1、預處理就是在圖像分析中，對輸入圖像進行特征抽取等前所進行的處理。輸入圖像 由于圖像采集環境的不同，如光照明暗程度以及設備性能的優劣等，往往存在有噪聲， 對比度不夠等缺點。另外，距離遠近，焦距大小等又使得人臉在整幅圖像中間的大小和 位置不確定。為了保證人臉圖像中人臉大小，位置以及人臉圖像質量的一致性，必須對 圖像進行預處理。圖像預處理的主要目的是消除圖像中無關的信息，濾除干擾、噪聲, 恢復有用的真實信息，增強有關信息的可檢測性和最大限度地簡化數據，從而改進特征 抽取的可靠性人臉圖像的預處理主要包括人臉扶正，人臉圖像的增強，以及歸一化等工作。人臉 扶正是為了得到人臉位置端正的人臉圖像；圖像增強是為

2、了改善人臉圖像的質量，不僅 在視覺上更加清晰圖像，而且使圖像更利于計算機的處理與識別。歸一化工作的目標是 取得尺寸一致，灰度取值范圍相同的標準化人臉圖像 。2.1 幾何規范化由于圖像在提取過程中易受到光照、 表情、姿態等擾動的影響，因此在識別之前需要 對圖像做歸一化的預處理，通常以眼睛坐標為基準點，通過平移、旋轉、縮放等幾何仿射 變換對人臉圖像進行歸一化。因為人臉雖然是柔性的三維曲面，同一人臉因表情變化會有 差異，但相對而言人的兩眼之間的距離變化不會很大，因此雙眼的位置及眼距，就成為人臉 圖像歸一化的依據。定位眼睛到預定坐標，將圖像縮放至固定大小。通過平移、旋轉、縮放等幾何仿射變 換，可以對人

3、臉圖像做幾何規范化處理，仿射變換的表達式為：其中(u,v)表示輸入圖像中像素的坐標(x,y)表示輸出圖像中像素的坐標。將上式展開 可得xau a?1v a31y au a?2v a32平移變換就是給圖像中的所有點的坐標都加上u和 v，其變換表達式為aiia120 x,y,1u,v,1a2ia31a220a321(2-1)(2-2)100 x,y,1 u,v,1010u v 1cossin0 x, y,1 u, v,1 sin cos 0 0 0 1縮放變換既是將圖像按給定的比例r 放大或縮小，當 r 1 時圖像被放大時圖像被縮小，其變換表達式為r 0 0 x,y,1 u,v,10 r 00 0

4、 1本論文在對人臉圖像特征提取之前，首先對所有的圖像進行幾何規范化將圖像中的所有點相對于坐標原點逆時針旋轉角的變換表達式為眼的位置固定在同一位置上，結果如圖2.1,圖2.2所示。(2-3)(2-4),當0 r 1(2-5)，將兩個人圖 2.1 幾何規范化之前的人臉圖像圖 2.2 幾何規范化后的人臉圖像2.2 灰度級插值圖像經過空間變換后，變換后的空間中各像素的灰度值應該等于變換前圖像對應位 置的像素值。但實際情況中，圖像經過幾何變換后，某些像素會擠壓在一起或者分散開來,使得變換后圖像的一些像素對應于變換前圖像上非整數坐標的位置，為此需要通過插值求出這些像素的灰度值，通常采用的方法有最近鄰插值、

5、雙線性插值和雙三次插值。2.2.1 最近鄰插值最近鄰插值是一種最簡單的插值方法，輸出的像素灰度值就是輸入圖像中預期最鄰 近的像素的灰度值，這種方法的運算量非常小，但是變換后圖像的灰度值有明顯的不連續 性,能夠放大圖像中的高頻分量，產生明顯的塊狀效應。2.2.2 雙線性插值雙線性插值輸出像素的灰度值是該像素在輸入圖像中2*2領域采樣點的平均值，利 用周圍四個相鄰像素的灰度值在垂直和水平兩個方向上做線性插值。 這種方法和最近鄰 插值法相比，計算量稍有增加，變換后圖像的灰度值沒有明顯的不連續性，但雙線性插值具 有低通濾波的性質，會導致高頻分量信息的部分丟失，圖像輪廓變得模糊不清。2.2.3 雙三次插

6、值雙三次插值利用三次多項式來逼近理論上的最佳正弦插值函數，其插值鄰域的大小為4*4,計算時用到周圍16個相鄰像素的灰度值，這種方法的計算量是最大的，但能克服前 兩種插值方法的缺點，計算精度較高。2.3 灰度規范化灰度規范化是通過圖像平滑、直方圖均衡化、灰度變換等圖像處理方法來改善圖像 質量，并將其統一到給定的水平2.3.1 圖像平滑圖像平滑處理的目的是 為了抑制噪聲，改善圖像質量,可以在空間域和頻域中進行。 常用的方法包括：鄰域平均、空域濾波和中值濾波 等。鄰域平均法是一種局部空間域處理 的方法,它用像素鄰域內各像素的灰度平均值代替該像素原來的灰度值，實現圖像的平滑。由于圖像中的噪聲屬于高頻分

7、量，空域濾波法采用低通濾波的方法去除噪聲實現圖像平 滑。中值濾波是一種非線性處理技術，能抑制圖像中的噪聲。它是基于圖像的這樣一種 特性：噪聲往往以孤立的點的形式出現，這些點對應的像素數很少，而圖像則是由像素 較多、面積較大的小塊構成12。無論是直接獲取的灰度圖像，還是由彩色圖像轉換得到的灰度圖像，里面都有噪聲 的存在，噪聲對圖像質量有很大的影響。進行中值濾波不僅可以去除孤點噪聲，而且可 以保持圖像的邊緣特性，不會使圖像產生顯著的模糊，比較適合于實驗中的人臉圖像。中值濾波的步驟：（1）將模板在圖中漫游，并將模板中心與圖中某個像素位置重合；（2）讀取模板下各對應像素的灰度值；（3）將這些灰度值從小

8、到大排成一列；（4）找出這些值里排在中間的一個；（5）將這個中間值賦給對應模板中心位置的像素。由以上步驟可以看出，中值濾波的主要功能就是讓與周圍像素灰度值的差比較大的 像素改取與周圍像素值接近的值， 所以它對孤立的噪聲像素的消除能力是很強的。 由于 它不是簡單的取均值，所以產生的模糊比較少。換句話說，中值濾波即能消除噪聲又能 保持圖像的細節130實例如下：圖 2.3 原始圖像與 5*5 中值濾波后的效果圖232 直方圖均衡化灰度直方圖反映了圖像中 每一灰度級與具有該灰度級的像素出現的頻率之間的關系,可以表示為：Pg)牛(2-6)其中山表示第 k 個灰度級，nk為第 k 級灰度的像素數，N 為一

9、幅圖像的像素總數，灰 度直方圖是圖像的重要統計特征，可以被認為是圖像灰度概率密度函數的近似，直方圖均 衡化就是將圖像的灰度分布轉換為均勻分布。對于對比度較小的圖像來說，其灰度直方圖 分布集中在某一較小的范圍之內，經過均衡化處理后，圖像所有灰度級出現的概率相同，此 時圖像的熵最大，即圖像包含的信息量最大。以 r 和s分別表示歸一化了的原圖像灰度和 直方圖均衡化后的圖像灰度,T(r)為變換函數，則在0,1區間內任意一個 r 經變換后都對應 一個s,s T(r)。T(r)應滿足下列條件：1.S在0,1區間內為單調遞增函數；2.在0,1區間內，反變換r T1(s)也存在,且為單調遞增函數。條件1保證了

10、灰度級從黑到白的次序，條件2確保了映射后的像素灰度在允許的范圍內。有概率論論可知，已知隨機變量r 的概率密度函數為 Pr(r)，而隨機變量 s 是r的函數，則隨機變量s的概率密度函數 Ps(s)可由 Pr(r)求出。假定隨機變量 s 的分布函數 Fs(s)， 根據分布函數的定義:srFs(s)Ps(s)dsPr(r)dr根據概率密度函數和分布函數之間的倒數關系，將上式兩邊對s求導得:sPs(s)圖均衡化有Ps(s)1，貝ds R(r)dr dT(r)兩邊積分得:(2-7)(2-8)從上式可以看出，通過變換函數T(r)可以控制圖像灰度的概率密度函數，因為直方(2-9)rs T(r)0Pr(r)(

11、2-10)上式表明變換函數為原圖像直方圖的累計函數。對于灰度為離散的數字圖像來說，用頻率代替概率，變換函數 T(r)的離散形式可以 表示為：kk2 T(rk)P(r?(2-11)i oi oN式中：0k1，k 0,1,2.L 1,L,L 為灰度級數目。示例如下：圖 2.4 直方圖均衡化前后的圖像由兩幅圖像處理前后的效果變化可以看出經過直方圖均衡化后，圖像的細節更加清楚，直方圖各灰度等級的分布更加平衡。處理前的圄儼處理前的圄儼團像處理前的直方囹團像處理前的直方囹0 100 200均衝化后的團像均衝化后的團像均衡化后團像的直方團均衡化后團像的直方團2.3.3 灰度變換灰度拉伸又叫對比度拉伸，它是最

12、基本的一種灰度變換，使用的是最簡單的分段線性變換函數，它是將原圖像亮度值動態范圍按線性關系擴展到指定的范圍或整個動態范 圍。它的主要思想是提高圖像處理時灰度級的動態范圍，適用于低對比度圖像的處理， 一般由兩個基本操作組成： 直方圖統計，來確定對圖像進行灰度拉伸的兩個拐點； 灰度變換，根據步驟確定的分段線性變換函數進行像素灰度值的映射。 實例如下：原怡列佚灰濟粒伸岳的闔傑圖 2.5 原始圖像以及灰度拉伸處理后的效果由兩幅圖像處理前后的效果變化可以看出灰度拉伸后增強了圖像的對比度，使得圖像細節更加的突出。通過灰度變換，將不同圖像的灰度分布參數統一調整到預定的數值，稱為灰度歸一化,通常是調整圖像灰度分布的均值和均方差分別為0和1。設一幅尺寸為 M*N 的圖像的灰度值分布可以用矩陣 l(i,j)形式表示,1 i M ;1 J N,矩陣每個元素值即為圖像中該點的像素值，則圖像的灰度值分布概率密度函數的均值和均