【正文】 函數(shù)名稱 ： GetPartParameter 參數(shù) ： 無(wú) 返回值 ： void 說(shuō)明 ： 該函數(shù)的功能是用于獲取整個(gè)臉部的特征 函數(shù)名稱 ： Centerofgravity 參數(shù) ： 無(wú) 返回值 ： void 說(shuō)明 ： 該函數(shù)的功能是找出眼睛、鼻子、嘴巴的重心并用十字將它們標(biāo)記出來(lái) 函數(shù)名稱 ： AverageDeviation 參數(shù) ： double NewData 新獲取的數(shù)據(jù) double OldData 以前的數(shù)據(jù) 畢業(yè)論文 人臉識(shí)別系統(tǒng)的研究與實(shí)現(xiàn) 32 返回值 ： double 平均值的標(biāo)準(zhǔn)偏差 說(shuō)明 ： 該函數(shù)用于計(jì)算平均值的標(biāo)準(zhǔn)偏差 函數(shù)名稱 ： Template 參數(shù) ： double * tem 指向模板的指針 HDIB hDIB 圖像的句柄 int tem_w 模板的寬度 int tem_h 模板的高度 double xishu 模板的系數(shù) 返回值 ： 無(wú) 說(shuō)明 ： 該函數(shù)對(duì)圖像進(jìn)行模板 操作，但為了方便起見(jiàn)，模板的高度和寬度都是用奇數(shù)。菜單項(xiàng)中的事件處理程序都是在該類對(duì)應(yīng)的 的。經(jīng)過(guò)了一翻苦戰(zhàn)，最終找到均衡直方圖的辦法，經(jīng)過(guò)多次嘗試，效果一直處于比較理想的狀態(tài)。 直到最 后采用的 1/16 2/16 1/16 2/16 4/16 2/16 1/16 2/16 1/16 形式，才得到了比較合理的效果。模板參數(shù)是 原先采用了 1/9 1/9 1/9 1/9 1/9 1/9 1/9 1/9 1/9 形式，但是，得到的效果卻是令人失望。高斯平滑效果的好壞取決與模板參數(shù)。 ③ 效果圖 圖 46 對(duì)比度增強(qiáng)效果圖 畢業(yè)論文 人臉識(shí)別系統(tǒng)的研究與實(shí)現(xiàn) 29 第三節(jié) 編程時(shí)的問(wèn)題解決 光線補(bǔ)償 由于要改變每一個(gè)像素的亮度，開(kāi)始，我通過(guò)對(duì)數(shù)幅圖像使用一個(gè)固定的值進(jìn)行測(cè)試，得到的效果都滿理想，但是當(dāng)對(duì)更多的圖像處理時(shí)，該固定值就出現(xiàn)了明顯的不足，最后不得不采用全局統(tǒng)計(jì)的方法，才能得到比較理想的效果。(pByteHigh)) return int(((pByteLow)/Grad))。 獲得 中間數(shù)據(jù)， 并 進(jìn)行對(duì)比增強(qiáng)處理 else if ((LowpByte)amp。 *(lpData + lOffset+2) = state 。 畢業(yè)論文 人臉識(shí)別系統(tǒng)的研究與實(shí)現(xiàn) 28 顯示灰度增強(qiáng)后的圖像 *(lpData + lOffset ) = state 。 ② 類 CFaceDetectView 中添加“實(shí)現(xiàn)圖像對(duì)比度增強(qiáng)”菜單項(xiàng)的事件處理程序，其代碼如下； lOffset = (i, j, gwBytesPerLine)。 這個(gè)工作的主要目的是將圖像的特征一步一步顯現(xiàn)出來(lái)。 （ 3）效果圖 圖 45 灰度均衡效果圖 圖像對(duì)比度增強(qiáng) （ 1） 算法思想： 在對(duì)圖像均衡直方圖處理以后，便可對(duì) 圖像進(jìn)行對(duì)比度增強(qiáng)，進(jìn)一步拉開(kāi)對(duì)比度。 //顯示灰度均衡 畢業(yè)論文 人臉識(shí)別系統(tǒng)的研究與實(shí)現(xiàn) 27 *(lpData + lOffset+1)=state 。 按照?qǐng)D像的概率密度函數(shù)（ PDF，歸一化帶單位面積的直方圖）的定義： P（ x） = 01A * H（ x）（式 5） 其中 H（ x）為直方圖， A0 為圖像的面積，設(shè)轉(zhuǎn) 換前圖像的概率密度函數(shù)為 Pr（ r）， 轉(zhuǎn)換后圖像的概率密度函數(shù)為 Ps（ S），轉(zhuǎn)換函數(shù)為 s = f（ r），由概率論知識(shí)，我們可以得到： Ps（ S） = Pr（ r） * dsdr （式 6） 這樣，如果想使轉(zhuǎn)換后圖像的概率密度函數(shù)為 1（即直方圖是平的）則必須滿足： Pr（ r） = dsdr （式 4－ 5） 等式兩邊積分，得： S = f（ r） = ∫ 0 rP2（ u） du = 01A ∫ 0 r H（ u） du (式 7) 該轉(zhuǎn)換式被稱為圖像的累積分布函數(shù) 上面的式是被歸一化后推導(dǎo)的對(duì)于沒(méi)有歸一化的情況，只要求以最大的灰度值（ DMax，對(duì)于灰度圖就是 255）即可，灰度均衡的轉(zhuǎn)換式為： DB = f （ DA） = A0DMax H（ u） du （式 1） 對(duì)于離散圖像轉(zhuǎn)換式為： DB = f（ DA） = A0DMax ??DA0i Hi （式 8） 式中 Hi 為第 i 級(jí)灰度的像素個(gè)數(shù) 。 HeightTemplate[i][j] = sum； ③ 高斯平滑效果圖：見(jiàn)下圖 44 圖 44 高斯平滑效果圖 畢業(yè)論文 人臉識(shí)別系統(tǒng)的研究與實(shí)現(xiàn) 26 灰度均衡 （ 1）算法思想 灰度均衡也稱直方圖均衡，目的是通過(guò)點(diǎn)運(yùn)算使輸入轉(zhuǎn)換為在每一灰度級(jí)上都有相同的像素點(diǎn)數(shù)的輸出圖像（即輸出的直方圖是平的）。 如果小于 0，強(qiáng)制賦值為 0 if(sum0) sum=0。 } 將結(jié)果乘上總的模板系數(shù) sum=(int)sum*xishu。n=j+((tem_w1)/2)。m=i+((tem_h1)/2)。 Invalidate(TRUE)。 （ 2） 具體實(shí)現(xiàn)高斯平滑功能 知道高斯平滑原理之后，可進(jìn)行編碼將其實(shí)現(xiàn)： ① 編輯菜單 IDR_MAINFRAM，在菜單“預(yù)處理”中添加一子菜單項(xiàng)，命名為“高斯平滑”并將其 ID 設(shè)為 ID_READY_Template。高斯平滑算法的優(yōu)點(diǎn)是平滑后圖像的失真少 ,算法更具備通用性 ,能去除不同的噪聲干擾。本文使用的卷積算法是高斯卷積核 ,亦即上面卷積核的LP3。以下是幾個(gè)常用的卷積核 : 1/9 1/9 1/9 1/10 1/10 1/10 1/16 2/16 1/16 1/9 1/9 1/9 1/10 1/5 1/10 2/16 4/16 2/16 1/9 1/9 1/9 1/10 1/10 1/10 1/16 2/16 1/16 L P1 LP2 LP3 通常的處理是 :將中心點(diǎn)周?chē)藗€(gè)點(diǎn) 的像素值乘于各自矩陣相應(yīng)的系數(shù)后相加得到一個(gè)值 ,然后將這個(gè)值乘上中心點(diǎn)的系數(shù) ,中心點(diǎn)的像素值賦為得到的最后值。經(jīng)過(guò)卷積平滑后給隨后的水平投影、二值化提供了較好的圖像效果。4 距離中心較遠(yuǎn)的卷積系數(shù)的值較小或保持不變 。2 卷積系數(shù)以中心點(diǎn)為中心對(duì)稱分布 。平滑可用卷積來(lái)實(shí)現(xiàn) ,平滑的頻率截止點(diǎn)由卷積核的大小及卷積系數(shù)決定。處理噪聲點(diǎn)的過(guò)程稱之為平滑 ,平滑可以降低圖像的視覺(jué)噪聲 ,同時(shí)除去圖像中的高頻部分后 ,那些本來(lái)不明顯的低頻成分更容易識(shí)別。下面對(duì)平滑的用途和解決方法進(jìn)行詳細(xì)介紹。通常 模板不允許移出邊界，所以處理后的圖像會(huì)比原圖小 ，例如：當(dāng)模板是 1． 0 原圖灰度值矩陣是 1 1 1 1 1 0 2 2 2 2 2 2 3 3 3 3 3 4 4 4 4 4 時(shí)， 經(jīng)過(guò)模板操作后的圖像為 5 5 5 5 8 8 8 8 11 11 11 11 畢業(yè)論文 人臉識(shí)別系統(tǒng)的研究與實(shí)現(xiàn) 24 “ ”表示邊界上無(wú)法進(jìn)行模板操作的點(diǎn)，一般的做法是復(fù)制原圖的灰度值，不再進(jìn)行任何其他的處理。 1 1 1/9 1 1 1 1 1 1 則該操作應(yīng)該描述為：將原圖中一個(gè)像素的灰度值和它右下鄰近的 8 個(gè)像素的灰度值相加，然后將求得的平均值 9（除以 9）作為新圖中該像素的灰度值。中間的黑點(diǎn)表示該元素中心元素，即該個(gè)元素是要進(jìn)行處理的元素。例如：有一種常見(jiàn)的平滑算法是將原圖中一個(gè)像素的灰度值和它周?chē)徑藗€(gè)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(lái)表示該操作： 1 1 1 1/9 1 1 其中 lpData 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 畢業(yè)論文 人臉識(shí)別系統(tǒng)的研究與實(shí)現(xiàn) 23 高斯平滑 （ 1） 算法思想 在介紹高斯平滑前，先介紹模板操作。 *(lpData + lOffset+1)=gray 。 計(jì)算灰度值 gray = (ColorG*50+ColorR*39+ColorB*11)/100。 獲取綠色分量 ColorG=*(lpData + lOffset+1)。 （ 2） 具 體實(shí)現(xiàn)灰度化功能 在明白了灰度化的原理之后，就可進(jìn)行編碼來(lái)實(shí)現(xiàn)該功能。可見(jiàn)， a 被映射為 c， b 被映射為 d。該變換把屬于 [a,b]的灰度級(jí)變換至灰度區(qū)間 [c,d]，而沒(méi)有在 [a,b]區(qū)間的原像素灰度將保持不變。將圖像灰度進(jìn)行線性擴(kuò)展，常能顯著地改善圖像的外觀。 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(gè)縮放因子，并最后截至 [0,255]。 *(lpData+lOffset+2) = colorb。 colorb *=co。 *(lpData+lOffset+1) = colorb。 colorb *=co。 //得到藍(lán)色分量 畢業(yè)論文 人臉識(shí)別系統(tǒng)的研究與實(shí)現(xiàn) 20 *(lpData+lOffset) = colorb。jwidth。iheight。函數(shù) LightingCompensate（）是類 DIB 的一個(gè)成員函數(shù)。 Invalidate()。 (hDIB)。整幅圖像的其他像素點(diǎn)的色彩值也都按這一調(diào)整尺度進(jìn)行交換。這種現(xiàn)象在藝術(shù) 照片中更為常見(jiàn)。下面將對(duì)本設(shè)計(jì)解決各圖像點(diǎn)處理模塊運(yùn)用進(jìn)行到的理論和編程實(shí)現(xiàn)進(jìn)行詳細(xì)講述。如果輸入圖像為 A（ x， y），輸出圖像為 B（ x， y），則點(diǎn)運(yùn)算