圖像預(yù)處理方法

1、預(yù)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(huán)境的不同，如光照明暗程度以及設(shè)備性能的優(yōu)劣等，往往存在有噪聲，對比度不夠等缺點。另外，距離遠(yuǎn)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(zhì)量的一致性，必須對圖像進行預(yù)處理。圖像預(yù)處理的主要目的是消除圖像中無關(guān)的信息，濾除干擾、噪聲，恢復(fù)有用的真實信息，增強有關(guān)信息的可檢測性和最大限度地簡化數(shù)據(jù)，從而改進特征抽取的可靠性.人臉圖像的預(yù)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；圖像增強是為了改善人臉圖

2、像的質(zhì)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(biāo)是取得尺寸一致，灰度取值范圍相同的標(biāo)準(zhǔn)化人臉圖像4。2.1 幾何規(guī)范化由于圖像在提取過程中易受到光照、表情、姿態(tài)等擾動的影響,因此在識別之前需要對圖像做歸一化的預(yù)處理4,通常以眼睛坐標(biāo)為基準(zhǔn)點,通過平移、旋轉(zhuǎn)、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(jù)。定位眼睛到預(yù)定坐標(biāo),將圖像縮放至固定大小。通過平移、旋轉(zhuǎn)、縮放等幾何仿射變換,可以對人臉圖像做幾何規(guī)范化處理,仿

3、射變換的表達(dá)式為: (2-1)其中(u,v)表示輸入圖像中像素的坐標(biāo)(x,y)表示輸出圖像中像素的坐標(biāo)。將上式展開可得 (2-2)平移變換就是給圖像中的所有點的坐標(biāo)都加上和 ,其變換表達(dá)式為 (2-3)將圖像中的所有點相對于坐標(biāo)原點逆時針旋轉(zhuǎn)角的變換表達(dá)式為 (2-4)縮放變換既是將圖像按給定的比例放大或縮小,當(dāng)時圖像被放大,當(dāng) 時圖像被縮小,其變換表達(dá)式為 (2-5)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(guī)范化，將兩個人眼的位置固定在同一位置上，結(jié)果如圖2.1,圖2.2所示。圖2.1 幾何規(guī)范化之前的人臉圖像圖2.2 幾何規(guī)范化后的人臉圖像2.2 灰度級插值圖像經(jīng)過空間變換

4、后,變換后的空間中各像素的灰度值應(yīng)該等于變換前圖像對應(yīng)位置的像素值。但實際情況中,圖像經(jīng)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(yīng)于變換前圖像上非整數(shù)坐標(biāo)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、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(yù)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(xù)性,能夠放大圖像中的高頻分量,產(chǎn)生明顯的塊狀效應(yīng)。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(lǐng)域采樣點的平均值

5、,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(xù)性,但雙線性插值具有低通濾波的性質(zhì),會導(dǎo)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(shù),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(guī)范化灰度規(guī)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(zhì)量,并將其統(tǒng)一到給定的水平。2.3.1 圖像平滑圖像平滑處理的目的

6、是為了抑制噪聲,改善圖像質(zhì)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(nèi)各像素的灰度平均值代替該像素原來的灰度值,實現(xiàn)圖像的平滑。由于圖像中的噪聲屬于高頻分量,空域濾波法采用低通濾波的方法去除噪聲實現(xiàn)圖像平滑。中值濾波是一種非線性處理技術(shù)，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(xiàn)，這些點對應(yīng)的像素數(shù)很少，而圖像則是由像素較多、面積較大的小塊構(gòu)成12。無論是直接獲取的灰度圖像，還是由彩色圖像轉(zhuǎn)換得到的灰度圖像，里面都有噪聲的存在，噪聲對圖像質(zhì)量有很大的影響。進行中值濾波不僅可以

7、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(chǎn)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(yīng)像素的灰度值；（3）將這些灰度值從小到大排成一列；（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(yīng)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(chǎn)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(xì)節(jié)13。實例如下：圖2.3 原始圖像與5

8、*5中值濾波后的效果圖2.3.2 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(xiàn)的頻率之間的關(guān)系,可以表示為： (2-6)其中,表示第個灰度級,為第級灰度的像素數(shù),為一幅圖像的像素總數(shù),灰度直方圖是圖像的重要統(tǒng)計特征,可以被認(rèn)為是圖像灰度概率密度函數(shù)的近似,直方圖均衡化就是將圖像的灰度分布轉(zhuǎn)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(nèi),經(jīng)過均衡化處理后,圖像所有灰度級出現(xiàn)的概率相同,此時圖像的熵最大,即圖像包含的信息量最大。以和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(shù),則在0,1區(qū)間內(nèi)任意一個經(jīng)變換后都

9、對應(yīng)一個,。應(yīng)滿足下列條件:1. 在0,1區(qū)間內(nèi)為單調(diào)遞增函數(shù);2. 在0,1區(qū)間內(nèi),反變換也存在,且為單調(diào)遞增函數(shù)。條件1保證了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(nèi)。有概率論論可知，已知隨機變量的概率密度函數(shù)為，而隨機變量是的函數(shù)，則隨機變量的概率密度函數(shù)可由求出。假定隨機變量的分布函數(shù)，根據(jù)分布函數(shù)的定義： (2-7)根據(jù)概率密度函數(shù)和分布函數(shù)之間的倒數(shù)關(guān)系，將上式兩邊對求導(dǎo)得： (2-8)從上式可以看出，通過變換函數(shù)可以控制圖像灰度的概率密度函數(shù)，因為直方圖均衡化有，則： (2-9)兩邊積分得： (2-10)上式表明變換函數(shù)為原圖像直方圖的累計函數(shù)。對于灰度為

10、離散的數(shù)字圖像來說，用頻率代替概率，變換函數(shù)的離散形式可以表示為： (2-11)式中：，,為灰度級數(shù)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(jīng)過直方圖均衡化后，圖像的細(xì)節(jié)更加清楚，直方圖各灰度等級的分布更加平衡。2.3.3 灰度變換灰度拉伸又叫對比度拉伸，它是最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(shù)，它是將原圖像亮度值動態(tài)范圍按線性關(guān)系擴展到指定的范圍或整個動態(tài)范圍。它的主要思想是提高圖像處理時灰度級的動態(tài)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(tǒng)計，來確定對圖像進行灰度拉伸的兩個拐點； 灰度變換，根據(jù)步驟確定的分段線性變換函數(shù)進行像素灰度值的映射。實例如下：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(xì)節(jié)更加的突出。通過灰度變換,將不同圖像的灰度分布參數(shù)統(tǒng)一調(diào)整到預(yù)定的數(shù)值,稱為灰度歸一化,通常是調(diào)整圖像灰度分布的均值和均方差分別為0和1。設(shè)一幅尺寸為的圖像的灰度值分布可以用矩陣形式表示,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