数字图像处理课程设计
数字图像处理课设要求
《数字图像处理》课程设计一、目的和任务1、进一步深入理解数字图像处理的基本概念、基础理论以及解决问题的基本思想方法，掌握基本的处理技术。
2、培养学生了解处理技术相关的应用领域，阅读各类图像处理文献的能力。
3、能够运用一门高级语言编写简单的图像处理软件，实现对图像进行的基本处理。
4、了解与课程有关的工程技术规范，能正确解释和分析实验结果。
二、实验内容1图像变换1了解图像变换的意义和手段；2熟悉离散傅里叶变换、离散余弦变换、离散小波变换的基本性质；3熟练掌握图像变换的方法及应用；4通过实验了解二维频谱的分布特点；5通过本实验掌握利用MA TLAB编程实现数字图像的变换。
2图像增强1掌握灰度直方图的概念及其计算方法；2熟练掌握直方图均衡化和直方图规定化的计算过程；3熟练掌握空间域滤波中常用的平滑和锐化滤波器；4掌握色彩直方图的概念和计算方法；5利用MATLAB程序进行图像增强。
3图像分割1 体会一些主要的分割算子对图像处理的效果，以及各种因素对分割效果的影响；2 使用MatLab 软件进行图像的分割；3 能够自行评价各主要算子在无噪声条件下和噪声条件下的分割性能；4 能够掌握分割条件(阈值等)的选择；5 完成规定图像的处理并要求正确评价处理结果，能够从理论上作出合理的解释。
三、需要提交的报告1. 课程设计报告（1份，A4纸打印，同时包括一份电子版）报告内容：叙述实验过程；提交实验的原始图像和结果图像。
2. 完整的程序系统（电子方式提交）每位同学创建一个文件夹，名为“学号+姓名”，包含以上两项。
统一交给班长。
四、设计报告的的规范设计结束后要写出课程设计报告，以作为整个课程设计评分的书面依据和存档材料。
设计报告以规定格式的电子文档书写、打印并装订，排版及图、表要清楚、工整。
内容及要求如下：封面：《数字图像处理》课程设计班级：姓名：学号：指导教师：完成日期：正文：1. 题目2. 实验目的3. 实验原理4. 实验步骤5. 实验结果6．参考文献五、成绩评定标准出勤20%，课程设计说明书50%，成果展示30%。
数字图像处理课程设计
数字图像处理课程设计1. 课程设计介绍数字图像处理是计算机科学与工程中十分重要的一门课程，它的目的是通过数字计算机技术来处理和分析数码图像，获取图像的特征和信息。
本次课程设计旨在通过阅读相关文献、实践操作和实验报告撰写三个环节，帮助学生掌握数字图像处理的基本概念和方法。
2. 实践操作2.1 图像转换在数字图像处理过程中，最常见的操作之一是图像转换。
通过对图像进行转换，可以得到新的图像，以便进行进一步的处理。
常见的一种图像转换操作是将一幅灰度图像转换成彩色图像。
例如，我们可以通过以下代码，将一幅灰度图像转换成RGB格式的彩色图像：import cv2import numpy as np# 加载灰度图像gray_img = cv2.imread('gray_image.jpg', cv2.IMREAD_GRAYSCALE)# 将灰度图像转换成RGB格式的彩色图像color_img = cv2.cvtColor(gray_img, cv2.COLOR_GRAY2RGB)# 保存彩色图像cv2.imwrite('color_image.jpg', color_img)2.2 像素操作数字图像处理基于像素的操作，因此操作像素是数字图像处理的核心。
在Python中，我们可以使用NumPy数组来表示图像，并可以使用Python编写的函数来操作这些数组。
例如，以下代码演示了如何读取一幅图像、访问其像素、对像素进行操作并保存处理后的图像：import cv2import numpy as np# 加载彩色图像img = cv2.imread('color_image.jpg', cv2.IMREAD_COLOR)# 获取图像尺寸height, width, channels = img.shape# 访问图像像素并对其进行操作for y in range(height):for x in range(width):# 获取像素值b, g, r = img[y, x]# 对像素值进行操作img[y, x] = [b, int(g*0.8), r]# 保存处理后的图像cv2.imwrite('processed_image.jpg', img)2.3 图像过滤图像过滤是数字图像处理中比较常见的一种操作，它可以通过滤波器来减少图像中的噪点和细节信息，从而使图像更加平滑和清晰。
数字图像处理matlab课程设计
数字图像处理matlab课程设计一、课程目标知识目标：1. 理解数字图像处理的基本概念，掌握图像的表示和存储方式；2. 学会使用MATLAB软件进行数字图像处理，掌握相关函数和工具箱的使用方法；3. 掌握图像增强、滤波、边缘检测等基本图像处理技术；4. 了解图像分割、特征提取等高级图像处理技术。
技能目标：1. 能够运用MATLAB进行图像读取、显示和保存操作；2. 能够独立完成图像的增强、滤波等基本处理操作；3. 能够运用边缘检测算法对图像进行处理，提取关键特征；4. 能够根据实际需求选择合适的图像处理技术，解决实际问题。
情感态度价值观目标：1. 培养学生对数字图像处理技术的兴趣，激发其学习热情；2. 培养学生的团队合作意识，使其学会在团队中分享和交流；3. 培养学生严谨的科学态度，使其注重实验数据的真实性；4. 培养学生的创新思维，鼓励其探索新方法，提高解决问题的能力。
本课程旨在通过数字图像处理MATLAB课程设计，使学生在掌握基本理论知识的基础上，运用MATLAB软件进行图像处理实践。
课程注重理论与实践相结合，培养学生具备实际操作能力，并能运用所学知识解决实际问题。
针对学生的年级特点，课程目标既注重知识技能的传授，又关注情感态度价值观的培养，为学生今后的学习和工作奠定基础。
二、教学内容1. 数字图像处理基础- 图像表示与存储（RGB、灰度、二值图像）- 图像类型转换- MATLAB图像处理工具箱介绍2. 图像增强- 直方图均衡化- 伽玛校正- 图像锐化3. 图像滤波- 均值滤波- 中值滤波- 高斯滤波- 双边滤波4. 边缘检测- 索贝尔算子- 拉普拉斯算子- Canny边缘检测5. 图像分割- 阈值分割- 区域生长- 分水岭算法6. 特征提取与描述- 霍夫变换- SIFT算法- ORB算法教学内容根据课程目标进行选择和组织，注重科学性和系统性。
教学大纲明确分为六个部分，分别对应数字图像处理的基础知识、图像增强、滤波、边缘检测、图像分割和特征提取与描述。
数字图像处理课程设计
目录1 设计目的 (1)2设计要求 (1)3 MATLAB简介 (2)3.1 MATLAB主要功能 (2)3．2图形处理功能 (2)4 设计方案 (3)4.1 RGB图像与HSI图像转换 (3)5 程序设计 (5)5.1将RGB图像与HSI图像互相转换 (5)6 仿真结果与分析 (8)7结论 (11)参考文献 (12)摘要数字图像处理，在空间上离散的，在幅度上量化分层的数字图像，在经过一些特定数理模式的加工处理，以达到有利于人眼视觉或某种接收系统所需要的图像过程。
Matlab是当今最优秀的科技应用软件之一，它一强大的科学计算与可视化功能，简单易用，开放式可扩展环境，特别是所附带的30多种面向不同领域工具箱支持，使得它在许多科学领域中成为计算机辅助设计与分析，算法研究和应用开发的基本工具盒首选平台在图像处理中，Matlab也得到了广泛的应用。
彩色图像的处理有时需要将图像数据在不同的颜色空间中表示，因此，图像的颜色空间之间的转换成为一项有意义的工作。
其中RGB在颜色空间转换中其关键作用，是各个空间转换的桥梁。
Matlab中的颜色空间转换只涉及到了RGB、HSV、YCbCr、YIQ等，没有包含lαβ和其它颜色空间的转换。
关键词：颜色模型；RGB；HIS；MATLAB1 设计目的彩色模型也称为彩色空间或彩色系统，是描述色彩的一种方法。
我们用它来制定、生产、可视化一种色彩。
目前表达颜色的色彩模型有许多种，他们是根据不同的应用目的而提出的。
在数字图形处理中，实际上最常用的彩色模型是RGB模型、HSI模型。
前者主要是应用于彩色显示屏和彩色视频摄像机；后者更符合人类描述和解释颜色的方式。
为了图像处理的目的，有必要在RGB和HSI、彩色模型之间进行坐标转化。
本次课程设计的目的在于提高分析问题、解决问题的能力，进一步巩固数字图像处理系统中的基本原理与方法。
熟悉掌握一门计算机语言，可以进行数字图像的应用处理的开发设计。
数字图像处理课设
目录1、目的与要求 (2)2、图像二值化和马赛克应用背景 (3)3、设计内容以及原理 (4)4、各个功能模块的主要实现程序以及代码 (5)5、程序运行结果以及图像处理结果 (9)6、课程设计总结与心得体会 (11)7、参考文献 (12)一、目的与要求本课程着重研究数字图像处理的方法，训练学生运用所学基础知识解决实际问题的能力，同时要求拓宽专业知识面。
该课程是一门涉及多领域的专业选修课。
它是图像通信、模式识别、计算机视觉等学科的基础。
通过对本课程的学习，要求学生掌握数字图像处理的基本处理技术，较深入地理解数字图像处理的基本概念、基础理论以及解决问题的基本思想方法。
从而使学生具有初步综合利用所学知识深入研究有关信息领域问题的能力。
本课程数字图像处理是论述其基本理论、方法及其在计算机领域中应用的学科分支，是实现机器视觉的有效工具。
学习本门课程的主要目的是使学生掌握数字图像处理的基本概念、原理、和方法，并未以后在此方向上的深入研究奠定基础。
通过本课程设计，使学生理解和巩固所学的理论知识，树立解决实际问题的严谨科学态度。
实验前要求做好编程准备工作，提高实验效果，注重独立分析问题、解决问题的能力培养，训练实际操作，鼓励创新设想。
课程设计报告要求：1．目的与要求这部分主要说明本课程设计的目的、任务和要求。
提高分析问题、解决问题的能力，巩固数字图像处理系统中的基本原理与方法。
熟悉掌握一门计算机语言，可以进行数字图像的应用处理的开发设计。
2．设计的内容根据指导书的讲述，介绍系统中所设计的主要功能和原理方法；3．总体方案设计根据课程设计的具体情况，描述系统的具体构架，包括：功能模块的划分、系统运行的环境、选用的工具及主要实现功能的原理。
4．各个功能模块的主要实现程序主要的功能实现和函数要进行详细的说明，包括其用法，使用范围，及参数等。
5．测试和调试按课程设计要求，选用多幅图像对程序进行测试，并提供系统的主要功能实现的效果图。
数字图像处理课程设计报告
数字图像处理设计报告【设计目的】配合《数字图像处理》课程的教学，使学生能巩固和加深对数字图像处理基础理论和基本知识的理解；掌握使用图像处理软件处理图像基本思想和方法；提高学生对图像处理方面的实际问题的应对能力并将所学知识在实践中巩固。
【设计要求】1.按照题目的要求，简要介绍算法，并对算法进行分析；2.用MATLAB完成算法代码（不能利用MATLAB自身的图像处理函数完成具体算法，读写和显示可以利用MATLAB函数），注释要清晰；3.给出代码运行的结果，并对结论进行总结；4.每人可选一个给出的题目或自己感兴趣的题目，按照上面要求上交报告，内容不得少于5页A4纸。
【所选题目】用直方图均衡化一幅8位的灰度图像【设计环境】MATLAB7.1，所选图片为彩色动画图片，大小为1024*666*24b【算法介绍和分析】1、算法概述：直方图均衡化是图像处理领域中利用图像直方图对对比度进行调整的方法。
直方图均衡化处理的“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。
直方图均衡化就是对图像进行非线性拉伸，重新分配图像像素值，使一定灰度范围内的像素数量大致相同。
直方图均衡化就是把给定图像的直方图分布改变成“均匀”分布直方图分布。
2、算法分析:直方图均衡化的基本思想是把原始图的直方图变换为均匀分布的形式，这样就增加了象素灰度值的动态范围从而可达到增强图像整体对比度的效果。
设原始图像在(x，y)处的灰度为f，而改变后的图像为g，则对图像增强的方法可表述为将在(x，y)处的灰度f映射为g。
在灰度直方图均衡化处理中对图像的映射函数可定义为:g = EQ (f)，这个映射函数EQ(f)必须满足两个条件(其中L为图像的灰度级数):(1)EQ(f)在0≤f≤L-1范围内是一个单值单增函数。
这是为了保证增强处理没有打乱原始图像的灰度排列次序，原图各灰度级在变换后仍保持从黑到白(或从白到黑)的排列。
数字图像处理的课程设计
数字图像处理的课程设计一、课程目标知识目标：1. 理解数字图像处理的基本概念，掌握图像的数字化表示方法；2. 掌握图像处理的基本操作，如图像变换、滤波、增强和复原；3. 了解常见的图像分割和特征提取方法，并应用于实际问题；4. 掌握图像压缩的基本原理及常用算法。
技能目标：1. 能够运用图像处理软件进行基本的图像编辑和操作；2. 能够编写简单的数字图像处理程序，实现对图像的基本处理功能；3. 能够运用所学的图像处理方法解决实际问题，如图像去噪、图像增强等；4. 能够对图像进行有效的压缩，以适应不同的应用场景。
情感态度价值观目标：1. 培养学生对数字图像处理技术的兴趣和热情，激发其探索精神；2. 培养学生的团队合作意识，学会与他人共同解决问题；3. 增强学生的实际操作能力，使其认识到理论与实践相结合的重要性；4. 引导学生关注图像处理技术在日常生活和各领域的应用，提高其科技素养。
课程性质：本课程为高年级选修课程，旨在使学生掌握数字图像处理的基本原理和方法，培养其实际应用能力。
学生特点：学生具备一定的数学基础和编程能力，对图像处理有一定了解，但尚未深入学习。
教学要求：结合学生特点和课程性质，注重理论与实践相结合，以实际应用为导向，提高学生的动手能力和创新能力。
通过本课程的学习，使学生能够达到上述课程目标，为未来进一步学习和研究打下坚实基础。
二、教学内容1. 数字图像基础：包括图像的数字化表示、图像质量评价、颜色模型等基本概念；- 教材章节：第1章 数字图像处理基础2. 图像增强：介绍直方图均衡化、图像平滑、锐化等增强方法；- 教材章节：第3章 图像增强3. 图像复原：涉及图像退化模型、逆滤波、维纳滤波等复原方法；- 教材章节：第4章 图像复原4. 图像分割与特征提取：包括阈值分割、边缘检测、区域生长等分割方法，以及特征点的提取和描述；- 教材章节：第5章 图像分割与特征提取5. 图像压缩：介绍图像压缩的基本原理，如JPEG、JPEG2000等压缩算法；- 教材章节：第6章 图像压缩6. 数字图像处理应用：分析图像处理在医学、遥感、计算机视觉等领域的应用案例；- 教材章节：第7章 数字图像处理应用教学进度安排：1. 数字图像基础（2学时）2. 图像增强（4学时）3. 图像复原（4学时）4. 图像分割与特征提取（6学时）5. 图像压缩（4学时）6. 数字图像处理应用（2学时）三、教学方法为提高教学效果，本课程将采用以下多样化的教学方法：1. 讲授法：教师通过系统的讲解，使学生掌握数字图像处理的基本概念、原理和方法。
基数字图像处理课程设计
基数字图像处理课程设计一、课程目标知识目标：1. 让学生掌握数字图像处理的基本概念，包括图像的数字化表示、图像格式和颜色模型；2. 培养学生了解并运用图像处理的基本方法，如图像滤波、边缘检测、图像增强和图像分割；3. 使学生了解图像处理技术在现实生活中的应用，如计算机视觉、医学影像和遥感等领域。
技能目标：1. 培养学生运用编程软件（如Python和MATLAB）实现数字图像处理算法的能力；2. 培养学生运用图像处理工具包（如OpenCV和Pillow）解决实际问题的能力；3. 提高学生团队协作和沟通表达的能力，以便在项目实践中共同解决问题。
情感态度价值观目标：1. 培养学生对数字图像处理技术的兴趣，激发学生主动探索和创新的欲望；2. 培养学生具备良好的科学素养，认识到科技发展对社会进步的重要性；3. 引导学生树立正确的价值观，认识到图像处理技术在保护个人隐私、版权等方面的责任和道德约束。
课程性质分析：本课程为高年级选修课，旨在帮助学生掌握数字图像处理的基础知识和实践技能，培养具备创新意识和实际操作能力的人才。
学生特点分析：学生具备一定的编程基础和数学知识，对图像处理有一定了解，但实践能力有待提高。
教学要求：1. 理论与实践相结合，注重培养学生的实际操作能力；2. 鼓励学生积极参与课堂讨论和项目实践，提高团队协作能力；3. 注重过程评价，关注学生在学习过程中的成长和进步。
二、教学内容本课程教学内容分为五个部分：1. 数字图像处理基础- 图像的数字化表示：包括像素、分辨率、颜色深度等；- 图像格式和颜色模型：如JPEG、PNG、RGB、HSV等；- 教材章节：第1章 数字图像处理基础。
2. 图像处理基本方法- 图像滤波：如高斯滤波、中值滤波等；- 边缘检测：如Sobel算子、Canny算子等；- 图像增强：如直方图均衡化、对比度增强等；- 图像分割：如阈值分割、区域生长等；- 教材章节：第2章 图像处理基本方法。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
山东建筑大学课程设计说明书题目：图像人脸区域隐私保护系统设计课程：数字图像处理课程设计院（部）：信息与电气工程学院专业：通信工程班级：学生姓名：学号：指导教师：完成日期：2013年12月目录摘要 (3)1 本课程设计的目的 (4)2 本课程设计的基本要求 (4)3 本次系统的基本原理 (6)3.1 系统的简介3.2 如何识别人脸 (6)4 具体设计内容 (7)4.1.1 软件流程 (7)4.1.2 图像数据的读取与处理 (9)4.1.3 人脸颜色建模膨胀与腐蚀 ................................................... 错误！未定义书签。
4.1.4人脸区域定位 (12)4.1.5 人脸识别及处理 ................................................................... 错误！未定义书签。
总结与致谢 .. (17)参考文献 (19)附录：系统设计程序 (20)摘要生物特征识别技术在近几十年中飞速发展。
作为人的一种内在属性，并且具有很强的自身稳定性及个体差异性，生物特征成为了自动身份验证的最理想依据。
人脸识别由于具有直接，友好，方便的特点，使用者易于为用户所接受，从而得到了广泛的研究与应用。
除此之外，我们还能够对人脸识别的结果作进一步的分析，得到有关人的性别，表情，年龄等诸多额外的丰富信息，扩展了人脸识别的应用前景。
人脸是准确鉴定一个人的身份，推断出一个人的种族、地域，地位等信息的重要依据。
科学界从图像处理、计算机视觉等多个学科对人脸进行研究。
人脸识别在满足人工智能应用和保护信息安全方面都有重要的意义，是当今信息化时代必须解决的问题。
本设计用MATLAB对图像的读取，在识别前，先对图像进行处理，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。
为保护当事人或行人的隐私权，需要将图像中当事人的人脸区域作模糊，实现图像中人脸区域隐私保护。
关键词：人脸识别；图像处理；图像模糊1 设计目的作为人的一种内在属性，并且具有很强的自身稳定性及个体差异性，生物特征成为了自动身份验证的最理想依据。
人脸识别由于具有直接，友好，方便的特点，使用者易于为用户所接受，从而得到了广泛的研究与应用。
除此之外，我们还能够对人脸识别的结果作进一步的分析，得到有关人的性别，表情，年龄等诸多额外的丰富信息，扩展了人脸识别的应用前景。
对于人脸识别(Face Recognition)，分析人脸图像，从中提取有效的识别信息，用来辨别身份的一门技术。
即，对己知人脸进行标准化处理后，通过某种方法和数据库中的人脸标本进行匹配，寻找库中对应人脸及该人脸的相关信息。
人脸识别技术应用背景十分广泛，可用于公安系统刑侦破案的罪犯身份识别、身份证及驾驶执照等证件验证、银行及海关的监控、自动门卫系统、视频会议、机器人的智能化研究以及医学等方面。
对于人身辨别方法主要是通过人身标识物品和人身标识知识两种方式来实现的。
常见的人身标示物品有钥匙、证件等各种标识，人身标示知识有用户名、密码等。
众周知，像钥匙、证件标识等人身标识物品很容易丢失或被伪造，而标识知识容易遗忘或记错，更为严重的是传统身份识别系统往往无法区分标识物品真正的拥有者和取得标识物品的冒充者，一旦他人获得标识物品，也可以拥有相同的权力，电视采访、街景地图等应用中，为保护当事人或行人的隐私权，需要将图像中当事人的人脸区域作模糊或马赛克处理。
2 设计要求1．根据已知设计要求分析人脸区域隐私保护系统设计功能，确定人脸区域隐私保护系统设计的方法，2．画出流程图，编写实现程序，并进行调试，完成系统软件设计。
3．基本教学要求：每人一台计算机，计算机安装matlab、visio等软件。
3 人脸识别系统的基本原理3.1系统概述人脸识别包括人脸检测、人脸图像预处理、人脸特征提取和人脸识别等过程。
人脸检测是指在输入图像中确定人脸的位置与大小。
人脸检测的质量影响人脸识别的其他过程以及整个人脸识别的效果，在人脸识别过程中显得尤为重要。
近年来，电子商务等网络资源的利用使得可视电话、视频会议、多媒体教学等快捷便利的交流方式成为时尚，如何实时实现复杂背景下对人脸检测和识别已成为人脸识别研究的热点[1]。
目前，已有神经网络算法、基于Hough变换或可适应的Hough变换逼近、小波变换、镶嵌图方法、颜色纹理规则等多种人脸检测方法[2～6]。
这些方法是针对静态图像的基于人脸特征的统计与结构分析方法，虽具有一般性，但分析计算量大，对噪声敏感，性能不稳定，难以实时检测。
3.2 如何识别人脸1、基于几何特征的人脸正面图像识别方法通过人脸面部拓扑结构几何关系的先验知识,利用基于结构的方法在知识的层次上提取人脸面部主要器官特征,将人脸用一组几何特征矢量来表示,识别归结为特征矢量之间的匹配,基于欧氏距离的判决是最常用的识别方法。
2、基于统计的人脸正面自动识别方法基于统计的人脸正面自动识别方法包括特征脸方法和隐马尔科夫模型方法。
统计的识别方法将人脸用代数特征矢量来表示。
代数特征是由Hong等首先提出的,由图像本身的灰度分布决定,它描述了图像的内存信息,它是通过对图像灰度进行各种代数变换和矩阵分解提出的。
将人脸看作一个二维的灰度变化的模板,从整体上捕捉和描述人脸的特征,所运用的主要是一些标准的数据统计技巧,运算比较复杂4 具体设计内容4.1.1 软件流程人脸识别系统的方法，软件流程如图4.1所示接下来将按照上面的流程图，对系统进行介绍，在介绍系统的同时对一些常用图像，图形处理的基本方法做介绍，这包括了图像，图形学上的一些基本的概念和处理手段，也根据图像需要进行简单的处理。
对人脸的定位处理流程图4.2如下4.1.2 图像数据的读取与处理这非线性分段色彩变换得到的肤色模型属于色彩空间中的聚类模型，这一类肤色模型的建立首先要选取一种合适的色彩空间。
注意要YCbCr色彩空间具有如下一些优点：(a)YCrCb色彩格式具有与人类视赏感知过程相似的构成原理。
(b)YCrCb色彩格式被广泛的应用在电视显示的领域中，也是许多视频压缩编码，如MPEG、JPEG等标准中普遍采用的颜色表示格式。
(c)YCrCb色彩格式具有与HIS等其他一些色彩格式相类似的将色彩中的亮度分量分离出来的优点。
(d)相比HIS等其他一些色彩格式，YCrCb色彩格式的计算过程和空间坐标表示形式比较简单。
(e)实验结果表明在YCrCb色彩空间中肤色的聚类特性比较好。
可以通过摄像头来获取,也可以通过图像库来获取。
在图像获取以后,将图像显示出来,同时记录下图像在内存的地址,以便在图像处理中使用。
RGB=imread('4.jpg'); %face02,04,06YCbCr=rgb2ycbcr(RGB); %将RGB色彩值变换为YcbCr色彩空间（将RGB真彩色图像转化为YcbCr色彩空间中相等的图像）Y=YCbCr(:,:,1); %这三行分别是Ycbcr空间的y,cb,cr对应矩阵Cb=YCbCr(:,:,2);Cr=YCbCr(:,:,3);imshow(RGB);title('原始图像RGB'); %原始图像figure,imshow(YCbCr);title('YcbCr色彩空间的图像'); %进行将RGB色彩值变换为YcbCr色彩空间的图像如图2所示：原始图像YCbCr图图2 原图像与YCbCr图4.1.2人脸颜色建模膨胀与腐蚀long lOffsetJudge；for(int i_l；i<height-I；i++)for(intj=l；j<width—l；j++){lOffset=this一>PixelOffset(i，j，wBytesPerLine)；，，如果当前点为白色，接着循环if(+(1pData+lOffseO一255、{+(1pTemp+IOffset++)=255；+(1pTemp+lOffset++)=255；+(1pTemp+lOffset++)=255；continue；}，／否则考察上下左右四个点else{IOffsetJudge=this->PixelOffset(i一1，j，wBytesPerLine)，／如果上面的点为白色if(+(1pData+10ffsetJudge)一255)f ／／设置为白色，并继续循环代码：I=RGB;W=size(YCbCr,1); %y对应矩阵宽大小H=size(YCbCr,2); %y对应矩阵高大小k=(2.53/180)*pi;m=sin(k);n=cos(k); %正余弦噪声%%%111111111111111111111111111cx=109.38;cy=152.02;ecx=1.60;ecy=2.41;a=25.39;b=14.03; %(cb=( 100,140),cr=(70,160)这是阈值，这个阈值应该是人脸肤色的范围for i=1:Wfor j=1:Hif Y(i,j)<110I(i,j,:)=0;elseif (Y(i,j)<=200&&Y(i,j)>=110)x=(double(Cb(i,j))-cx)*n+(double(Cr(i,j))-cy)*m;y=(double(Cr(i,j))-cy)*n-(double(Cb(i,j))-cx)*m;if((x-ecx)^2/a^2+(y-ecy)^2/b^2)<=1I(i,j,:)=255;else I(i,j,:)=0;endelseif Y(i,j)>200x=(double(Cb(i,j))-cx)*n+(double(Cr(i,j))-cy)*m;y=(double(Cr(i,j))-cy)*n-(double(Cb(i,j))-cx)*m;if ((x-ecx)^2/(1.1*a)^2+(y-ecy)^2/(1.1*b)^2)<=1I(i,j,:)=255; %肤色部分变为白色else I(i,j,:)=0; %其余转成黑色endendendendfigure,imshow(I);title('肤色区分后的图像'); %进行将肤色识别后的黑白图像如图3所示：图3肤色区分后的图像处理se1=strel('square',35); %这个函数可以创建边长35的方形元素f0=imclose(I,se1); %利用上面创建的方形元素，弥补imshow(I)中人脸中以及其他部分残留的小块黑色figure,imshow(f0);title('修补漏洞后的人脸'); %显示修补漏洞后的人脸如图4所示：图4 修补漏洞后的人脸图4.1.4人脸区域的定位人脸定位是完成对需定位的人脸运动区域进行肤色检测。