【正文】 該系統(tǒng)需要對通過攝像頭拍照而獲取到的原始的人臉圖片進行一系列處理才可進行下一步的工作，該處理過程也稱圖像預處理。因此本設計中所要完成的主要功能如下所述： 圖像獲取功能 ： 該模塊主要是從攝像頭拍照后進行獲取圖片，也可以從圖片庫中獲取，獲取后的圖片可以在軟件的界面中顯示出來以便進行識別。 人臉定位功能 ： 該模塊主要是將處理后的人臉圖片進行定位，將眼睛、鼻子、嘴巴標記出來，以便進行特征提取。 識別功能 ： 該模塊是將從圖片中提取的特征值和后臺數(shù)據庫中的值進行比較來完成識別功能。能夠滿足個人學習和設計需要。 ② 配備符合 ANSI/ISO 標準的高級程序設計語言處理軟件。 ③ 熟悉 C++高級程序設計語言。 （ 2）、軟件環(huán)境 可以運行在微軟公司近年來所出的各種操作系統(tǒng)。 畢業(yè)論文 人臉識別系統(tǒng)的研究與實現(xiàn) 11 第三節(jié) 預處理方案選擇 一 設計方案原則的選擇 本應用程序 的設計方案原則如下： 采用較為先進的技術力量，保證應用程序在技術上具備一定的優(yōu)勢。 應用程序便于擴展和維護，易于技術的更新。 編寫的代碼必須嚴謹易讀，代碼的解釋必須清楚明白，為應用程序的再開發(fā)提供應盡的責任。 三 開發(fā)工具選擇 本次設計所用的開發(fā)工具是 Microsoft Visual C++ 。它支持多平臺和交叉平臺的開發(fā)，將各種編程工具如編輯器、連接器、調試器等巧妙的結合在一起，構成一個完美的可視化開發(fā)環(huán)境。 四 算法選擇分析 本文主要研究的對象是圖像預處理模塊，該模塊分為光線補償、圖像灰度化、高斯平滑、圖像對比度增強、均衡直方圖，每個小模塊的實現(xiàn)都有許多相應的算法。光線補償 ：由于光線原因，所照的圖像可能會存在光線不平衡的情況而造成色彩偏差，為了抵消這種整個圖像中存在的色彩偏差，本系統(tǒng)采用的解決方法是：將整個圖像中的所有像素的亮度從高到低進行排列，取前 5%的像素，然后線性放大，使這些像素的平均亮度達到 255。 但是 如果平滑不當，就會使圖像畢業(yè)論文 人臉識別系統(tǒng)的研究與實現(xiàn) 12 本身的細節(jié)如邊界輪廓、線條等變的模糊不清 ，為了 既平滑掉噪聲有盡量保持圖像細節(jié) ，本系統(tǒng)采用高斯平滑。均衡直方圖：使用該模塊的 目的是通過點運算使輸入轉換為在每一灰度級上都有相同的像素點數(shù)的輸出圖像。（式 1） 畢業(yè)論文 人臉識別系統(tǒng)的研究與實現(xiàn) 13 第三章 系統(tǒng)的概要設計 本章主要介紹系統(tǒng)的結構設計的流程以及系統(tǒng)各模塊的功能及相關原理。下面介紹系統(tǒng)中的各模塊的功能及算法： 圖像獲取模塊 該模塊主要是從攝像頭拍照后進行獲取圖片，也可以從圖片庫中獲取，獲取后的圖片可以在軟件的界面中顯示出來以便進行識別。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。 該模塊中的子模塊有如下 5 個，下面對它們進行概述： 預處理 光線補償 圖像灰度化 高斯平滑 均衡直方圖 圖像對比度增強 二值化 畢業(yè)論文 人臉識別系統(tǒng)的研究與實現(xiàn) 15 盡可能將它的特征在圖像中表現(xiàn)出來。 YcrCB色彩空間是以演播室質量標準為目標的 CC601編碼方案中采用的彩色表示模型。 灰度變化 [4] 圖像灰度化的過程就是把彩色圖像轉換為黑白色圖像的過程，它也是為了將圖像的信息更加具體、簡單的表現(xiàn)出來，但是，這樣做也將會丟失圖像信息。 從而影響圖像的質量。平滑可以降低圖像的視覺噪聲，同時出去圖像中的高頻部分后，那些本來不明顯的低頻成分更容易識別。經過卷積平滑后的水平投影后，二值化提供了較好的圖像效果。 對比度增強 [6] 對比度增強，就是對圖像的進一步處理，將對比度再一次拉開。 通過改變選用的增強函數(shù)的解析表達式就可以得到不同的處理效果 。 二值化 [7] 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 。 這便有利于我們對特征的提取。 人臉定位模塊 人臉定位是將典型的臉部特征（如眼睛，鼻尖，嘴唇等等）標記出來，在本系統(tǒng)中，定位的特征是眼睛，鼻尖和嘴巴三 個。 特征提取模塊 特征提取按以下 4個步驟進行： （ 1）、提取兩只眼睛的距離 （ 2）、眼睛的傾角度 （ 3）、眼睛、嘴巴的重心 （ 4）、用一個矩形標出每一個特征 在特征提取完之后將會得到相應的特征值以便存入后臺數(shù)據庫。如果分析在我們所確認的范圍內，我們就認為該人就是我們所要 找的。如果庫存中沒有，則給出提示是否對存庫作為樣本。1AB H f DHD f f D???????畢業(yè)論文 人臉識別系統(tǒng)的研究與實現(xiàn) 17 第四章 系統(tǒng)的詳細設計 本章主要對圖像處理這一模塊進行詳細介紹，對其子模塊所用到的算法及具體實現(xiàn)進行詳細講述。本系統(tǒng)中 建立了一個專門的類 DIB 來處理設備無關位圖，表 4－ 1 列出了對位圖的操作函數(shù)。 點擊攝像鍵，然后進行拍照，并將圖像顯示并保存。 將處理好的人臉圖片進行定位，標出眼睛 、鼻尖和嘴巴。 識別出圖片上的人。所以，點運算不可以改變圖像內的空間關系。除了灰度級的改變是根據某種特定的灰度變換函數(shù)進行之外，點運算可以看作是“從像素到像素”的復制操作。 點運算有時又稱為對比度增強、對比度拉伸或灰度變換，它是圖像數(shù)字化軟件和圖像顯示軟件的重要組成部分。 函 數(shù) 功 能 ClearMemory（） 釋放內存 CopyHandle（） 拷貝內存塊 LoadDIB（） 加載位圖信息 ReadDIBFile（） 讀取位圖文件信息 LightingCompensate（） 進行光線補償 PixelOffset（） 修正像素值 PaintDIBTrue（） 繪制 DIB 對象 GetColorNumber（） 獲取顏色總數(shù) GetHeight（） 獲取 DIB 高 度 GetWidth（） 獲取 DIB 寬度 GetSize（） 獲取圖像數(shù)據緩沖區(qū)中的字節(jié)數(shù) GetBitCount（） 獲取顏色位數(shù) GetBiBitCount（） 獲取字節(jié)數(shù) 畢業(yè)論文 人臉識別系統(tǒng)的研究與實現(xiàn) 19 光線補償 （ 1）算法思想： 光線補償?shù)南敕ǖ奶岢鲋饕强紤]到膚色等色彩信息經常受到光源顏色、圖像采集設備的色彩偏差等因素的影響，而在整體上偏離本質色彩而向某一方向移動，即我們通常所說的色彩偏冷、偏暖、照片偏黃、便藍等等。所以 Anil ，為了抵消這種整個圖像中存在著的色彩偏差，我們將整個圖像中所有像素亮度（是經過了非線形 r校正后的亮度）從高到低進行排列，取前 5%的像素，如果這些像素的數(shù)目足夠多（例如，大于 100），我們就將它們的亮度作為“參考白”（ Reference White），也即將它們的色彩的 R、 G、 B分量值都調整為 255。 （ 2） 具體實現(xiàn)光線補償功能： 明白了光線補償這功能的算法及思想，就可以編碼實現(xiàn)其功能了， 實現(xiàn)過程如下： ① 、 編輯菜單 IDR_MAINFRAM，先在其中添加一菜單項，將其命名為“預處理”，并在其屬性欄中將其設為“彈出”菜單，點擊預處理該菜單項將會彈出一個新的子菜單，此時把該子菜單命名為“光線補償”，并把其 ID 設為ID_READY_LIGHTINGCONPENSATE ，對應文件 FaceDetectView． Cpp 中的函數(shù)ReadyLightingconpensate() 實 現(xiàn) ， 并 在 void CFaceDetectView:: OnReadyLightingconpensate()中添加如下代碼 ： hDIBTemp = (hDIB)。 GlobalUnlock(hDIB)。 光線補償功能實質上是用上段代碼中的 LightingCompensate（）函數(shù)來進行實現(xiàn)。其核心代碼如下所述： //下面的循環(huán)對圖像進行光線補償 for(i =0。i++) for(int j=0。j++) { //獲取像素偏移 lOffset = thisPixelOffset(i,j,wBytesPerLine)。 //綠色分量 colorb = *(lpData+lOffset+1)。 if(colorb 255) colorb = 255。 //紅色分量 colorb = *(lpData+lOffset+2)。 if(colorb 255) colorb = 255。 } ② 光線補償?shù)男Ч麍D如下所示 ： 圖 41 原圖 畢業(yè)論文 人臉識別系統(tǒng)的研究與實現(xiàn) 21 圖 42 光線補償效果圖 圖像灰度化 （ 1）算法思想 ① 彩色轉換成灰度 將 彩色圖像轉化為灰階圖像常采用如下的經驗式： gray＝ R＋ G＋ B（式 3） 其中， gray 為灰度值， R、 G、 B 分別為紅色、綠色和藍色分量值。 ③ 灰度線性變換 當圖像由于成像時曝光不足或曝光過度，會產生對比度不足的弊病，從而使圖像中的細節(jié)分辨不清?；叶染€性變換的計算式為： g = ],[,))(( bafcab afcd ??? ?? （式 4） f，其他 式中， f 是原像素的灰度， g 為變換后的灰度。這里 a， b， c， d， f， g 均為 [0,255]之間的整數(shù)值。 畢業(yè)論文 人臉識別系統(tǒng)的研究與實現(xiàn) 22 ④ 灰度線性截斷 灰度線性截斷的思想是：如果原像素的灰度小于 a，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。 ① 編輯菜單 IDR_MAINFRAM，先在其中添加一菜單項，將其命名為 ”圖像灰度化 ”,并將其 ID 號設為 ID_READY_SCALE, 對應文件 FaceDetectView． Cpp 中的函數(shù)ReadyLightingconpensate()實現(xiàn) . ② 現(xiàn)該模塊的核心代碼如下： 獲取藍色分量 ColorB=*(lpData + lOffset)。 獲取紅色分量 ColorR=*(lpData + lOffset+2)。 顯示灰度圖像 *(lpData + lOffset)=gray 。 *(lpData + lOffset+2)=gray 。模板操作是數(shù)字圖像處理中經常用到的一種運算方法，圖像的平滑、銳化以及細化、邊緣檢測都要用到模板操作。 1 1 1 1 上式類似于矩陣，我們通常稱之為模板。如果模板是： 1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。模板操作實現(xiàn) 了一種領域運算，即某個像素點的結果不僅和本像素灰度有關，而且和其領域點的值有關。 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)則的隨機噪聲 ,如數(shù)據在傳輸、存儲時發(fā)生的數(shù)據丟失和損壞等 ,這些都會影響圖像的質量。而噪聲點一般是孤 立的點 ,噪聲點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。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 3 3 的矩陣 。3 所有的卷積系數(shù)都為正數(shù) 。5 卷積后的結果不改變圖像的亮度。水平投影的曲線顯得比較平滑 ,二值化后的圖像孤立點比較少。一般來說 ,不同的噪聲有各自針對性的卷積算法。高斯卷積是通過采樣 2 維高斯函數(shù)得到的。需要注意的是 :在平滑處理時 ,圖像邊界點無法處理 ,因此循環(huán)范圍應設定在圖像邊界內