(2)灰度变化技术
将彩色图像转换成黑白图像便是灰色图像处理,图像信息解释起来更简单,具体,然而,这样做的缺点是丢失图像信息。因此,尽可能在变换的过程中,以简单的方式显示图像的复杂信息。
(3)高斯平滑处理技术
我们使用高斯平滑技术平滑处理图像,在采集视频图像过程中,由于各种周围环境原因的影响,图像往往会出现不规律的噪声,如在传输过程中的图像,存储可能会导致数据丢失。因此它将影响图像质量。使用平滑处理的方法也可以减小噪声的影响,这样的好处是没有过于高频过低频的图像,系统更加容易识别。通过卷积平滑。它能使图像的水平投影更好。
(4)对比度增强
对比度增强,再次在图像处理中,通过改变功能的选择将进一步拉大的对比度,以提高解析表达式,便可以得到不同的效果,它直接对原始图的每个像素进行灰度处理,该方法主要是通过提高该像素的灰度级操作的功能并且将操作结果作为像素的新的灰度值来实现。
(5)二值化
原理:图像二值化也叫图像黑白化,彩色图像黑白化处理通常有三种方法:最大值法、加权平均值法、平均值法。下面我们来看看三种方法的原理:
最大值法:最大值法是每个像素点的RGB值等于原像素点的RGB值中最大的一个最大值发产生亮度很高的黑白图像。
平均法:平均法,使得每个像素的RGB值是等于平均的原始像素的RGB值的。
加权平均法:加权平均法指定为所需的每个像素的RGB的权数,并取加权平均。效果随着权数的改变而改变。
(6)直方图均衡
直方图均衡的目的是使输入图像被转换成各像素灰度具有相同的数量的点,它的中心思想是处理从更浓的灰度范围的原始图像的直方图的整个灰色内变得均匀分布规模,其研究思路是:通过直方图变换式来均衡处理直方图。
但是直方图均衡化存在着两个缺点:
转换图像使得灰度等级减少后,某些细节也随之减少;一些图像,如直方图有高峰也处理地不自然,对比度过于增强。
3人脸识别的方法
3.1人脸识别算法原理
输入系统通常包含一系列的未确定的身份或面部图像,或面部图像数据库中的已知信息的人脸的图像或编码,它的输出是一系列按照相似性来表示出未知的人脸的身份。
3.2常用人脸识别方法
识别包括两个方面:第一,人脸检测和定位,第二是人脸识别。人脸识别系统包括图像摄取,人脸定位,图像预处理,和认可。有许多人脸识别方法。首先,基于特征点的人脸识别方法,该方法是基于脸部识别方法K-L变换,这种方法需要更多的训练样本,并且完全是基于图像的灰度的统计特性。第二是弹性图匹配面部识别方法,它定义为通常的面在二维空间具有一定距离的不变性变形的方法,以及使用特性的代表面部拓扑,拓扑中的任何顶点包含用于记录面的特征矢量在顶点位置的附近的信息。基于神经网络,模拟结构和人脑网络的工作机制三脸部识别,构造类似于人脑的模型。
3.3基于神经网络的人脸识别方法
人工神经网络通过模拟人脑网络的结构和工作的机制,构建类似人脑的模式。识别人工神经网络在人脸识别有着悠久的历史,它在人脸识别中有特别的优势。与其他由人来决定的规则不同,它而且也避免了复杂的特征提取工作等方法,它具有学习功能。以并行的神经网络处理的信息,如果他们可以使用硬件实现,便可以显著提高速度。神经网络被广泛应用于人脸识别,性别识别。