數(shù)字圖像處理課程設(shè)計--圖像人臉區(qū)域隱私保護系統(tǒng)設(shè)計

1、<p>　　課 程 設(shè) 計 說 明 書</p><p>　　題 目： 圖像人臉區(qū)域隱私保護系統(tǒng)設(shè)計</p><p>　　課 程： 數(shù)字圖像處理課程設(shè)計</p><p>　　院 （部）： 信息與電氣工程學院</p><p>　　專 業(yè)： </p&g

2、t;<p>　　班 級： </p><p>　　學生姓名： </p><p>　　學 號： </p><p>　　指導教師： </p><p>　　完成日期： 2013年12月</p><p><b>　

3、　目錄</b></p><p><b>　　摘 要3</b></p><p><b>　　1 設(shè)計目的3</b></p><p><b>　　2 設(shè)計要求3</b></p><p>　　3 人臉識別系統(tǒng)概述3</p><p>　　3.

4、1 當前現(xiàn)狀3</p><p><b>　　3.2系統(tǒng)概述3</b></p><p>　　3.3 人臉識別的常用方法3</p><p><b>　　4 設(shè)計內(nèi)容3</b></p><p>　　4.1系統(tǒng)方案設(shè)計3</p><p>　　4.2 軟件模塊設(shè)計3<

5、/p><p>　　4.2.1 圖像輸入設(shè)計3</p><p>　　4.2.2 圖像膚色區(qū)分設(shè)計3</p><p>　　4.2.3 對膚色圖進行修補處理設(shè)計3</p><p>　　4.2.4 網(wǎng)格標記圖像設(shè)計3</p><p>　　4.2.5 人臉識別標記3</p><p>　　4.2.6

6、對原圖像進行臉部模糊處理3</p><p><b>　　總結(jié)與致謝3</b></p><p><b>　　參考文獻3</b></p><p>　　附錄：系統(tǒng)設(shè)計程序3</p><p><b>　　摘 要</b></p><p>　　人臉是準確鑒定

7、一個人的身份，推斷出一個人的種族、地域，地位等信息的重要依據(jù)?？茖W界從圖像處理、計算機視覺等多個學科對人臉進行研究。人臉識別在滿足人工智能應(yīng)用和保護信息安全方面都有重要的意義，是當今信息化時代必須解決的問題。 </p><p>　　本設(shè)計用MATLAB對圖像的讀取，在識別前，先對圖像進行處理，再通過膚色獲得可能的臉部區(qū)域，最后根據(jù)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

8、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(jīng)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。為保護當事人或行人的隱私權(quán)，需要將圖像中當事人的人臉區(qū)域作模糊，實現(xiàn)圖像中人臉區(qū)域隱私保護。</p><p>　　關(guān)鍵詞：人臉識別；圖像處理；圖像模糊</p><p><b>　　1 設(shè)計目的</b></p

9、><p>　　近年來隨著科技和人們的生活水平的提高，生物特征識別技術(shù)在近幾十年中飛速發(fā)展。隨著社會的發(fā)展和技術(shù)的進步，特別是近年來計算機在軟硬件方面性能的飛速提升，各應(yīng)用領(lǐng)域?qū)焖俑咝У纳矸蒡炞C的要求日益迫切。由于生物特征是人的內(nèi)在屬性，具有很強的自身穩(wěn)定性和個體差異性，因此成為身份驗證的最理想依據(jù)。其中，利用人臉特征進行身份驗證又是最自然最直接的手段。人臉識別系統(tǒng)與指紋、虹膜、掌紋等其他人體生物特征識別系統(tǒng)相比，更

10、加友好、方便，更易于為用戶所接受。</p><p>　　作為人的一種內(nèi)在屬性，并且具有很強的自身穩(wěn)定性及個體差異性，生物特征成為了自動身份驗證的最理想依據(jù)。人臉識別由于具有直接，友好，方便的特點，使用者易于為用戶所接受，從而得到了廣泛的研究與應(yīng)用。除此之外，我們還能夠?qū)θ四樧R別的結(jié)果作進一步的分析，得到有關(guān)人的性別，表情，年齡等諸多額外的豐富信息，擴展了人臉識別的應(yīng)用前景。</p><p>

11、;　　所謂人臉識別(Face Recognition)，分析人臉圖像，從中提取有效的識別信息，用來辨別身份的一門技術(shù)。即，對己知人臉進行標準化處理后，通過某種方法和數(shù)據(jù)庫中的人臉標本進行匹配，尋找?guī)熘袑?yīng)人臉及該人臉的相關(guān)信息。人臉識別技術(shù)應(yīng)用背景十分廣泛，可用于公安系統(tǒng)刑偵破案的罪犯身份識別、身份證及駕駛執(zhí)照等證件驗證、銀行及海關(guān)的監(jiān)控、自動門衛(wèi)系統(tǒng)、視頻會議、機器人的智能化研究以及醫(yī)學等方面。</p><p>

12、;　　人身辨別方法主要是通過人身標識物品和人身標識知識兩種方式來實現(xiàn)的。常見的人身標示物品有鑰匙、證件等各種標識，人身標示知識有用戶名、密碼等。眾周知，像鑰匙、證件標識等人身標識物品很容易丟失或被偽造，而標識知識容易遺忘或記錯，更為嚴重的是傳統(tǒng)身份識別系統(tǒng)往往無法區(qū)分標識物品真正的擁有者和取得標識物品的冒充者，一旦他人獲得標識物品，也可以擁有相同的權(quán)力，電視采訪、街景地圖等應(yīng)用中，為保護當事人或行人的隱私權(quán)，需要將圖像中當事人的人臉區(qū)域

13、作模糊或馬賽克處理。因此具有廣闊的應(yīng)用前景和商業(yè)價值。</p><p><b>　　2 設(shè)計要求</b></p><p><b>　　讀取人物圖像 。</b></p><p>　　對圖像進行數(shù)字圖像處理。</p><p><b>　　3、對人臉識別 。</b></p>

14、;<p>　　4、對人臉進行模糊或者馬賽克處理。</p><p>　　3 人臉識別系統(tǒng)概述</p><p><b>　　3.1 當前現(xiàn)狀</b></p><p>　　自動人臉識別技術(shù)的研究開始于20世紀60年代末期。20世紀90年代后期以來,一些商業(yè)性的人臉識別系統(tǒng)逐漸進入市場。近幾年,人臉識別作為計算機安全技術(shù)在全球范圍內(nèi)迅速發(fā)

15、展起來,特別是美國遭遇恐怖襲擊后,這一技術(shù)引起廣泛關(guān)注。人臉識別技術(shù)具有廣泛的應(yīng)用前景,在國家安全、軍事安全和公共安全領(lǐng)域,智能門禁、智能視頻監(jiān)控、公安布控、海關(guān)身份驗證、司機駕照驗證等是典型的應(yīng)用;在民事和經(jīng)濟領(lǐng)域,各類銀行卡、金融卡、信用卡、儲蓄卡的持卡人的身份驗證、社會保險人的身份驗證等具有重要的應(yīng)用價值;在家庭娛樂等領(lǐng)域,人臉識別也具有一些有趣有益的應(yīng)用,比如能夠識別主人身份的智能玩具、家政機器人、具有真實面像的虛擬游戲玩家等等

16、。</p><p>　　人臉識別作為一種人體生物特征識別技術(shù),它涉及人工智能、模式識別、計算機視覺、圖像處理和分析、圖像編碼、計算機圖形學等眾多學科領(lǐng)域,依據(jù)視覺通道的輸入信息,在人臉檢測和跟蹤得到輸入人臉圖像</p><p>　　模式的基礎(chǔ)上,定位人面的主要生理特征區(qū)域(眼睛、鼻子、下巴等)并給出其形狀特征,實現(xiàn)輸入人臉模式的識別,達到確定使用者身份的目的。</p><

17、;p><b>　　3.2系統(tǒng)概述</b></p><p>　　人臉識別包括人臉檢測、人臉圖像預處理、人臉特征提取和人臉識別等過程。人臉檢測是指在輸入圖</p><p>　　像中確定人臉的位置與大小。人臉檢測的質(zhì)量影響人臉識別的其他過程以及整個人臉識別的效果，在人臉識別過程中顯得尤為重要。近年來，電子商務(wù)等網(wǎng)絡(luò)資源的利用使得可視電話、視頻會議、多媒體教學等快捷便利

18、的交流方式成為時尚，如何實時實現(xiàn)復雜背景下對人臉檢測和識別已成為人臉識別研究的熱點[1]。目前，已有神經(jīng)網(wǎng)絡(luò)算法、基于Hough變換或可適應(yīng)的Hough變換逼近、小波變換、鑲嵌圖方法、顏色紋理</p><p>　　規(guī)則等多種人臉檢測方法[2～</p><p>　　6]。這些方法是針對靜態(tài)圖像的基于人臉特征的統(tǒng)計與結(jié)構(gòu)分析方法，雖具有一般性，但分析計算量大，對噪聲敏感，性能不穩(wěn)定，難以實時檢

19、測。</p><p>　　3.3 人臉識別的常用方法</p><p>　　1、基于幾何特征的人臉正面圖像識別方法</p><p>　　通過人臉面部拓撲結(jié)構(gòu)幾何關(guān)系的先驗知識,利用基于結(jié)構(gòu)的方法在知識的層次上提取人臉面部主要</p><p>　　器官特征,將人臉用一組幾何特征矢量來表示,識別歸結(jié)為特征矢量之間的匹配,基于歐氏距離的判決是最常用的

20、識別方法。</p><p>　　2、基于統(tǒng)計的人臉正面自動識別方法</p><p>　　基于統(tǒng)計的人臉正面自動識別方法包括特征臉方法和隱馬爾科夫模型方法。統(tǒng)計的識別方法將人臉用代數(shù)特征矢量來表示。代數(shù)特征是由Hong等首先提出的,由圖像本身的灰度分布決定,它描述了圖像的內(nèi)存信息,它是通過對圖像灰度進行各種代數(shù)變換和矩陣分解提出的。</p><p>　　將人臉看作一個

21、二維的灰度變化的模板,從整體上捕捉和描述人臉的特征,所運用的主要是一些標準的數(shù)據(jù)統(tǒng)計技巧,運算比較復雜</p><p><b>　　4 設(shè)計內(nèi)容</b></p><p><b>　　4.1系統(tǒng)方案設(shè)計</b></p><p>　　圖1 系統(tǒng)總設(shè)計方框圖</p><p>　　4.2 軟件模塊設(shè)計<

22、;/p><p>　　4.2.1 圖像輸入設(shè)計</p><p>　　可以通過攝像頭來獲取,也可以通過圖像庫來獲取。在圖像獲取以后,將圖像顯示出來,同時記錄下圖像在內(nèi)存的地址,以便在圖像處理中使用。</p><p>　　RGB=imread('face06.jpg'); %face02,04,06</p><p>　　YCbCr=rg

23、b2ycbcr(RGB); %將RGB色彩值變換為YcbCr色彩空間（將RGB真彩色圖像轉(zhuǎn)化為YcbCr色彩空間中相等的圖像）</p><p>　　Y=YCbCr(:,:,1); %這三行分別是Ycbcr空間的y,cb,cr對應(yīng)矩陣</p><p>　　Cb=YCbCr(:,:,2); </p><p>　　Cr=YCbCr(:,:,3);

24、 </p><p>　　imshow(RGB);title('原始圖像RGB'); %原始圖像</p><p>　　figure,imshow(YCbCr);</p><p>　　title('YcbCr色彩空間的圖像'); %進行將RGB色彩值變換為YcbCr色彩空間的圖像</p&

25、gt;<p><b>　　如圖2所示：</b></p><p><b>　　原始圖像</b></p><p><b>　　YCbCr圖</b></p><p>　　圖2 原圖像與YCbCr圖</p><p>　　4.2.2 圖像膚色區(qū)分設(shè)計</p>

26、<p>　　人臉定位是完成對需定位的人臉運動區(qū)域進行膚色檢測。在膚色分割階段，采用YCrCb色度空間，能較好地獲取膚色區(qū)域，排除一些類似人臉膚色的非人臉區(qū)域，并使用投影法正確標記人臉。人臉定位過程包括5個步驟。 </p><p>　　1) 相似度計算，方法是定義)/(BGRRr++=和)/(BGRBb++=，把三維RGB降為二維，在二維平面上，膚色的區(qū)域相對集中，根據(jù)膚色在色度空間的

27、高斯(Gauss)分布，將彩色圖像中的某個像素從RGB色彩空間變換到Y(jié)CbCr空間，可以計算出該像素點屬于膚色區(qū)域的概率，即根據(jù)該像素點離高斯分布中心的遠近程度得到一個與膚色的相似度(圖2a是待檢測區(qū)域的相似度)，相似度計算公式為： </p><p>　　)]()(5.0exp[),(1mxCmxbrPT???=?       

28、60;                     (5) 式中  M為均值；C為方差。 </p><p>　　2) 選擇適當?shù)拈撝担瑢D像中的待檢測區(qū)域進行二

29、值化處理。 </p><p>　　3) 對二值圖像作形態(tài)學處理，利用圓形結(jié)構(gòu)元素作膨脹變換，抹掉細節(jié)，使圖像平滑。 4) 用直方圖方式對二值圖像進行垂直投影和水平投影，如圖2b和圖2c所示。</p><p>　　圖像中人臉區(qū)域的獲取,根據(jù)膚色來獲取,通過膚色非線形分段色彩變換來實現(xiàn)。對圖像進行圖像灰度化、高斯平滑處理、對比度增強、二值化等一系列的圖像

30、處理之后,可以根據(jù)人的兩個眼睛具有對稱、眼睛下面有鼻子、再往下有嘴巴的特點,來確定劃分的區(qū)域是否就是人臉區(qū)域</p><p><b>　　代碼：</b></p><p><b>　　I=RGB; </b></p><p>　　W=size(YCbCr,1); %y對應(yīng)矩陣寬大小&

31、lt;/p><p>　　H=size(YCbCr,2); %y對應(yīng)矩陣高大小 </p><p>　　k=(2.53/180)*pi; </p><p>　　m=sin(k);n=cos(k); %正余弦噪聲</p><p>　　%%%111111111111111111111111111</p>

32、;<p>　　cx=109.38;cy=152.02;ecx=1.60;</p><p>　　ecy=2.41;a=25.39;b=14.03; %(cb=( 100,140),cr=(70,160)這是閾值，這個閾值應(yīng)該是人臉膚色的范圍</p><p>　　for i=1:W </p><p>　　for j=1:H </p><

33、p>　　if Y(i,j)<110 </p><p>　　I(i,j,:)=0; </p><p>　　elseif (Y(i,j)<=200&&Y(i,j)>=110) </p><p>　　x=(double(Cb(i,j))-cx)*n+(double(Cr(i,j))-cy)*m; </p><p&

34、gt;　　y=(double(Cr(i,j))-cy)*n-(double(Cb(i,j))-cx)*m; </p><p>　　if((x-ecx)^2/a^2+(y-ecy)^2/b^2)<=1 </p><p>　　I(i,j,:)=255; </p><p>　　else I(i,j,:)=0; </p><p>　　end

35、 </p><p>　　elseif Y(i,j)>200 </p><p>　　x=(double(Cb(i,j))-cx)*n+(double(Cr(i,j))-cy)*m; </p><p>　　y=(double(Cr(i,j))-cy)*n-(double(Cb(i,j))-cx)*m; </p><p>　　if (

36、(x-ecx)^2/(1.1*a)^2+(y-ecy)^2/(1.1*b)^2)<=1 </p><p>　　I(i,j,:)=255; %膚色部分變?yōu)榘咨?lt;/p><p>　　else I(i,j,:)=0; %其余轉(zhuǎn)成黑色</p><p><b>　　end </b></p>

37、<p><b>　　end </b></p><p><b>　　end </b></p><p>　　end </p><p>　　figure,imshow(I);title('膚色區(qū)分后的圖像'); %進行將膚色識別后的黑白圖像</p><p

38、><b>　　如圖3所示：</b></p><p>　　圖3膚色區(qū)分后的圖像</p><p>　　4.2.3 對膚色圖進行修補處理設(shè)計</p><p>　　se1=strel('square',35); %這個函數(shù)可以創(chuàng)建邊長35的方形元素</p><p>　　f0=imclose(I,se1

39、); %利用上面創(chuàng)建的方形元素，彌補imshow(I)中人臉中以及其他部分殘留的小塊黑色</p><p>　　figure,imshow(f0);</p><p>　　title('修補漏洞后的人臉'); %顯示修補漏洞后的人臉</p><p><b>　　如圖4所示：</b></p><p

40、>　　圖4 修補漏洞后的人臉圖</p><p>　　4.2.4 網(wǎng)格標記圖像設(shè)計</p><p>　　對人臉圖像打上網(wǎng)格，對區(qū)域塊圖像做二值分析，通過像素比例來做處理，進而得到人臉區(qū)域。 </p><p>　　在彩色圖像中，顏色是人臉表面最為顯著的特征之一，利用顏色檢測人臉是很自然的想法。研究人員在考察了不同種族、不同個體的膚色后，認為人類的膚色能在

41、顏色空間中聚成單獨的一類，而影響膚色值變化的最主要因素是亮度變化。因此他們采用廣泛使用的RGB顏色空間，在濾去亮度值的圖像中通過比較像素點的ｒ、ｇ值與膚色范圍來推斷該像素點及其鄰域是否屬于人臉區(qū)域。除了RGB顏色空間，還有諸如HIS，LUV，GLHS等其它顏色空間被使用。尋找到膚色區(qū)域后，必須進行驗證，排除類膚色區(qū)域。利用膚色像素的連通性分割出區(qū)域，使用橢圓擬合各個區(qū)域，根據(jù)橢圓長短軸的比率判斷是否為人臉。</p><

42、;p>　　BW = im2bw(f0, graythresh(f0)); % 二值化</p><p>　　figure, imshow(RGB);</p><p>　　title('網(wǎng)格標記圖像', 'FontWeight', 'Bold');</p><p><b>　　hold on

43、;</b></p><p>　　[xt, yt] = meshgrid(round(linspace(1, size(I, 1), 10)), ...</p><p>　　round(linspace(1, size(I, 2), 10)));</p><p>　　mesh(yt, xt, zeros(size(xt)), 'FaceColor&

44、#39;, ...</p><p>　　'None', 'LineWidth', 3, ...</p><p>　　'EdgeColor', 'r');</p><p><b>　　如圖5所示：</b></p><p>　　圖5 網(wǎng)格標記圖像圖</p&

45、gt;<p>　　4.2.5 人臉識別標記</p><p>　　[n1, n2] = size(BW);</p><p>　　r = floor(n1/10); % 分成10塊，行</p><p>　　c = floor(n2/10); % 分成10塊，列</p><p>　　x1 = 1; x2 = r; % 對應(yīng)行初始化&

46、lt;/p><p>　　s = r*c; % 塊面積</p><p>　　for i = 1:10</p><p>　　y1 = 1; y2 = c; % 對應(yīng)列初始化</p><p>　　for j = 1:10</p><p>　　if(y2<=c || y2>=9*c) || (x1==1 || x2==

47、r*10)</p><p><b>　　%如果是在四周區(qū)域</b></p><p>　　loc = find(BW(x1:x2, y1:y2)==0);</p><p>　　[p, q] = size(loc);</p><p>　　pr = p/s*100; % 黑色像素所占的比例數(shù)</p><p&

48、gt;　　if pr<= 100</p><p>　　f1(x1:x2, y1:y2) = 0;</p><p><b>　　end</b></p><p><b>　　end</b></p><p>　　y1 = y1+c; % 列跳躍</p><p>　　y2 =

49、y2+c; % 列跳躍</p><p><b>　　end</b></p><p>　　x1 = x1+r; % 行跳躍</p><p>　　x2 = x2+r; % 行跳躍</p><p><b>　　end</b></p><p>　　[L, num] = bwlabel

50、(BW, 8); % 區(qū)域標記</p><p>　　stats = regionprops(L, 'BoundingBox'); % 得到包圍矩形框</p><p>　　Bd = cat(1, stats.BoundingBox);</p><p>　　[s1, s2] = size(Bd);</p><p><b>

51、;　　mx = 0;</b></p><p>　　for k = 1:s1</p><p>　　p = Bd(k, 3)*Bd(k, 4); % 寬*高</p><p>　　if p>mx && (Bd(k, 3)/Bd(k, 4))<1.8 %%%如果滿足面積塊大，而且寬/高<1.8</p><

52、p><b>　　mx = p;</b></p><p><b>　　j = k;</b></p><p><b>　　end</b></p><p><b>　　end</b></p><p>　　figure,imshow(RGB); hold o

53、n;</p><p>　　rectangle('Position', Bd(j, :), ...</p><p>　　'EdgeColor', 'r', 'LineWidth', 3);</p><p>　　title('標記圖像', 'FontWeight', '

54、;Bold');</p><p><b>　　如圖6所示：</b></p><p><b>　　圖6人臉識別標記圖</b></p><p>　　4.2.6 對原圖像進行臉部模糊處理</p><p>　　h1=ones(40,40)/1600; </p><p>　　

55、I2=imfilter(RGB ,h1); %對原圖像進行全部模糊</p><p>　　%figure,imshow(I2);</p><p>　　a=Bd(j,:);%臉部標記的矩形框的四個坐標</p><p>　　for i=a(2)-0.5:a(2)-0.5+a(4);</p><p>　　for j=a(1)-0.5:a(1)-0.5

56、+a(3);</p><p>　　RGB(i,j,:)=I2(i,j,:);%部分模糊的替換</p><p><b>　　end</b></p><p><b>　　end</b></p><p>　　figure,imshow(RGB);title('模糊后的人臉圖像'); %顯示

57、模糊后的人臉</p><p><b>　　如圖7所示：</b></p><p>　　圖7 人臉模糊隱私保護圖</p><p><b>　　總結(jié)與致謝</b></p><p>　　通過本次設(shè)計，培養(yǎng)了創(chuàng)新意識和綜合素質(zhì)，更好地掌握了數(shù)字圖像處理設(shè)計，提高個人基本能力、實驗及設(shè)計能力和獨立工作能力，基本

58、知識更加牢固，會編程調(diào)試、會查資料在設(shè)計的過程和設(shè)計說明書的撰寫過程中，老師給予了我熱心的幫助和大力的支持，給我提了諸多的寶貴意見，拓寬了我的思路。</p><p>　　人臉檢測及識別算法研究近年來受到很大關(guān)注，同時也得到了很大的進展。但是考慮到視頻處理的復雜程度，大多數(shù)檢測或識別率高的算法往往都要在計算上付出很大的代價而失去了使用價值。而本文提出的一種基于差分和膚色的人臉檢測算法，在計算量上大大減少，同時抑制背

59、景噪聲。隨著硬件技術(shù)的進步，采用攝像機的圖像系統(tǒng)的成本已經(jīng)不高，使得這種算法有大量應(yīng)用的條件，實驗表明該算法具有可行性。</p><p>　　這一次做的圖像人臉區(qū)域隱私保護系統(tǒng)設(shè)計。原理看似簡單，但過程讓我深深感受到再簡單的圖像處理，理論與實際也會有一定的差入。在參考書設(shè)計原理的基礎(chǔ)上經(jīng)過了個人的改進，讓功能更完善，特別是程序的調(diào)試，花的時間最多，也是最難的一個地方。在此我向張運楚、楊紅娟、張君捧老師致以崇高的敬

60、意和衷心的感謝！</p><p><b>　　參考文獻</b></p><p>　　[1] 王科俊,姚向輝．人臉圖像檢測與識別方法綜述[J]．自動化技術(shù)與應(yīng)用．2004, 23(12).</p><p>　　[2] 邢藏菊,曲延鋒,王守覺．靜態(tài)灰度圖像中的人臉快速檢測[J]．計算機輔助設(shè)計與圖形學學報．V01．14,No．May,2002． &

61、lt;/p><p>　　[3] 周杰,盧春雨,張長水,等.人臉自動識別方法綜述[J].電子學報,2004 (4):102-106.</p><p>　　[4] 簡(Jain A.K.) [美],韓博,徐楓著．數(shù)字圖像處理基礎(chǔ)[M]．北京：清華大學出版社,2006.</p><p>　　[5] 岡薩雷斯．數(shù)字圖像處理(MATLAB)中文版[M]．北京：電子工業(yè)出版社,20

62、07.</p><p>　　[6] Castleman, K. R.[美]著,朱志剛等譯．數(shù)字圖像處理[M]．北京:電子工業(yè)出版社,2002．</p><p>　　[7] 朱虹．數(shù)字圖像處理基礎(chǔ)[M]．北京：科學出版社,2005.</p><p>　　[8] 劉志敏,揚杰,施鵬飛．數(shù)學形態(tài)學的圖像分割算法[D]．計算機工程與科學,1998,20 (4):21．<

63、;/p><p>　　[9] 章毓晉．圖像分割．北京:科學出版社,2001．</p><p>　　[10] 王樹偉,楊鴝．Matlab 6.5輔助圖像處理[M]．電子工業(yè)出版社,2003.</p><p><b>　　附錄：系統(tǒng)設(shè)計程序</b></p><p>　　RGB=imread('face06.jpg'

64、); %face02,04,06</p><p>　　YCbCr=rgb2ycbcr(RGB); %將RGB色彩值變換為YcbCr色彩空間（將RGB真彩色圖像轉(zhuǎn)化為YcbCr色彩空間中相等的圖像）</p><p>　　Y=YCbCr(:,:,1); %這三行分別是Ycbcr空間的y,cb,cr對應(yīng)矩陣</p><p>　　Cb=YCbCr

65、(:,:,2); </p><p>　　Cr=YCbCr(:,:,3); </p><p>　　imshow(RGB);title('原始圖像RGB'); %原始圖像</p><p>　　figure,imshow(YCbCr);title('YcbCr色彩空間的圖像'); %進行將RGB

66、色彩值變換為YcbCr色彩空間的圖像</p><p><b>　　I=RGB; </b></p><p>　　W=size(YCbCr,1); %y對應(yīng)矩陣寬大小</p><p>　　H=size(YCbCr,2); %y對應(yīng)矩陣高大小 </p>&

67、lt;p>　　k=(2.53/180)*pi; </p><p>　　m=sin(k);n=cos(k); %正余弦噪聲</p><p>　　%%%111111111111111111111111111</p><p>　　cx=109.38;cy=152.02;ecx=1.60;</p><p>　　ecy=2.41;a=25.3

68、9;b=14.03; %(cb=( 100,140),cr=(70,160)這是閾值，這個閾值應(yīng)該是人臉膚色的范圍</p><p>　　for i=1:W </p><p>　　for j=1:H </p><p>　　if Y(i,j)<110 </p><p>　　I(i,j,:)=0; </p><p>　

69、　elseif (Y(i,j)<=200&&Y(i,j)>=110) </p><p>　　x=(double(Cb(i,j))-cx)*n+(double(Cr(i,j))-cy)*m; </p><p>　　y=(double(Cr(i,j))-cy)*n-(double(Cb(i,j))-cx)*m; </p><p>　　if((

70、x-ecx)^2/a^2+(y-ecy)^2/b^2)<=1 </p><p>　　I(i,j,:)=255; </p><p>　　else I(i,j,:)=0; </p><p>　　end </p><p>　　elseif Y(i,j)>200 </p><p>　　x=(double

71、(Cb(i,j))-cx)*n+(double(Cr(i,j))-cy)*m; </p><p>　　y=(double(Cr(i,j))-cy)*n-(double(Cb(i,j))-cx)*m; </p><p>　　if ((x-ecx)^2/(1.1*a)^2+(y-ecy)^2/(1.1*b)^2)<=1 </p><p>　　I(i,j,:)=25

72、5; %膚色部分變?yōu)榘咨?lt;/p><p>　　else I(i,j,:)=0; %其余轉(zhuǎn)成黑色</p><p><b>　　end </b></p><p><b>　　end </b></p><p><b>　　end </b></p><p>

73、;　　end </p><p>　　figure,imshow(I);title('膚色區(qū)分后的圖像'); %進行將膚色識別后的黑白圖像</p><p>　　%%%1111111111111111111</p><p>　　%%%%%%%%% 找到人臉區(qū)域并設(shè)為白色%%%% (r=35)</p><p&

74、gt;　　se1=strel('square',35);%這個函數(shù)可以創(chuàng)建邊長35的方形元素</p><p>　　f0=imclose(I,se1);%利用上面創(chuàng)建的方形元素，彌補imshow(I)中人臉中以及其他部分殘留的小塊黑色</p><p>　　figure,imshow(f0);title('修補漏洞后的人臉'); %顯示修補漏洞后的人臉</

75、p><p>　　%%%44444444444444444444444444444</p><p>　　BW = im2bw(f0, graythresh(f0)); % 二值化</p><p>　　figure, imshow(RGB);</p><p>　　title('網(wǎng)格標記圖像', 'FontWeight'

76、, 'Bold');</p><p><b>　　hold on;</b></p><p>　　[xt, yt] = meshgrid(round(linspace(1, size(I, 1), 10)), ...</p><p>　　round(linspace(1, size(I, 2), 10)));</p>

77、<p>　　mesh(yt, xt, zeros(size(xt)), 'FaceColor', ...</p><p>　　'None', 'LineWidth', 3, ...</p><p>　　'EdgeColor', 'r');</p><p>　　[n1, n2]

78、 = size(BW);</p><p>　　r = floor(n1/10); % 分成10塊，行</p><p>　　c = floor(n2/10); % 分成10塊，列</p><p>　　x1 = 1; x2 = r; % 對應(yīng)行初始化</p><p>　　s = r*c; % 塊面積</p><p>　　f

79、or i = 1:10</p><p>　　y1 = 1; y2 = c; % 對應(yīng)列初始化</p><p>　　for j = 1:10</p><p>　　if(y2<=c || y2>=9*c) || (x1==1 || x2==r*10)</p><p><b>　　%如果是在四周區(qū)域</b><

80、/p><p>　　loc = find(BW(x1:x2, y1:y2)==0);</p><p>　　[p, q] = size(loc);</p><p>　　pr = p/s*100; % 黑色像素所占的比例數(shù)</p><p>　　if pr<= 100</p><p>　　f1(x1:x2, y1:y2) =

81、 0;</p><p><b>　　end</b></p><p><b>　　end</b></p><p>　　y1 = y1+c; % 列跳躍</p><p>　　y2 = y2+c; % 列跳躍</p><p><b>　　end</b><

82、/p><p>　　x1 = x1+r; % 行跳躍</p><p>　　x2 = x2+r; % 行跳躍</p><p><b>　　end</b></p><p>　　[L, num] = bwlabel(BW, 8); % 區(qū)域標記</p><p>　　stats = regionprops(L,

83、 'BoundingBox'); % 得到包圍矩形框</p><p>　　Bd = cat(1, stats.BoundingBox);</p><p>　　[s1, s2] = size(Bd);</p><p><b>　　mx = 0;</b></p><p>　　for k = 1:s1</

84、p><p>　　p = Bd(k, 3)*Bd(k, 4); % 寬*高</p><p>　　if p>mx && (Bd(k, 3)/Bd(k, 4))<1.8</p><p>　　%%%如果滿足面積塊大，而且寬/高<1.8</p><p><b>　　mx = p;</b></p&

85、gt;<p><b>　　j = k;</b></p><p><b>　　end</b></p><p><b>　　end</b></p><p>　　figure,imshow(RGB); hold on;</p><p>　　rectangle('

86、Position', Bd(j, :), ...</p><p>　　'EdgeColor', 'r', 'LineWidth', 3);</p><p>　　title('標記圖像', 'FontWeight', 'Bold');</p><p>　　%%%44

87、444444444444444444444444444</p><p>　　%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%下面為圖像局部模糊</p><p>　　h1=ones(40,40)/1600; </p><p>　　I2=imfilter(RGB ,h1); %對原圖像進行全部模糊</p><p>　　%figure

88、,imshow(I2);</p><p>　　a=Bd(j,:);%臉部標記的矩形框的四個坐標</p><p>　　for i=a(2)-0.5:a(2)-0.5+a(4);</p><p>　　for j=a(1)-0.5:a(1)-0.5+a(3);</p><p>　　% for i=60:233; %6

89、0:233</p><p>　　% for j=257:400; %257:400</p><p>　　RGB(i,j,:)=I2(i,j,:);%部分模糊的替換</p><p><b>　　end</b></p><p><b>　　end</b></p>