人脸识别matlab

1目录第一章摘要............................................................................................................................................21.1前言...............................................................................................................................................21.2显微图像的特点............................................................................................................................2第二章边缘检测......................................................................................................................................32.1边缘检测的定义............................................................................................................................32.2细胞图像边缘检测算法的研究内容............................................................................................4第三章边缘检测算子..............................................................................................................................63.1SOBEL算子.....................................................................................................................................63.2CANNY算子...................................................................................................................................8第四章基于MATLAB的实验结果与分析..........................................................................................114.1实验程序......................................................................................................................................114.2实验结果......................................................................................................................................124.3结果分析......................................................................................................................................13参考文献................................................................................................................................................142第一章摘要根据血液细胞边缘附近的灰度分布梯度较大的特性，运用Sobel算子、Canny算子对血细胞进行图像的边缘提取。实验结果表明，Canny算子进行边缘提取算法对于血细胞图像边缘提取有很好的效果。1.1前言长期以来，细胞和组织形态特征的分析一直是研究生物细胞学和病理学的主要手段。观察和计算血细胞的体积、表面积、细胞及细胞核的形态，仍然是许多血液疾病临床和病理的常规检查。目前图像分析已经成为细胞学定量分析研究的有力工具，已用于细胞分类，细胞计数，肿瘤细胞的识别等各个方面。不仅大大减轻了人的劳动，而且为临床诊断提供了定量、客观的依据。然而要得到好的识别效果，有赖于细胞图像分割及边缘提取的准确性，即边缘提取是细胞图像识别的第一步，也是关键的一步。本文根据细胞图像的特点，运用Sobel算子、Canny算子对血细胞进行图像的边缘提取，比较两种边缘提取方法相比较，验证了Canny算子对细胞图像边缘提取的优越性。1.2显微图像的特点显微图像是指将组织、胞制成染色切片或涂片在显微镜下所看到的图像。本文以缺铁性贫血的血液涂片为研究对象。缺铁性贫血是贫血中最常见的一种，是机体对铁的需要增加、摄入不足或丢失过多等造成体内铁的缺乏，影响血红蛋白的合成而致的贫血。其典型血象为低色素小细胞性贫血，血红蛋白的减少比红细胞的减少更为明显。在染色的血涂片上可见红细胞的体积一般较小，大小和形态不一，由于每个红细胞内所含的血红蛋白很少，红细胞表现为中心浅染区较大。一幅染色显微血液图像中有红细胞，各种白细胞，血小板，同时还可能含有杂质，细胞形状不固定，细胞之间可能会有交叠，也可能因光照不均而使亮度分布不均匀。因此在作血液细胞图像识别时，要能区分出图像中的红细胞、白细胞、血小板及杂质和交叠的细胞。对于白细胞还应当能够正确分割出它的细胞核，此外由于缺铁性贫血的红细胞的中心浅染区较大，因此进行细胞边缘检测时需要正确找到红细胞的中心浅染区的边缘。3第二章边缘检测2.1边缘检测的定义图像边缘是图像最基本的特征，边缘在图像分析中起着重要的用。所谓边缘（edge）是指图像局部特征的不连续性。灰度或结构信息的突变称为边缘，例如：灰度级的突变、颜色的突变、纹理结的突变。边缘是一个区域的结束，也是另一个区域的开始，利用该特可以分割图像。当人们看一个有边缘的物体时，首先感觉到的便是边缘，如一条理想的边缘应该具有如图2.1(a)所示模型的特性。每个像素都处在灰度级跃变的一个垂直的台阶上（例如图形中所示的水平线通过图像的灰度剖面图）。而实际上，诸如图像采集系统的性能、采样频率和获得图像的照明条件等因素的影响，得到的边缘往往是模糊的，边缘被模拟成具有“斜坡面”的剖面，如图2.1(b)所示，在这个模型中不再有细线（宽为一个像素的线条），而是出现了边缘的点包含斜坡中任意点的情况。由此可以看到：模糊的边缘使边缘的“宽度”较大，面清晰的边缘使由此可以看到：模糊的边缘使边缘的“宽度”较大，面清晰的边缘使边缘的宽度较小。图像的边缘有方向的幅度两个属性，沿边缘方向像素变化平缓垂直于边缘方向像素变化剧烈。边缘上的这种变化可以用微分算子检测出来，通常用一阶导数或二阶导数来检测边缘，认为最大值对应边缘位置，而二阶导数以过零点对应边缘位置。实际不同的是一阶导数上，对于图像中的任意方向上的边缘都可以进行4类似的分析。图像边缘检测中对任意点的一阶导数可以利用该点梯度的幅度来获得，二阶导数可以用拉普拉斯算子得到。2.2细胞图像边缘检测算法的研究内容细胞图像边缘检测和分析可定义为应用一系列方法获取、校正、增强、变换、检测或压缩可视图像的技术。其目的是提高信息的相对质量，以便提取有用信息。图像边缘检测中的变换属于图像输入图像输出模式，图像边缘检测是一种超越具体应用的过程，任何为解决某一特殊问题而开发的图像边缘检测新技术或新方法，几乎肯定都能找到其他完全不同的应用领域。细胞图像边缘检测的主要研究内容包括：（1）图像获得和抽样，其中通过人眼观察的视野获取图像的问题有：最常用的图像获取装置——电视（TV）摄像机问题，对所获得信号进行独立的采样和数字化就可用数字形式表达景物中全部彩色内容；电荷耦合装置，用作图像传感器，对景物每次扫描一行，或通过平行扫描获得图像；选择正确的分辨力或采样密度，一幅图像实质上是二维空间中的信号，所以适用于信号处理的法则同样适用于图像边缘检测，在放射学中常常需要高分辨力，要求图像至少达到2048像素×2048像素；灰度量化，图像强度也必须进行数字化，通常以256级（按1字节编码）覆盖整个灰度，一般一幅灰度分辨力为8位，空间分辨力为512像素×512像素的图像需0.25兆字节的存贮容量。（2）图像分割，目的是把一个图像分解成它的构成成分，以便对每一目标进行测量。图像分割是一个十分困难的过程。但其测量结果的质量却极大地依赖于图像分割的质量。有两类不同的图像分割方法。一种方法是假设图像各成分的强度值是均匀的并利用这种均匀性；另一种方法寻找图像成分之间的边界，因而是利用图像的不均匀性。主要有直方图分割，区域生长，梯度法等。（3）边界查索，用于检测图像中线状局部结构，通常是作为图像分割的一个预处理步骤。大多数图像边缘检测技术应用某种形式的梯度算子，可应用对水平方向、垂直方向或对角线方向的梯度敏感的梯度算子，用它们的复合结果可检测任意方向的边界。5（4）图像增强和复原，用于改进图像的质量。不同的增强技术可以用于不同的目的，这取决于应用的类型。如果打算直接观察图像，可以增强对比度。如果是为了进一步对图像作数字处理，可以选择分割（一种突出各图像成分之间的边界和线状结构的运算）。该技术可以是整体的或局部的，也可以在某个频域或者空间域中进行。图像增强和复原的目的是为了提高图像的质量，如去除噪声，提高图像的清晰度等。图像增强不考虑图像降质的原因，突出图像中所感兴趣的部分。（5）图像分类（识别）图像分类（识别）属于模式识别的范畴，其主要内容是图像经过某些预处理（增强、复原、压缩）后，进行图像分割和特征提取，从而进行判决分类。图像分类常采用经典的模式识别方法，有统计模式分类和句法（结构）模式分类，近年来新发展起来的模糊模式识别和人工神经网络模式分类在图像识别中也越来越受到重视。（6）图像变换：由于图像阵列很大，直接在空间域中进行处理，涉及计算量很大。因此，往往采用各种图像变换的方法，如傅立叶变换、沃尔什变换、离散余弦变换等间接处理技术，将空间域的处理转换为变换域处理，不仅可减少计算量，而且可获得更有效的处理（如傅立叶变换可在频域中进行数字滤波处理）。目前新兴研究的小波变换在时域和频域中都具有良好的局部化特性，它在图像边缘检测中也有着广泛而有效的应用。6第三章边缘检测算子3.1Sobel算子索贝尔算子（Sobeloperator）是图像处理中的算子之一，主要用作边缘检测。在技术上，它是一离散性差分算子，用来运算图像亮度函数的梯度之近似值。在图像的任何一点使用此算子，将会产生对应的梯度矢量或是其法矢量。该算子包含两组3x3的矩阵，分别为横向及纵向，将之与图像作平面卷积，即可分别得出横向及纵向的亮度差分近似值。如果以A代表原始图像，Gx及Gy分别代表经横向及纵向边缘检测的图像，其公式如下图像的每一个像素的横向及纵向梯度近似值可用以下的公式结合，来计算梯度的大小。在以上例子中，如果以上的角度Θ等于零，即代表图像该处拥有纵向边缘，