【图像识别】基于直方图实现人脸识别matlab源码

一、直方图

首先看一个例子：

上面是原始图像，下面是图像的直方图。

什么意思呢？

举例：

最后绘制的直方图如下：

                    

不过，大家一般看到的是这种：

                    

再比如，左边这三张图，得到的对应的直方图如右所示：

二、归一化直方图

举例：

三、绘制直方图的参数

3.1 dims 

dims表示使用参数的数量。dims = 1表示绘制直方图的时候，只考虑灰度级的情况。dims一般就等于1。

3.2 bins

参数子集的数目

有时候需要把邻近的像素值合并一下。比如下面的图，应该有5个像素值。但是想合并成3个，那就bins = 3。

再比如，lena图像想分成16个组

最后得到的灰度直方图如下：

3.3 Range

统计直方图的范围。

登录后复制

• 1.

1.  
   登录后复制

   function varargout = FR_Processed_histogram(varargin)
   gui_Singleton = 1;
   gui_State = struct('gui_Name',       mfilename, ...
       'gui_Singleton',  gui_Singleton, ...
       'gui_OpeningFcn', @FR_Processed_histogram_OpeningFcn, ...
       'gui_OutputFcn',  @FR_Processed_histogram_OutputFcn, ...
       'gui_LayoutFcn',  [] , ...
       'gui_Callback',   []);
   if nargin && ischar(varargin{1})
       gui_State.gui_Callback = str2func(varargin{1});
   end
    
   if nargout
       [varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:});
   else
       gui_mainfcn(gui_State, varargin{:});
   end
    
   function FR_Processed_histogram_OpeningFcn(hObject, eventdata, handles, varargin)
   handles.output = hObject;
   guidata(hObject, handles);
   global total_sub train_img sub_img max_hist_level bin_num form_bin_num;
   total_sub = 40;
   train_img = 200;
   sub_img = 10;
   max_hist_level = 256;
   bin_num = 9;
   form_bin_num = 29;
    
   function varargout = FR_Processed_histogram_OutputFcn(hObject, eventdata, handles)
   varargout{1} = handles.output;

   • 1.
   • 2.
   • 3.
   • 4.
   • 5.
   • 6.
   • 7.
   • 8.
   • 9.
   • 10.
   • 11.
   • 12.
   • 13.
   • 14.
   • 15.
   • 16.
   • 17.
   • 18.
   • 19.
   • 20.
   • 21.
   • 22.
   • 23.
   • 24.
   • 25.
   • 26.
   • 27.
   • 28.
   • 29.
   • 30.
   • 31.
   • 32.