图像预处理方法总结计划.docx

预处理就是在图像分析中，对输入图像进行特征抽取等前所进行的处理。输入图像 由于图像采集环境的不同，如光照明暗程度以及设备性能的优劣等，往往存在有噪声， 对比度不够等缺点。另外，距离远近，焦距大小等又使得人脸在整幅图像中间的大小和 位置不确定。为了保证人脸图像中人脸大小，位置以及人脸图像质量的一致性，必须对 图像进行预处理。 图像预处理的主要目的是消除图像中无关的信息，滤除干扰、噪声， 恢复有用的真实信息，增强有关信息的可检测性和最大限度地简化数据，从而改进特征 抽取的可靠性 . 人脸图像的预处理主要包括人脸扶正，人脸图像的增强，以及归一化等工作。人脸 扶正是为了得到人脸位置端正的人脸图像；图像增强是为了改善人脸图像的质量，不仅 在视觉上更加清晰图像，而且使图像更利于计算机的处理与识别。归一化工作的目标是取得尺寸一致，灰度取值范围相同的标准化人脸图像 [4] 。 2.1 几何规范化 由于图像在提取过程中易受到光照、 表情、姿态等扰动的影响 ,因此在识别之前需要 对图像做归一化的预处理 [4] ,通常以眼睛坐标为基准点 ,通过平移、旋转、缩放等几何仿射变换对人脸图像进行归一化 。因为人脸虽然是柔性的三维曲面 ,同一人脸因表情变化会有差异 ,但相对而言人的两眼之间的距离变化不会很大 ,因此双眼的位置及眼距 ,就成为人脸图像归一化的依据。 定位眼睛到预定坐标 ,将图像缩放至固定大小。 通过平移、旋转、缩放等几何仿射变换 ,可以对人脸图像做 几何规范化处理 ,仿射变换的表达式为 : a11 a12 0 [ x, y,1] [ u, v,1][ a21 a22 0] (2-1) a31 a32 1 其中 (u,v)表示输入图像中像素的坐标 (x,y)表示输出图像中像素的坐标。将上式展开 可得 x a11u a21v a31 (2-2) a12u a22v a32 平移变换就是给图像中的所有点的坐标都加上 u 和 v ,其变换表达式为 1 0 0 [ x, y,1] [ u, v,1][ 0 1 0] (2-3) u v 1 将图像中的所有点相对于坐标原点 逆时针旋转 角的变换表达式为 cos sin 0 [ x, y,1] [ u, v,1][ sin cos 0 (2-4) ] 0 0 1 缩放变换既是将图像按给定的比例 r 放大或缩小 ,当 r 1 时图像被放大 ,当 0 r 1 时图像被缩小 ,其变换表达式为 r 0 0 [ x, y,1] [ u, v,1][ 0 r ] (2-5) 0 0 0 1 本论文在对人脸图像特征提取之前，首先对所有的图像进行 几何规范化 ，将两个人 眼的位置固定在同一位置上，结果如图 2.1,图 2.2 所示。 图 2.1 几何规范化之前的人脸图像 图 2.2 几何规范化后的人脸图像 2.2 灰度级插值 图像经过空间变换后 ,变换后的空间中各像素的灰度值应该等于变换前图像对应位 置的像素值。但实际情况中 ,图像经过几何变换后 ,某些像素会挤压在一起或者分散开来 , 使得变换后图像的一些像素对应于变换前图像上非整数坐标的位置 ,为此需要通过插值 求出这些像素的灰度值 ,通常采用的方法有 最近邻插值、双线性插值和双三次插值 。 2.2.1 最近邻插值 最近邻插值是一种最简单的插值方法 ,输出的像素灰度值就是输入图像中预期最邻 近的像素的灰度值 ,这种方法的运算量非常小 ,但是变换后图像的灰度值有明显的不连续 性 ,能够放大图像中的高频分量 ,产生明显的块状效应。 2.2.2 双线性插值 双线性插值输出像素的灰度值是该像素在输入图像中 2*2 领域采样点的平均值 ,利 用周围四个相邻像素的灰度值在垂直和水平两个方向上做线性插值。 这种方法和最近邻插值法相比 ,计算量稍有增加 ,变换后图像的灰度值没有明显的不连续性 ,但双线性插值具有低通滤波的性质 ,会导致高频分量信息的部分丢失 ,图像轮廓变得模糊不清。 2.2.3 双三次插值 双三次插值利用三次多项式来逼近理论上的最佳正弦插值函数 ,其插值邻域的大小 为 4*4, 计算时用到周围 16 个相邻像素的灰度值 ,这种方法的计算量是最大的 ,但能克服前两种插值方法的缺点 ,计算精度较高。 2.3 灰度规范化 灰度规范化是通过 图像平滑、直方图均衡化、灰度变换等图像处理方法来改善图像 质量 ,并将其统一到给定的水平。 2.3.1 图像平滑 图像平滑处理的目的是 为了抑制噪声 ,改善图像质量 ,可以在空间域和频域中进行 。 常用的方法包括 :邻域平均、空域滤波和中值滤波 等。邻域平均法是一种局部空间域处理 的方法 ,它用像素邻域内各像素的灰度平均值代替该像素原来的灰度值 ,实现图像的平滑。 由于图像中的噪声属于高频分量 ,空域