MATLAB 图像处理大作业人脸检测算法实现

(附Matlab程序)(二)基于DCT编码的图像压缩:对分解后的每个数据小方块进行DCT及IDCT变换 问题一:随机选取一幅图像x.jpg,先将图像分解为8x8个数据块,然后分别对分解后的每个数据小方块进行DCT及IDCT变换,分别保留左上角3、10、15、32个系数进行处理,并对结果进行对比分析。 clear close all clc%清理Matlab窗口 A=imread('D:\x.jpg');%读取图像x.jpg(引号内是图像在计算机内的存储路径) I=rgb2gray(A);%RGB图像转灰度图像 I=im2double(I); T=dctmtx(8);%得到一个8*8的离. 阅读详情

MATLAB 图像处理

作业要求

  1. 了解计算机储存和处理图像的基础知识
  2. 理解 JPEG 标准的基本原理,变换域编码和量化的基本思想,掌握 MATLAB 处理矩阵和图像的常用命令
  3. 理解变换域信息隐藏的基本方法
  4. 掌握基于肤色的人脸检测算法

作业源码

https://download.youkuaiyun.com/download/DeepLearning_/87300038

图像处理思路

3.1 图像基础知识

(1)在图像中画圆

首先确定圆的圆心,为测试图像的中心;然后确定圆的半径,为图像长、宽中的较小值。接下来根据圆的定义画圆:所有与圆心的距离等于半径的点构成一个圆。在这里,为了让画出的圆清晰可见,将所有与圆心距离在 0.98~1.02 倍半径之间的点全部标红,呈现在图像上。取出标红点的关键代码如下:

size_pic = size(hall_gray);
idx = zeros([size_pic, 2]);
for i = 1: 1: height
    for j = 1: 1: width
        idx(i, j, 1) = i;
        idx(i, j, 2) = j;
    end
end
circle_idx = ((idx(:, :, 1) - (height + 1) / 2) .^ 2 + (idx(:, :, 2) - (width + 1) / 2) .^ 2 <= (1.02 * radius) ^ 2 & ...
              (idx(:, :, 1) - (height + 1) / 2) .^ 2 + (idx(:, :, 2) - (width + 1) / 2) .^ 2 >= (0.98 * radius) ^ 2);

最后效果如下:

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-f1wni8ps-1671155592759)(./img/hw_1_3_2_circle.jpg)]

(2)将测试图像涂成国际象棋状的“黑白格”

将测试图像分成 8*8 的区域,然后对每块区域根据国际象棋“黑白格”的规则染色。在黑色的地方,将原图对应区域置为0;白色的地方则保持不变。结果如下

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-8gRIlZD3-1671155592759)(./img/hw_1_3_2_chessboard.jpg)]

本题代码位于src/hw1_3_2.m中。

3.2 图像压缩编码

(1)在变换域预处理

图像的预处理是将每个像素灰度值减128,若要在变换域进行,可以利用DCT变换的线性性来操作。

首先对原图像作二维DCT变换,然后对相同大小的、所有元素均为128的矩阵作二维DCT变换。由于全128的矩阵DCT变换结果只有直流分量,即左上角元素,所以只需让原图的DCT变换结果的直流分量减去全128矩阵DCT变换结果的直流分量即可。具体代码如下:

[part_h, part_w] = size(hall_part);
DC_128 = dct2(zeros(part_h, part_w) + 128);
maphall_2 = dct2(hall_part);
maphall_2(1, 1) = maphall_2(1, 1) - DC_128(1, 1);

这样操作后,与先预处理再DCT变换的结果相比,计算MSE,为 7.1000e-28,非常小,说明两种算法计算结果相同。

本题代码位于src/hw2_4_1.m中。

(2)实现二维DCT变换

二维DCT变换,首先是找到DCT算子D。我直接根据指导书的公式(2.5),在matlab中实现算子D。关键代码如下:

function D_mat = DCT2_D(input_dim)
    row = linspace(0, input_dim - 1, input_dim)';
    col = linspace(1, input_dim * 2 - 1, input_dim);
    cos_mat = cos(row * col * pi / (2 * input_dim));
    cos_mat(1, :) = cos_mat(1, :) / sqrt(2);
    D_mat = sqrt(2 / input_dim) * cos_mat;
end

得到DCT算子D后,就可以根据输入图像的维度,计算二维DCT变换。假设灰度图像维度为 [height, width],则其二维DCT变换结果可以用以下代码来求得

[height, width] = size(input_mat);
dct_coef = DCT2_D(height) * double(input_mat) * DCT2_D(width)';

我将我实现的DCT变换函数,与matlab提供的dct2进行比较,计算MSE,为9.9944e-26。MSE非常小,可以认为两种方法计算结果相同。

本题代码位于src/hw2_4_2.m中,计算DCT算子的函数封装在src/DCT2_D.m中,计算二维DCT变换的函数封装在src/DCT2.m中。

(3)部分DCT系数置零

将原图按 8*8 分块后,对每块作二维DCT变换,再将DCT系数矩阵右侧四列、左侧四列系数矩阵分别置零,再作逆DCT变换看结果。

理论上分析,DCT系数矩阵左上角元素代表低频分量,右下方系数表示横竖两个方向中迅速变换的高频分量。由于常见的图片通常颜色、亮度都是缓慢变换的,因此DCT系数矩阵越往左上方取值越大,越向右下方取值越小。由于低频分量值大,对图像影响大,高频分量值小,对图像影响小,所以,理论分析DCT系数矩阵右侧四列元素置零对图像影响较小,左侧四列元素置零则会对图像有很大影响。实际结果也正是如此,结果如下:

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-NLYeEXY6-1671155592760)(./img/hw2_4_3.png)]

本题代码位于src/hw2_4_3.m中。

(4)DCT系数转置、逆时针旋转90°、旋转180°

若DCT系数矩阵C转置,考虑DCT变换的公式
C = d c t ( P ) = D P D T P = i d c t ( C ) = D T C D D − 1 = D T C=dct(P)=DPD^T\\ P=idct(C)=D^TCD\\ D^{-1}=D^T C=dct(P)=DPDTP=idct(C)=DTCDD−1=DT
所以C转置后再逆变换,结果为
D T C T D = ( D T C D ) T = P T D^TC^TD=(D^TCD)^T=P^T DTCTD=(DTCD)T=PT
结果为原图的转置。

由于右上方的系数反映图像中横向变化的纹理强度,逆时针旋转90°后,原本右下方高频分量的元素来到了右上方。由于高频分量元素本身就较小,所以DCT系数矩阵逆时针旋转90°后再逆变换,得到的图像横向几乎不会变化,呈现很强的横向纹理。

若将DCT系数矩阵旋转180°,左上方低频分量将会和右下方高频分量换位,导致恢复的图像低频分量小,高频分量大,从而图像变化剧烈,呈现格子状的纹理。

实际运行时,结果与理论分析相近,如下

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-wycSLJMj-1671155592760)(./img/hw2_4_4.png)]

本题代码位于src/hw2_4_4.m中。

(5)系统特性

如果认为差分编码是一个系统,则这个系统方程为
y ( n ) = x ( n − 1 ) − x ( n ) y(n)=x(n-1)-x(n) y(n)=x(n−1)−x(n)
使用freqz函数查看该系统频率响应如下

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-uO0yuNom-1671155592761)(./img/hw2_4_5.png)]

由此可以看出,该系统可看作为高通滤波器。DC系数先进行差分编码再进行熵编码,说明DC系数含有较多的高频分量。

本题代码位于src/hw2_4_5.m中。

(6)DC预测误差与Category

记DC预测误差为delta,Category为C,则它们之间的关系为
C = c e i l ( l o g 2 ( a b s ( d e l t a ) + 1 ) ) C=ceil(log2(abs(delta)+1)) C=ceil(log2(abs(delta)+1))
由此可以推出,Category表示了DC预测误差的二进制表示位数。

(7)设计实现Zig-Zag扫描

由于本次作业中,只需对 8*8 的矩阵进行 Zig-Zag 扫描,因此可以直接将各索引手动编排好,然后直接用 matlab 的数组索引功能完成扫描。扫描代码如下

function output = zig_zag(input)
    temp = reshape(input, [64, 1]);
    output = (temp([
        1, 9, 2, 3, 10, 17, 25, 18, ...
        11, 4, 5, 12, 19, 26, 33, 41, ...
        34, 27, 20, 13,  6,  7, 14, 21, ...
        28, 35, 42, 49, 57, 50, 43, 36, ...
        29, 22, 15,  8, 16, 23, 30, 37, ...
        44, 51, 58, 59, 52, 45, 38, 31, ...
        24, 32, 39, 46, 53, 60, 61, 54, ...
        47, 40, 48, 55, 62, 63, 56, 64 ...
    ]));
end

首先,我先将输入的 8*8 的矩阵变为 64*1 的大小。然后,我根据 Zig-Zag 的规则,事先将理论的 Zig-Zag 扫描结果的各位置索引记好。最后,即可直接通过数组索引的方式完成扫描。

为了验证我这一算法是正确的,我设计了如下测试样例进行检验

test_input = [
     [1,  2,  6,  7, 15, 16, 28, 29]; ...
     [3,  5,  8, 14, 17, 27, 30, 43]; ...
     [4,  9, 13, 18, 26, 31, 42, 44]; ...
     [10, 12, 19, 25, 32, 41, 45, 54]; ...
     [11, 20, 24, 33, 40, 46, 53, 55]; ...
     [21, 23, 34, 39, 47, 52, 56, 61]; ...
     [22, 35, 38, 48, 51, 57, 60, 62]; ...
     [36, 37, 49, 50, 58, 59, 63, 64] ...
];

这一矩阵经过 Zig-Zag 扫描后,理论上应该输出 1~64 的序列,使用我设计的算法扫描得到结果正是如此,说明算法实现无误。

本题代码位于src/hw2_4_7.m中。

(8)对测试图像分块、DCT与量化

首先是预处理,灰度图各像素减去128;然后是将图像每个 8*8 的块进行DCT变换并点除量化矩阵;最后是将结果依次排列。

前两步的代码如下

hall_pre = double(hall_gray) - 128;
hall_quan = blockproc(hall_pre, [8, 8], @(mat)(zig_zag(round(dct2(mat.data) ./ QTAB))));

重新排列时,我按照从左至右、从上至下的方式来遍历,代码如下

[height, width] = size(hall_quan);
res = zeros([64, height * width / 64]);
for i = 0: 1: height / 64 - 1
    for j = 1: 1: width
        res(:, i * width + j) = hall_quan(i * 64 + 1: (i + 1) * 64, j);
    end
end

本题代码位于src/hw2_4_8.m中。

(9)实现 JPEG 编码

关键点在于计算DC系数的码流和AC系数的码流。

首先是DC系数码流。DC系数就是第8问中量化矩阵的第一行,码流的计算需要先通过差分编码再进行熵编码。

熵编码时,可以利用DC预测误差与Category的关系:Category表示了DC预测误差的二进制表示位数,并利用给好的Huffman编码表DCTAB进行编码。对于每个预测误差,首先根据其Category确定对应的Huffman编码,然后将其幅度用二进制表示,接在其Huffman编码后。若幅度为0,无需编码幅度,Huffman编码已经包含了该信息。对于负数,幅度采用1补码,此时最高位为0。这样的方式表示每个预测误差,可以准确无误并容易解码。代码如下,其中quan_mat为量化矩阵:

dc_cof = quan_mat(1, :)';
dc_diff = [dc_cof(1); dc_cof(1: end - 1) - dc_cof(2: end)];
dc_category = min(ceil(log2(abs(dc_diff) + 1)), 11);
dc_code = [];
for i = 1: 1: length(dc_diff)
	cat_temp = DCTAB(dc_category(i) + 1, 2: DCTAB(dc_category(i) + 1, 1) + 1)';
	if dc_diff(i) ~= 0
		mag_temp = dec2bin(abs(dc_diff(i)))' - '0';
		if dc_diff(i) < 0
			mag_temp = ~mag_temp;
		end
	else
		mag_temp = [];
	end
	dc_code = [dc_code; cat_temp; mag_temp];
end

AC系数编码与DC系数稍有不同。AC系数是量化矩阵第2行及之后的元素,需要根据每一个非零系数值及其行程进行编码。AC系数中可能有较多的0,因此利用行程编码能较好地提高压缩率。我们通过提供的ACTAB,以非零数值与行程为索引,找到对应的Huffman编码,然后再在其后接上非零数值的二进制表示(负数为1补码),从而完成对AC系数的编码。

这其中用到两个符号:

  • ZRL:[1, 1, 1, 1, 1, 1, 1, 1, 0, 0, 1],表示连续 16 个 0
  • EOB:[1, 0, 1, 0],表示每个块中编码完最后一个非零系数

我采用这样的方式进行编码:对每个块(也就是 63*1 的列),遍历时实时记录经过的零个数,当到第一个非零数值时,对记录的零个数求除 16 的商与余数,商为需要加上的 ZRL 的个数,余数为用于提供Huffman编码的索引,即行程。若一直到每个块最后,都没找到非零数值,则码流中添加 EOB 。

求解AC码流的代码如下

ac_cof = quan_mat(2: end, :);
ac_size = min(ceil(log2(abs(ac_cof) + 1)), 10);
ZRL = [1, 1, 1, 1, 1, 1, 1, 1, 0, 0, 1]';
EOB = [1, 0, 1, 0]';
[ac_h, ac_w] = size(ac_size);
ac_code = [];
for i = 1: 1: ac_w
    run = 0;
    for j = 1: 1: ac_h
        if ac_size(j, i) == 0
            run = run + 1;
        else
            run_epoch = floor(run / 16);
            run_mod = mod(run, 16);
            run = 0;
            while run_epoch > 0
                ac_code = [ac_code; ZRL];
                run_epoch = run_epoch - 1;
            end
            size_temp = ACTAB(run_mod * 10 + ac_size(j, i), 4: ACTAB(run_mod * 10 + ac_size(j, i), 3) + 3)';
            amp_temp = dec2bin(abs(ac_cof(j, i)))' - '0';
            if ac_cof(j, i) < 0
                amp_temp = ~amp_temp;
            end
            ac_code = [ac_code; size_temp; amp_temp];
        end
    end
    ac_code = [ac_code; EOB];
end	

至此,就完成了DC码流与AC码流的计算。

本题代码位于src/hw2_4_9.m中,编码函数封装在函数文件src/Compress.m中。

(10)计算压缩比

计算时需统一单位,我这里用 bit 计算。原图 1 像素为 0~255,用 8bits 储存,因此压缩比计算公式为

compress_rate = img_height * img_width * 8 / (length(dc_code) + length(ac_code));

计算结果为:6.4247

本题代码位于src/hw2_4_10.m中。

(11)JPEG 解码

解码需分别对DC码流与AC码流解码。

由于Huffman编码为前缀编码,任何码字都不是其他码字的前缀,因此解码起来比较简单。对于一段码字,只要在Huffman编码表中匹配上了,那由于前缀码的特性,这段码字就是一段Huffman码。

因此,对DC码流进行解码时,逐段码流和Huffman编码表DCTAB进行比对,一旦比对上了,就反推这段码流对应的Category,然后接下来的长为Category的码流,代表的就是幅度。如果首位是1,则是正幅度;首位是0,则是负幅度;Category若为0,则幅度就为0。对整个DC码流进行如上遍历操作,很容易就将DC码流解码完成。解码完成后,得到的是差分编码后的结果,然后还要将差分编码再解码,得到原始的DC系数。代码如下

dc_diff = zeros([img_height * img_width / 64, 1]);
last_idx = 1;
cnt = 1;
i = 1;
while i <= length(dc_code)
    for j = 1: 1: size(DCTAB, 1)
        if isequal(dc_code(last_idx: i)', DCTAB(j, 2: DCTAB(j, 1) + 1))
            if j - 1 ~= 0
                mag_temp = dc_code(i + 1: i + j - 1)';
                if mag_temp(1) == 1
                    dc_diff(cnt) = bin2dec(char(mag_temp + '0'));
                else
                    dc_diff(cnt) = -bin2dec(char(~mag_temp + '0'));
                end
            end
            last_idx = i + j;
            i = i + j;
            cnt = cnt + 1;
            break;
        end
    end
    i = i + 1;
end
dc_cof = zeros(size(dc_diff));
dc_cof(1) = dc_diff(1);
for i = 2: 1: size(dc_cof, 1)
    dc_cof(i) = dc_cof(i - 1) - dc_diff(i);
end

AC码流解码过程类似,不过得注意两个特殊符号:ZRL 和 EOB。AC码流解码过程中,不仅要在Huffman编码表中去比对,也要与 ZRL 和 EOB 去比对,其余步骤和DC码流解码思路一样。代码如下

ac_cof = zeros([63, img_height * img_width / 64]);
i = 1;
last_idx = 1;
row_cnt = 1;
col_cnt = 1;
while i <= length(ac_code)
    if isequal(ac_code(last_idx: i), EOB)
        col_cnt = col_cnt + 1;
        row_cnt = 1;
        last_idx = i + 1;
        i = last_idx;
    elseif isequal(ac_code(last_idx: i), ZRL)
        row_cnt = row_cnt + 16;
        last_idx = i + 1;
        i = last_idx;
    else
        for j = 1: 1: size(ACTAB, 1)
            if isequal(ac_code(last_idx: i)', ACTAB(j, 4: ACTAB(j, 3) + 3))
                row_cnt = row_cnt + ACTAB(j, 1);
                amp_temp = ac_code(i + 1: i + ACTAB(j, 2))';
                if amp_temp(1) == 1
                    ac_cof(row_cnt, col_cnt) = bin2dec(char(amp_temp + '0'));
                else
                    ac_cof(row_cnt, col_cnt) = -bin2dec(char(~amp_temp + '0'));
                end
                row_cnt = row_cnt + 1;
                last_idx = i + ACTAB(j, 2) + 1;
                i = last_idx;
                break;
            end
        end
    end
    i = i + 1;
end

得到解码后DC码流和AC码流后,两者合并得到量化矩阵,再经过第8问的逆过程与逆DCT变换,即可解码出原图。代码如下

whole_cof = [dc_cof'; ac_cof];
hall_quan = zeros([img_height * 8, img_width / 8]);
for i = 0: 1: img_height / 8 - 1
	hall_quan(i * 64 + 1: (i + 1) * 64, :) = whole_cof(:, i * img_width / 8 + 1: (i + 1) * img_width / 8);
end
img = uint8(blockproc(hall_quan, [64, 1], @(mat)(idct2(inv_zig_zag(mat.data) .* QTAB))) + 128);

接下来是评价编解码效果。

客观方法计算PSNR,PSNR计算公式为
P S N R = 10 l g ( 25 5 2 M S E ) PSNR=10lg(\frac{255^2}{MSE}) PSNR=10lg(MSE2552​)
实际计算结果为:31.1874,是一个比较高的结果,因此说明图像失真较小。

主观上,原图与编解码后的图片如下

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-SNnTMKpV-1671155592761)(./img/hw2_4_11.png)]

二者差别不大,只在一些细微处有少许差别,说明压缩后图像失真较小。

本题代码位于src/hw2_4_11.m中,解码代码封装在函数文件src/Decompress.m中。

(12)量化步长减半

要让量化步长减半,只需让提供的QTAB除以2即可。

量化步长减半后,PSNR从31.1874变为34.2067,图像失真程度减少;但压缩比从6.4247降低到4.4097,压缩程度减少。这说明,要保持高的压缩比,就要牺牲图像的还原度。

本题代码位于src/hw2_4_12.m中。

(13)对雪花图像编码

对雪花图像编解码,原图与解码图像如下

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-07oGHvnh-1671155592761)(./img/hw2_4_13.png)]

压缩比为 3.645,PSNR 为 22.9244。

可以看到,PSNR不算大,压缩比也较小。原因是,雪花图像并不美丽,像是随机生成的噪音,高频分量大,导致量化后 Category 可能偏大,导致 Huffman 编码较长,压缩比较小。同时由于高频分量经过量化后,失真较大,因此 PSNR 较小。

本题代码位于src/hw2_4_13.m中。

3.3 信息隐藏

(1)空域隐藏和提取

空域信息隐藏,是将信息表示成二进制码流,再二进制码流的每位信息替换图像中各像素亮度分量的最低位。这一操作使用 matlab 提供的 bitset函数即可实现。代码如下

rand_info = logical(randi([0, 1], height, width));
hall_hide = bitset(hall_gray, 1, rand_info);

经过编解码后,要再提取出隐藏的信息时,使用 matlab 提供的bitand方法,即可实现信息提取。

[dc_code, ac_code, img_height, img_width] = Compress(hall_hide, DCTAB, ACTAB, QTAB);
hall_decompress = Decompress(dc_code, ac_code, img_height, img_width, DCTAB, ACTAB, QTAB);
decode_info = bitand(hall_decompress, uint8(ones([height, width])));

经过提取后,与原本隐藏的信息进行对比,准确率大约在 50% 左右,和随机蒙的差不多,说明其抗 JPEG 编码能力极差。

本题代码位于src/hw3_4_1.m中

(2)变换域信息隐藏

方法一:信息位替换量化后DCT系数的最低位。关键代码如下

hall_pre = double(img) - 128;
hall_quan = blockproc(hall_pre, [8, 8], @(mat)(zig_zag(round(dct2(mat.data) ./ QTAB))));
[height, width] = size(hall_quan);

quan_mat = zeros([64, height * width / 64]);
for i = 0: 1: height / 64 - 1
    for j = 1: 1: width
        quan_mat(:, i * width + j) = hall_quan(i * 64 + 1: (i + 1) * 64, j);
    end
end
quan_mat = double(bitset(int32(quan_mat), 1, info));

方法二:信息位替换若干量化后DCT系数。我这里选用量化系数中,较小值的位置去替换量化后DCT系数,这样对原图的影响较小。

确定替换位置的方法如下

threshold = 12;
less_thre = QTAB <= threshold;
less_thre_idx = find(less_thre);

然后根据选取的位置,用信息位去替换

hall_pre = double(img) - 128;
hall_quan = blockproc(hall_pre, [8, 8], @(mat)(zig_zag(round(dct2(mat.data) ./ QTAB))));
[height, width] = size(hall_quan);

quan_mat = zeros([64, height * width / 64]);
for i = 0: 1: height / 64 - 1
    for j = 1: 1: width
        quan_mat(:, i * width + j) = hall_quan(i * 64 + 1: (i + 1) * 64, j);
    end
end
last_bit = bitand(int32(quan_mat), int32(ones(size(quan_mat))));
for i = 1: 1: size(last_bit, 2)
    last_bit(hide_idx, i) = info(:, i);
end
quan_mat = double(bitset(int32(quan_mat), 1, last_bit));

方法三:隐藏信息用1,-1序列表示,再逐一将信息位追加在每个块 Zig-Zag 顺序的最后一个非零系数后;若原本该最后一个系数不为0,那就用信息位替换该系数。关键代码如下

hall_pre = double(img) - 128;
hall_quan = blockproc(hall_pre, [8, 8], @(mat)(zig_zag(round(dct2(mat.data) ./ QTAB))));
[height, width] = size(hall_quan);

quan_mat = zeros([64, height * width / 64]);
for i = 0: 1: height / 64 - 1
    for j = 1: 1: width
        col_temp = i * width + j;
        quan_mat(:, col_temp) = hall_quan(i * 64 + 1: (i + 1) * 64, j);
        for k = 64: -1 : 1
            if quan_mat(k, col_temp) ~= 0
                if k == 64
                    quan_mat(64, col_temp) = info(col_temp);
                else
                    quan_mat(k + 1, col_temp) = info(col_temp);
                end
                break;
            end
        end
    end
end

三种方法实现起来都比较简单,其信息隐藏部分分别封装在函数文件dct_conceal_1.m、dct_conceal_2.m、dct_conceal_3.m中,将信息隐藏后的系数逆变换为图片的代码,分别封装在函数文件dct_reveal_1.m、dct_reveal_2.m、dct_reveal_3.m中。

三种方法隐藏随机信息后,客观上的对比如下

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-UFBNs1nm-1671155592762)(./img/hw3_4_2_details.png)]

可以看到,ACC都是1,压缩率第一种方法最小。总体来看,第二种和第三种方法效果差不多。

三种方法隐藏随机信息后,呈现的图片结果如下

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-7hv7JYR9-1671155592762)(./img/hw3_4_2.png)]

主观上从图片上看,用第一种方法隐藏信息的结果较差,第二、第三种方法效果差不多。理论上分析,由于直接在量化后的矩阵加信息位,如果量化系数较大,则最后一位改为信息位后,对原图的影响较大。而第二种方法则是考虑了这一影响,选择了QTAB中元素较小的位置进行信息隐藏,这样就对原图的影响较小。第三种方法也是类似的思路,由于1与-1的变化对整个系数矩阵影响较小,所以信息隐藏后对原图也不会有太大影响。

本题代码位于src/hw3_4_2.m中。

3.4 人脸检测

(1)训练人脸标准

如果样本人脸大小不一,图像不需要首先调整为相同大小,只需对每个像素的颜色遍历即可。

训练人脸标准时,需要将RGB颜色对应到颜色数n,代码为

r = floor(face_temp(j, k, 1) * 2^(L - 8));
g = floor(face_temp(j, k, 2) * 2^(L - 8));
b = floor(face_temp(j, k, 3) * 2^(L - 8));
n = r * 2^(2 * L) + g * 2^L + b;

然后根据颜色索引 n,统计各个颜色出现的频率,然后再对该频率向量归一化,得到一张图片的人脸标准。

对每张训练集图片都计算相应的人脸标准向量,然后取平均,得到训练好的人脸标准向量。

对于 L 为 3,4,5 的情况,将对应的人脸标准绘成图,如下

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-kMx10dZU-1671155592762)(./img/hw4_3_1.png)]

可以看到,不同的 L 值,人脸特征的趋势是一致的。L 值越大,颜色区分能力越强,分辨率越高。对于较小的 L 值,会使大范围内相近的颜色不能被区分开。同时,对于较高的 L 值,相近的颜色范围内求和就会得到较低的 L 值的图像。

本题代码位于src/hw4_3_1.m中。

(2)实现人脸检测算法

首先,我们使用人脸图像训练集训练人脸特征向量,然后使用该特征向量进行进一步人脸检测。

我设计的人脸检测算法,先用小矩形在图像上移动,逐个计算小矩形内的颜色特征向量,然后与训练的人脸特征向量计算距离,距离公式为
d ( u , v ) = 1 − Σ n ( u n , v n ) d(u,v)=1-\Sigma_n\sqrt{(u_n,v_n)} d(u,v)=1−Σn​(un​,vn​) ​
将所有与人脸特征向量距离小于阈值的小矩形,全部存储下来。由于小矩形移动时,会有一定的重叠。下一步就是将所有重叠的矩形,整合成一个大矩形。这里使用的是暴力遍历,对每个储存下来的小矩形,与其他所有矩形进行比较,将所有可以合成的小矩形一并合成,计算复杂度为 O(n^2) 。代码如下

for i = 1: 1: length(x_less)
    if x_less(i) ~= -1
        for j = i + 1: 1: length(x_less)
            if j ~= i && x_less(j) ~= -1
                if x_less(i) == x_less(j)
                    if y_less(j) <= y_large(i) + col_width && y_less(j) >= y_less(i)
                        y_large(i) = y_large(j);
                        x_large(i) = max(x_large(i), x_large(j));
                        x_less(j) = -1;
                    end
                end
                if y_less(i) == y_less(j)
                    if x_less(j) <= x_large(i) + row_width && x_less(j) >= x_less(i)
                        x_large(i) = x_large(j);
                        y_large(i) = max(y_large(i), y_large(j));
                        x_less(j) = -1;
                    end
                end
            end
        end
    end
end

使用这种二维遍历合并小矩形后,部分区域会产生重叠的大矩形。接下来,为了呈现良好的人脸检测效果,需要将重叠的大矩形去重。重叠的情况我分为以下几种:

情况一:角重叠

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-1iNw7ZuW-1671155592763)(./img/hw4_3_2_situ_1.png)]

情况二:中心重叠

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Z4qJ6uxd-1671155592763)(./img/hw4_3_2_situ_2.png)]

情况三:一边重叠

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-m1Rq8VQg-1671155592763)(./img/hw4_3_2_situ_3.png)]

我根据重叠的面积占大矩形面积的比例,来判断两个矩形的重叠程度。如果重叠程度过大,则舍弃其中一个矩形,因为它们很可能是识别出的同一个人脸。至此,可以认为剩余的矩形都不再重叠。

然后,我移除那些面积较小的矩形,因为面积过于小的矩形一般来说识别的并不是人脸。

最后,我对所有检测矩形进行优化。我将窄而长的矩形稍微压缩一下,尽可能压成正方形。同时,矩形的中心要稍稍上移。这是因为,检测算法是根据肤色来确定的,而脖子部分和人脸的颜色接近,人脸检测时,容易将脖子也一并识别,所以矩形可能会呈现窄而宽,且中心偏下。如下图所示

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-m8yUuBiq-1671155592763)(./img/hw4_3_2_situ_4.png)]

当然,如果一个矩形宽而矮,我也会进行一定的压缩一下,让它更接近正方形。

至此,就完成了人脸检测的工作。

对于 L=3,4,5 ,人脸检测的效果如下

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-f5lufMYp-1671155592764)(./img/detect_face_1.png)]

可以看到,对于大部分人脸识别效果都是不错的。少部分人脸由于靠的太近或衣服颜色问题,部分人脸被识别在了一起,但总体效果还是可以的。

在人脸检测过程中,我将小矩形的长宽都定为20,移动步长为5,面积重叠比例大于0.01则认为识别了同一张人脸。L=3,4,5 时,距离相近的阈值分别为 0.053,0.603,0.750,逐步上升。

本题代码位于src/hw4_3_2.m中,人脸检测算法封装在函数文件src/DetectFace.m中,测试图像为图像处理所需资源/test1.png。

(3)图像旋转、拉长、变色

使用imrotate方法将图片旋转,使用imresize方法将图片拉长,使用imadjust方法将图片变色,再进行人脸检测。参数采用 L=3 。结果如下

旋转90°:

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-oyZP29K2-1671155592764)(./img/rot90.png)]

拉长一倍:

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-sKPUeWLF-1671155592764)(./img/doublewidth.png)]

变色:

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-wUUwWqYZ-1671155592764)(./img/adjustcolor.png)]

从识别结果看,旋转90°的识别结果和原本的识别结果较不一样。拉长一倍和变色后,识别结果都和原本的识别结果相近,且拉长一倍后检测效果有所改善。

理论上分析,旋转90°后,由于图像色彩没有变化,所以人脸检测中储存的小矩形应当是和原本图像的结果是一样的。但是由于图像旋转了90°,导致合并小矩形以及之后的去重大矩形的过程中,和原图的结果不一致,导致最后的检测结果和原图不一致。

图像拉长一倍后,原本图像相近的色彩,在图像被拉长后,也显得容易区分了。所以在原本 L=3 的情况下区分不开的人脸,在图像被拉长后也能区分出来了。

在图像稍微变色后,识别结果和原图区别不大。这是因为图像整体颜色的改变,相当于人脸颜色整体改变,在多维空间中的人脸向量与未改变颜色前的向量,应当是平行关系。而检测距离是与检测的人脸向量和训练的标准向量的夹角有关的。整体改变颜色,不改变这个夹角,所以距离是基本不会变的。因此,图像稍微变色,对识别结果不会有太大的影响。

本题代码位于src/hw4_3_3.m中

(4)重新选择人脸样本的训练标准

在进行人脸检测的实验时,由于仅仅是根据肤色去判断,因此人的手、脖子等与脸颜色接近的部分,也会被识别为人脸。而且如果有些人戴了眼镜,由于训练样本戴眼镜的较少,所以眼镜对识别结果也会有一些影响。因此,如果重新选择人脸样本训练标准的话,除了肤色,可能还得考虑人脸的进阶特征。具体方法是,首先通过肤色初筛人脸区域,然后进一步考虑识别的人脸区域有没有五官特征。五官特征可以由训练图像的梯度进行判断。

基于MATLAB的人脸识别考勤系统(matlab UI界面,sql sever数据库,opencv) 本项目使用的是OpenCV提供的人脸识别算法LBPH(Local Binary Pattern Histogram),即局部二进制模式直方图,其人脸识别算法思路是:将检测到的人脸分为小单元,并将其与模型中的对应单元进行比较,对每个区域的匹配值产生一个直方图,通过对直方图的比较,算法将能够识别图像的边缘和角,能够识别直方图中哪些代表人的主要特征,比如眼睛的颜色、嘴巴的形状等等,这个算法的基本理论也就是基于直方图的创建和比较。张人脸图像,并且实时显示再图像框中,将图像按名字为文件夹名称保存到指定位置,如图。 阅读详情

相关推荐

使用MATLAB进行实时人脸检测和识别

本文介绍了如何使用MATLAB控制笔记本电脑的摄像头,并实现实时人脸检测和识别的功能。通过逐步实施摄像头初始化、人脸检测、特征提取和人脸识别,我们能够在实时图像帧中检测和识别人脸。此外,你还可以探索其他MATLAB提供的功能和工具箱,以进一步增强人脸检测和识别的性能和准确性。在本文中,我们将探讨如何使用MATLAB控制笔记本电脑的摄像头,并实现实时人脸检测和识别的功能。如果检测到人脸,它将在图像上标记人脸位置,并显示相应的识别结果。然后,将图像帧转换为灰度图像,以便于人脸检测和识别处理。

ByteWhizX的博客 432

MATLAB 图像处理大作业 之人脸边缘检测

MATLAB 图像处理大作业 之人脸边缘检测

2038

基于MATLAB GUI的肤色检测人脸识别定位

在人脸识别技术中,肤色检测是其一个重要环节。在实现所述算法后,我们可以基于 MATLAB 自带的 GUI 设计工具,如 GUIDE,设计出应用程序的界面。需要注意的是,由于不同人种的肤色相差较大,因此在实际应用中需要进行针对性的调整和优化。肤色检测法是一种基于肤色特征进行人脸识别的方法,其基本原理是首先提取图像中的肤色部分,然后通过对这些肤色部分进行处理,进而实现人脸识别定位。总之,通过本文的介绍,读者可以初步了解肤色检测人脸识别定位的基本原理和实现方法,并根据自己的实际需求进行进一步的开发和应用。

2301_78484069的博客 455

MATLAB实现图像的DCT、DFT变换与SSIM质量评估

文章目录MATLAB实现图像的DCT、DFT变换与SSIM质量评估1. 摘要2. 图像的DCT变换2.1 DCT原理分析2.2 DCT变换的过程分析2.3 彩色图片的DCT变换2.4 图片的分块变换2.5用客观质量评估方法评价压缩后图像使用客观质量评估方法的原因SSIM的原理简述MATLAB实现SSIM3. 图像的DFT变换3.1 DFT原理分析3.2 结果分析 MATLAB实现图像的DCT、DFT变换与SSIM质量评估 1. 摘要 这份报告是视频编码与通信的第一次大作业。首先这篇报告根据作业发布的要求,在

qq_43289994的博客 5554

基于MATLAB边缘检测的人脸五官定位:传统图像处理实践指南

图像处理是计算机视觉的基础,其核心在于从像素数据中提取有意义的特征。边缘检测作为经典的特征提取方法,通过识别图像中灰度值剧烈变化的区域,勾勒出物体的轮廓与结构,为后续分析提供关键信息。在工程实践中,这种基于底层特征的方法因其原理透明、计算高效、对数据依赖低,特别适合算法原型验证、教学演示及资源受限场景。MATLAB凭借其强大的图像处理工具箱,为快速实现边缘检测、形态学操作、特征分析等流程提供了高效平台。本文聚焦人脸五官定位这一具体应用,详细拆解了如何利用Canny算子等边缘检测技术,结合灰度投影、区域分割等

weixin_31423955的博客 302

MATLAB图像处理实战:从DCT变换到人脸检测的算法拆解

图像处理是计算机视觉的基础,而MATLAB凭借其强大的矩阵运算与内置函数,成为算法验证和工程实现的常用平台。任何图像处理任务都离不开对像素操作、变换域分析和特征提取的深入理解。DCT变换是JPEG压缩的核心,通过量化与ZigZag扫描实现数据降维;隐写术则在DCT域中嵌入秘密信息,平衡隐蔽性与鲁棒性;人脸检测则借助PCA特征脸方法,将图像映射到低维空间进行识别。这些技术看似独立,实则共享相似的工程思想:将图像变换到合适域,选取有效特征,再通过参数调优提升性能。无论是课程设计、毕业答辩,还是快速验证算法效果,

weixin_31155097的博客 196

MATLAB人脸马赛克实战:从人脸检测到批量打码的完整图像处理方案

图像处理中,像素级操作是许多经典算法的基石,人脸马赛克正是其中极具代表性的应用。它通过对目标区域进行分块取均值、降采样或滤波,实现视觉信息的“降权”,在保护隐私的同时保留了图像整体结构。MATLAB将图像表示为多维矩阵,配合级联检测器(如CascadeObjectDetector)可快速定位人脸区域,再结合块操作函数高效完成马赛克渲染。该流程覆盖读图、色彩空间、目标检测、像素填充与批量IO,是理解图像处理全链路的高效实践。在课程大作业、批量照片脱敏、视频隐私保护等场景中都有直接应用。本文以MATLAB为例,

weixin_29973493的博客 213

MATLAB五官检测系统:传统图像处理实现人脸关键点定位

人脸关键点检测是计算机视觉的基础任务,传统方法依赖肤色分割与几何先验,在YCbCr色彩空间通过阈值提取皮肤区域,结合形态学操作与投影分析定位五官。这种技术方案无需深度学习训练,在CPU上即可实现毫秒级检测,适用于疲劳驾驶监测、课堂注意力统计等对实时性和轻量部署要求高的场景。MATLAB五官检测系统正是这一思路的工程实践,通过GUI集成肤色阈值调节与形态学参数控制,帮助用户快速验证算法并调优,为嵌入式移植提供可靠原型。

weixin_27066963的博客 199

数字图像处理大作业实验报告

数字图像处理大作业,栽树了属于是

qq_56919740的博客 2万+

基于MATLAB与Viola-Jones算法的人脸五官检测系统实现与调优

目标检测是计算机视觉领域的核心基础技术,其核心原理是通过算法自动识别并定位图像或视频中的特定对象。Viola-Jones算法作为早期经典检测框架,通过Haar-like特征与级联分类器实现高效扫描,在CPU上即可达到实时性能,为后续深度学习检测模型奠定了重要基础。该技术具有轻量、快速、易于部署的工程价值,广泛应用于人脸检测、安防监控、人机交互等场景。本文聚焦于利用MATLAB环境,结合Viola-Jones算法,详细拆解从人脸到眼睛、鼻子、嘴巴的级联检测流程,并深入探讨了参数调优、图像预处理及常见问题排查等

weixin_28689193的博客 261

MATLAB五官检测系统:从图像处理到GUI集成的完整实现

计算机视觉中的目标检测是识别图像中特定对象位置的核心技术,其原理通常涉及特征提取、模式识别与区域定位。在工程实践中,传统图像处理方法通过颜色空间转换、边缘检测和形态学操作等技术,能够在不依赖大量训练数据的情况下实现特定目标的快速定位,具备良好的可解释性和快速原型开发价值。这类技术尤其适用于算法验证、教学演示和轻量级工具开发等场景。本文以人脸五官检测为例,详细阐述了如何利用MATLAB的Image Processing Toolbox,结合肤色建模、投影分析等经典算法,并集成图形用户界面(GUI),构建一个完

weixin_30536861的博客 250

matlab期末大作业(基础功能、人脸识别、特殊风格等)

matlab大作业实现17个基础功能,包括导入图片和从摄像头端加载图片、彩色图像进行不同角度的旋转,各种程度的对比度,彩色图像灰度化,裁剪图片,将图片镜像和反色、.圆和矩形检测、人脸识别,眼睛识别,嘴巴识别、傅里叶正变换、腐蚀膨胀开运算和闭运算,形态学滤波、提取红苹果

m0_73669359的博客 8730

MATLAB人脸五官检测:级联检测器实现脸眼鼻嘴定位

人脸检测是计算机视觉的基础任务,其核心原理是通过Haar-like特征与级联分类器快速定位面部区域。在MATLAB图像处理中,利用内置的级联检测器无需深度学习即可实现脸、眼、鼻、嘴的定位,技术价值在于低门槛、无需GPU且适合快速原型验证。典型应用场景包括门禁考勤、表情识别预处理以及matlab图像处理大作业。通过ROI裁剪与坐标映射,可有效提升五官检测的稳定性,为后续人脸表情识别等任务提供可靠基线。

weixin_27442001的博客 108

2022/2023届-Matlab数字图像处理—选题推荐

大家好,又到了一年一次的大学课题选题阶段的时间,很多人私信我,是否可以帮忙推荐一些matlab数字图像处理方向的课题推荐,这边给大家罗列一些比较好的课题。推荐选题一:基于MATLAB的人脸图像考勤系统背景:课堂点名的作用为督促学生参与到课堂教学中,让学生能够更好学习相关知识。传统的课堂教学采用课堂点名的方式,容易打乱教师的授课节奏。且存在替签到的作假行为,无法客观地反应出勤率和授课老师欢迎度。基于...

matlabBBQ的博客 1万+

MATLAB疲劳检测系统完整实现:从人脸检测到GUI实战

计算机视觉技术在日常安全监控中扮演着越来越重要的角色,其中基于视觉信号的疲劳状态识别是智能交通与安全驾驶领域的核心应用之一。在人脸检测与图像处理的基础上,通过分析眼睛开合程度、眨眼频率以及嘴巴张合状态等关键特征,可以构建一套非侵入式的实时疲劳监测方案。MATLAB凭借其丰富的图像处理工具箱和可视化交互环境,为算法验证与原型系统开发提供了高效路径,能够快速实现从摄像头采集、面部定位到状态判定的完整数据链路。这类系统可广泛应用于驾驶员状态监测、课堂注意力分析及工业安全操作监督等场景。本文围绕基于MATLAB G

weixin_29290947的博客 195

Python实战:用NumPy实现LU分解与QR分解(附代码对比)

本文深入探讨了使用NumPy实现LU分解与QR分解的实战方法,通过代码对比分析了两种矩阵分解技术的原理、数值稳定性差异及核心应用场景。LU分解适用于高效求解线性方程组,而QR分解凭借其正交化特性,在求解最小二乘问题和处理病态矩阵时更具优势。文章提供了详细的Python代码示例,帮助开发者根据具体问题选择最合适的分解方法。

php55的博客 1218

人脸识别门禁系统设计(一)

在MATLAB环境下基于2DPCA特征提取的SVM人脸识别门禁系统。

qq_39816905的博客 1万+

【仓颉 + 鸿蒙 + AI Agent】CangjieMagic框架(3):Agent请求和响应

CangjieMagic框架:使用华为仓颉编程语言编写,专门用于开发AI Agent,支持鸿蒙、Windows、macOS、Linux等系统。这篇文章剖析一下 CangjieMagic 框架中的 AgentRequest 和 AgentResponse。

九丘教育官方博客 1476

python实验课大作业 人脸识别项目

python实验课大作业 人脸识别项目 OpenCV提供了大量的HAAR训练器与检测器• 介绍:OpenCV是一个基于Apache2.0许可(开源)发行的跨平台计算机视觉和机器学习软件库,可以运行在Linux、Windows、Android和Mac OS操作系统上。它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成,同时提供了Python、Ruby、MATLAB等语言的接口,实现了图像处理和计算机视觉方面的很多通用算法。• 主要功能:读取图像、灰度转换、人脸检测、人脸识别。

追风小小少年的博客 1506

【图像去噪】论文精读:AKDT: Adaptive Kernel Dilation Transformer for Effective Image Denoising

论文题目:AKDT: Adaptive Kernel Dilation Transformer for Effective Image Denoising —— AKDT:用于有效图像去噪的自适应核膨胀Transformer图像去噪是一项基本但具有挑战性的任务,特别是在处理高分辨率图像和复杂的噪声模式时。大多数现有方法依赖于标准的 Transformer 架构,该架构通常计算复杂度高,并且对不同噪声水平的适应性有限。在本文中,我们介绍了自适应核膨胀Transformer(AKDT)

主要更新底层视觉(去噪、超分等)相关的科研内容,形式为【论文精读】+【论文复现】 1050

(王道408考研操作系统)第一章计算机系统概述-第三节2:中断和异常

注意!!! 本节内容和《计算机组成原理》中的中断有重合,如果需要详细了解的话可以点击链接跳转:(计算机组成原理)第七章输入和输出系统-第四节2:I/O方式之程序中断方式 为了内容完整,部分内容会借用上述文章 文章目录一:中断和异常的基本概念(1)中断和异常的定义 一:中断和异常的基本概念 在操作系统引入核心态和用户态这两种工作状态后,就需要考虑两种状态之间是如何切换的。 操作系统内核工作在核心态,用户程序工作在用户态,系统不允许用户程序使用核心态的功能,但是用户程序为了完成某些操作又必须使用这些功能

快乐江湖的博客 3537

matlab数字图像处理系统大作业:开启数字图像处理新篇章

matlab数字图像处理系统大作业:开启数字图像处理新篇章 去发现同类优质开源项目:https://gitcode.com/ 项目介绍 在计算机视觉与图像处理领域,MATLAB凭借其强大的数值计算和可视化能力,一直受到广大科研人员和学生的青睐。今天,我将为您推荐一个实用且功能强大的开源项目——matlab数字图像处理系统大作业。该项目旨在通过MATLAB实现一系列数字图像处理功能,为学习者和研究人...

gitblog_06732的博客 638

MuJoCo XLA (MJX) 强化学习人形机器人四足机器人入门教程(三)

MJX 是用 JAX 编写的 MuJoCo 实现,可以在 GPU/TPU 上进行大批量训练。在本笔记本中,我们将演示如何使用 MJX 训练 RL 策略。在开始大量 RL 工作负载之前,我们先从一个简单的示例开始!xml = """"""接下来,我们使用 MJX 将 MuJoCo 模型和数据放到 GPU 设备上。下面,我们将打印来自 MuJoCo 和 MJX 的 qpos。

2506_90492529的博客 2474
上一篇: 人工智能课后作业_python实现广度优先遍历搜索(BFS)(附源码)
下一篇: 基于Springboot开发实现的图书管理系统(附源码)
onnx
博客等级 码龄5年 1万+粉丝 416原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

onnx

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值