【正文】 參考文獻[1]陸宗騏，金登男，Visual C++.NET圖像處理編程，北京：清華大學出版社，2006.[2]周長發(fā)，精通Visual C++圖像編程. 北京：電子工業(yè)出版社，2000[3]徐建華，圖象處理與分析. 北京：科學出版社，1992[4]陳元琰, Visual C++.NET MFC類庫應(yīng)用詳解. 北京：科學出版社，2004[5]張翠平,蘇光大人臉識別技術(shù)綜述中國圖像圖形學報2000 年11 期[6]向世明, Visual C++數(shù)字圖像與圖形處理. 北京：電子工業(yè)出版社，2002[7]陳其杰，張桂林。同時本人對未知新理論的興趣和積極探索，也很多來自于和導師交談受到的啟發(fā)。另一方面在動手能力上有了很大的提高，以前學的知識只是“知識”，而現(xiàn)在是將“知識”轉(zhuǎn)化成自身的本領(lǐng)，全面提高了自身解決具體問題的能力。系統(tǒng)完成在后，發(fā)現(xiàn)做事情不但要獨立自主的完成任務(wù)，也要通過周圍的朋友或是網(wǎng)絡(luò)資料庫等獲取信息，只有大量的使用周圍方便的活資源，而不只依賴與書本上的例子，才能得到更大的進步，做起事情來才有事半功倍的效果。第6章 總結(jié)經(jīng)過幾個月的畢業(yè)設(shè)計，對我各方面的影響都很大，對此我體會頗多。測試計劃應(yīng)包括：所測軟件的功能，輸入和輸出，測試內(nèi)容，各項測試的進度安排，資源要求，測試資料，測試工具，測試用例的選擇，測試的控制方法和過程，系統(tǒng)的組裝方式，跟蹤規(guī)則，調(diào)試規(guī)則，以及回歸測試的規(guī)定等等以及評價標準。充分注意測試中的群集現(xiàn)象。測試用例應(yīng)由測試輸入數(shù)據(jù)和與之對應(yīng)的預(yù)期輸出結(jié)果兩部分組成。下面對圖像處理模塊的測試過程進行描述：圖像處理模塊 ：該模塊分為、圖像變成灰色、對比度變換、實現(xiàn)圖像對比度增強、Sboel邊緣提取。所有的類都是開放的，可以向其中添加新方法以支持新功能，而不會對原有功能構(gòu)成任何威脅。將面向?qū)ο蟮木幊碳夹g(shù)直接應(yīng)用于圖像處理知識，并按功能進行細化，建立通用的類，從而減少了繁瑣性，增加代碼的可重用性和可移植性，提高了效率。 m_tResPixelArray[i][j].rgbBlue=b。 if (b 255) b = 255。 if (r 255) r = 255。 if (g127) { g+=green。 int green=abs((127g)*m_Degree)/255。j++) { //獲取紅色分量 int r=m_tResPixelArray[i][j].rgbRed。代碼為：for (int i=0。 ()。 im_nWndHeight。 (amp。 m_pResMap=new CBitmap()。 } //重置像素 m_tResPixelArray[i][j].rgbBlue = m_tResPixelArray[i][j].rgbGreen = m_tResPixelArray[i][j].rgbRed =temp。 式（）// 1 2 1// 0 0 0// 1 2 1 row=temp3 + 2 * temp5 + temp8 temp1 2 * temp4 temp6。（1） 算法思想Sobel邊緣檢測算子使用兩個如下有向算子(一個水平的，一個是垂直的)，每一個逼近一個偏導數(shù)：圖像邊緣是一種重要的視覺信息，圖像邊緣檢測是圖像處理、圖像分析、模式識別、計算機視覺以及人類視覺的基本步驟。 j++) (j,i,RGB(m_tResPixelArray[i][j].rgbRed,m_tResPixelArray[i][j].rgbGreen,m_tResPixelArray[i][j].rgbBlue))。 for(int i=0。 CDC dc。 if(m_pResMap!=NULL) delete m_pResMap。 } m_tResPixelArray[i][j].rgbBlue = m_tResPixelArray[i][j].rgbGreen = m_tResPixelArray[i][j].rgbRed =cgray。 在滑動條的消息處理函數(shù)OnReleasedcaptureSlider1()中進行灰度化變換，將滑動條的值賦給灰度，并將其控制在【0，255】之間。（1） 具體實現(xiàn)功能進行編碼來實現(xiàn)該功能：在編輯界面中添加一個滑動條控件和文本編輯器，將其命名為‘灰度化變換’,并其ID號分別設(shè)為IDC_SLIDER1, IDC_EDIT1，對應(yīng)文件CFaceDetectDlg．Cpp中的函數(shù)OnReleasedcaptureSlider1()和OnChangeEdit1()實現(xiàn)。//重置位圖MakeBitMap( )。//獲取綠色分量int ColorGreen=m_tOriPixelArray[i][j].rgbGreen。 //將像素值限制在0到255 if (ColorGray0) { ColorGray=0。③ 加權(quán)平均值法：根據(jù)重要性或其他指標給R，G，B賦予不同的權(quán)值，并使RGB的加權(quán)值平均，即， 式()其中，分別為R，G，B的權(quán)值。 點擊打開圖象，選取所需要的圖片圖41 系統(tǒng)流程圖 圖像處理詳細設(shè)計彩色圖像包含較多人臉特征信息，但是直接作為處理對象會使過程復(fù)雜化。l 將處理好的人臉圖片進行定位，標出眼睛、鼻尖和嘴巴?！? 嘴巴的定位找到雙眼之后，可以在它們的下方搜索候選特征區(qū)域，尋找非膚色面積較大、近似位于雙眼對稱的候選作為嘴巴?！? 雙眼的定位把篩選過的特征區(qū)域兩兩配對，再用PCA模扳進行嚴整，就可以得到真正的雙眼大使，PCA嚴整有時候難以區(qū)分眉毛與眼睛，所以還要用一些幾何特性進一步篩選，由于假定姿態(tài)是正的，雙眼必定位于人臉的上半部分，他們的連線是近似水平的，而且他們的中心比眉毛低，運用這些判據(jù)，可以區(qū)分眉毛和眼睛。對候選特征進行篩選時，首先割據(jù)顏色信息提出那些偽特征?！?二值化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。使圖象原本模糊的邊緣變得清晰。處理噪聲的過程稱為濾波。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。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)處理的層次圖人臉定位的層次圖如圖33所示： 圖33 人臉定位的層次圖 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。膚色相似度計算：相似度計算是為了判別兩對象的相似程度而設(shè)定的算法，比如文字、指紋、人臉等。本文主要研究的對象是圖像預(yù)處理模塊，該模塊分為中值濾波、圖像灰度化、相似度計算、二值化每個小模塊的實現(xiàn)都有許多相應(yīng)的算法。 本次設(shè)計所用的開發(fā)工具是Microsoft Visual C++ 。⑤編寫的代碼必須嚴謹易讀，代碼的解釋必須清楚明白，為應(yīng)用程序的再開發(fā)提供應(yīng)盡的責任。 預(yù)處理方案選擇本應(yīng)用程序的設(shè)計方案原則如下：①采用較為先進的技術(shù)力量，保證應(yīng)用程序在技術(shù)上具備一定的優(yōu)勢。在確定臉部區(qū)域上，通常使用的方法有膚色提取。該人臉識別軟件需要如下的運行環(huán)境：CPU：800M及以上；內(nèi)存：128 M及以上。 運行環(huán)境（1）硬件環(huán)境CPU：800M以上；內(nèi)存：128 M及以上。運行本軟件所需的硬件資源：CPU： 800M及以上；內(nèi)存： 128M及以上l 軟件環(huán)境系統(tǒng)軟件配置原則能夠滿足該軟件的可靠性，可用性和安全性的要求系統(tǒng)軟件配置方案① 配置有持續(xù)工作能力、高穩(wěn)定性、高度可集成的開放式標準的操作系統(tǒng)，如Windows2000，Windows NT，UNIX，Linux等。直方圖：直方圖是圖象處理中一種十分重要的圖象分析工具，它描述了一幅圖像的灰度級內(nèi)容，任何一幅直方圖都包含了豐富的信息。通過改變選用的增強函數(shù)的解析表達式就可以得到不