人臉圖像預處理方法簡析

張誠　陳銀環(huán)

摘要：人臉識別是生物特征識別中一個十分重要的課題，在身份認證領域應用十分廣泛且前景廣闊。本文主要對灰度歸一化，去噪，圖像增強等方法進行介紹。

關鍵詞：人臉識別； 圖像預處理；灰度歸一化

用于人臉識別的人臉圖像一般都采用攝像頭進行采集，因此環(huán)境的光線問題，攝像設備性能不同等原因都會使圖像含有噪音、模糊等問題。這些不利于我們進行之后的特征提取與人臉識別，因此一般在進行人臉識別之前先對圖像進行預處理，使采集的人臉圖像大小、位置、對比度、及偏斜程度與人臉庫中相一致，達到利于人臉識別的目的。

一、人臉圖像的預處理方法

1）圖像的灰度歸一化。圖像的灰度歸一化處理，目的是去除光線對采集圖像的影響。灰度歸一化的常用方法有直方圖均衡化、直方圖規(guī)定化以及灰度均值方差標準化三種方法，本文主要介紹直方圖均衡化。直方圖是一幅圖像中全部或部分區(qū)域內相同亮度值的統(tǒng)計分布圖，表示數(shù)字圖像中每一個灰度級與其出現(xiàn)的頻率之間的統(tǒng)計關系。

對于人臉圖像，設L為灰度級數(shù)，則第j級灰度出現(xiàn)的頻率為：f（j）=Nj/N，j=1，2，...，L-1（1）

式中，Nj為灰度級為j的像素數(shù)，N為圖像中的總像素數(shù)。可得到的直方圖變換函數(shù)為：

H（j）=∑ji=0Nj/N=∑f（i）（2）

有上式可知，H（j）∈[0，1]，并且H（j）在[0，1]區(qū)間內單調遞增。灰度級j的像素經(jīng)過直方圖變換后的灰度級為：

L'=L×H（j）（3）

灰度圖像的灰度級數(shù)有256個，但原圖像的實際灰度范圍一般沒有占滿全部的灰度級，而是集中在幾個區(qū)域段中。直方圖的均衡化是將輸入的人臉圖像的直方圖分布變換成近似特定的直方圖，使圖像的灰度分布范圍盡可能的覆蓋所有灰度級，從而部分地消除光照對灰度圖像的影響。

下面圖1（a）和（b）分別給出了直方圖均衡化前后的直方圖。

利用MATLAB來實現(xiàn)圖像的灰度歸一化，先輸入原彩色圖像并將其灰度化，然后計算該灰度圖像每級灰度出現(xiàn)的概率，并繪制相應的灰度值直方圖，之后再利用直方圖變換函數(shù)得到均衡過后的直方圖，最后將各個像素歸一化后的灰度值賦給每個對應的像素，從而將均衡化后的灰度圖像顯示出來。圖2就是將原彩色圖像進行灰度化，并且灰度歸一化處理后的結果。

2）圖像去噪。對于圖像去噪，本文使用的是MATLAB教程中的lena圖像進行處理，下面圖3（a）是加了高斯噪音的人臉圖像，可以看出噪音對于人臉圖像的清晰度有很大的影響十分大，會使人臉圖像變得模糊，不便于識別。本文利用MATLAB中的wiener2功能函數(shù)，對噪音進行去除。圖3（b）是去除噪音之后的人臉圖像。

上圖可以看出，噪音去除之后也使圖像變得比較清晰，達到了人臉圖像預處理的作用。

3）人臉圖像的圖像增強。圖像增強采用小波變換進行，方法分三步a.將人臉圖像分解為大小、位置和方向均不相同的分量b.根據(jù)需要放大需要強調的分量，減少不必要的分量c.利用小波逆轉得到增強后的人臉圖像。小波變換具有保留主要信息，去除噪音的作用，對人臉圖像進行小波變換，之后才用于識別。

下面所示的圖4（b）圖是原始圖像進行4層小波分解之后得到的結果。再對人臉識別有用的必要部分增強2倍，突出輪廓；將對識別用處不大的不必要部分減弱2倍，弱化細節(jié)背景等部分。根據(jù)上面小波分解得到的圖形可以看出，已經(jīng)強化了人臉圖像的重要部分，弱化了不重要的部分，接下來再重構出人臉圖像，驗證圖像是否經(jīng)過小波變換得以增強。重構后的圖像如圖4（c）。

二、結語

本文主要是介紹人臉圖像的預處理幾種方法。因為采集人臉圖像的環(huán)境不同等因素，會造成人臉圖像與圖庫中的不同，造成識別不出的后果，采用圖像預處理方法后就能得到一個統(tǒng)一的標準，便于人臉識別。關于人臉圖像預處理的眾多方法中，著重介紹了圖像的灰度歸一化、圖像去圖像增強三個預處理方法。并且利用MATLAB編寫出程序，利用采集到的人臉圖像進行仿真，得到結果，經(jīng)分析后發(fā)現(xiàn)，預處理確實可以使人臉圖像統(tǒng)一標準，便于識別，可以提高人臉識別的識別率。

參考文獻：

[1]米晨唐，秀芬，魏秀蘭.基于haar小波變換的圖像分解與重構[J].實驗室研究與探索，2003，（2）：7981.

[2] 金一.人臉識別中的若干算法研究[D].北京：北京交通大學，2009.