江苏大学数字图像处理MATLAB人脸识别,MATLAB人脸识别代码
1.色彩空間轉(zhuǎn)換
function [r,g]=rgb_RGB(Ori_Face)
R=Ori_Face(:,:,1);
G=Ori_Face(:,:,2);
B=Ori_Face(:,:,3);
R1=im2double(R);?% 將uint8型轉(zhuǎn)換成double型
G1=im2double(G);
B1=im2double(B);
row=size(Ori_Face,1);?% 行像素
column=size(Ori_Face,2);?% 列像素
for i=1:row
for j=1:column
rr(i,j)=R1(i,j)/RGB(i,j);
gg(i,j)=G1(i,j)/RGB(i,j);
end
end
rrr=mean(rr);
r=mean(rrr);
ggg=mean(gg);
g=mean(ggg);
2.均值和協(xié)方差
t1=imread('D:\matlab\皮膚庫\1.jpg');[r1,g1]=rgb_RGB(t1);
t2=imread('D:\matlab\皮膚庫\2.jpg');[r2,g2]=rgb_RGB(t2);
t3=imread('D:\matlab\皮膚庫\3.jpg');[r3,g3]=rgb_RGB(t3);
t4=imread('D:\matlab\皮膚庫\4.jpg');[r4,g4]=rgb_RGB(t4);
t5=imread('D:\matlab\皮膚庫\5.jpg');[r5,g5]=rgb_RGB(t5);
t6=imread('D:\matlab\皮膚庫\6.jpg');[r6,g6]=rgb_RGB(t6);
t7=imread('D:\matlab\皮膚庫\7.jpg');[r7,g7]=rgb_RGB(t7);
t8=imread('D:\matlab\皮膚庫\8.jpg');[r8,g8]=rgb_RGB(t8);
t9=imread('D:\matlab\皮膚庫\9.jpg');[r9,g9]=rgb_RGB(t9);
t10=imread('D:\matlab\皮膚庫\10.jpg');[r10,g10]=rgb_RGB(t10);
t11=imread('D:\matlab\皮膚庫\11.jpg');[r11,g11]=rgb_RGB(t11);
t12=imread('D:\matlab\皮膚庫\12.jpg');[r12,g12]=rgb_RGB(t12);
t13=imread('D:\matlab\皮膚庫\13.jpg');[r13,g13]=rgb_RGB(t13);
t14=imread('D:\matlab\皮膚庫\14.jpg');[r14,g14]=rgb_RGB(t14);
t15=imread('D:\matlab\皮膚庫\15.jpg');[r15,g15]=rgb_RGB(t15);
t16=imread('D:\matlab\皮膚庫\16.jpg');[r16,g16]=rgb_RGB(t16);
t17=imread('D:\matlab\皮膚庫\17.jpg');[r17,g17]=rgb_RGB(t17);
t18=imread('D:\matlab\皮膚庫\18.jpg');[r18,g18]=rgb_RGB(t18);
t19=imread('D:\matlab\皮膚庫\19.jpg');[r19,g19]=rgb_RGB(t19);
t20=imread('D:\matlab\皮膚庫\20.jpg');[r20,g20]=rgb_RGB(t20);
t21=imread('D:\matlab\皮膚庫\21.jpg');[r21,g21]=rgb_RGB(t21);
t22=imread('D:\matlab\皮膚庫\22.jpg');[r22,g22]=rgb_RGB(t22);
t23=imread('D:\matlab\皮膚庫\23.jpg');[r23,g23]=rgb_RGB(t23);
t24=imread('D:\matlab\皮膚庫\24.jpg');[r24,g24]=rgb_RGB(t24);
t25=imread('D:\matlab\皮膚庫\25.jpg');[r25,g25]=rgb_RGB(t25);
t26=imread('D:\matlab\皮膚庫\26.jpg');[r26,g26]=rgb_RGB(t26);
t27=imread('D:\matlab\皮膚庫\27.jpg');[r27,g27]=rgb_RGB(t27);
r=cat(1,r1,r2,r3,r4,r5,r6,r7,r8,r9,r10,r11,r12,r13,r14,r15,r16,r17,r18,r19,r20,r21,r22,r23,r24,r25,r26,r27);
g=cat(1,g1,g2,g3,g4,g5,g6,g7,g8,g9,g10,g11,g12,g13,g14,g15,g16,g17,g18,g19,g20,g21,g22,g23,g24,g25,g26,g27);
m=mean([r,g])
n=cov([r,g])
3.求質(zhì)心
function [xmean, ymean] = center(bw)
bw=bwfill(bw,'holes');
area = bwarea(bw);
[m n] =size(bw);
bw=double(bw);
xmean =0; ymean = 0;
for i=1:m,
for j=1:n,
xmean = xmean + j*bw(i,j);
ymean = ymean + i*bw(i,j);
end;
end;
if(area==0)
xmean=0;
ymean=0;
else
xmean = xmean/area;
ymean = ymean/area;
xmean = round(xmean);
ymean =
round(ymean);
end
4. 求偏轉(zhuǎn)角度
function [theta] =
orient(bw,xmean,ymean)
[m n] =size(bw);
bw=double(bw);
a = 0;
b = 0;
c = 0;
for i=1:m,
for j=1:n,
a = a + (j - xmean)^2 * bw(i,j);
b = b + (j - xmean) * (i - ymean) *
bw(i,j);
c = c + (i - ymean)^2 * bw(i,j);
end;
end;
b = 2 * b;
theta = atan(b/(a-c))/2;
theta =
theta*(180/pi);?%
從幅度轉(zhuǎn)換到角度
5. 找區(qū)域邊界
function [left, right, up, down] =
bianjie(A)
[m n] = size(A);
left = -1;
right = -1;
up = -1;
down = -1;
for j=1:n,
for
i=1:m,
if (A(i,j) ~= 0)
left = j;
break;
end;
end;
if (left ~=
-1) break;
end;
end;
for j=n:-1:1,
for i=1:m,
if (A(i,j) ~= 0)
right =
j;
break;
end;
end;
if (right ~= -1) break;
end;
end;
for i=1:m,
for j=1:n,
if
(A(i,j) ~= 0)
up =
i;
break;
end;
end;
if
(up ~= -1)
break;
end;
end;
for i=m:-1:1,
for
j=1:n,
if (A(i,j) ~= 0)
down = i;
break;
end;
end;
if
(down ~= -1)
break;
end;
end;
6. 求起始坐標(biāo)
function newcoord =
checklimit(coord,maxval)
newcoord = coord;
if (newcoord<1)
newcoord=1;
end;
if (newcoord>maxval)
newcoord=maxval;
end;
7.模板匹配
function [ccorr, mfit, RectCoord] =
mobanpipei(mult, frontalmodel,ly,wx,cx, cy, angle)
frontalmodel=rgb2gray(frontalmodel);
model_rot = imresize(frontalmodel,[ly
wx],'bilinear'); % 調(diào)整模板大小
model_rot =
imrotate(model_rot,angle,'bilinear');?% 旋轉(zhuǎn)模板
[l,r,u,d] =
bianjie(model_rot);?% 求邊界坐標(biāo)
bwmodel_rot=imcrop(model_rot,[l u (r-l)
(d-u)]);?% 選擇模板人臉區(qū)域
[modx,mody]
=center(bwmodel_rot);?% 求質(zhì)心
[morig, norig] =
size(bwmodel_rot);
% 產(chǎn)生一個覆蓋了人臉模板的灰度圖像
mfit = zeros(size(mult));
mfitbw = zeros(size(mult));
[limy, limx] = size(mfit);
% 計(jì)算原圖像中人臉模板的坐標(biāo)
startx = cx-modx;
starty = cy-mody;
endx = startx + norig-1;
endy = starty + morig-1;
startx = checklimit(startx,limx);
starty = checklimit(starty,limy);
endx = checklimit(endx,limx);
endy = checklimit(endy,limy);
for i=starty:endy,
for j=startx:endx,
mfit(i,j) =
model_rot(i-starty+1,j-startx+1);
end;
end;
ccorr =
corr2(mfit,mult)?% 計(jì)算相關(guān)度
[l,r,u,d] = bianjie(bwmodel_rot);
sx = startx+l;
sy = starty+u;
RectCoord = [sx sy (r-1) (d-u)]; %
產(chǎn)生矩形坐標(biāo)
8.主程序
clear;
[fname,pname]=uigetfile({'*.jpg';'*.bmp';'*.tif';'*.gif'},'Please
choose a color
picture...');?% 返回打開的圖片名與圖片路徑名
[u,v]=size(fname);
y=fname(v);?% 圖片格式代表值
switch y
case
0
errordlg('You Should Load Image File
First...','Warning...');
case{'g';'G';'p';'P';'f';'F'};?% 圖片格式若是JPG/jpg、BMP/bmp、TIF/tif或者GIF/gif，才打開
I=cat(2,pname,fname);
Ori_Face=imread(I);
subplot(2,3,1),imshow(Ori_Face);
otherwise
errordlg('You Should Load Image File
First...','Warning...');
end
R=Ori_Face(:,:,1);
G=Ori_Face(:,:,2);
B=Ori_Face(:,:,3);
R1=im2double(R);?% 將uint8型轉(zhuǎn)換成double型處理
G1=im2double(G);
B1=im2double(B);
m=[
0.4144,0.3174];?% 均值
n=[0.0031,-0.0004;-0.0004,0.0003];?% 方差
row=size(Ori_Face,1);?% 行像素?cái)?shù)
column=size(Ori_Face,2);?% 列像素?cái)?shù)
for i=1:row
for
j=1:column
if RGB(i,j)==0
rr(i,j)=0;gg(i,j)=0;
else
rr(i,j)=R1(i,j)/RGB(i,j);?% rgb歸一化
gg(i,j)=G1(i,j)/RGB(i,j);
x=[rr(i,j),gg(i,j)];
p(i,j)=exp((-0.5)*(x-m)*inv(n)*(x-m)');?% 皮膚概率服從高斯分布
end
end
end
subplot(2,3,2);imshow(p);?% 顯示皮膚灰度圖像
low_pass=1/9*ones(3);
image_low=filter2(low_pass,
p);?% 低通濾波去噪聲
subplot(2,3,3);imshow(image_low);
% 自適應(yīng)閥值程序
previousSkin2 = zeros(i,j);
changelist = [];
for threshold = 0.55:-0.1:0.05
two_value = zeros(i,j);
two_value(find(image_low>threshold)) =
1;
change = sum(sum(two_value -
previousSkin2));
changelist = [changelist change];
previousSkin2 = two_value;
end
[C, I] = min(changelist);
optimalThreshold = (7-I)*0.1
two_value = zeros(i,j);
two_value(find(image_low>optimalThreshold))
= 1;?% 二值化
subplot(2,3,4);imshow(two_value);?% 顯示二值圖像
frontalmodel=imread('E:\我的照片\人臉模板.jpg');?% 讀入人臉模板照片
FaceCoord=[];
imsourcegray=rgb2gray(Ori_Face);?% 將原照片轉(zhuǎn)換為灰度圖像
[L,N]=bwlabel(two_value,8);?% 標(biāo)注二值圖像中連接的部分,L為數(shù)據(jù)矩陣，N為顆粒的個數(shù)
for i=1:N,
[x,y]=find(bwlabel(two_value)==i);?% 尋找矩陣中標(biāo)號為i的行和列的下標(biāo)
bwsegment =
bwselect(two_value,y,x,8);?% 選擇出第i個顆粒
numholes =
1-bweuler(bwsegment,4);?% 計(jì)算此區(qū)域的空洞數(shù)
if (numholes >=
1)?% 若此區(qū)域至少包含一個洞，則將其選出進(jìn)行下一步運(yùn)算
RectCoord = -1;
[m n] = size(bwsegment);
[cx,cy]=center(bwsegment);?% 求此區(qū)域的質(zhì)心
bwnohole=bwfill(bwsegment,'holes');?%
將洞封住(將灰度值賦為1)
justface = uint8(double(bwnohole) .*
double(imsourcegray));
% 只在原照片的灰度圖像中保留該候選區(qū)域
angle =
orient(bwsegment,cx,cy);?% 求此區(qū)域的偏轉(zhuǎn)角度
bw = imrotate(bwsegment, angle,
'bilinear');
bw = bwfill(bw,'holes');
[l,r,u,d] =bianjie(bw);
wx = (r - l
+1);?% 寬度
ly = (d - u +
1);?% 高度
wratio =
ly/wx?% 高寬比
if
((0.8<=wratio)&(wratio<=2))
% 如果目標(biāo)區(qū)域的高度/寬度比例大于0.8且小于2.0，則將其選出進(jìn)行下一步運(yùn)算
S=ly*wx;?% 計(jì)算包含此區(qū)域矩形的面積
A=bwarea(bwsegment);?% 計(jì)算此區(qū)域面積
if (A/S>0.35)
[ccorr,mfit, RectCoord] = mobanpipei(justface,frontalmodel,ly,wx,
cx,cy, angle);
end
if (ccorr>=0.6)
mfitbw=(mfit>=1);
invbw = xor(mfitbw,ones(size(mfitbw)));
source_with_hole = uint8(double(invbw) .*
double(imsourcegray));
final_image = uint8(double(source_with_hole) +
double(mfit));
subplot(2,3,5);imshow(final_image);?% 顯示覆蓋了模板臉的灰度圖像
imsourcegray = final_image;
subplot(2,3,6);imshow(Ori_Face);?% 顯示檢測效果圖
end;
if (RectCoord ~= -1)
FaceCoord = [FaceCoord; RectCoord];
end
end
end
end
% 在認(rèn)為是人臉的區(qū)域畫矩形
[numfaces x] = size(FaceCoord);
for
i=1:numfaces,
hd = rectangle('Position',FaceCoord(i,:));
set(hd, 'edgecolor', 'y');
end
人臉檢測是人臉識別、人機(jī)交互、智能視覺監(jiān)控等工作的前提。近年來,在模式識別與計(jì)算機(jī)視覺領(lǐng)域,人臉檢測己經(jīng)成為一個受到普遍重視、研究十分活躍的方向。
本文針對復(fù)雜背景下的彩色正面人臉圖像,將膚色分割、模板匹配與候選人臉圖像塊篩選結(jié)合起來,構(gòu)建了人臉檢測實(shí)驗(yàn)系統(tǒng),并用自制的人臉圖像數(shù)據(jù)庫在該系統(tǒng)下進(jìn)行了一系列的實(shí)驗(yàn)統(tǒng)計(jì)。
本文首先介紹了人臉檢測技術(shù)研究的背景和現(xiàn)狀,闡明人臉檢測技術(shù)發(fā)展的重要意義,對目前常用的一些檢測算法進(jìn)行了總結(jié),然后著重闡述了基于膚色分割和模板匹配驗(yàn)證的人臉檢測算法。
膚色是人臉重要特征,在通過膚色采樣統(tǒng)計(jì)和聚類分析后,確立一種在YCbCr空間下的基于高斯模型的膚色分割方法。在YCbCr色彩空間中建立膚色分布的高斯模型,得到膚色概率似然圖像,在最佳動態(tài)閾值選取算法下完成膚色區(qū)域的分割。
采用數(shù)學(xué)形態(tài)學(xué)和一些先驗(yàn)知識對所得到的膚色區(qū)域進(jìn)行人臉特征篩選,進(jìn)一步剔除非人臉膚色區(qū)域,減少候選人臉數(shù)量,簡化后續(xù)檢測過程的處理。
本文使用平均模板匹配方法對候選人臉進(jìn)行確認(rèn),并針對圖像中的人臉通常有一定角度旋轉(zhuǎn)和尺寸大小不確定的問題,通過計(jì)算候選人臉圖像塊的偏轉(zhuǎn)角度和面積,并以此調(diào)整模板,優(yōu)化模板配準(zhǔn),提高模板匹配的準(zhǔn)確性,同時避免使用多尺度模板進(jìn)行多次匹配運(yùn)算,提高算法效率。提出利用候選人臉圖像區(qū)域和模板質(zhì)心作為配準(zhǔn)的原點(diǎn),抑制人臉圖像噪聲的干擾。
最后構(gòu)建了基于膚色分割和模板驗(yàn)證的人臉檢測試驗(yàn)系統(tǒng),并對該系統(tǒng)采用自制人臉圖像數(shù)據(jù)庫進(jìn)行測試。實(shí)驗(yàn)結(jié)果表明,系統(tǒng)算法是有效的,具有較高的檢測性能和低的誤判率。
總結(jié)
以上是生活随笔為你收集整理的江苏大学数字图像处理MATLAB人脸识别,MATLAB人脸识别代码的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 在计算机上采用线性同余法,随机数生成算法
- 下一篇： yyuc php,yyuc框架介绍