畢業(yè)設計 人臉識別系統(tǒng)的研究與實現(xiàn)

第一章緒論 1二人臉識別技術的研究意義 1第二節(jié)人臉識別技術的國內外發(fā)展概況 3 2 4第二章系統(tǒng)的需求分析和方案選擇 5第一節(jié)可行性分析 5技術可行性分析 5 5第二節(jié)需求分析 6 6 7三運行環(huán)境的需求分析 7第三節(jié)預處理方案 設計方案原則的 8三開發(fā)工具選擇 8 8第三章系統(tǒng)的概要設計 9第一節(jié)各模塊功能簡介 9第四章系統(tǒng)詳細設計 第五章結構設計 第六章測試 第二節(jié)測試 參考文獻摘要人臉識別因其在安全驗證系統(tǒng)、信用卡驗證、醫(yī)學、檔案管理、視頻會議、人機交互、系統(tǒng)公安(罪犯識別等)等方面的巨大應用前景而越來越成為當前模式識別和人工智能領域的一個研究熱點。本文提出了基于24位彩色圖像對人臉進行識別的方法，介紹的主要內容是圖像處理，它在整個軟件中占有極其重要的地位，圖像處理的好壞直接影響著定位和識別的準確率。本軟件主要用到的圖像處理技術是：光線補償、高斯平滑和二值化。在識別前，先對圖像進行補光處理，再通過膚色獲得可能的臉部區(qū)域，最后根據人臉固有眼睛的對稱性來確定是否就是人臉，同時采用高斯平滑來消除圖像的噪聲，再進行二值化，二值化主要采用局域取閾值方法，接下來就進行定位、提取特征值和識別等操作。經過測試，圖像預處理模塊對圖像的處理達到了較好的效果，提高了定位和識別的正確率。【關鍵字】:人臉識別；光線補償；高斯平滑；對比度增強2計014班張薇security,telecommunications,digitallibraries,videomeeting,aThepaperintroducedtinfluencedtheaccuramethod.beforediscerning,wecompensatedtheligheffectintheprocessofdealingwit第一節(jié)課題背景一課題的來源隨著安全入口控制和金融貿易方面應用需要的快速增長，生物統(tǒng)計識別技術得到了新的重視。目前，微電子和視覺系統(tǒng)方面取得的新進展，使該領域中高性能自動識別技術的實現(xiàn)代價降低到了可以接受的程度。廣泛的技術之一，人臉識別技術是一項近年來興起的，但不大為人所知的新技術。人們到電腦中，與警方數(shù)據庫中的資料進行比對，并找出該嫌犯的詳細資料和犯罪并非虛構的情節(jié)。在國外，人臉識別技術早已被大量使用在國家重要部門以及軍警等安防部門。在國內，對于人臉識別技術的研究始于上世紀90年代，目前主要應用在公安、3計014班張薇4計014班張薇金融、網絡安全、物業(yè)管理以及考勤等領域。二人臉識別技術的研究意義1、富有挑戰(zhàn)性的課題人臉識別是機器視覺和模式識別領域最富有挑戰(zhàn)性的課題之一，同時也具有較為廣泛的應用意義。人臉識別技術是一個非?；钴S的研究領域，它覆蓋了數(shù)字圖像處理、模式識別、計算機視覺、神經網絡、心理學、生理學、數(shù)學等諸多學科的內容。如今，雖然在這方面的研究已取得了一些可喜的成果，但是FRT在實用應用中仍面臨著很嚴峻的問題，因為人臉五官的分布是非常相似的，而且人臉本身又是一或發(fā)型、化妝的千變萬化都給正確識別帶來了相當大的麻煩。如何能正確識別大量的人并滿足實時性要求是迫切需要解決的問題。2、面部關鍵特征定位及人臉2D形狀檢測技術在人臉檢測的基礎上，面部關鍵特征檢測試圖檢測人臉上的主要的面部特征點的位置和眼睛和嘴巴等主要器官的形狀信息。灰度積分投影曲線分析、模板匹配、可變形模板、Hough變換、Snake算子、基于Gabor小波變換的彈性圖匹配技術、主動性狀模型和主動外觀模型是常用的方法?？勺冃文０宓闹饕枷胧歉鶕龣z測人臉特征的先驗的形狀信息，定義一個參數(shù)描述的形狀模型，該模型的參數(shù)反映了對應特征形狀的可變部分，如位置、大小、角度等，它們最終通過模型與圖像的邊緣、峰、谷和灰度分布特性的動態(tài)地交互適應來得以修正。由于模板變形利用了特征區(qū)域的全局信息，因此可以較好地檢測出相應的特征形狀。由于可變形模板要采用優(yōu)化算法在參數(shù)空間內進行能量函數(shù)極小化，因此算法的主要缺點在于兩點：一、對參數(shù)初值的依賴程度高，很容易陷入局部最??；二、計算時間長。針對這兩方面的問題，我們采用了一種由粗到細的檢測算法：首先利用人臉器官構造的先驗知識、面部圖像灰度分布的峰谷和頻率特性粗略檢測出眼睛、鼻子、嘴、下巴的大致區(qū)域和一些關鍵的特征點；然后在此基礎上，給出了較好的模板的初始參數(shù)，從而可以大幅提高算法的速度和精度。眼睛是面部最重要的特征，它們的精確定位是識別的關鍵?；趨^(qū)域增長的眼睛定位技術，該技術在人臉檢測的基礎上，充分利用了眼睛是面部區(qū)域內臉部中心的左上方和右上方的灰度谷區(qū)這一特性，可以精確快速的定位兩個眼睛瞳孔中心位置。該算法采用了基于區(qū)域增長的搜索策略，在人臉定位算法給出的大致人臉框架中，估計鼻子的初始位置，然后定義兩個初始搜索矩形，分別向左右兩眼所處的大致位置生長。該算法根據人眼灰度明顯低于面部灰度的特點，利用搜索矩形找到眼部的邊緣，最后定位到瞳孔的中心。實驗表明，本算法對于人臉大小、姿態(tài)和光照的變化，都有較強的適應能力，但在眼部陰影較重的情況下，會出現(xiàn)定位不準。佩戴黑框眼鏡，也會影響本算法的定位結果。3、面部感知系統(tǒng)的重要內容基于視覺通道信息的面部感知系統(tǒng)，包括人臉檢測和跟蹤、面部特征定位、面部識別、人臉歸類(年齡、種族、性別等的判別)、表情識別、唇讀等分系統(tǒng)，如圖1-1所式，可以看出，繼人臉檢測和跟追之后，面部特征定位通常是面部感知的一個必備環(huán)節(jié)，是后續(xù)工作的基礎，具有重要的意義。盡管人臉識別不能說是其他面部感知模塊的必備功能，但是，可以肯定的是，利用已知的身份信息，結合特定人的先驗知識，可以提高表情分析、唇讀和語音識別、手勢識別乃至手寫體識別的可靠性。而計算機對使用者身份確認的最直接的應用就是基于特定使用者的環(huán)境設置：如使用者的個性化工作環(huán)境，信息的共享和隱私保護等等。身份信息身份信息唇形類別人臉識別種族判斷年齡判別面部特征定位人臉檢測和視頻輸入跟蹤圖1-1面部感知系統(tǒng)結構圖第二節(jié)人臉識別的國內外發(fā)展概況現(xiàn)在人臉識別技術已經應用在許多領域中，并起到了舉足輕重的作用，人臉識別研究開始于1966年PRI的Bledsoe的工作，經過三十多年的發(fā)展，人臉識別技術取得了長足的進步，現(xiàn)在就目前國內外的發(fā)展情況來進行展述。一國外的發(fā)展概況1見諸文獻的機器自動人臉識別研究開始于1966年PRI的Bledsoe的工作，1990年日本5計014班張薇研制的人像識別機，可在1秒鐘內中從3500人中識別到你要找的人。1993年，美國國防部高級研究項目署(AdvancedResearchProjectsAgency)和美國陸軍研究實驗室(ArmyResearchLaboratory)成立了Feret(FaceRecognitionTechnology)項目組，建立了feret人臉數(shù)據庫，用于評價人臉識別算法的性能。美國陸軍實驗室也是利用vc++開發(fā)，通過軟件實現(xiàn)的，并且FAR為49%。在美國的進行的公開測試中，F(xiàn)AR,為53%。美國國防部高級研究項目署，利用半自動和全自動算法。這種算法需要人工或自動指出圖像中人的兩眼的中心坐標，然后進行識別。在機場MellonUniversity)為首，麻省理工大學(MassachusettsInstituteofTechnology)等，英國的雷丁大學(UniversityofReading))和公司(Visionics公司Facelt人的BioID系統(tǒng)等)的工程研究工作也主要放在公安、刑事方面，在考試驗證系統(tǒng)的實現(xiàn)熱點科研領域掌握了一定的核心技術。北京科瑞奇技術開發(fā)股份有限公司在200了一種人臉鑒別系統(tǒng)，對人臉圖像進行處理，消除了照相機的影響，再對圖像進提取和識別。這對于人臉鑒別特別有價值，臉圖像是不同時期拍攝的，使用的照相機不一樣。系統(tǒng)可以接受時間間隔較長的照片，并能達到較高的識別率，在計算機中庫藏2300人的正面照片，每人一張照片，使1--7年、差別比較大的照片去查詢，首選率可以達到50%,前20張輸出照片中包含有與輸入照片為同一人的照片的概率可達70%。2005年1月18日，由清華大學電子系人臉識別課題組負責人蘇光大教授主持承擔的國家"十五"攻關項目《人臉識別系統(tǒng)》通過了由度化、高斯平滑、均衡直方圖、圖像對比度增強，其關鍵的作用，圖像處理的好壞直接影響著后面的定位和識別工作。6計014班張薇第二章系統(tǒng)的需求分析與方案選擇人臉識別系統(tǒng)現(xiàn)在應用于許多領域中，但是人臉識別技術也是一項近年來興起的，且不大為人所知的新技術。在我國以及其他國家都有大量的學者正在研究之中，不斷的更新人臉識別技術，以便系統(tǒng)的識別準確率達到新的高度。在開發(fā)該人臉識別軟件之前，我們查詢了前人所寫過的諸多論文以及源程序，在開發(fā)之時，結合了資料中的算法并揉進了自己的一些思想，使程序可以對人臉圖片進行簡易識別。圖像的處理方法很多，我們可以根據需要，有選擇地使用各種方法。在確定臉部區(qū)域上，通常使用的方法有膚色提取。膚色提取，則對臉部區(qū)域的獲取則比較準確，成功率達到95%以上，并且速度快，減少很多工作。圖像的亮度變化，由于圖像的亮度在不同環(huán)境的當中，必然受到不同光線的影響，圖像就變得太暗或太亮，我們就要對它的亮度進行調整，主要采取的措施是對圖像進行光線補償。因此需要將圖片進行平滑操作以此來消除噪聲?；叶茸儞Q：進行灰度處理，我們要保證圖像信息盡可能少的丟失。同樣在進行灰度變換前，我們也要對圖像的信息進行統(tǒng)計，找出一個比較合理的灰度值，才能進行灰度灰度均衡：灰度變換后，就要進行灰度均衡，可以根據灰度分布來進行灰度均衡。對比度增強：將所要處理的區(qū)域和周圍圖像區(qū)域進一步拉開他們的對比度，使它們更加明顯，主要通過像素的聚集來實現(xiàn)。7計014班張薇8計014班張薇二操作可行性該人臉識別軟件需要如下的運行環(huán)境：CPU:500M及以上；內存：64M及以上。安裝有Windows98、WindowsMe、Windows2000、WindowsNT等操作系統(tǒng)中的其中一種。另還裝有攝像頭可進行隨機拍照和識別。因此，從操作可行性來看，只要系統(tǒng)用戶的硬件軟件設備滿足以上條件，即可用該人臉識別軟件進行人臉的識別。第二節(jié)需求分析該軟件最主要的功能就是要能識別出人臉，首先該系統(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。預處理這個模塊在整個人臉識別系統(tǒng)的開發(fā)過程中占有很重要的地位，只有預處理模塊做的好，才可能很好的完成后面的人臉定位和特征提取這兩大關鍵模塊。因此本設計中所要完成的主要功能如下所述：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。該模塊主要包括圖像光線補償、圖像變成灰色、高斯平滑、均衡直方圖、實現(xiàn)圖像對比度增強、二值化變換等。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。特征提取功能：該模塊是在定位后的人臉圖片中將眼睛、鼻子、嘴巴的特征值提取出來。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二開發(fā)環(huán)境需求分析(1)硬件配置原則具有可靠性，可用性和安全性，具有完善的技術支持。能夠滿足個人學習和設計需(2)運行本軟件所需的硬件資源2、軟件環(huán)境(1)系統(tǒng)軟件配置原則能夠滿足該軟件的可靠性，可用性和安全性的要求(2)系統(tǒng)軟件配置方案①配置有持續(xù)工作能力、高穩(wěn)定性、高度可集成的開放式標準的操作系統(tǒng)，如Windows2000,WindowsNT,UNIX,Linux等。②配備符合ANSI/ISO標準的高級程序設計語言處理軟件。如：VisualC++6.0。CPU:500M及以上；內存：64M及以上。9計014班張薇10計014班張薇第三節(jié)預處理方案選擇一設計方案原則的選擇1、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。2、采用成熟的技術，保證應用程序的安全性和可靠性。3、應用程序便于擴展和維護，易于技術的更新。4、應用程序充分利用現(xiàn)有的資源，盡量減少不必要的再投資。5、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)提在設計的過程中，為了定位和特征提取的方便，我們采用的是24位位圖。三開發(fā)工具選擇本次設計所用的開發(fā)工具是MicrosoftVisualC++6.0。VisualC++6.0是Microsoft公司推出的一種可視化編程工具。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。用戶無需通過繁雜的編程操作，即可完成Windows下應用程序的編輯、編譯、測試和細化等工作。四算法選擇分析平滑、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。下面將·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。實際上就是調整圖片像素的RGB值。質量，因此需要將圖片進行平滑操作以此來消除噪聲。但是如果平滑不當，就會使圖像11計014班張薇相同的像素點數(shù)的輸出圖像。它的實現(xiàn)主要是利用灰度均衡的轉換式增強，它主要通過對圖像的灰度值進行統(tǒng)計，對于小于Low則認為是有關的信息，則將它作為黑色處理，對于處于High以上的則認為是一些無關的信息，將它們去掉，而處于兩者之間的，則進行對比度增強，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。(一)應用程序的總體結構設計流程圖如圖3-1所示：圖3-1總體結構設計流程圖在彈出的“打開”對話框中選擇要打開位獲取特征參數(shù)獲取臉部區(qū)域識別12計014班張薇(二)圖像預處理的層次圖如圖3-2所示：一一值化圖像對比度增強均衡直方圖高斯平滑圖像灰度化光線補償預處理第一節(jié)各模塊功能概述該系統(tǒng)中圖像里人臉區(qū)域的獲取，主要是根據膚色來進行獲取，通過膚色非線形明顯的表現(xiàn)出來。該模塊中的子模塊有如下5個，下面對它們進行概述：13計014班張薇14計014班張薇·光線補償[3]因為系統(tǒng)得到的圖片可能會存在光線不平衡的情況，這會影響我們對特征的提取，同時系統(tǒng)中要用到YcrCB色彩空間，所以有必要對圖像進行光線補償。盡可能將它的特征在圖像中表現(xiàn)出來。YcrCB是一種色彩空間，它用于視頻系統(tǒng)中，在該色彩空間度。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?！せ叶茸兓痆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。因此，盡可能在轉化的過程中用簡單的方式表現(xiàn)圖像復雜的信息?！じ咚蛊交幚?高斯平滑將對圖像進行平滑處理，在圖像采集過程中，由于各種因素的影響，圖像往往會出現(xiàn)一些不規(guī)則的噪聲，入圖像在傳輸、存儲等都有可能產生數(shù)據的丟失。從而影響圖像的質量。處理噪聲的過程稱為平滑。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。平滑可以通過卷積來實現(xiàn)。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。它針對原始圖像的每一個像素直接對其灰度進行處理的，其處理過程主要是通過增強函數(shù)對像素的灰度級進行運算并將運算結果作為該像素的新灰度值來實現(xiàn)的。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?！ざ祷痆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。二值化就是通過一些算法，通過一個閾值改變圖像中的像素顏色，令整幅圖像畫面內僅有黑白二值，該圖像一般由黑色區(qū)域和白色區(qū)域組成，可以用一個比特表示一個像素，“1”表示黑色，“0”表示白色，當然也可以倒過來表示，這種圖像稱之為二值圖像。這便有利于我們對特征的提取。該設計中采用組內方差和組外方差來實現(xiàn)二值化。直方圖均衡化的目的是使一輸入圖像轉換為在每一灰度級上都有相同的象素點數(shù)，它的處理的中心思想是把原始圖像的灰度直方圖從比較集中的某個灰度區(qū)間變成在全部灰度范圍內的均勻分布，它的研究思路是：通過直方圖變換式來進行直方圖的均衡處理，直方圖變換式是但是直方圖均衡化存在著兩個缺點：1)變換后圖像的灰度級減少，某些細節(jié)消失；2)某些圖像，如直方圖有高峰，經處理后對比度不自然的過分增強。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。由于眼睛具有對稱性，因此可以很快就能標記出來，而鼻子是在眼睛下面，且嘴巴在鼻子下面，所以只要眼睛標記好，鼻子和嘴巴也能相應的標記出來。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。識別模塊該模塊通過與庫存中的特征向量進行比較，找出與特征最相近的參數(shù)，再對該參數(shù)進一步分析。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。然后從庫存中提取出該人相關的信息，并顯示出來。如果庫存中沒有，則給出提示是否對存庫作為樣本。第四章系統(tǒng)的詳細設計第一節(jié)系統(tǒng)的運行流程圖圖6-1系統(tǒng)的運行流程圖1、啟動本系統(tǒng)，進入人臉識別系2、點擊攝像鍵，然后進行拍照，并將圖像顯示并1、對圖片進行光線補償、將圖片變成灰色、實現(xiàn)圖片對比度增強，處理。進行定位，標出眼睛、鼻尖和嘴巴。進行特征提取操作。圖片上的2、結束退出一位圖詳細設計本系統(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16計014班張薇釋放內存拷貝內存塊加載位圖信息讀取位圖文件信息進行光線補償修正像素值繪制DIB對象獲取顏色總數(shù)獲取DIB高度獲取DIB寬度獲取圖像數(shù)據緩沖區(qū)中的字節(jié)數(shù)獲取顏色位數(shù)獲取字節(jié)數(shù)圖像點運算是一種既簡單又重要的技術，它能讓用戶改變圖像數(shù)據占據的灰度范圍，一幅輸入圖像經過點運算后將產生一幅新的輸出圖像，由輸入像素點的灰度值決定相應的輸出像素點的灰度值，點運算與局部運算值由對應輸入像素的一個領域內幾個像素的灰度點運算可以按照預定的方式改變一幅圖的灰度直方圖。除了灰度級的改定的灰度變換函數(shù)進行之外，點運算可以看作是“從像素到像素”的復制入圖像為A(x,y),輸出圖像為B(x,y),(式2)其中函數(shù)f(D)被稱為灰度變換(GrayScaleTransformation,GST)函數(shù)，它描述被確定下來了。示軟件的重要組成部分。下面將對本設計解決各圖像點處理模塊運用進行到的理論和編17計014班張薇18計014班張薇1、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。這種現(xiàn)象在藝術照片中更為常見。所以AnilK.Jain等提出，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” (2)具體實現(xiàn)光線補償功能：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，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)。函數(shù)LightingCompensate()是類DIB的一個成員函數(shù)。其核心代碼如下所述：for(intj=0;j<width;j++){//獲取像素偏移IOffset=this->PixelOffset(i,j,wBytesPerLine);}②光線補償?shù)男Ч麍D如下所示：19計014班張薇圖4-2光線補償效果圖2、圖像灰度化(1)算法思想①彩色轉換成灰度②灰度比例變換③灰度線性變換(式4)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。(2)具體實現(xiàn)灰度化功能ReadyLightingconpensate()實現(xiàn).gray=(ColorG*50+Colo其中IpData是圖片數(shù)據區(qū)，1Offset是③圖像灰度化效果圖：圖4-3圖像灰度化效果圖21計014班張薇3、高斯平滑在介紹高斯平滑前，先介紹模板操作。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。例如：有一種常見的平滑算法是將原圖中一個像素的灰度值和它周圍鄰近八個像素的灰度值相加，然后求得的平均值(除以9)作為新圖中該像素的灰度值，用如下方法來表示該操作：上式類似于矩陣，我們通常稱之為模板。中間的黑點表示該元素中心元素，即該個元素是要進行處理的元素。如果模板是：則該操作應該描述為：將原圖中一個像素的灰度值和它右下鄰近的8個像素的灰度值相加，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。如果模板為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，而則表示將自身灰度值加上邊元素灰度值的2倍作為新灰度值。通常模板不允許移出邊界，所以處理后原圖灰度值矩陣是的圖像會比原圖小，例如：當模板是原圖灰度值矩陣是時，經過模板操作后的圖像為“-”表示邊界上無法進行模板操作的點，一般的做法是復制原圖的灰度值，不再進行任何其他的處理。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。下面對平滑的用途和解決方法進行詳細介紹。些本來不明顯的低頻成分更容易識別。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變高頻。平滑可用卷積來實現(xiàn)，平滑的頻率截止點正數(shù)；4距離中心較遠的卷積系數(shù)的值較小或保持不變；5卷積后的結果不改變圖像的亮度。經過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。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。以下是幾個常用的卷積核：LP1通常的處理是：將中心點周圍八個點的像素值乘于各自矩陣相應的系數(shù)后相加得到一個的噪聲有各自針對性的卷積算法。本文使用的卷積算法是高斯卷積核，亦即上面卷積核的LP3。高斯卷積是通過采樣2維高斯函數(shù)得到的。高斯平滑算法的優(yōu)點是平滑后圖像的(2)具體實現(xiàn)高斯平滑功能知道高斯平滑原理之后，可進行編碼將其實現(xiàn)：斯平滑”并將其ID設為ID_READY_Template。計014班張薇)注：將以點(i,j)為中心，與模板大小相同的范圍內的象素與模板對用}如果小于0,強制賦值為0如果大于255,強制賦值為255HeightTemplate[i][jl=sum;③高斯平滑效果圖：見下圖4-4圖4-4高斯平滑效果圖24計014班張薇25計014班張薇4、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(即輸出的直方圖是平的)。這對于在進行圖像比較或分割之前將圖像轉化為一級的格式是十分有效的。按照圖像的概率密度函數(shù)(PDF,歸一化帶單位面積的直方圖)的定義：其中H(x)為直方圖，A0為圖像的面積，設轉換前圖像的概率密度函數(shù)為Pr(r),轉換后圖像的概率密度函數(shù)為Ps(S),轉換函數(shù)為s=f(r),由概率論知識，這樣，如果想使轉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：(式4-5)該轉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的對于沒有歸一化的情況，只要求以最大的灰度值(DMax,對于灰度圖就是255)即可，灰度均衡的轉換式為：對于離散圖像轉換式為：式中Hi為第i級灰度的像素個數(shù)。(2)編程實現(xiàn)在灰度均衡操作同樣不需要改變DIB的調色板和文件夾，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(3)效果圖圖4-5灰度均衡效果圖5、圖像對比度增強(1)算法思想：它通過對圖像的灰度值進行統(tǒng)計，對于比最小設定值小的則認為是有關的信息，則將它作為黑色處理，比最大設定值大的則認為是這個工作的主要目的是將圖像的特征一步一步顯現(xiàn)出來。(2)編碼實現(xiàn)：①編輯菜單IDR_MAINFRAM,在菜單“預處理”中添加一子菜單項，命名為“實現(xiàn)圖像對比度增強”,并將其ID設為ID_READY_ContrastEnhance。IOffset=gDib.PixelOffset(i,j,26計014班張薇③效果圖圖4-6對比度增強效果圖27計014班張薇28計014班張薇第三節(jié)編程時的問題解決由于要改變每一個像素的亮度，開始，我通過對數(shù)幅圖像使用一個固定的值進行測試，得到的效果都滿理想，但是當對更多的圖像處理時，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)計的方法，才高斯平滑用于消除圖片噪音，為了實現(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。高斯平滑效果的好壞取決與模板參數(shù)。在編程的時候，試探性的進行參數(shù)的選擇，然后進行比較，看那組參數(shù)可以達到最好的效果。模板參數(shù)是原先采用了形式，但是，得到的效果卻是令人失望。后來又用了形式，但是，結果仍然是未能達到預期的效果。直到最后采用的3、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，原本想經過高斯平滑后進行灰度變換，但是并未能成功。經過了一翻苦戰(zhàn)，最終找到均衡直方圖的辦法，經過多次嘗試，效果一直處于比較理想的狀態(tài)。29計014班張薇第五章結構設計在本系統(tǒng)中，起至關重要的類列舉如下，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：1、CFaceDetectView:該類是在編程的過程中自動生成的。菜單項中的事件處理程序都是在該類對應的CFaceDetectView.h文件和CFaceDetectView.cpp文件中聲明和實現(xiàn)的。表7-1列出了該類所封裝的成員函數(shù)及其功能：增強圖像對比度眼睛定位鼻子定位嘴巴定位0獲取眼睛參數(shù)獲取臉部特征0獲取嘴巴參數(shù)獲取眼、鼻子、嘴巴的重心(獲取平均值的標準偏差對圖像進行模板操作畫十字標記各成員函數(shù)解析函數(shù)名稱參數(shù)返回值:intpByte----圖像的灰度值int----新的灰度值該函數(shù)通過修圖像的灰度值來增強圖像的對比度參數(shù)說明參數(shù)說明參數(shù)說明參數(shù)說明參數(shù)說明參數(shù)說明參數(shù):::::::::::::::::::::::bool無無無無標記出來30計014班張薇31計014班張薇:說明::參數(shù)返回值無說明:寬度都是用奇數(shù)。參數(shù)::無說明:嘴巴)用十字標記出來2、類ClikelyHood,表7-2列出了該類所封裝的成員函數(shù)及其功能表7-2類ClikelyHood的成員計算相似度二值化圖像實現(xiàn)濾波功能訓練參數(shù)各成員函數(shù)解析參數(shù)說明:::::參數(shù):無:bool說明::參數(shù)::bool說明:參數(shù)::bool說明:表7-3類CFaceDetectDoc的成員拷貝位圖MakeBitMapO生成新的位圖畫十字形標記計算相似度參數(shù)返回值說明:各成員函數(shù)解析bool32計014班張薇參數(shù)說明::::參數(shù):返回值:無說明:參數(shù):intm_WndHeight——圖片返回值:無說明:表7-4類Dib的成員拷貝內存塊讀取位圖文件信息進行光線補償修正像素值獲取DIB高度獲取字節(jié)數(shù)各成員函數(shù)解析參數(shù)HANDLEhSrc——要拷貝的內存區(qū)域33計014班張薇:HANDLE——拷貝后的新內存區(qū)域說明::參數(shù):HANDLEhFile——要讀取的文件hFile:說明::參數(shù)::說明::參數(shù):無:long——圖片高度說明::參數(shù):無返回值:int——圖片字節(jié)數(shù)說明34計014班張薇35計014班張薇測試是為了找出程序的錯誤。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。2、測試用例應由測試輸入數(shù)據和與之對應的預期輸出結果兩部分組成。3、程序員應避免檢查自己的程序。(注意不是指對程序的調試)4、在設計測試用例時，應當包括合理的輸入條件和不合理的輸入條件。不合理的輸入條件是指異常的，臨界的，可能引起問題異變的輸入條件。5、充分注意測試中的群集現(xiàn)象。經驗表明，測試后程序殘存的錯誤數(shù)目與該程序中以發(fā)現(xiàn)的錯誤數(shù)目或檢錯率成正比。應該對錯誤群集的程序段進行重點測試。6、嚴格執(zhí)行測試計劃，排除測試的隨意性。測試計劃應包括：所測軟件的功能，輸入和輸出，測試內容，各項測試的進度安排，資源要7、應當對每一個測試結果做全面的檢查。8、妥善保存測試計劃，測試用例，出錯統(tǒng)計和最終分析報告，為維護提供方便。知道了測試的目的和測試的原則之后，現(xiàn)在進行軟件的具體測試，對軟件的功能實現(xiàn)進行詳細的測試。第二節(jié)測試方案件進行不斷的測試，對圖像處理模塊中的各個子模塊進行測試以便檢測經過處理后的圖圖像處理模塊：該模塊分為光線補償、圖像變成灰色、均衡直方圖、實現(xiàn)圖像對比度增強、二值化處理。對該模塊進行測試的方法是：采用多張24位的彩色圖像來進測圖片的亮度是否變強；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，先用圖片進行測試來檢測平滑效果，如果效果不理想則繼續(xù)選擇比度增強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，用含圖像灰度化模塊達到了預期的效果，將圖片轉變?yōu)榛疑桓咚蛊交K能有效的消除圖像噪音，提高了圖像質量；而增強圖像對比度模塊能夠較好的把圖像特征表現(xiàn)出來。36計014班張薇37計014班張薇結束語一應用程序特點1、人臉識別應用程序采用VisualC++6.0作為開發(fā)工具，利用MFC采