轉(zhuǎn)換為在每一灰度級上都有相同的像素點數(shù)的輸出圖像。它的實現(xiàn)主要是利用灰度均衡的轉(zhuǎn)換式 DB = f （ DA） = A0DMax H（ u） du 。（式 1） 圖像對比度增強(qiáng)：為了將圖像的特征一步一步顯現(xiàn)出來，需要進(jìn)行圖像的對比度增強(qiáng)，它主要 通過 對圖像的灰度值進(jìn)行統(tǒng)計，對于小于 Low 則認(rèn)為是有關(guān)的信息，則將它作為黑色處理，對于處于 High 以上的則認(rèn)為是一些無關(guān)的信息，將它們?nèi)サ簦幱趦烧咧g的，則進(jìn)行對比度增強(qiáng)，將他們在總的灰度值里面的比例作為新的像素信息保存起來。 第三章 系統(tǒng)的概要設(shè)計 本章主要介紹系統(tǒng)的結(jié)構(gòu)設(shè)計的流程以及系統(tǒng)各模塊的功能及相關(guān)原理。 （一） 應(yīng)用程序的總體結(jié)構(gòu)設(shè)計流程圖如圖 3－ 1所示： 圖 3－ 1總體結(jié)構(gòu)設(shè)計流程圖 用 戶 從“文件”菜單中選擇“打開”選項 在彈出的“打開”對話框中選擇要打開的位圖，點擊“確定”，應(yīng)用程序顯示所要打開的位圖 顯示識別結(jié)果 獲取臉部區(qū)域 圖象預(yù)處理 人臉定位 獲取特征參數(shù) 識別 （二） 圖像預(yù)處理的層次圖如圖 32 所示： 圖 32 預(yù)處理的層次圖 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(jìn)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(jìn)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(jìn)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(jìn)行適當(dāng)?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(jìn)行概述： 預(yù)處理 光線補(bǔ)償 圖像灰度化 高斯平滑 均衡直方圖 圖像對比度增強(qiáng) 二值化 光線補(bǔ)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 YcrCB色彩空間，所以有必要對圖像進(jìn)行光線補(bǔ)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(lán)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(biāo)準(zhǔn)為目標(biāo)的CC601編碼方案中采用的彩色表示模型。 灰度變化 [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(jìn)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(qiáng) [6] 對比度增強(qiáng)，就是對圖像的進(jìn)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(jìn)行處理的，其處理過程主要是通過增強(qiáng)函數(shù)對像素的灰度級進(jìn)行運(yùn)算并將運(yùn)算結(jié)果作為該像素的新灰度值來實現(xiàn)的。通過改變選用的增強(qiáng)函數(shù)的解析表達(dá)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(dāng)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(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缺點： 1）變換后圖像的灰度級減少，某些細(xì)節(jié)消失； 2）某些圖像，如直方圖有高峰，經(jīng)處理后對比度不自然的過分增強(qiáng)。 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(biāo)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(biāo)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(biāo)記好，鼻子和嘴巴也能相應(yīng)的標(biāo)記出來。 特征提取模塊 特征提取按以下 4 個步驟進(jìn)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(biāo)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(jìn)行比較，找出與特征最相近的參數(shù)，再對該參數(shù)進(jìn)一步分析。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。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。 ? ? ? ?? ?139。1AB H f DHD f f D???????第四章 系統(tǒng)的詳細(xì)設(shè)計 本章主要對圖像處理這一模塊進(jìn)行詳細(xì)介紹，對其子模塊所用到的算法及具體實現(xiàn)進(jìn)行詳細(xì)講述。 第一節(jié) 系統(tǒng)的運(yùn)行流程圖 圖 61 系統(tǒng)的運(yùn)行流程圖 第二節(jié) 圖像處理詳細(xì)設(shè)計 一 位圖詳細(xì)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 輸入 啟動本系統(tǒng)，進(jìn)入人臉識別系統(tǒng)界面。 點擊攝像鍵，然后進(jìn)行拍照，并將圖像顯示并保存。 對圖片進(jìn)行光線補(bǔ)償 、 將圖片變成灰色 、實現(xiàn)圖片對比度增強(qiáng)，二值化變換等一系列預(yù)處理。 將處理好的人臉圖片進(jìn)行定位，標(biāo)出眼睛 、鼻尖和嘴巴。 對定位好的人臉圖片進(jìn)行特征提取操作 。 識別出圖片上的人。 結(jié)束退出 輸出 表 6－ 1 Dib 類的部分功能 二 圖像點處理詳細(xì)設(shè)計 圖像點運(yùn)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(yùn)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(yùn)算與局部運(yùn)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(yùn)算不可以改變圖像內(nèi)的空間關(guān)系。 點運(yùn)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(jìn)行之外，點運(yùn)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(yùn)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(yùn)算就完全被確定下來了。 點運(yùn)算有時又稱為對比度增強(qiáng)、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(yùn)用進(jìn)行到的理論和編程實現(xiàn)進(jìn)行詳細(xì)講述。 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(jìn)行光線補(bǔ)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) 光線補(bǔ)償 （ 1）算法思想： 光線補(bǔ)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(lán)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(jìn)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(jìn)行交換。 （ 2） 具體實現(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(bǔ)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(bǔ)償功能實質(zhì)上是用上段代碼中的 LightingCompensate（）函數(shù)來進(jìn)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(jìn)行光線補(bǔ)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(lán)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+l