毕业设计 人脸识别系统的研究与实现

第一章绪论 1二人脸识别技术的研究意义 1第二节人脸识别技术的国内外发展概况 3 2 4第二章系统的需求分析和方案选择 5第一节可行性分析 5技术可行性分析 5 5第二节需求分析 6 6 7三运行环境的需求分析 7第三节预处理方案 设计方案原则的 8三开发工具选择 8 8第三章系统的概要设计 9第一节各模块功能简介 9第四章系统详细设计 第五章结构设计 第六章测试 第二节测试 参考文献摘要人脸识别因其在安全验证系统、信用卡验证、医学、档案管理、视频会议、人机交互、系统公安(罪犯识别等)等方面的巨大应用前景而越来越成为当前模式识别和人工智能领域的一个研究热点。本文提出了基于24位彩色图像对人脸进行识别的方法，介绍的主要内容是图像处理，它在整个软件中占有极其重要的地位，图像处理的好坏直接影响着定位和识别的准确率。本软件主要用到的图像处理技术是：光线补偿、高斯平滑和二值化。在识别前，先对图像进行补光处理，再通过肤色获得可能的脸部区域，最后根据人脸固有眼睛的对称性来确定是否就是人脸，同时采用高斯平滑来消除图像的噪声，再进行二值化，二值化主要采用局域取阈值方法，接下来就进行定位、提取特征值和识别等操作。经过测试，图像预处理模块对图像的处理达到了较好的效果，提高了定位和识别的正确率。【关键字】:人脸识别；光线补偿；高斯平滑；对比度增强2计014班张薇security,telecommunications,digitallibraries,videomeeting,aThepaperintroducedtinfluencedtheaccuramethod.beforediscerning,wecompensatedtheligheffectintheprocessofdealingwit第一节课题背景一课题的来源随着安全入口控制和金融贸易方面应用需要的快速增长，生物统计识别技术得到了新的重视。目前，微电子和视觉系统方面取得的新进展，使该领域中高性能自动识别技术的实现代价降低到了可以接受的程度。广泛的技术之一，人脸识别技术是一项近年来兴起的，但不大为人所知的新技术。人们到电脑中，与警方数据库中的资料进行比对，并找出该嫌犯的详细资料和犯罪并非虚构的情节。在国外，人脸识别技术早已被大量使用在国家重要部门以及军警等安防部门。在国内，对于人脸识别技术的研究始于上世纪90年代，目前主要应用在公安、3计014班张薇4计014班张薇金融、网络安全、物业管理以及考勤等领域。二人脸识别技术的研究意义1、富有挑战性的课题人脸识别是机器视觉和模式识别领域最富有挑战性的课题之一，同时也具有较为广泛的应用意义。人脸识别技术是一个非常活跃的研究领域，它覆盖了数字图像处理、模式识别、计算机视觉、神经网络、心理学、生理学、数学等诸多学科的内容。如今，虽然在这方面的研究已取得了一些可喜的成果，但是FRT在实用应用中仍面临着很严峻的问题，因为人脸五官的分布是非常相似的，而且人脸本身又是一或发型、化妆的千变万化都给正确识别带来了相当大的麻烦。如何能正确识别大量的人并满足实时性要求是迫切需要解决的问题。2、面部关键特征定位及人脸2D形状检测技术在人脸检测的基础上，面部关键特征检测试图检测人脸上的主要的面部特征点的位置和眼睛和嘴巴等主要器官的形状信息。灰度积分投影曲线分析、模板匹配、可变形模板、Hough变换、Snake算子、基于Gabor小波变换的弹性图匹配技术、主动性状模型和主动外观模型是常用的方法。可变形模板的主要思想是根据待检测人脸特征的先验的形状信息，定义一个参数描述的形状模型，该模型的参数反映了对应特征形状的可变部分，如位置、大小、角度等，它们最终通过模型与图像的边缘、峰、谷和灰度分布特性的动态地交互适应来得以修正。由于模板变形利用了特征区域的全局信息，因此可以较好地检测出相应的特征形状。由于可变形模板要采用优化算法在参数空间内进行能量函数极小化，因此算法的主要缺点在于两点：一、对参数初值的依赖程度高，很容易陷入局部最小；二、计算时间长。针对这两方面的问题，我们采用了一种由粗到细的检测算法：首先利用人脸器官构造的先验知识、面部图像灰度分布的峰谷和频率特性粗略检测出眼睛、鼻子、嘴、下巴的大致区域和一些关键的特征点；然后在此基础上，给出了较好的模板的初始参数，从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，它们的精确定位是识别的关键。基于区域增长的眼睛定位技术，该技术在人脸检测的基础上，充分利用了眼睛是面部区域内脸部中心的左上方和右上方的灰度谷区这一特性，可以精确快速的定位两个眼睛瞳孔中心位置。该算法采用了基于区域增长的搜索策略，在人脸定位算法给出的大致人脸框架中，估计鼻子的初始位置，然后定义两个初始搜索矩形，分别向左右两眼所处的大致位置生长。该算法根据人眼灰度明显低于面部灰度的特点，利用搜索矩形找到眼部的边缘，最后定位到瞳孔的中心。实验表明，本算法对于人脸大小、姿态和光照的变化，都有较强的适应能力，但在眼部阴影较重的情况下，会出现定位不准。佩戴黑框眼镜，也会影响本算法的定位结果。3、面部感知系统的重要内容基于视觉通道信息的面部感知系统，包括人脸检测和跟踪、面部特征定位、面部识别、人脸归类(年龄、种族、性别等的判别)、表情识别、唇读等分系统，如图1-1所式，可以看出，继人脸检测和跟追之后，面部特征定位通常是面部感知的一个必备环节，是后续工作的基础，具有重要的意义。尽管人脸识别不能说是其他面部感知模块的必备功能，但是，可以肯定的是，利用已知的身份信息，结合特定人的先验知识，可以提高表情分析、唇读和语音识别、手势识别乃至手写体识别的可靠性。而计算机对使用者身份确认的最直接的应用就是基于特定使用者的环境设置：如使用者的个性化工作环境，信息的共享和隐私保护等等。身份信息身份信息唇形类别人脸识别种族判断年龄判别面部特征定位人脸检测和视频输入跟踪图1-1面部感知系统结构图第二节人脸识别的国内外发展概况现在人脸识别技术已经应用在许多领域中，并起到了举足轻重的作用，人脸识别研究开始于1966年PRI的Bledsoe的工作，经过三十多年的发展，人脸识别技术取得了长足的进步，现在就目前国内外的发展情况来进行展述。一国外的发展概况1见诸文献的机器自动人脸识别研究开始于1966年PRI的Bledsoe的工作，1990年日本5计014班张薇研制的人像识别机，可在1秒钟内中从3500人中识别到你要找的人。1993年，美国国防部高级研究项目署(AdvancedResearchProjectsAgency)和美国陆军研究实验室(ArmyResearchLaboratory)成立了Feret(FaceRecognitionTechnology)项目组，建立了feret人脸数据库，用于评价人脸识别算法的性能。美国陆军实验室也是利用vc++开发，通过软件实现的，并且FAR为49%。在美国的进行的公开测试中，FAR,为53%。美国国防部高级研究项目署，利用半自动和全自动算法。这种算法需要人工或自动指出图像中人的两眼的中心坐标，然后进行识别。在机场MellonUniversity)为首，麻省理工大学(MassachusettsInstituteofTechnology)等，英国的雷丁大学(UniversityofReading))和公司(Visionics公司Facelt人的BioID系统等)的工程研究工作也主要放在公安、刑事方面，在考试验证系统的实现热点科研领域掌握了一定的核心技术。北京科瑞奇技术开发股份有限公司在200了一种人脸鉴别系统，对人脸图像进行处理，消除了照相机的影响，再对图像进提取和识别。这对于人脸鉴别特别有价值，脸图像是不同时期拍摄的，使用的照相机不一样。系统可以接受时间间隔较长的照片，并能达到较高的识别率，在计算机中库藏2300人的正面照片，每人一张照片，使1--7年、差别比较大的照片去查询，首选率可以达到50%,前20张输出照片中包含有与输入照片为同一人的照片的概率可达70%。2005年1月18日，由清华大学电子系人脸识别课题组负责人苏光大教授主持承担的国家"十五"攻关项目《人脸识别系统》通过了由度化、高斯平滑、均衡直方图、图像对比度增强，其关键的作用，图像处理的好坏直接影响着后面的定位和识别工作。6计014班张薇第二章系统的需求分析与方案选择人脸识别系统现在应用于许多领域中，但是人脸识别技术也是一项近年来兴起的，且不大为人所知的新技术。在我国以及其他国家都有大量的学者正在研究之中，不断的更新人脸识别技术，以便系统的识别准确率达到新的高度。在开发该人脸识别软件之前，我们查询了前人所写过的诸多论文以及源程序，在开发之时，结合了资料中的算法并揉进了自己的一些思想，使程序可以对人脸图片进行简易识别。图像的处理方法很多，我们可以根据需要，有选择地使用各种方法。在确定脸部区域上，通常使用的方法有肤色提取。肤色提取，则对脸部区域的获取则比较准确，成功率达到95%以上，并且速度快，减少很多工作。图像的亮度变化，由于图像的亮度在不同环境的当中，必然受到不同光线的影响，图像就变得太暗或太亮，我们就要对它的亮度进行调整，主要采取的措施是对图像进行光线补偿。因此需要将图片进行平滑操作以此来消除噪声。灰度变换：进行灰度处理，我们要保证图像信息尽可能少的丢失。同样在进行灰度变换前，我们也要对图像的信息进行统计，找出一个比较合理的灰度值，才能进行灰度灰度均衡：灰度变换后，就要进行灰度均衡，可以根据灰度分布来进行灰度均衡。对比度增强：将所要处理的区域和周围图像区域进一步拉开他们的对比度，使它们更加明显，主要通过像素的聚集来实现。7计014班张薇8计014班张薇二操作可行性该人脸识别软件需要如下的运行环境：CPU:500M及以上；内存：64M及以上。安装有Windows98、WindowsMe、Windows2000、WindowsNT等操作系统中的其中一种。另还装有摄像头可进行随机拍照和识别。因此，从操作可行性来看，只要系统用户的硬件软件设备满足以上条件，即可用该人脸识别软件进行人脸的识别。第二节需求分析该软件最主要的功能就是要能识别出人脸，首先该系统需要对通过摄像头拍照而获取到的原始的人脸图片进行一系列处理才可进行下一步的工作，该处理过程也称图像预处理。预处理这个模块在整个人脸识别系统的开发过程中占有很重要的地位，只有预处理模块做的好，才可能很好的完成后面的人脸定位和特征提取这两大关键模块。因此本设计中所要完成的主要功能如下所述：该模块主要是从摄像头拍照后进行获取图片，也可以从图片库中获取，获取后的图片可以在软件的界面中显示出来以便进行识别。该模块主要包括图像光线补偿、图像变成灰色、高斯平滑、均衡直方图、实现图像对比度增强、二值化变换等。该模块主要是将处理后的人脸图片进行定位，将眼睛、鼻子、嘴巴标记出来，以便进行特征提取。特征提取功能：该模块是在定位后的人脸图片中将眼睛、鼻子、嘴巴的特征值提取出来。识别功能：该模块是将从图片中提取的特征值和后台数据库中的值进行比较来完成识别二开发环境需求分析(1)硬件配置原则具有可靠性，可用性和安全性，具有完善的技术支持。能够满足个人学习和设计需(2)运行本软件所需的硬件资源2、软件环境(1)系统软件配置原则能够满足该软件的可靠性，可用性和安全性的要求(2)系统软件配置方案①配置有持续工作能力、高稳定性、高度可集成的开放式标准的操作系统，如Windows2000,WindowsNT,UNIX,Linux等。②配备符合ANSI/ISO标准的高级程序设计语言处理软件。如：VisualC++6.0。CPU:500M及以上；内存：64M及以上。9计014班张薇10计014班张薇第三节预处理方案选择一设计方案原则的选择1、采用较为先进的技术力量，保证应用程序在技术上具备一定的优势。2、采用成熟的技术，保证应用程序的安全性和可靠性。3、应用程序便于扩展和维护，易于技术的更新。4、应用程序充分利用现有的资源，尽量减少不必要的再投资。5、编写的代码必须严谨易读，代码的解释必须清楚明白，为应用程序的再开发提在设计的过程中，为了定位和特征提取的方便，我们采用的是24位位图。三开发工具选择本次设计所用的开发工具是MicrosoftVisualC++6.0。VisualC++6.0是Microsoft公司推出的一种可视化编程工具。它支持多平台和交叉平台的开发，将各种编程工具如编辑器、连接器、调试器等巧妙的结合在一起，构成一个完美的可视化开发环境。用户无需通过繁杂的编程操作，即可完成Windows下应用程序的编辑、编译、测试和细化等工作。四算法选择分析平滑、图像对比度增强、均衡直方图，每个小模块的实现都有许多相应的算法。下面将·光线补偿：由于光线原因，所照的图像可能会存在光线不平衡的情况而造成色彩偏差，为了抵消这种整个图像中存在的色彩偏差，本系统采用的解决方法是：将整个图像中的所有像素的亮度从高到低进行排列，取前5%的像素，然后线性放大，使这些像素的平均亮度达到255。实际上就是调整图片像素的RGB值。质量，因此需要将图片进行平滑操作以此来消除噪声。但是如果平滑不当，就会使图像11计014班张薇相同的像素点数的输出图像。它的实现主要是利用灰度均衡的转换式增强，它主要通过对图像的灰度值进行统计，对于小于Low则认为是有关的信息，则将它作为黑色处理，对于处于High以上的则认为是一些无关的信息，将它们去掉，而处于两者之间的，则进行对比度增强，将他们在总的灰度值里面的比例作为新的像素信息保存起来。(一)应用程序的总体结构设计流程图如图3-1所示：图3-1总体结构设计流程图在弹出的“打开”对话框中选择要打开位获取特征参数获取脸部区域识别12计014班张薇(二)图像预处理的层次图如图3-2所示：一一值化图像对比度增强均衡直方图高斯平滑图像灰度化光线补偿预处理第一节各模块功能概述该系统中图像里人脸区域的获取，主要是根据肤色来进行获取，通过肤色非线形明显的表现出来。该模块中的子模块有如下5个，下面对它们进行概述：13计014班张薇14计014班张薇·光线补偿[3]因为系统得到的图片可能会存在光线不平衡的情况，这会影响我们对特征的提取，同时系统中要用到YcrCB色彩空间，所以有必要对图像进行光线补偿。尽可能将它的特征在图像中表现出来。YcrCB是一种色彩空间，它用于视频系统中，在该色彩空间度。YcrCB色彩空间是以演播室质量标准为目标的CC601编码方案中采用的彩色表示模·灰度变化[4]图像灰度化的过程就是把彩色图像转换为黑白色图像的过程，它也是为了将图像的信息更加具体、简单的表现出来，但是，这样做也将会丢失图像信息。因此，尽可能在转化的过程中用简单的方式表现图像复杂的信息。·高斯平滑处理5高斯平滑将对图像进行平滑处理，在图像采集过程中，由于各种因素的影响，图像往往会出现一些不规则的噪声，入图像在传输、存储等都有可能产生数据的丢失。从而影响图像的质量。处理噪声的过程称为平滑。平滑可以降低图像的视觉噪声，同时出去图像中的高频部分后，那些本来不明显的低频成分更容易识别。平滑可以通过卷积来实现。经过卷积平滑后的水平投影后，二值化提供了较好的图像效果。·对比度增强[6]对比度增强，就是对图像的进一步处理，将对比度再一次拉开。它针对原始图像的每一个像素直接对其灰度进行处理的，其处理过程主要是通过增强函数对像素的灰度级进行运算并将运算结果作为该像素的新灰度值来实现的。通过改变选用的增强函数的解析表达式就可以得到不同的处理效果。·二值化[7]二值化的目的是将采集获得的多层次灰度图像处理成二值图像，以便于分析理解和识别并减少计算量。二值化就是通过一些算法，通过一个阈值改变图像中的像素颜色，令整幅图像画面内仅有黑白二值，该图像一般由黑色区域和白色区域组成，可以用一个比特表示一个像素，“1”表示黑色，“0”表示白色，当然也可以倒过来表示，这种图像称之为二值图像。这便有利于我们对特征的提取。该设计中采用组内方差和组外方差来实现二值化。直方图均衡化的目的是使一输入图像转换为在每一灰度级上都有相同的象素点数，它的处理的中心思想是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布，它的研究思路是：通过直方图变换式来进行直方图的均衡处理，直方图变换式是但是直方图均衡化存在着两个缺点：1)变换后图像的灰度级减少，某些细节消失；2)某些图像，如直方图有高峰，经处理后对比度不自然的过分增强。人脸定位模块人脸定位是将典型的脸部特征(如眼睛，鼻尖，嘴唇等等)标记出来，在本系统中，定位的特征是眼睛，鼻尖和嘴巴三个。由于眼睛具有对称性，因此可以很快就能标记出来，而鼻子是在眼睛下面，且嘴巴在鼻子下面，所以只要眼睛标记好，鼻子和嘴巴也能相应的标记出来。特征提取模块特征提取按以下4个步骤进行：(1)、提取两只眼睛的距离(2)、眼睛的倾角度(3)、眼睛、嘴巴的重心(4)、用一个矩形标出每一个特征在特征提取完之后将会得到相应的特征值以便存入后台数据库。识别模块该模块通过与库存中的特征向量进行比较，找出与特征最相近的参数，再对该参数进一步分析。如果分析在我们所确认的范围内，我们就认为该人就是我们所要找的。然后从库存中提取出该人相关的信息，并显示出来。如果库存中没有，则给出提示是否对存库作为样本。第四章系统的详细设计第一节系统的运行流程图图6-1系统的运行流程图1、启动本系统，进入人脸识别系2、点击摄像键，然后进行拍照，并将图像显示并1、对图片进行光线补偿、将图片变成灰色、实现图片对比度增强，处理。进行定位，标出眼睛、鼻尖和嘴巴。进行特征提取操作。图片上的2、结束退出一位图详细设计本系统中建立了一个专门的类DIB来处理设备无关位图，表4-1列出了对位图的操作16计014班张薇释放内存拷贝内存块加载位图信息读取位图文件信息进行光线补偿修正像素值绘制DIB对象获取颜色总数获取DIB高度获取DIB宽度获取图像数据缓冲区中的字节数获取颜色位数获取字节数图像点运算是一种既简单又重要的技术，它能让用户改变图像数据占据的灰度范围，一幅输入图像经过点运算后将产生一幅新的输出图像，由输入像素点的灰度值决定相应的输出像素点的灰度值，点运算与局部运算值由对应输入像素的一个领域内几个像素的灰度点运算可以按照预定的方式改变一幅图的灰度直方图。除了灰度级的改定的灰度变换函数进行之外，点运算可以看作是“从像素到像素”的复制入图像为A(x,y),输出图像为B(x,y),(式2)其中函数f(D)被称为灰度变换(GrayScaleTransformation,GST)函数，它描述被确定下来了。示软件的重要组成部分。下面将对本设计解决各图像点处理模块运用进行到的理论和编17计014班张薇18计014班张薇1、光线补偿(1)算法思想：光线补偿的想法的提出主要是考虑到肤色等色彩信息经常受到光源颜色、图像采集设备的色彩偏差等因素的影响，而在整体上偏离本质色彩而向某一方向移动，即我们通常所说的色彩偏冷、偏暖、照片偏黄、便蓝等等。这种现象在艺术照片中更为常见。所以AnilK.Jain等提出，为了抵消这种整个图像中存在着的色彩偏差，我们将整个图像中所有像素亮度(是经过了非线形r-校正后的亮度)从高到低进行排列，取前5%的像素，如果这些像素的数目足够多(例如，大于100),我们就将它们的亮度作为“参考白” (2)具体实现光线补偿功能：①、编辑菜单IDR_MAINFRAM,先在其中添加一菜单项，将其命名为“预处理”,并在其属性栏中将其设为“弹出”菜单，点击预处理该菜单项将会弹出一个新的子菜单，光线补偿功能实质上是用上段代码中的LightingCompensate()函数来进行实现。函数LightingCompensate()是类DIB的一个成员函数。其核心代码如下所述：for(intj=0;j<width;j++){//获取像素偏移IOffset=this->PixelOffset(i,j,wBytesPerLine);}②光线补偿的效果图如下所示：19计014班张薇图4-2光线补偿效果图2、图像灰度化(1)算法思想①彩色转换成灰度②灰度比例变换③灰度线性变换(式4)④灰度线性截断灰度线性截断的思想是：如果原像素的灰度小于a,则该像素的灰度等于c;如果原像素的灰度大于b,则该像素的灰度等于d。(2)具体实现灰度化功能ReadyLightingconpensate()实现.gray=(ColorG*50+Colo其中IpData是图片数据区，1Offset是③图像灰度化效果图：图4-3图像灰度化效果图21计014班张薇3、高斯平滑在介绍高斯平滑前，先介绍模板操作。模板操作是数字图像处理中经常用到的一种运算方法，图像的平滑、锐化以及细化、边缘检测都要用到模板操作。例如：有一种常见的平滑算法是将原图中一个像素的灰度值和它周围邻近八个像素的灰度值相加，然后求得的平均值(除以9)作为新图中该像素的灰度值，用如下方法来表示该操作：上式类似于矩阵，我们通常称之为模板。中间的黑点表示该元素中心元素，即该个元素是要进行处理的元素。如果模板是：则该操作应该描述为：将原图中一个像素的灰度值和它右下邻近的8个像素的灰度值相加，然后将求得的平均值9(除以9)作为新图中该像素的灰度值。如果模板为则表示将自身灰度值的2倍加下边的元素灰度值作为新值，而则表示将自身灰度值加上边元素灰度值的2倍作为新灰度值。通常模板不允许移出边界，所以处理后原图灰度值矩阵是的图像会比原图小，例如：当模板是原图灰度值矩阵是时，经过模板操作后的图像为“-”表示边界上无法进行模板操作的点，一般的做法是复制原图的灰度值，不再进行任何其他的处理。模板操作实现了一种领域运算，即某个像素点的结果不仅和本像素灰度有关，而且和其领域点的值有关。下面对平滑的用途和解决方法进行详细介绍。些本来不明显的低频成分更容易识别。而噪声点一般是孤立的点，噪声点的像素灰度与它们的近邻像素有显变高频。平滑可用卷积来实现，平滑的频率截止点正数；4距离中心较远的卷积系数的值较小或保持不变；5卷积后的结果不改变图像的亮度。经过卷积平滑后给随后的水平投影、二值化提供了较好的图像效果。水平投影的曲线显得比较平滑，二值化后的图像孤立点比较少。以下是几个常用的卷积核：LP1通常的处理是：将中心点周围八个点的像素值乘于各自矩阵相应的系数后相加得到一个的噪声有各自针对性的卷积算法。本文使用的卷积算法是高斯卷积核，亦即上面卷积核的LP3。高斯卷积是通过采样2维高斯函数得到的。高斯平滑算法的优点是平滑后图像的(2)具体实现高斯平滑功能知道高斯平滑原理之后，可进行编码将其实现：斯平滑”并将其ID设为ID_READY_Template。计014班张薇)注：将以点(i,j)为中心，与模板大小相同的范围内的象素与模板对用}如果小于0,强制赋值为0如果大于255,强制赋值为255HeightTemplate[i][jl=sum;③高斯平滑效果图：见下图4-4图4-4高斯平滑效果图24计014班张薇25计014班张薇4、灰度均衡(1)算法思想灰度均衡也称直方图均衡，目的是通过点运算使输入转换为在每一灰度级上都有相同的像素点数的输出图像(即输出的直方图是平的)。这对于在进行图像比较或分割之前将图像转化为一级的格式是十分有效的。按照图像的概率密度函数(PDF,归一化带单位面积的直方图)的定义：其中H(x)为直方图，A0为图像的面积，设转换前图像的概率密度函数为Pr(r),转换后图像的概率密度函数为Ps(S),转换函数为s=f(r),由概率论知识，这样，如果想使转换后图像的概率密度函数为1(即直方图是平的)则必须满足：(式4-5)该转换式被称为图像的累积分布函数上面的式是被归一化后推导的对于没有归一化的情况，只要求以最大的灰度值(DMax,对于灰度图就是255)即可，灰度均衡的转换式为：对于离散图像转换式为：式中Hi为第i级灰度的像素个数。(2)编程实现在灰度均衡操作同样不需要改变DIB的调色板和文件夹，只要把指向DIB像素起始位置的指针和DIB高度、宽度信息传递给子函数就可以完成灰度均衡变换工作，其核(3)效果图图4-5灰度均衡效果图5、图像对比度增强(1)算法思想：它通过对图像的灰度值进行统计，对于比最小设定值小的则认为是有关的信息，则将它作为黑色处理，比最大设定值大的则认为是这个工作的主要目的是将图像的特征一步一步显现出来。(2)编码实现：①编辑菜单IDR_MAINFRAM,在菜单“预处理”中添加一子菜单项，命名为“实现图像对比度增强”,并将其ID设为ID_READY_ContrastEnhance。IOffset=gDib.PixelOffset(i,j,26计014班张薇③效果图图4-6对比度增强效果图27计014班张薇28计014班张薇第三节编程时的问题解决由于要改变每一个像素的亮度，开始，我通过对数幅图像使用一个固定的值进行测试，得到的效果都满理想，但是当对更多的图像处理时，该固定值就出现了明显的不足，最后不得不采用全局统计的方法，才高斯平滑用于消除图片噪音，为了实现此功能，我们使用了模板操作，因此模板参数的选择是最重要的。高斯平滑效果的好坏取决与模板参数。在编程的时候，试探性的进行参数的选择，然后进行比较，看那组参数可以达到最好的效果。模板参数是原先采用了形式，但是，得到的效果却是令人失望。后来又用了形式，但是，结果仍然是未能达到预期的效果。直到最后采用的3、均衡直方图开始时，图像的会度一直都处于很散的状态，而且图像的特征不明显，原本想经过高斯平滑后进行灰度变换，但是并未能成功。经过了一翻苦战，最终找到均衡直方图的办法，经过多次尝试，效果一直处于比较理想的状态。29计014班张薇第五章结构设计在本系统中，起至关重要的类列举如下，并将它们的成员函数及其成员函数的功能和参数都一一简述：1、CFaceDetectView:该类是在编程的过程中自动生成的。菜单项中的事件处理程序都是在该类对应的CFaceDetectView.h文件和CFaceDetectView.cpp文件中声明和实现的。表7-1列出了该类所封装的成员函数及其功能：增强图像对比度眼睛定位鼻子定位嘴巴定位0获取眼睛参数获取脸部特征0获取嘴巴参数获取眼、鼻子、嘴巴的重心(获取平均值的标准偏差对图像进行模板操作画十字标记各成员函数解析函数名称参数返回值:intpByte----图像的灰度值int----新的灰度值该函数通过修图像的灰度值来增强图像的对比度参数说明参数说明参数说明参数说明参数说明参数说明参数:::::::::::::::::::::::bool无无无无标记出来30计014班张薇31计014班张薇:说明::参数返回值无说明:宽度都是用奇数。参数::无说明:嘴巴)用十字标记出来2、类ClikelyHood,表7-2列出了该类所封装的成员函数及其功能表7-2类ClikelyHood的成员计算相似度二值化图像实现滤波功能训练参数各成员函数解析参数说明:::::参数:无:bool说明::参数::bool说明:参数::bool说明:表7-3类CFaceDetectDoc的成员拷贝位图MakeBitMapO生成新的位图画十字形标记计算相似度参数返回值说明:各成员函数解析bool32计014班张薇参数说明::::参数:返回值:无说明:参数:intm_WndHeight——图片返回值:无说明:表7-4类Dib的成员拷贝内存块读取位图文件信息进行光线补偿修正像素值获取DIB高度获取字节数各成员函数解析参数HANDLEhSrc——要拷贝的内存区域33计014班张薇:HANDLE——拷贝后的新内存区域说明::参数:HANDLEhFile——要读取的文件hFile:说明::参数::说明::参数:无:long——图片高度说明::参数:无返回值:int——图片字节数说明34计014班张薇35计014班张薇测试是为了找出程序的错误。正如测试的规则所确定的一样：测试是为了发现程序中的错误而执行程序的过程；好的测试方案是极可能发现迄今为止尚未发现的错误的测试方案；成功的测试是发现了迄今为止尚未发现的错误的测试。2、测试用例应由测试输入数据和与之对应的预期输出结果两部分组成。3、程序员应避免检查自己的程序。(注意不是指对程序的调试)4、在设计测试用例时，应当包括合理的输入条件和不合理的输入条件。不合理的输入条件是指异常的，临界的，可能引起问题异变的输入条件。5、充分注意测试中的群集现象。经验表明，测试后程序残存的错误数目与该程序中以发现的错误数目或检错率成正比。应该对错误群集的程序段进行重点测试。6、严格执行测试计划，排除测试的随意性。测试计划应包括：所测软件的功能，输入和输出，测试内容，各项测试的进度安排，资源要7、应当对每一个测试结果做全面的检查。8、妥善保存测试计划，测试用例，出错统计和最终分析报告，为维护提供方便。知道了测试的目的和测试的原则之后，现在进行软件的具体测试，对软件的功能实现进行详细的测试。第二节测试方案件进行不断的测试，对图像处理模块中的各个子模块进行测试以便检测经过处理后的图图像处理模块：该模块分为光线补偿、图像变成灰色、均衡直方图、实现图像对比度增强、二值化处理。对该模块进行测试的方法是：采用多张24位的彩色图像来进测图片的亮度是否变强；图像灰度化模块的检测则需看所测的彩色图片是否变成灰色；高斯平滑的实现采用了模板操作，因此模板参数的选择对其十分重要，先用图片进行测试来检测平滑效果，如果效果不理想则继续选择比度增强是为了将图像的特征一步一步显现出来，在测试的过程中，用含图像灰度化模块达到了预期的效果，将图片转变为灰色；高斯平滑模块能有效的消除图像噪音，提高了图像质量；而增强图像对比度模块能够较好的把图像特征表现出来。36计014班张薇37计014班张薇结束语一应用程序特点1、人脸识别应用程序采用VisualC++6.0作为开发工具，利用MFC采