【正文】 )表示梯度幅度， G??表示對(duì) x 的編導(dǎo)， G??表示對(duì) y 的偏導(dǎo)。在圖像中像素點(diǎn)的梯度可以很好地體現(xiàn)圖像強(qiáng)度。 邊緣提取技術(shù) 所謂邊緣就是圖像中灰度發(fā)生急劇變化的像素點(diǎn)的集合。在算法中，先判斷孔洞區(qū)域，如果判定某個(gè)區(qū)域在目標(biāo)區(qū)域范圍之內(nèi)，并且滿足其連通部分不與背景區(qū)域有相交點(diǎn)，則此區(qū)域?yàn)榭锥?，進(jìn)行填充。 填充孔洞的原理是：在閾值處理時(shí)，如果像素已被標(biāo)志，則填充孔洞 時(shí)，先統(tǒng)計(jì)所有連通的非標(biāo)志區(qū)域的面積，這些面積中有相對(duì)較大和較小的區(qū)域。由于是人為選取 HIS 顏色特征區(qū)域，可能選取不恰當(dāng)，或者實(shí)際圖像處理過(guò)程中受光照不均勻、背景噪聲和圖像分割算法缺陷等因素的影響，使得圖像中存在一些大大小小的孔洞或者碎片，成為偽連通區(qū)域，使得提取目標(biāo)物體不準(zhǔn)確， 。 3) 對(duì)象沒(méi)有重疊或者接觸。 Blob 算法就是找出圖像中的連通域，并確定其數(shù)量、大小、面積和位置等信息的一種方法。本系統(tǒng)中，為了從血液圖像中提取紅細(xì)胞，現(xiàn)手動(dòng)選取一塊特征顏色區(qū)域，記錄特征顏色區(qū)域的 HIS 值 (實(shí)際選出來(lái)的為 RGB 顏色空間 ),然后根據(jù)記錄的 HIS 值在整個(gè)圖像內(nèi)進(jìn)行搜索，以選出所有紅細(xì)胞。 面向彩色圖像處理的顏色模型中最常用的是 HIS 模型，它克服了 RGB 顏色模型不直觀以及各分量高度相關(guān)的缺點(diǎn)，而且 H 和 S 分量的大小與人對(duì)顏色的感受是緊密相連的，這種彩色描述對(duì)人來(lái)說(shuō)自然的、直觀的。在這些應(yīng)用中，分割 是對(duì)圖像的進(jìn)一步分析的前提，分割的準(zhǔn)確性將直接影響后續(xù)操作的有效性。在紅外技術(shù)應(yīng)用中，紅外無(wú)損檢測(cè)中紅外熱圖像的分割，紅外成像跟蹤系統(tǒng)中目標(biāo)的分割。 閾值法是一種傳統(tǒng)的圖像分割方法，因其實(shí)現(xiàn)簡(jiǎn)單、計(jì)算量小、性能較穩(wěn)定而成為圖像分割方法中最基本和應(yīng)用最廣泛的分割技術(shù)，已被應(yīng)用于很多的領(lǐng)域。 閾值分割技術(shù) 閾值分割就是把一幅圖像中像素值處于一定范圍內(nèi)的點(diǎn)賦予特定的值 (比如 0 表示黑色 )，而在這個(gè)范圍之外的像素點(diǎn)被賦予另外一個(gè)值 (比如 255 表示白色 )或者保持這些像素點(diǎn)得值不變。將大于 T 的像素群的像素值設(shè)定為白色 (或者黑色 )，小于 T 的像素群的像素值設(shè)定為黑色 (或者白色 )。圖像的二值化，就是將圖像上的像素點(diǎn)的灰度值設(shè)置為 0 或 255，也就是將整個(gè)圖像呈現(xiàn)出明顯的只有黑和白的視覺(jué)效果。 人臉膚色相似度算法流程圖 如圖 35 所示。 Cov11=。 Cov00=。 人臉膚色相似度算法流程 對(duì)人臉膚色相似度計(jì)算，一般需要經(jīng)過(guò)以下幾個(gè)步驟： (a) 首先利用如下公式： Y = + + +16 Cb = ? ? + +128 Cr = ?? +128 將人臉圖像從 RGB 顏色空間映射到 YCbCr 顏色空間， (b) 建立膚色模型，具體代碼如下： Cb_Mean=。為了顯示各像素屬于膚色的相似程度，我們將各像素的膚色相似度值乘以 255，然后取整，將其變換到 [0,255]之間，即在相似度值的基礎(chǔ)上把一幅彩色圖像轉(zhuǎn)換為一幅膚色相似度灰度圖像。根據(jù)膚色在色度空間中的高斯分布，對(duì)于彩色圖像中的每個(gè)像素點(diǎn)，將其從 RGB色彩空間變換到 YCgCr 色彩空間后，就可以計(jì)算該點(diǎn)屬于皮膚區(qū)域的概率，即根據(jù)該點(diǎn)距離高斯分布中心的遠(yuǎn)近的到其與膚色的相似度，即 P(Cg,Cr) = exp,?(x? M)TC?1(x? M) 34 0 1 0 1 1 1 0 1 0 對(duì)一幅圖像中的每個(gè)像素點(diǎn)計(jì)算完畢后，我們統(tǒng)計(jì)出該幅圖像上所有像素點(diǎn)的最大膚色相似度 Pmax(CG,CR)，并將每個(gè)像素點(diǎn)的膚色相似度 P(Cg,Cr)除以該圖像中的最大膚色相似度 Pmax(CG,CR)，即可將各個(gè)像素的膚色相似度值歸一到 [0,1]之間。 中值濾波也是一種鄰域運(yùn)算，但不是簡(jiǎn)單的以待處理像素點(diǎn) (i,j)的 8 個(gè)相鄰像素的灰度均值來(lái)取代該點(diǎn)的灰度，對(duì)于給定的 n 個(gè)像素（ n 為奇數(shù)）的灰度值 {a1， a2， …， an}，將其按大小進(jìn)行排序，利用排在中間的灰度值來(lái)取代待處理像素點(diǎn)的原始灰度，其實(shí)質(zhì)上是用與相鄰像素接近的灰度值來(lái)取代 與相鄰像素相差較大的灰度，按此操作辨理圖像，即可得到平滑后的圖像。 在 YCbCr 色彩空間，歸一化色度直方圖后假定膚色滿足二維高斯模型 M=(m,C)，其中m為均值， m=E(x)， x=(Cb,Cr)T， C 為協(xié)方差矩陣， C=E[(xm)(xm)]，通過(guò)這個(gè)膚色模型檢測(cè)任意一個(gè)像素是否為膚色的概率為 P(Cb,Cr) = exp,?(x?m)TC?1(x ?m) 332 已經(jīng)證明，這個(gè)模型能很好的區(qū)分出人臉和非人臉。 r = RR+G+B， g = GR+G+B， b = BR+G+B 332 式中， r、 g、 b 分別來(lái)自于 R、 G、 B，相互獨(dú)立 且 r+g+b=1。 在 RGB 顏色空間，為了去除光照影響，人臉膚色需進(jìn)行亮度歸一化。 膚色模型 不同種族、不同年齡、不同性別的人膚色看起來(lái)存在差異，但這個(gè)差異主要體現(xiàn)在亮度上。這種現(xiàn)象在藝術(shù)照片中更為常見(jiàn)。這種方法分為兩步：首先選擇方法確定模型的參數(shù)（即均值和協(xié)方差），其次利用該模型來(lái)判別新的像素或區(qū)域是否為膚色。高斯分布的數(shù)學(xué)表達(dá)形式簡(jiǎn)單且直觀，又是統(tǒng)計(jì)學(xué)中研究比較深入的一種正態(tài)模型，因此借助此模型具有一定的優(yōu)越性。 高斯模型 高斯模型主要是利用了統(tǒng)計(jì)學(xué)的原理。 (x?ex)2a2 + (y?ecy)2(b)2 = 1 (3221) 0xy1 = 0 cosθ sinθ?sinθ cosθ1*Cb′?cxCr′ ?cy+ (3222) 其中， ecx和 ecy分別為 Cb 和 Cr 的統(tǒng)計(jì)均值。 因此，在膚色建模中較少使用。此模型通過(guò)選定的顏色空間對(duì)膚色進(jìn)行統(tǒng)計(jì)得出其各顏色分量直方圖 ，由直方圖顯現(xiàn)出的規(guī)律選定閾值，通過(guò)該閾值來(lái)對(duì)整個(gè)圖像進(jìn)行膚色與非膚色的判別。常用的膚色模型、橢圓模型和高斯模型。 計(jì)算機(jī)系統(tǒng)中的 RGB 數(shù)值范圍為 0 ~ 255，因此，使用以下的方程式會(huì)更加方便： Y = + + +16 Cb = ? ? + +128 Cr = ? ? +128 膚色模型 選好顏色空間后，接下來(lái)就是在此顏色空間中進(jìn)行膚色建模。 YCbCr 顏色空間中， Y 的范圍為 16 ~ 235， Cb 和 Cr 的范圍為 16 ~ 240。 在你從 RGB 到 YCbCr 的轉(zhuǎn)換過(guò)程中，輸入、輸出數(shù)據(jù)都是 8 位二進(jìn)制格式。 Ci′(Y){Ci(Y) ?Ci(Y)??????? ? WciWCi(Y) +Ci(Y)???????,if(Y Ki)or(Kh ??)Ci(Y) ,if(Y ∈ ,Ki,Kh) 331 其中， i 表示 b 或 r,WCb = ， WCr = ， Ki和 Kh為常量分別為 125 和 188， Ci(Y)為聚類兩頭尖的橢球形的中軸線處的值，實(shí)際上是 Cb、 Cr 兩個(gè)分量隨 Y 變化的聚類中心線處的值。所以，在膚色檢測(cè)之前，要先對(duì)圖像進(jìn)行分段線性顏色變換。由于是線性轉(zhuǎn)換關(guān)系，其中的亮度分量 Y 并不是完全獨(dú)立于色度信息存在的，而 Anil 等人的實(shí)驗(yàn)也表明，膚色的聚類區(qū)域因?yàn)榱炼确至康年P(guān)系而呈現(xiàn)非線性變化的情況，而且在 YCbCr 顏色空間中，膚色聚類成兩頭尖的橢球形。 (5) Anil 等人繪制了 853571 個(gè)膚色點(diǎn)的統(tǒng)計(jì)圖像，其結(jié)果表明，膚色在 YCbCr顏色空間的淚俱效果較好。 (3) YCbCr 的計(jì)算過(guò)程和空間坐標(biāo)表示形式簡(jiǎn)單，與 RGB 之間的轉(zhuǎn)換為線性，容易實(shí)現(xiàn)，避免了非線性的奇異性。除此 YCbCr 顏色空間還顯示了其他一些良好的特性： (1) 該空間具有與人類視覺(jué)感知過(guò)程相類似的構(gòu)成原理。飽和度 S越小，顏色越淺時(shí)，色調(diào) H 值越不穩(wěn)定。 (2) HSV 顏色空間中存在著奇異點(diǎn)，即色度點(diǎn)在 V 軸上時(shí)，其 S 值為零，而 H 沒(méi)有定義 。 HSV 顏色空間 HSV 顏色空間在視覺(jué)上是均勻的，與人類的視覺(jué)特性有很好的一致性。 R R′ = G G′ = B B′ ≠ 1 因此，在色度空間中除去亮度分量，即形成膚色空間，得到歸一化的 RGB 顏色空間。研究表明，如果圖像中的兩個(gè)像素點(diǎn) [R、 G、 B]和 [R′、 G′、 B′]對(duì)應(yīng)成比例且比值不等于 1，如式 311 所示。為了準(zhǔn)確進(jìn)行人臉膚色識(shí)別，首先將人臉圖像從 RGB 顏色空間映射到 YCbCr 顏色空間，然后建立膚色模型并求得相似度矩陣，最后用相似度矩陣中的最大值對(duì)相似度矩陣進(jìn)行歸一化，該歸一化矩陣將用于后續(xù)人臉檢測(cè)。大量實(shí)驗(yàn)證明，不同膚色的人臉對(duì)應(yīng)的色調(diào)是比較一致的，其區(qū)別主要在于灰度。 經(jīng)過(guò)詳細(xì)周密的考證，我們的系統(tǒng)采用基于膚色的人臉檢測(cè)算法。 從數(shù)學(xué)上來(lái)說(shuō)圖像直方圖是圖像各個(gè)灰度值統(tǒng)計(jì)特性與圖像灰度值的函數(shù)，它統(tǒng)計(jì)了一幅圖像中各個(gè)灰度級(jí)出現(xiàn)的次數(shù)和概率。直方圖閾值處理是二值化常用方法。 圖像的二值化一般按下面公式進(jìn)行： gb(x,y) = {255,g(x,y) = ??0,g(x,y) ?? 23 g(x,y)是原圖像中位于 (x,y)處像素的像素的灰度， gb(x,y)是二值化后該處的像素值，它只能取 1（白）或 0（黑）。邏輯運(yùn) 算的二進(jìn)制結(jié)果存在輸出圖像中對(duì)應(yīng)于該像素的位置上。 在通常情況下，形態(tài)學(xué)圖像處理意在圖像中移動(dòng)一個(gè)結(jié)構(gòu)元素并進(jìn)行一種類似于卷積操作的方式進(jìn)行，像卷積核一樣， 結(jié)構(gòu)元素可以具有任意的大小，也可以包含任意的 0 與1 的組合。并且，它們適合于用相應(yīng)的硬件構(gòu)造查找表的方式，實(shí)現(xiàn)快速的流水線處理。 一個(gè)有效的二值圖像處理運(yùn)算集是從數(shù)學(xué)形態(tài)學(xué)下的集合輪方法發(fā)展起來(lái)的。一個(gè)二值圖像（如一個(gè)剪影像或一個(gè)輪廓圖）通常是由一個(gè)圖像分割操作產(chǎn)生的。直方圖能夠描述一幅圖像中顏色的全局 分布，而且容易理解和實(shí)現(xiàn)，所以入門(mén)級(jí)的圖像相似度計(jì)算都是使用直方圖。常用的圖像特征有顏色特征、紋理特征、形狀特征和空間關(guān)系特征等。這些特征決定了這個(gè)人跟 同事、朋友、家人的相似程度 。 要計(jì)算圖像的相似度，必須要 找出圖像的特征。如圖所示。 BMP 位圖文件默認(rèn)的文件擴(kuò)展名是 bmp。 Windows 以前的 BMP 位圖文件格式與顯示設(shè)備有關(guān)，因此把它稱為設(shè)備相關(guān)位圖（ Devicedependent Bitmap, DDB）文件格式。 BMP 文件存儲(chǔ)數(shù)據(jù)時(shí)，圖像的掃描方式是按從左到右、從下到上的順序。它采用位映射存儲(chǔ)格式，除了圖像深度可選以外，不采用其他任何壓縮，因此， BblP 文件所占用的空間很大。所以我們需要對(duì)圖像進(jìn)行預(yù)處理。 。 。 其具體步驟如下： 。 本