下载文档原格式
预处理就是在图像分析中，对输入图像进行特征抽取等前所进行的处理。
输入图像由于图像采集环境的不同，如光照明暗程度以及设备性能的优劣等，往往存在有噪声，对比度不够等缺点。
另外，距离远近，焦距大小等又使得人脸在整幅图像中间的大小和位置不确定。
为了保证人脸图像中人脸大小，位置以及人脸图像质量的一致性，必须对图像进行预处理。
图像预处理的主要目的是消除图像中无关的信息，滤除干扰、噪声，恢复有用的真实信息，增强有关信息的可检测性和最大限度地简化数据，从而改进特征抽取的可靠性.人脸图像的预处理主要包括人脸扶正，人脸图像的增强，以及归一化等工作。
人脸扶正是为了得到人脸位置端正的人脸图像；图像增强是为了改善人脸图像的质量，不仅在视觉上更加清晰图像，而且使图像更利于计算机的处理与识别。
归一化工作的目标是取得尺寸一致，灰度取值范围相同的标准化人脸图像[4]。
2.1 几何规范化由于图像在提取过程中易受到光照、表情、姿态等扰动的影响,因此在识别之前需要对图像做归一化的预处理[4],通常以眼睛坐标为基准点,通过平移、旋转、缩放等几何仿射变换对人脸图像进行归一化。
因为人脸虽然是柔性的三维曲面,同一人脸因表情变化会有差异,但相对而言人的两眼之间的距离变化不会很大,因此双眼的位置及眼距,就成为人脸图像归一化的依据。
定位眼睛到预定坐标,将图像缩放至固定大小。
通过平移、旋转、缩放等几何仿射变换,可以对人脸图像做几何规范化处理,仿射变换的表达式为:]100][1,,[]1,,[323122211211a a a a a a v u y x = (2-1) 其中(u,v)表示输入图像中像素的坐标(x,y)表示输出图像中像素的坐标。
将上式展开可得322212312111u a x a v a u a y a v a ++=++= (2-2)平移变换就是给图像中的所有点的坐标都加上u ∆和v ∆ ,其变换表达式为]1u 01001][1,,[]1,,[v v u y x ∆∆= (2-3) 将图像中的所有点相对于坐标原点逆时针旋转θ角的变换表达式为]1000cos sin 0sin cos ][1,,[]1,,[θθθθ-=v u y x (2-4)缩放变换既是将图像按给定的比例r 放大或缩小,当1>r 时图像被放大,当10<<r 时图像被缩小,其变换表达式为]1000000r][1,,[]1,,[r v u y x = (2-5)本论文在对人脸图像特征提取之前，首先对所有的图像进行几何规范化，将两个人眼的位置固定在同一位置上，结果如图2.1,图2.2所示。
图像预处理（image preprocessing）对原始资料进行遥感器效应和几何及辐射效应等的应用前期处理。
图像，将每一个文字图像分检出来交给识别模块识别，这一过程称为图像预处理。
灰度级变换的定义灰度级变换(点运算)的定义★对于输入图象f(x，y)，灰度级变换T将产生一个输出图像g(x，y)，且g(x，y)的每一个像素值都是由f(x，y)的对应输入像素点的值决定的，g(x，y)=T(f(x，y))。
★对于原图象f(x，y)和灰度值变换函数T(f(x，y))，由于灰度值总是有限个(如：O～2 5 5)，非几何变换可定义为：R=T(r)，其LlJ R、r（O．255）。
灰度级变换的实现灰度级变换(点运算)的实现R=T(r)定义了输入像素值与输出像素之间的映射关系，通常通过查表来实现。
灰度级变换实例1、图象求反2、对比度拉伸3、动态范围压缩4、灰度级切片图像的灰度直方图总述灰度直方图(histogram)统计了图象中各个灰度级的象素的个数。
灰度直方图的计算若图象具有L级灰度(通常L=256，即8位灰度级)，则大小为m(n的灰度图象f(x，Y)的灰度直方图H[k]，k=0…L-1，可按如下步骤计算获得：1)初始化：for(k=O；k<L；k++)H[k]=O；2)统计：for(x=O；x<m；x++)for(y=O；y<n；y++)H[f(x，y)]++；3)规格化：flOr(x=O；x<m；x++)for(y=O；y<n；y++)H[f(x，y)]／=float(m(n)；直方图均衡化直方图均衡化是通过灰度变换将一幅图象转换为另一幅具有均衡直方图，即在每个灰度级上都具有相同的象素点数的过程。
直方图均衡化变换：设灰度变换s=f(r)为斜率有限的非减连续可微函数，它将输入图象Ii(x，y)转换为输出图象Io(x，y)，输入图象的直方图为Hi(r)，输出图象的直方图为Ho(s)，则根据直方图的含义，经过灰度变换后对应的小面积元相等：Ho(s)ds=Hi(r)dr 变换函数f(r)必须满足下列2个条件：★(1)f(r) (O(r(1)是单值函数、且单调增加；★(2)O(f(r) (1，(O(r(1)。
