數(shù)學教學中的德育滲透總結(jié) 三下及數(shù)字圖像處理課程設計

山東建筑大學信息與電氣工程學院課程設計說明書數(shù)學教學中的德育滲透總結(jié)中和街小學新的課程標準把德育教育放在十分重要的地位。新課程的培養(yǎng)目標指導我們，要使學生具有愛國主義、集體主義精神，熱愛社會主義，繼承社會主義民主法制意識，遵守國家法律和社會公德；逐步形成正確的世界觀，人生觀，價值觀；具有社會主義責任感，努力為人民服務，要使學生成為有理想、有道德、有文化、有紀律的一代新人。這充分說明了德育教育在整個教育教學中的重要地位，作為基礎學科的數(shù)學肯定也必須重視德育教育。那么怎樣才能在數(shù)學教學中如何貫徹落實這一要求呢？一、聯(lián)系實際，進行學習目的教育數(shù)學知識在日常生活、生產(chǎn)建設和科技等方面有著廣泛的應用。教學時應根據(jù)學生的年齡特征和接受能力，聯(lián)系實際，闡明所學知識的用處，從而不斷激發(fā)學生的興趣，調(diào)動他們學習的主動性和積極性，深入淺出地進行學習目的教育。通過教師簡明扼要的介紹，要使學生把所學新知識同現(xiàn)實生活、今后的學習和國家的建設逐步聯(lián)系起來，明確所學知識的重要性。另外，還可以借助報刊、雜志、廣播、電視等提供的材料，有計劃、有目的地向?qū)W生介紹一些數(shù)學在現(xiàn)代信息社會中的廣泛應用。使學生開闊眼界，產(chǎn)生學好新知識的欲望和正確的學習動機，增強學習的動力。二、結(jié)合教學內(nèi)容，進行愛祖國、愛社會主義、愛科學的教育數(shù)學教材中有很多插圖和應用題，教學時可以選擇富有教育意義、形象生動的插圖，有說服力的數(shù)據(jù)和統(tǒng)計材料，以及數(shù)學史料等內(nèi)容，進行愛祖國、愛社會主義、愛科學的教育。例如：如我國地域廣大，東西相距約５０００千米，南北相距約５５００千米，領土面積約９６０萬平方千米，我國境內(nèi)有世界著名的大河長江，長６３００千米，等等。解決問題時，可以根據(jù)應用題中所反映的日常生活、工業(yè)、農(nóng)業(yè)、衛(wèi)生、交通、教育、科技等方面有說服力的數(shù)據(jù)，經(jīng)過比較、分析，進行愛家鄉(xiāng)、愛祖國、愛社會主義、愛科學的教育。另外，還可以結(jié)合教學內(nèi)容介紹一些我國的發(fā)明創(chuàng)造，如“九九口訣”和“七巧板”的發(fā)明，“珠算”的歷史，以及我國歷史上祖沖之的輝煌成就，等等。從而增強學生的民族自豪感和自信心，樹立長大后為祖國社會主義建設作貢獻的雄心壯志。三、示范導行，進行良好學習習慣的教育數(shù)學課上，教師和學生的示范作用以及老師對學生的嚴格要求，是培養(yǎng)學生良好學習習慣的主要方法。教師的示范作用體現(xiàn)在，教師要通過自己的一言一行、一舉一動來感染學生，以自己嚴謹?shù)慕虒W風格和一絲不茍的工作態(tài)度來影響學生。例如：上課時，教師著裝要樸素大方，講普通話，語言要清楚、明白、有邏輯性。板書要整齊，書寫要規(guī)范，輔導“學困生”要耐心、細致，使學生在教師的表率作用下，潛移默化地受到有益的熏陶和教育。學生的示范作用體現(xiàn)在，課上教師要注意發(fā)現(xiàn)有突出表現(xiàn)的學生，用實例來激勵其他同學。例如：對上課認真聽講，學習認真刻苦，作業(yè)正確、整潔，思考問題機智靈活等方面的同學，教師要及時表揚，為其他同學樹立學習的榜樣。教學時，教師還要針對所教班級學生的特點提出不同程度的要求。例如：要求學生聽課要專心，分析題意時重點字、句要用筆畫出來，作業(yè)要干凈、正確，要求驗算的要列式驗算等?？傊?，不論是師、生的示范還是教師的要求，教師都要有目的、有意識地培養(yǎng)學生認真、嚴格、刻苦的學習態(tài)度；獨立思考、克服困難的精神；計算仔細、書寫工整以及自覺檢驗的良好學習習慣。總之，在數(shù)學學科教學中，雖然不能像語文、政治那樣直接、系統(tǒng)地對學生進行德育教育，但只要我們善于發(fā)掘教材中的德育因素，在教學過程中實事求是，聯(lián)系實際，善于引導，就能行之有效地進行德育滲透。課程設計說明書題目：圖像人臉區(qū)域隱私保護系統(tǒng)設計課程：數(shù)字圖像處理課程設計院（部）：信息與電氣工程學院專業(yè)：班級：學生姓名：學號：指導教師：完成日期： 目錄摘要 31設計目的 32設計要求 33人臉識別系統(tǒng)概述 33.1當前現(xiàn)狀 33.2系統(tǒng)概述 33.3人臉識別的常用方法 34設計內(nèi)容 34.1系統(tǒng)方案設計 34.2軟件模塊設計 34.2.1圖像輸入設計 34.2.2圖像膚色區(qū)分設計 34.2.3對膚色圖進行修補處理設計 34.2.4網(wǎng)格標記圖像設計 34.2.5人臉識別標記 34.2.6對原圖像進行臉部模糊處理 3總結(jié)與致謝 3參考文獻 3附錄：系統(tǒng)設計程序 3摘要人臉是準確鑒定一個人的身份，推斷出一個人的種族、地域，地位等信息的重要依據(jù)?？茖W界從圖像處理、計算機視覺等多個學科對人臉進行研究。人臉識別在滿足人工智能應用和保護信息安全方面都有重要的意義，是當今信息化時代必須解決的問題。本設計用MATLAB對圖像的讀取，在識別前，先對圖像進行處理，再通過膚色獲得可能的臉部區(qū)域，最后根據(jù)人臉固有眼睛的對稱性來確定是否就是人臉，同時采用高斯平滑來消除圖像的噪聲，再進行二值化，二值化主要采用局域取閾值方法，接下來就進行定位、提取特征值和識別等操作。經(jīng)過測試，圖像預處理模塊對圖像的處理達到了較好的效果，提高了定位和識別的正確率。為保護當事人或行人的隱私權，需要將圖像中當事人的人臉區(qū)域作模糊，實現(xiàn)圖像中人臉區(qū)域隱私保護。關鍵詞：人臉識別；圖像處理；圖像模糊1設計目的近年來隨著科技和人們的生活水平的提高，生物特征識別技術在近幾十年中飛速發(fā)展。隨著社會的發(fā)展和技術的進步，特別是近年來計算機在軟硬件方面性能的飛速提升，各應用領域?qū)焖俑咝У纳矸蒡炞C的要求日益迫切。由于生物特征是人的內(nèi)在屬性，具有很強的自身穩(wěn)定性和個體差異性，因此成為身份驗證的最理想依據(jù)。其中，利用人臉特征進行身份驗證又是最自然最直接的手段。人臉識別系統(tǒng)與指紋、虹膜、掌紋等其他人體生物特征識別系統(tǒng)相比，更加友好、方便，更易于為用戶所接受。作為人的一種內(nèi)在屬性，并且具有很強的自身穩(wěn)定性及個體差異性，生物特征成為了自動身份驗證的最理想依據(jù)。人臉識別由于具有直接，友好，方便的特點，使用者易于為用戶所接受，從而得到了廣泛的研究與應用。除此之外，我們還能夠?qū)θ四樧R別的結(jié)果作進一步的分析，得到有關人的性別，表情，年齡等諸多額外的豐富信息，擴展了人臉識別的應用前景。所謂人臉識別(FaceRecognition)，分析人臉圖像，從中提取有效的識別信息，用來辨別身份的一門技術。即，對己知人臉進行標準化處理后，通過某種方法和數(shù)據(jù)庫中的人臉標本進行匹配，尋找?guī)熘袑四樇霸撊四樀南嚓P信息。人臉識別技術應用背景十分廣泛，可用于公安系統(tǒng)刑偵破案的罪犯身份識別、身份證及駕駛執(zhí)照等證件驗證、銀行及海關的監(jiān)控、自動門衛(wèi)系統(tǒng)、視頻會議、機器人的智能化研究以及醫(yī)學等方面。人身辨別方法主要是通過人身標識物品和人身標識知識兩種方式來實現(xiàn)的。常見的人身標示物品有鑰匙、證件等各種標識，人身標示知識有用戶名、密碼等。眾周知，像鑰匙、證件標識等人身標識物品很容易丟失或被偽造，而標識知識容易遺忘或記錯，更為嚴重的是傳統(tǒng)身份識別系統(tǒng)往往無法區(qū)分標識物品真正的擁有者和取得標識物品的冒充者，一旦他人獲得標識物品，也可以擁有相同的權力，電視采訪、街景地圖等應用中，為保護當事人或行人的隱私權，需要將圖像中當事人的人臉區(qū)域作模糊或馬賽克處理。因此具有廣闊的應用前景和商業(yè)價值。2設計要求讀取人物圖像。對圖像進行數(shù)字圖像處理。3、對人臉識別。4、對人臉進行模糊或者馬賽克處理。3人臉識別系統(tǒng)概述3.1當前現(xiàn)狀自動人臉識別技術的研究開始于20世紀60年代末期。20世紀90年代后期以來,一些商業(yè)性的人臉識別系統(tǒng)逐漸進入市場。近幾年,人臉識別作為計算機安全技術在全球范圍內(nèi)迅速發(fā)展起來,特別是美國遭遇恐怖襲擊后,這一技術引起廣泛關注。人臉識別技術具有廣泛的應用前景,在國家安全、軍事安全和公共安全領域,智能門禁、智能視頻監(jiān)控、公安布控、海關身份驗證、司機駕照驗證等是典型的應用;在民事和經(jīng)濟領域,各類銀行卡、金融卡、信用卡、儲蓄卡的持卡人的身份驗證、社會保險人的身份驗證等具有重要的應用價值;在家庭娛樂等領域,人臉識別也具有一些有趣有益的應用,比如能夠識別主人身份的智能玩具、家政機器人、具有真實面像的虛擬游戲玩家等等。人臉識別作為一種人體生物特征識別技術,它涉及人工智能、模式識別、計算機視覺、圖像處理和分析、圖像編碼、計算機圖形學等眾多學科領域,依據(jù)視覺通道的輸入信息,在人臉檢測和跟蹤得到輸入人臉圖像模式的基礎上,定位人面的主要生理特征區(qū)域(眼睛、鼻子、下巴等)并給出其形狀特征,實現(xiàn)輸入人臉模式的識別,達到確定使用者身份的目的。3.2系統(tǒng)概述人臉識別包括人臉檢測、人臉圖像預處理、人臉特征提取和人臉識別等過程。人臉檢測是指在輸入圖像中確定人臉的位置與大小。人臉檢測的質(zhì)量影響人臉識別的其他過程以及整個人臉識別的效果，在人臉識別過程中顯得尤為重要。近年來，電子商務等網(wǎng)絡資源的利用使得可視電話、視頻會議、多媒體教學等快捷便利的交流方式成為時尚，如何實時實現(xiàn)復雜背景下對人臉檢測和識別已成為人臉識別研究的熱點[1]。目前，已有神經(jīng)網(wǎng)絡算法、基于Hough變換或可適應的Hough變換逼近、小波變換、鑲嵌圖方法、顏色紋理規(guī)則等多種人臉檢測方法[2～6]。這些方法是針對靜態(tài)圖像的基于人臉特征的統(tǒng)計與結(jié)構(gòu)分析方法，雖具有一般性，但分析計算量大，對噪聲敏感，性能不穩(wěn)定，難以實時檢測。3.3人臉識別的常用方法1、基于幾何特征的人臉正面圖像識別方法通過人臉面部拓撲結(jié)構(gòu)幾何關系的先驗知識,利用基于結(jié)構(gòu)的方法在知識的層次上提取人臉面部主要器官特征,將人臉用一組幾何特征矢量來表示,識別歸結(jié)為特征矢量之間的匹配,基于歐氏距離的判決是最常用的識別方法。2、基于統(tǒng)計的人臉正面自動識別方法基于統(tǒng)計的人臉正面自動識別方法包括特征臉方法和隱馬爾科夫模型方法。統(tǒng)計的識別方法將人臉用代數(shù)特征矢量來表示。代數(shù)特征是由Hong等首先提出的,由圖像本身的灰度分布決定,它描述了圖像的內(nèi)存信息,它是通過對圖像灰度進行各種代數(shù)變換和矩陣分解提出的。將人臉看作一個二維的灰度變化的模板,從整體上捕捉和描述人臉的特征,所運用的主要是一些標準的數(shù)據(jù)統(tǒng)計技巧,運算比較復雜4設計內(nèi)容4.1系統(tǒng)方案設計讀取圖像讀取圖像字圖像處理圖像進行數(shù)面部特征定位人臉識別人臉模糊處理標出臉部輸出處理后的圖像圖1系統(tǒng)總設計方框圖4.2軟件模塊設計4.2.1圖像輸入設計可以通過攝像頭來獲取,也可以通過圖像庫來獲取。在圖像獲取以后,將圖像顯示出來,同時記錄下圖像在內(nèi)存的地址,以便在圖像處理中使用。RGB=imread('face06.jpg');%face02,04,06YCbCr=rgb2ycbcr(RGB);%將RGB色彩值變換為YcbCr色彩空間（將RGB真彩色圖像轉(zhuǎn)化為YcbCr色彩空間中相等的圖像）Y=YCbCr(:,:,1);%這三行分別是Ycbcr空間的y,cb,cr對應矩陣Cb=YCbCr(:,:,2);Cr=YCbCr(:,:,3);imshow(RGB);title('原始圖像RGB');%原始圖像figure,imshow(YCbCr);title('YcbCr色彩空間的圖像');%進行將RGB色彩值變換為YcbCr色彩空間的圖像如圖2所示：原始圖像YCbCr圖圖2原圖像與YCbCr圖4.2.2圖像膚色區(qū)分設計人臉定位是完成對需定位的人臉運動區(qū)域進行膚色檢測。在膚色分割階段，采用YCrCb色度空間，能較好地獲取膚色區(qū)域，排除一些類似人臉膚色的非人臉區(qū)域，并使用投影法正確標記人臉。人臉定位過程包括5個步驟。

1)

相似度計算，方法是定義)/(BGRRr++=和)/(BGRBb++=，把三維RGB降為二維，在二維平面上，膚色的區(qū)域相對集中，根據(jù)膚色在色度空間的高斯(Gauss)分布，將彩色圖像中的某個像素從RGB色彩空間變換到Y(jié)CbCr空間，可以計算出該像素點屬于膚色區(qū)域的概率，即根據(jù)該像素點離高斯分布中心的遠近程度得到一個與膚色的相似度(圖2a是待檢測區(qū)域的相似度)，相似度計算公式為：

)]()(5.0exp[),(1mxCmxbrPT???=?

(5)

式中

M為均值；C為方差。

2)

選擇適當?shù)拈撝担瑢D像中的待檢測區(qū)域進行二值化處理。

3)

對二值圖像作形態(tài)學處理，利用圓形結(jié)構(gòu)元素作膨脹變換，抹掉細節(jié)，使圖像平滑。

4)

用直方圖方式對二值圖像進行垂直投影和水平投影，如圖2b和圖2c所示。圖像中人臉區(qū)域的獲取,根據(jù)膚色來獲取,通過膚色非線形分段色彩變換來實現(xiàn)。對圖像進行圖像灰度化、高斯平滑處理、對比度增強、二值化等一系列的圖像處理之后,可以根據(jù)人的兩個眼睛具有對稱、眼睛下面有鼻子、再往下有嘴巴的特點,來確定劃分的區(qū)域是否就是人臉區(qū)域代碼：I=RGB;W=size(YCbCr,1);%y對應矩陣寬大小H=size(YCbCr,2);%y對應矩陣高大小k=(2.53/180)*pi;m=sin(k);n=cos(k);%正余弦噪聲%%%111111111111111111111111111cx=109.38;cy=152.02;ecx=1.60;ecy=2.41;a=25.39;b=14.03;%(cb=(100,140),cr=(70,160)這是閾值，這個閾值應該是人臉膚色的范圍fori=1:Wforj=1:HifY(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;elseI(i,j,:)=0;endelseifY(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;%膚色部分變?yōu)榘咨玡lseI(i,j,:)=0;%其余轉(zhuǎn)成黑色endendendendfigure,imshow(I);title('膚色區(qū)分后的圖像');%進行將膚色識別后的黑白圖像如圖3所示：圖3膚色區(qū)分后的圖像4.2.3對膚色圖進行修補處理設計se1=strel('square',35);%這個函數(shù)可以創(chuàng)建邊長35的方形元素f0=imclose(I,se1);%利用上面創(chuàng)建的方形元素，彌補imshow(I)中人臉中以及其他部分殘留的小塊黑色figure,imshow(f0);title('修補漏洞后的人臉');%顯示修補漏洞后的人臉如圖4所示：圖4修補漏洞后的人臉圖4.2.4網(wǎng)格標記圖像設計對人臉圖像打上網(wǎng)格，對區(qū)域塊圖像做二值分析，通過像素比例來做處理，進而得到人臉區(qū)域。

在彩色圖像中，顏色是人臉表面最為顯著的特征之一，利用顏色檢測人臉是很自然的想法。研究人員在考察了不同種族、不同個體的膚色后，認為人類的膚色能在顏色空間中聚成單獨的一類，而影響膚色值變化的最主要因素是亮度變化。因此他們采用廣泛使用的RGB顏色空間，在濾去亮度值的圖像中通過比較像素點的ｒ、ｇ值與膚色范圍來推斷該像素點及其鄰域是否屬于人臉區(qū)域。除了RGB顏色空間，還有諸如HIS，LUV，GLHS等其它顏色空間被使用。尋找到膚色區(qū)域后，必須進行驗證，排除類膚色區(qū)域。利用膚色像素的連通性分割出區(qū)域，使用橢圓擬合各個區(qū)域，根據(jù)橢圓長短軸的比率判斷是否為人臉。BW=im2bw(f0,graythresh(f0));%二值化figure,imshow(RGB);title('網(wǎng)格標記圖像','FontWeight','Bold');holdon;[xt,yt]=meshgrid(round(linspace(1,size(I,1),10)),...round(linspace(1,size(I,2),10)));mesh(yt,xt,zeros(size(xt)),'FaceColor',...'None','LineWidth',3,...'EdgeColor','r');如圖5所示：圖5網(wǎng)格標記圖像圖4.2.5人臉識別標記[n1,n2]=size(BW); r=floor(n1/10);%分成10塊，行c=floor(n2/10);%分成10塊，列x1=1;x2=r;%對應行初始化s=r*c;%塊面積fori=1:10y1=1;y2=c;%對應列初始化forj=1:10if(y2<=c||y2>=9*c)||(x1==1||x2==r*10)%如果是在四周區(qū)域loc=find(BW(x1:x2,y1:y2)==0);[p,q]=size(loc);pr=p/s*100;%黑色像素所占的比例數(shù)ifpr<=100f1(x1:x2,y1:y2)=0;endendy1=y1+c;%列跳躍y2=y2+c;%列跳躍endx1=x1+r;%行跳躍x2=x2+r;%行跳躍end[L,num]=bwlabel(BW,8);%區(qū)域標記stats=regionprops(L,'BoundingBox');%得到包圍矩形框Bd=cat(1,stats.BoundingBox);[s1,s2]=size(Bd);mx=0;fork=1:s1p=Bd(k,3)*Bd(k,4);%寬*高ifp>mx&&(Bd(k,3)/Bd(k,4))<1.8%%%如果滿足面積塊大，而且寬/高<1.8mx=p;j=k;endendfigure,imshow(RGB);holdon;rectangle('Position',Bd(j,:),...'EdgeColor','r','LineWidth',3);title('標記圖像','FontWeight','Bold');如圖6所示：圖6人臉識別標記圖4.2.6對原圖像進行臉部模糊處理 h1=ones(40,40)/1600;I2=imfilter(RGB,h1);%對原圖像進行全部模糊%figure,imshow(I2);a=Bd(j,:);%臉部標記的矩形框的四個坐標fori=a(2)-0.5:a(2)-0.5+a(4);forj=a(1)-0.5:a(1)-0.5+a(3);RGB(i,j,:)=I2(i,j,:);%部分模糊的替換endendfigure,imshow(RGB);title('模糊后的人臉圖像');%顯示模糊后的人臉如圖7所示：圖7人臉模糊隱私保護圖總結(jié)與致謝通過本次設計，培養(yǎng)了創(chuàng)新意識和綜合素質(zhì)，更好地掌握了數(shù)字圖像處理設計，提高個人基本能力、實驗及設計能力和獨立工作能力，基本知識更加牢固，會編程調(diào)試、會查資料在設計的過程和設計說明書的撰寫過程中，老師給予了我熱心的幫助和大力的支持，給我提了諸多的寶貴意見，拓寬了我的思路。人臉檢測及識別算法研究近年來受到很大關注，同時也得到了很大的進展。但是考慮到視頻處理的復雜程度，大多數(shù)檢測或識別率高的算法往往都要在計算上付出很大的代價而失去了使用價值。而本文提出的一種基于差分和膚色的人臉檢測算法，在計算量上大大減少，同時抑制背景噪聲。隨著硬件技術的進步，采用攝像機的圖像系統(tǒng)的成本已經(jīng)不高，使得這種算法有大量應用的條件，實驗表明該算法具有可行性。這一次做的圖像人臉區(qū)域隱私保護系統(tǒng)設計。原理看似簡單，但過程讓我深深感受到再簡單的圖像處理，理論與實際也會有一定的差入。在參考書設計原理的基礎上經(jīng)過了個人的改進，讓功能更完善，特別是程序的調(diào)試，花的時間最多，也是最難的一個地方。在此我向張運楚、楊紅娟、張君捧老師致以崇高的敬意和衷心的感謝！

參考文獻[1]王科俊,姚向輝．人臉圖像檢測與識別方法綜述[J]．自動化技術與應用．2004,23(12).[2]邢藏菊,曲延鋒,王守覺．靜態(tài)灰度圖像中的人臉快速檢測[J]．計算機輔助設計與圖形學學報．V01．14,No．May,2002．[3]周杰,盧春雨,張長水,等.人臉自動識別方法綜述[J].電子學報,2004(4):102-106.[4]簡(JainA.K.)[美],韓博,徐楓著．數(shù)字圖像處理基礎[M]．北京：清華大學出版社,2006.[5]岡薩雷斯．數(shù)字圖像處理(MATLAB)中文版[M]．北京：電子工業(yè)出版社,2007.[6]Castleman,K.R.[美]著,朱志剛等譯．數(shù)字圖像處理[M]．北京:電子工業(yè)出版社,2002．[7]朱虹．數(shù)字圖像處理基礎[M]．北京：科學出版社,2005.[8]劉志敏,揚杰,施鵬飛．數(shù)學形態(tài)學的圖像分割算法[D]．計算機工程與科學,1998,20(4):21．[9]章毓晉．圖像分割．北京:科學出版社,2001．[10]王樹偉,楊鴝．Matlab6.5輔助圖像處理[M]．電子工業(yè)出版社,2003.

附錄：系統(tǒng)設計程序RGB=imread('face06.jpg');%face02,04,06YCbCr=rgb2ycbcr(RGB);%將RGB色彩值變換為YcbCr色彩空間（將RGB真彩色圖像轉(zhuǎn)化為YcbCr色彩空間中相等的圖像）Y=YCbCr(:,:,1);%這三行分別是Ycbcr空間的y,cb,cr對應矩陣Cb=YCbCr(:,:,2);Cr=YCbCr(:,:,3);imshow(RGB);title('原始圖像RGB');%原始圖像figure,imshow(YCbCr);title('YcbCr色彩空間的圖像');%進行將RGB色彩值變換為YcbCr色彩空間的圖像I=RGB;W=size(YCbCr,1);%y對應矩陣寬大小H=size(YCbCr,2);%y對應矩陣高大小k=(2.53/180)*pi;m=sin(k);n=cos(k);%正余弦噪聲%%%111111111111111111111111111cx=109.38;cy=152.02;ecx=1.60;ecy=2.41;a=25.39;b=14.03;%(cb=(100,140),cr=(70,160)這是閾值，這個閾值應該是人臉膚色的范圍fori=1:Wforj=1:HifY(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;elseI(i,j,:)=0;endelseifY(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;%膚色部分變?yōu)榘咨玡lseI(i,j,:)=0;%其余轉(zhuǎn)成黑色endendendendfigure,imshow(I);title('膚色區(qū)分后的圖像');%進行將膚色識別后的黑白圖像%%%1111111111111111111%%%%%%%%%找到人臉區(qū)域并設為白色%%%%(r=35)se1=strel('square',35);%這個函數(shù)可以創(chuàng)建邊長35的方形元素f0=imclose(I,se1);%利用上面創(chuàng)建的方形元素，彌補imshow(I)中人臉中以及其他部分殘留的小塊黑色figure,imshow(f0);title('修補漏洞后的人臉');%顯示修補漏洞后的人臉%%%44444444444444444444444444444BW=im2bw(f0,graythresh(f0));%二值化figure,imshow(RGB);title('網(wǎng)格標記圖像','FontWeight','Bold');holdon;[xt,yt]=meshgrid(round(linspace(1,size(I,1),10)),...round(linspace(1,size(I,2),10)));mesh(yt,xt,zeros(size(xt)),'FaceColor',...'None','LineWidth