【正文】 特別要感謝的是趙老師犧牲了許多寶貴時間，對應(yīng)用程序設(shè)計(jì)提出了許多寶貴的意見和建議，完善了我的設(shè)計(jì)思想。另一方面在動手能力上有了很大的提高，以前學(xué)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。同時也是對我們工作能力，團(tuán)隊(duì)合作精神的一次考驗(yàn)。只有集思廣益，善于借鑒，才能在最短的時間內(nèi)完成最多的工作。不要怕將自己的作品演示給別人看，別人會幫助你檢查出許多你意想不到的錯誤，開闊你的思路，檢驗(yàn)?zāi)愕脑O(shè)計(jì)思想，提出很多有用的建議。經(jīng)過這次設(shè)計(jì)，讓我清楚的感覺到開發(fā)工具的學(xué)習(xí)是要邊看書邊動手才學(xué)得快、學(xué)得牢。熟悉軟件開發(fā)工具，如Visual C++ 、DEPHI、PowerBuilder 。確實(shí)要改，必須征求指導(dǎo)老師的意見。就像設(shè)計(jì)數(shù)據(jù)庫系統(tǒng)，建表工作是最重要的一樣。這就要求我們經(jīng)常與指導(dǎo)老師和用戶交流信息，即使發(fā)現(xiàn)設(shè)計(jì)方向上的錯誤。經(jīng)過幾個月的畢業(yè)設(shè)計(jì)，對我各方面的影響都很大，對此我體會頗多： 在設(shè)計(jì)的過程中，每一個步驟都十分的重要。雖然本次設(shè)計(jì)的成品還存在著一些問題，但是，對于作者來說，卻是不小的收獲。可以用菜單、對話框選擇不同的處理算法。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(jìn)行細(xì)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。結(jié)束語一 應(yīng)用程序特點(diǎn)人臉識別應(yīng)用程序采用Visual C＋＋，利用MFC采用面向?qū)ο蟮姆椒?，用C++語言編寫程序。對該模塊進(jìn)行測試的方法是：采用多張24位的彩色圖像來進(jìn)行逐一測試，看這些圖片經(jīng)過處理后是否達(dá)到預(yù)期的效果，如光線補(bǔ)償模塊，則檢測所測圖片的亮度是否變強(qiáng)；圖像灰度化模塊的檢測則需看所測的彩色圖片是否變成灰色；高斯平滑的實(shí)現(xiàn)采用了模板操作，因此模板參數(shù)的選擇對其十分重要，先用圖片進(jìn)行測試來檢測平滑效果，如果效果不理想則繼續(xù)選擇模板參數(shù)，直至效果理想為止；圖像對比度增強(qiáng)是為了將圖像的特征一步一步顯現(xiàn)出來，在測試的過程中，用含人臉的圖片進(jìn)行檢測看是否圖像的特征顯示出來的是否足夠明顯。第二節(jié) 測試方案 本系統(tǒng)主要由圖像處理、人臉定位、特征提取、識別四個部分組成，而圖像處理對于后面的工作結(jié)果好壞起著至關(guān)重要的作用，因此從軟件開發(fā)的最初階段我們就要對軟件進(jìn)行不斷的測試，對圖像處理模塊中的各個子模塊進(jìn)行測試以便檢測經(jīng)過處理后的圖像效果是否達(dá)到預(yù)期的效果?！　⊥咨票４鏈y試計(jì)劃，測試用例，出錯統(tǒng)計(jì)和最終分析報(bào)告，為維護(hù)提供方便。測試計(jì)劃應(yīng)包括：所測軟件的功能，輸入和輸出，測試內(nèi)容，各項(xiàng)測試的進(jìn)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(biāo)準(zhǔn)。應(yīng)該對錯誤群集的程序段進(jìn)行重點(diǎn)測試。充分注意測試中的群集現(xiàn)象。（注意不是指對程序的調(diào)試）在設(shè)計(jì)測試用例時，應(yīng)當(dāng)包括合理的輸入條件和不合理的輸入條件?！　y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。正如測試的規(guī)則所確定的一樣：測試是為了發(fā)現(xiàn)程序中的錯誤而執(zhí)行程序的過程；好的測試方案是極可能發(fā)現(xiàn)迄今為止尚未發(fā)現(xiàn)的錯誤的測試方案；成功的測試是發(fā)現(xiàn)了迄今為止尚未發(fā)現(xiàn)的錯誤的測試。函數(shù)名稱 ： GetPartParameter參數(shù) ： 無返回值 ： void 說明 ： 該函數(shù)的功能是用于獲取整個臉部的特征函數(shù)名稱 ： Centerofgravity參數(shù) ： 無返回值 ： void 說明 ： 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)返回值 ： double 平均值的標(biāo)準(zhǔn)偏差說明 ： 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 ： 無說明 ： 該函數(shù)對圖像進(jìn)行模板操作，但為了方便起見，模板的高度和寬度都是用奇數(shù)。 第五章 結(jié)構(gòu)設(shè)計(jì)在本系統(tǒng)中，起至關(guān)重要的類列舉如下，并將它們的成員函數(shù)及其成員函數(shù)的功能和參數(shù)都一一簡述：CFaceDetectView ：該類是在編程的過程中自動生成的。 均衡直方圖 開始時，圖像的會度一直都處于很散的狀態(tài)，而且圖像的特征不明顯，原本想經(jīng)過高斯平滑后進(jìn)行灰度變換，但是并未能成功。 后來又用了 1/10 1/10 1/10 1/10 1/5 1/10 1/10 1/10 1/10 形式，但是，結(jié)果仍然是未能達(dá)到預(yù)期的效果。在編程的時候，試探性的進(jìn)行參數(shù)的選擇，然后進(jìn)行比較，看那組參數(shù)可以達(dá)到最好的效果。 高斯平滑 高斯平滑用于消除圖片噪音，為了實(shí)現(xiàn)此功能，我們使用了模板操作，因此模板參數(shù)的選擇是最重要的。 如果數(shù)據(jù)很大，設(shè)置為255 else return 255。amp。其中IncreaseContras（）函數(shù)是實(shí)現(xiàn)圖像對比度增強(qiáng)的關(guān)鍵函數(shù)，該根據(jù)參數(shù)n來調(diào)節(jié)對比度，n越大，對比越強(qiáng)烈，其核心是：如果數(shù)據(jù)很小，設(shè)置為0if(pByte=Low) return 0。 *(lpData + lOffset+1) = state 。獲取圖像灰度增強(qiáng)函數(shù)int state=IncreaseContrast(ZFT[k][k1], 100)。 （2） 編碼實(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“實(shí)現(xiàn)圖像對比度增強(qiáng)”，并將其ID設(shè)為ID_READY_ContrastEnhance。它通過對圖像的灰度值進(jìn)行統(tǒng)計(jì)，對于比最小設(shè)定值小的則認(rèn)為是有關(guān)的信息，則將它作為黑色處理，比最大設(shè)定值大的則認(rèn)為是一些無關(guān)的信息，將它們?nèi)サ?，而處于兩者之間的，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。*(lpData + lOffset+2)=state 。（2）編程實(shí)現(xiàn)在灰度均衡操作同樣不需要改變DIB的調(diào)色板和文件夾，只要把指向DIB像素起始位置的指針和DIB高度、寬度信息傳遞給子函數(shù)就可以完成灰度均衡變換工作，其核心代碼如下： *(lpData + lOffset)=state 。這對于在進(jìn)行圖像比較或分割之前將圖像轉(zhuǎn)化為一級的格式是十分有效的。 如果大于255，強(qiáng)制賦值為255 if(sum255) sum=255。 計(jì)算絕對值 sum = fabs(sum)。n++) 注： 將以點(diǎn)（i，j）為中心，與模板大小相同的范圍內(nèi)的象素與模板對用位置的系數(shù)進(jìn)行相乘并線形疊加 sum+=Gray[m][n]* tem[(mi+((tem_h1)/2))*tem_w+nj+((tem_w1)/2)]。m++) { for(n=j((tem_w1)/2)。 其中tem是模板參數(shù)，xishu是模板系數(shù)；Template（）函數(shù)是實(shí)現(xiàn)高斯平滑的主要函數(shù)，其核心代碼是： for(m=i((tem_h1)/2)。② 在類CFaceDetectView中添加“高斯平滑”菜單項(xiàng)的事件處理程序，其代碼如下： //進(jìn)行模板操作 Template(tem ,3,3, xishu)。需要注意的是:在平滑處理時,圖像邊界點(diǎn)無法處理,因此循環(huán)范圍應(yīng)設(shè)定在圖像邊界內(nèi)。高斯卷積是通過采樣2維高斯函數(shù)得到的。一般來說,不同的噪聲有各自針對性的卷積算法。水平投影的曲線顯得比較平滑,二值化后的圖像孤立點(diǎn)比較少。5卷積后的結(jié)果不改變圖像的亮度。3所有的卷積系數(shù)都為正數(shù)。用于平滑濾波的卷積核叫做低通過濾波器,低通過濾波器具有如下的特征:1卷積核的行、列數(shù)為奇數(shù),通常為33的矩陣。而噪聲點(diǎn)一般是孤立的點(diǎn),噪聲點(diǎn)的像素灰度與它們的近鄰像素有顯著的區(qū)別,即灰度變化總在這附近有突變高頻。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。模板操作實(shí)現(xiàn)了一種領(lǐng)域運(yùn)算，即某個像素點(diǎn)的結(jié)果不僅和本像素灰度有關(guān)，而且和其領(lǐng)域點(diǎn)的值有關(guān)。如果模板為 2． ， 1則表示將自身灰度值的2倍加下邊的元素灰度值作為新值，而 2 則表示將自身 1．灰度值加上邊元素灰度值的2倍作為新灰度值。如果模板是：1 1 1 1 1 上式類似于矩陣，我們通常稱之為模板。模板操作是數(shù)字圖像處理中經(jīng)常用到的一種運(yùn)算方法，圖像的平滑、銳化以及細(xì)化、邊緣檢測都要用到模板操作。 *(lpData + lOffset+2)=gray 。 顯示灰度圖像 *(lpData + lOffset)=gray 。 獲取紅色分量 ColorR=*(lpData + lOffset+2)。① 編輯菜單IDR_MAINFRAM，先在其中添加一菜單項(xiàng)，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(shí)現(xiàn).② 現(xiàn)該模塊的核心代碼如下：獲取藍(lán)色分量 ColorB=*(lpData + lOffset)。④ 灰度線性截?cái)? 灰度線性截?cái)嗟乃枷胧牵喝绻袼氐幕叶刃∮赼，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。這里a，b，c，d，f，g均為[0,255]之間的整數(shù)值。灰度線性變換的計(jì)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。③ 灰度線性變換當(dāng)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(xì)節(jié)分辨不清。 }② 光線補(bǔ)償?shù)男Ч麍D如下所示 ： 圖 41 原圖 圖42 光線補(bǔ)償效果圖 圖像灰度化（1）算法思想① 彩色轉(zhuǎn)換成灰度