【正文】 千萬(wàn)不要認(rèn)為分析。設(shè)計(jì)前，一定要將需求分析工作做透徹，這直接關(guān)系到系統(tǒng)開(kāi)發(fā)實(shí)現(xiàn)的難易程度和設(shè)計(jì)的進(jìn)度。還有在編寫(xiě)論文時(shí)，由于論文篇幅和時(shí)間的因素，有很多需要論述的地方都已經(jīng)省略，本論文只著重論述各種功能的基本算法，至于基本輸入輸出并沒(méi)有包括在內(nèi)，還有很多地方是一筆帶過(guò)的，希望讀者見(jiàn)諒。二 心得體會(huì)在這幾個(gè)月里，面對(duì)著諸多的問(wèn)題和考驗(yàn)，我一次又一次享受了難題解決前的困惑和難題解決后的興奮。使用操作界面友好，提示信息清晰，用戶(hù)操作簡(jiǎn)便。本設(shè)計(jì)中建立的多層次類(lèi)結(jié)構(gòu)都是可以修改和維護(hù)的。應(yīng)用程序的的各個(gè)類(lèi)具有相同的編程模式，且都是一次性制作的，代碼簡(jiǎn)潔，編程效率高。經(jīng)過(guò)測(cè)試之后，光線補(bǔ)償模塊將圖像的像素亮度增強(qiáng)，并使圖片中的光線達(dá)到平衡；圖像灰度化模塊達(dá)到了預(yù)期的效果，將圖片轉(zhuǎn)變?yōu)榛疑?；高斯平滑模塊能有效的消除圖像噪音，提高了圖像質(zhì)量；而增強(qiáng)圖像對(duì)比度模塊能夠較好的把圖像特征表現(xiàn)出來(lái)。下面對(duì)圖像處理模塊的測(cè)試過(guò)程進(jìn)行描述：圖像處理模塊 ：該 模塊分為光線補(bǔ)償、圖像變成灰色、均衡直方圖、實(shí)現(xiàn)圖像對(duì)比度增強(qiáng)、二值化處理。 知道了測(cè)試的目的和測(cè)試的原則之后，現(xiàn)在進(jìn)行軟件的具體測(cè)試，對(duì)軟件的功能實(shí)現(xiàn)進(jìn)行詳細(xì)的測(cè)試。應(yīng)當(dāng)對(duì)每一個(gè)測(cè)試結(jié)果做全面的檢查?！?yán)格執(zhí)行測(cè)試計(jì)劃，排除測(cè)試的隨意性。經(jīng)驗(yàn)表明，測(cè)試后程序殘存的錯(cuò)誤數(shù)目與該程序中以發(fā)現(xiàn)的錯(cuò)誤數(shù)目或檢錯(cuò)率成正比。不合理的輸入條件是指異常的，臨界的，可能引起問(wèn)題異變的輸入條件?！　〕绦騿T應(yīng)避免檢查自己的程序。第一節(jié) 測(cè)試的原則應(yīng)當(dāng)把“盡早地和不斷地進(jìn)行軟件測(cè)試”作為軟件開(kāi)發(fā)者的座右銘。函數(shù)名稱(chēng) ： DrawCrossX參數(shù) ： int x int y 返回值 ： 無(wú)說(shuō)明 ： 該函數(shù)對(duì)已經(jīng)做好預(yù)處理的人臉圖像中的特征（眼睛、鼻子、嘴巴）用十字標(biāo)記出來(lái) 類(lèi)ClikelyHood ，表72列出了該類(lèi)所封裝的成員函數(shù)及其功能 表72 類(lèi)ClikelyHood的成員函 數(shù)功 能CalLikeHood ()計(jì)算相似度CalBinary ()二值化圖像filter()實(shí)現(xiàn)濾波功能CalParameter ()訓(xùn)練參數(shù)各成員函數(shù)解析函數(shù)名稱(chēng) ： CalLikeHood參數(shù) ： 無(wú) 返回值 ： 無(wú)說(shuō)明 ： 該函數(shù)用于計(jì)算相似度函數(shù)名稱(chēng) ： CalBinary參數(shù) ： 無(wú) 返回值 ： bool說(shuō)明 ： 該函數(shù)用于將圖像二值化函數(shù)名稱(chēng) ： filter參數(shù) ： double** source 返回值 ： bool 說(shuō)明 ： 該函數(shù)的功能是實(shí)現(xiàn)中值濾波函數(shù)名稱(chēng) ： CalParameter參數(shù) ： DirectPath —— Bmp文件路徑返回值 ： bool 說(shuō)明 ： 該函數(shù)的功能是對(duì)參數(shù)進(jìn)行訓(xùn)練3 類(lèi)CFaceDetectDoc 表73 類(lèi)CFaceDetectDoc的成員函 數(shù)功 能CopyBitMap ()拷貝位圖MakeBitMap ()生成新的位圖DrawCross ()畫(huà)十字形標(biāo)記Likehood ()計(jì)算相似度各成員函數(shù)解析函數(shù)名稱(chēng) ： CopyBitMap參數(shù) ： dest —— 目標(biāo)位圖指針 Source —— 源位圖指針 返回值 ： bool說(shuō)明 ： 該函數(shù)的功能是拷貝位圖函數(shù)名稱(chēng) ： MakeBitMap參數(shù) ： 無(wú) 返回值 ： 無(wú)說(shuō)明 ： 該函數(shù)的功能是生成一個(gè)新的位圖函數(shù)名稱(chēng) ： DrawCross參數(shù) ： pDC－CDC指針 point－要畫(huà)的點(diǎn)的坐標(biāo) crColor－標(biāo)記得顏色 返回值 ： 無(wú)說(shuō)明 ： 該函數(shù)用于畫(huà)十字形標(biāo)記函數(shù)名稱(chēng) ： Likehood參數(shù) ： int m_WndWidth ——圖片高度 int m_WndHeight —— 圖片寬度 返回值 ： 無(wú)說(shuō)明 ： 該函數(shù)用于計(jì)算相似度類(lèi)DIB 函 數(shù)功 能CopyHandle（）拷貝內(nèi)存塊ReadDIBFile（）讀取位圖文件信息LightingCompensate（）進(jìn)行光線補(bǔ)償PixelOffset（）修正像素值GetHeight（）獲取DIB高度GetBiBitCount（）獲取字節(jié)數(shù)表74 類(lèi)Dib的成員各成員函數(shù)解析函數(shù)名稱(chēng) ： CopyHandle參數(shù) ： HANDLE hSrc —— 要拷貝的內(nèi)存區(qū)域 返回值 ： HANDLE —— 拷貝后的新內(nèi)存區(qū)域說(shuō)明 ： 該函數(shù)拷貝指定的內(nèi)存區(qū)域，返回復(fù)制后的新內(nèi)存區(qū)域，出錯(cuò)時(shí)返回NULL函數(shù)名稱(chēng) ： ReadDIBFile 參數(shù) ： HANDLE hFile —— 要讀取的文件hFile 返回值 ： HDIB —— 成功返回DIB的句柄，否則返回NULL說(shuō)明 ： 該函數(shù)拷貝指定的內(nèi)存區(qū)域，返回復(fù)制后的新內(nèi)存區(qū)域，出錯(cuò)時(shí)返回NULL函數(shù)名稱(chēng) ： PixelOffset參數(shù) ： int i，j WORD wBytePerLine —— 圖像每行的字節(jié)數(shù) 返回值 ： long —— 圖像像素?cái)?shù)據(jù)的偏移說(shuō)明 ： 該函數(shù)計(jì)算圖像像素?cái)?shù)據(jù)的偏移函數(shù)名稱(chēng) ： GetHeight參數(shù) ： 無(wú) 返回值 ： long —— 圖片高度說(shuō)明 ： 該函數(shù)返回圖像的高度函數(shù)名稱(chēng) ： GetBitBitCount參數(shù) ： 無(wú) 返回值 ： int —— 圖片字節(jié)數(shù)說(shuō)明 ： 該函數(shù)返回圖片字節(jié)數(shù)第六章 測(cè)試測(cè)試是為了找出程序的錯(cuò)誤。表7－1列出了該類(lèi)所封裝的成員函數(shù)及其功能： 表7－1 類(lèi) CfaceDetectView的成員函 數(shù)功 能IncreaseContrast ()增強(qiáng)圖像對(duì)比度FixeEyes ()眼睛定位FixeNose（）鼻子定位FixeMouth ()嘴巴定位GetEyesParameter ()獲取眼睛參數(shù)GetPartParameter（）獲取臉部特征GetmouthParameter ()獲取嘴巴參數(shù)Centerofgravity（）獲取眼、鼻子、嘴巴的重心AverageDeviation ()獲取平均值的標(biāo)準(zhǔn)偏差Template（）對(duì)圖像進(jìn)行模板操作DrawCrossX ()畫(huà)十字標(biāo)記 各成員函數(shù)解析函數(shù)名稱(chēng) ： IncreaseContrast參數(shù) ： int pByte 圖像的灰度值 int n 用于調(diào)節(jié)對(duì)比度的參數(shù)返回值 ： int 新的灰度值說(shuō)明 ： 該函數(shù)通過(guò)修圖像的灰度值來(lái)增強(qiáng)圖像的對(duì)比度函數(shù)名稱(chēng) ： FixeEyes參數(shù) ： 無(wú)返回值 ： bool說(shuō)明 ： 該函數(shù)判斷圖片中是否有人臉，并對(duì)人臉圖片進(jìn)行眼睛定位函數(shù)名稱(chēng) ： FixeNose參數(shù) ： 無(wú)返回值 ： void 說(shuō)明 ： 該函數(shù)是在眼睛定位之后的前提下進(jìn)行鼻子的定位函數(shù)名稱(chēng) ： FixeＭouth參數(shù) ： 無(wú)返回值 ： void 說(shuō)明 ： 該函數(shù)是在眼睛和鼻子都定位之后的前提下再進(jìn)行嘴巴的定位函數(shù)名稱(chēng) ： GetEyesParameter參數(shù) ： 無(wú)返回值 ： void 說(shuō)明 ： 該函數(shù)分別獲取了眼睛、鼻子、嘴巴的重心之后，再根據(jù)兩眼間的角度、鼻眼鼻所形成的角、鼻嘴鼻所形成的角、兩個(gè)眼睛中心距與臉寬的比例來(lái)獲取眼睛參數(shù)。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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 。 顯示灰度增強(qiáng)后的圖像*(lpData + lOffset ) = state 。② 類(lèi)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*(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） = * 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）* （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）= （式4－5）等式兩邊積分，得： S = f（r）= ∫0 rP2（u）du =∫0 r H（u）du (式7)該轉(zhuǎn)換式被稱(chēng)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