人脸识别演讲ppt.pptVIP

2 灰度化 / Grayscale 最大值法 平均值法 加权平均 将图像中的三分量亮度的最大值作为灰度值。 将图像中的三分量亮度求平均得到一个灰度值。 将三个分量以不同的权值进行加权平均。由于人眼对绿色的敏感最高，对RGB三分量进行加权平均。 在RGB模型中，当R=G=B时，则彩色表示一种灰度颜色，其中R=G=B的值叫灰度值（又称强度值、亮度值），灰度范围为0-255。 简要介绍 2 灰度变换方法 / Gray scale transformation method rgbImage = imread(Lena.jpg); grayImage=rgb2gray(rgbImage); J1 = imadjust(grayImage,[0 1],[0 1],2.5); J2 = imadjust(grayImage,[0 1],[0 1],1.5); J3 = imadjust(grayImage,[0 1],[0 1],0.67); J4 = imadjust(grayImage,[0 1],[0 1],0.4); subplot(1,5,1);imshow(J1);title(gamma=2.5); subplot(1,5,2);imshow(J2);title(gamma=1.5); subplot(1,5,3);imshow(grayImage);title(原灰度图像); subplot(1,5,4);imshow(J3);title(gamma=0.67); subplot(1,5,5);imshow(J4);title(gamma=0.4); 左图是一张进行灰度变换的灰度图。先从左上角看，该像素的灰度值为254。然后下一个灰度值143，对其进行映射，得到的值是一个比143少的数。matlab当中常用的灰度变换函数是： imadjust(I,[low_in; high_in],[low_out; high_out],gamma) 2 几何变换 / Geometric transformation 方法 %%%%%%平移 se=translate(strel(1),[20 20]); img2=imdilate(img1,se); figure,imshow(img2); imwrite(img2,a2.jpg); I=imread(baby.bmp); [height,width,dim]=size(I); tform1=maketform(affine,[0,1,0;1,0,0;0,0,1]); I1=imtransform(I,tform1,nearest); %%%%%%旋转 img3=imrotate(img1,90); figure,imshow(img3); imwrite(img3,a3.jpg); % %%%%%缩放 img4=imresize(img1,2); figure,imshow(img4); imwrite(img4,a4.jpg); 平移 转置 旋转 缩放 2 图像增强 / Image enhancement 原理：对数变换可以将图像的低灰度值部分扩展，显示出低灰度部分更多的细节，将其高灰度值部分压缩，减少高灰度值部分。 Log变换 原理：主要用于图像的校正，将灰度过高或者灰度过低的图片进行修正，增强对比度。 伽马变换 原理：将原始图像的灰度图从比较集中的某个灰度区间均匀分布在整个灰度空间中，实现对图像的非线性拉伸，重新分配像素值。 ①直方图均衡化 原理：利用图像的二次微分对图像进行蜕化，在图像领域中微分是锐化，积分是模糊，即利用邻域像素提高对比度。 ②拉普拉斯算子 2 归一化 / Normalized 所谓图像归一化, 就是通过一系列变换, 将待处理的原始图像转换成相应的唯一标准形式(该标准形式图像对平移、旋转、缩放等仿射变换具有不变特性)。 1、什么是归一化？ 图像归一化使得图像可以抵抗几何变换的攻击，也就是转换成唯一的标准形式以抵抗仿射变换。 2、为什么归一化？ ①线性函数归一化(Min-Max scaling) ②0均值标准化(Z-score standardization) 3、 数据归一化的方法有哪些？ 03 人脸图像 . 特征检测 所谓人脸检测，就是给定任意一张图片，找到其中是否存在一个或多个人脸，并返回图片中每个人脸的位置和范围。即找出特征点。 在模式识别领域，一句重要的话是：“Features matter”。获得好的特征是识别成功的关键。 3 深度学习 . 特征点 / DeepLearning 特征点检测 . 算法 在人脸检测的基础上，根据输入的人脸图像，自动定位出面部关键特征点