久久久久久久999_99精品久久精品一区二区爱城_成人欧美一区二区三区在线播放_国产精品日本一区二区不卡视频_国产午夜视频_欧美精品在线观看免费

標(biāo)題: 頭像無痕組合技術(shù)實(shí)現(xiàn)的數(shù)字圖像處理課程設(shè)計(jì)報(bào)告 [打印本頁]
作者: 51hei團(tuán)團(tuán)    時(shí)間: 2018-6-30 04:15
標(biāo)題: 頭像無痕組合技術(shù)實(shí)現(xiàn)的數(shù)字圖像處理課程設(shè)計(jì)報(bào)告
  數(shù)字圖像處理課程設(shè)計(jì)報(bào)告
   題目：頭像無痕組合技術(shù)實(shí)現(xiàn)

摘 要

   圖像信息是人類獲取信息的重要來源及利用信息的重要手段，圖像處理科學(xué)技術(shù)是科學(xué)研究、社會生產(chǎn)及人類生活中不可缺少的強(qiáng)有力工具。在信息社會中，數(shù)字圖像處理科學(xué)在理論或?qū)嵺`上都存在著巨大的潛力。  數(shù)字圖像處理是一種通過計(jì)算機(jī)采用一定的算法對圖形圖像進(jìn)行處理的技術(shù)。數(shù)字圖像處理技術(shù)已經(jīng)在各個(gè)領(lǐng)域上都有了比較廣泛的應(yīng)用。圖像處理的信息量很大，對處理速度的要求也比較高。MATLAB強(qiáng)大的運(yùn)算和圖形展示功能，使圖像處理變得更加的簡單和直觀。
   圖像合成又稱圖像融合，就是將一幅圖像中的目標(biāo)提取出來與另一幅圖像融合成為一幅新的圖像。圖像合成在軍事，醫(yī)學(xué)，藝術(shù)，生活等很多領(lǐng)域都有著廣泛的應(yīng)用。
   本文討論人臉部位元素和人臉圖像的合成，并應(yīng)用MATLAB軟件編程實(shí)現(xiàn)。針對該問題分成以下三步。
第一步，目標(biāo)提取。通過對元素圖像進(jìn)行銳化，二值化，邊緣檢測處理，提取出所需人臉部位元素；第二步，圖像合成。找出人臉元素指定位置坐標(biāo)，將截取元素融合入人臉中；第三步，圖像修復(fù)。對融合元素采用兩種圖像像素加權(quán)的方法進(jìn)行修復(fù)，使圖像更自然，達(dá)到頭像無痕組合技術(shù)實(shí)現(xiàn)

目錄

第1部分目標(biāo)提取

1.1臉部元素與背景的分離

1.2臉部元素的處理

  1.2.1合理腐蝕法

  1.2.2二值化邊界判別法

第2部分圖像合成

2.1確定坐標(biāo)

2.2放置臉部元素

第3部分圖像修復(fù)

3.1問題分析

3.2邊緣加權(quán)法

  3.2.1方法思路

  3.2.2具體過程

3.3灰度閾值加權(quán)法

第4部分總結(jié)
       參考文獻(xiàn)資料
第5部分附錄

一、目標(biāo)提取
1.1臉部元素與背景的分離
圖像邊緣對圖像識別和計(jì)算機(jī)分析十分有用，邊緣能勾畫出目標(biāo) 物體，使觀察者—目了然； 邊緣蘊(yùn)含了豐富的內(nèi)在信息，是圖像識別中重要的圖像特征之一。從本質(zhì)上說，圖像邊緣是圖像局部特性不連續(xù)的反映，它標(biāo)志著一個(gè)區(qū)域的終結(jié)和另一個(gè)區(qū)域的開始。它存在于目標(biāo) 與背景、 目標(biāo)與目標(biāo)、區(qū)域與區(qū)域、基元與基元之間，因此它是圖像分割所依賴的重要特征。
考慮目標(biāo)圖像中的對應(yīng)臉部元素邊界處過渡較明顯，我們先將圖像放大——為了減小檢測邊緣的鋸齒影響，銳化——使圖像的邊緣更加明顯，再將圖像縮小以更好的得到目標(biāo)元素的邊緣輪廓。接著將圖像二值化，并簡單的濾波將無關(guān)緊要的雜質(zhì)濾去，防止對邊緣檢測產(chǎn)生影響。為了找出最好的邊緣檢測方法，我們先后嘗試了Robert算子，Sobel算子，Prewitt算子，拉普拉斯算子，以及Canny算子，最終得出Canny算子是效果最好的一種算法，所以我們最終采用Canny算子邊緣檢測，其具體算法如下：
該檢測方法是尋找圖像梯度的局部極大值，梯度是用高斯濾波器的導(dǎo)數(shù)計(jì)算的。該方法使用兩個(gè)閾值來分別檢測強(qiáng)邊緣和弱邊緣，而且僅當(dāng)弱邊緣與強(qiáng)邊緣相連時(shí)，弱邊緣才會包含在輸出中。此方法不容易受噪聲的干擾，能夠檢測到真正的弱邊緣。因此，Canny算子在圖像處理中應(yīng)用越來越廣泛。它依據(jù)圖像邊緣檢測最優(yōu)準(zhǔn)則設(shè)計(jì)算法：
①用高斯濾波模板進(jìn)行卷積以消除噪聲；
②利用導(dǎo)數(shù)算子找到圖像灰度沿著兩個(gè)（x,y）方向的偏導(dǎo)數(shù)，并求出梯度的大小；
③利用②的結(jié)果計(jì)算出梯度的方向；
④知道邊緣的方向，就可以把邊緣的梯度方向大致分四種：0°、45°、90°、135°方向。通過梯度的方向，就可以找到這個(gè)像素梯度方向的鄰接像素；
⑤遍歷圖像，若某個(gè)像素的灰度值與其梯度方向上前后兩個(gè)像素的灰度值相比不是最大的，那么這個(gè)像素值為零，即不是邊緣；
⑥使用累計(jì)直方圖計(jì)算兩個(gè)閾值，大于高閾值的一定是邊緣，小于低閾值的一定不是邊緣，介于之間的,看這個(gè)像素的鄰接像素中有沒有超過高閾值的邊緣像素，如果有的話那么它就是邊緣了，否則它就不是邊緣。
Canny檢測方法不容易受噪聲干擾，能夠檢測到真正的弱邊緣，原因是它使用兩種不同的閾值分別檢測強(qiáng)邊緣和弱邊緣，并且當(dāng)弱邊緣和強(qiáng)邊緣相連時(shí)，可以將弱邊緣包含在輸出圖像中，但是與原始圖像比較，所提取的邊緣仍然存在不完整，且有不連貫的現(xiàn)象，因此將邊緣檢測后的圖像

膨脹處理，用于將目標(biāo)元素輪廓的擴(kuò)充，接著對輪廓內(nèi)部填充，得到與目標(biāo)矩陣等大且元素所在位置像素值為1，其他位置像素值為0的模板矩陣。如下圖1。
                                

    圖1
之后將得到模板矩陣與目標(biāo)矩陣相乘，便得到只剩下相應(yīng)元素，其他為黑色的圖像。如圖2。

圖2
1.2臉部元素的處理
由于圖像是連續(xù)信號，對于提取的臉部元素圖像，其邊界點(diǎn)含有背景色成分。如果直接將它與人臉合成，會出現(xiàn)輪廓線、鋸齒狀等不自然的現(xiàn)象，所以在合成前有必要對元素部分進(jìn)行處理，消除其邊緣點(diǎn)含有的背景色成分。
1.2.1方案一：合理腐蝕法
   對得到的元素圖像，進(jìn)行適當(dāng)腐蝕膨脹，得到邊緣被抹除的臉部元素，至此該元素不含背景顏色。如圖3。
圖3


1.2.2方案二：二值化邊界判別法
根據(jù)區(qū)分元素和背景的二值圖像，可以確定邊界點(diǎn)。對于該二值圖像，
“0”對應(yīng)背景點(diǎn)，“1”對應(yīng)元素點(diǎn)。當(dāng)值為“1”時(shí)，如果該點(diǎn)周圍的8個(gè)點(diǎn)構(gòu)成的鄰域內(nèi)含有“0”值點(diǎn)，則該點(diǎn)以及對應(yīng)于原圖像中的像素點(diǎn)就是邊界點(diǎn)，否則為內(nèi)點(diǎn)。
確定出邊界點(diǎn)后，從該邊界點(diǎn)的鄰域中尋找出內(nèi)點(diǎn)，用該點(diǎn)內(nèi)的顏色替代該邊界點(diǎn)的顏色。將所有邊界點(diǎn)的顏色替換完畢，臉部元素的處理結(jié)束。如圖4。
圖4

二、圖像合成
2.1確定坐標(biāo)
用1與上面提取臉部元素的模板矩陣每一個(gè)像素點(diǎn)值相減，即使得原來元素所在位置像素點(diǎn)為0，背景為1的模板矩陣。根據(jù)臉部圖像的矩陣的大小，先大概確定元素應(yīng)該放置的位置坐標(biāo)，然后利用剛才得到的模板矩陣與大概確定的位置同維度的矩陣卷積，以鼻子為例得到的結(jié)果如圖5所示。

                          圖5
模板為0的部分被去掉，為1的部分被保留，被去掉的地方就是等會兒要放的臉部元素，然后根據(jù)去掉的位置去調(diào)整坐標(biāo)，使得元素安放的位置合理即可。
2.2放置臉部元素
將如圖4所示提取得到的臉部元素矩陣在2.1中確定的臉部放置元素的位置坐標(biāo)下與對應(yīng)的臉部矩陣像素值相加，這樣就可以把提取出來的臉部元素放置到臉部的相應(yīng)位置，效果如圖6所示：


                            圖6

將臉部上的所有元素都進(jìn)行這樣的操作就可以基本實(shí)現(xiàn)頭像的組合，但是從圖6中我們可以明顯的發(fā)現(xiàn)鼻子周圍有白色的分界線，所以下一步要對這里進(jìn)行修復(fù)處理。
三、圖像修復(fù)
3.1問題分析：利用邊緣檢測技術(shù)可以很好地提取保留我們想要的臉部元素，但是由于所給的元素如嘴巴的顏色和臉部的顏色不一致，如果將提取出來的元素直接貼到臉部相應(yīng)位置會出現(xiàn)明顯的分界線，所以我們有必要建立一種算法使得元素和臉部的顏色有一個(gè)漸變的過程。
3.2方案一：邊緣加權(quán)法
   3.2.1方法思路：所給元素的背景是白色的，在元素內(nèi)部和背景之間也有一個(gè)漸變的過程，在這里我們可以利用這種漸變，提取邊界的像素值，經(jīng)過一定處理得到每個(gè)像素點(diǎn)對應(yīng)的加權(quán)系數(shù)，將加權(quán)系數(shù)處理元素和臉部接觸處，可以使得元素顏色向臉部顏色過渡。
    3.2.2具體過程：首先讀取一張臉部和一張?jiān)氐牟噬珗D片，將彩色圖片分解為RGB三個(gè)矩陣，再對彩色圖片灰度化，然后利用現(xiàn)有函數(shù)graythresh自動確定二值化閾值thresh 并用函數(shù)im2bw對圖像進(jìn)行二值化。由于圖像中可能存在噪聲，不利于對元素的邊緣檢測，所以邊緣檢測前先進(jìn)行低通濾波，這里選用高斯濾波。邊緣檢測的算子有很多種，比如Sobel、Prewitt和Canny算子等，可以說各具優(yōu)點(diǎn)和缺點(diǎn)，在這里經(jīng)過我們多次嘗試對比這些算子最終選用了Canny算子檢測邊緣。邊緣檢測后用函數(shù)bwmorph
進(jìn)行膨脹，這樣有利于是邊緣封閉起來，然后用函數(shù)bwfill對元素邊緣內(nèi)進(jìn)行填充，到這里我們可以初步利用填充后的邊緣范圍去提取元素，但是提取出來的元素大小可能不是我們想要的，所以之后我們還有進(jìn)行多次腐蝕、膨脹已達(dá)到我們想要的邊緣范圍。在本方法中，我們需要兩種邊緣范圍，一種是完全包含元素并且有點(diǎn)白色背景的外部邊緣，另一種是比元素范圍稍小一點(diǎn)的內(nèi)部邊緣，可以通過腐蝕膨脹次數(shù)的不同來得到。將內(nèi)、外部邊緣分別去提取元素，然后將外部減去內(nèi)部的像素點(diǎn)就可以得到元素向背景過渡的邊界部分，為了讓邊緣更加規(guī)則平滑這里再次進(jìn)行高斯濾波。我們知道元素過渡邊界部分像素點(diǎn)的值從里向外是由小到變化的，白色部分的值接近255，將這些像素值全部除以255并將得到的數(shù)值變換到0~1之間，即像素除得的最小值對應(yīng)0、最大值對應(yīng)1，每一個(gè)像素點(diǎn)對應(yīng)一個(gè)加權(quán)系數(shù)，為了表述方便我們把這個(gè)矩陣稱記為K1。由于我們在內(nèi)部要更多地保留元素的像素值，所以要用1減去這些值使它們在元素邊界部分從內(nèi)到外、由大到小的變化，將這時(shí)的加權(quán)系數(shù)矩陣記為K2。將K2與提取的元素外部進(jìn)行卷積得到具有過渡性的元素邊緣矩陣。回到我們用來保留元素內(nèi)部的邊緣范圍，將它的值反相，并在臉部要安放元素的位置進(jìn)行卷積運(yùn)算，可以挖去那一部分。然后用我們提取出來元素內(nèi)部進(jìn)行填充，這時(shí)可以看到元素和臉部會有明顯的色差，在先接觸會有分界線。這時(shí)，我們用K1去和臉部對應(yīng)位置進(jìn)行卷積，相當(dāng)于把臉部和元素銜接處去掉一層以用來過渡顏色，然后將剛才用K2與元素外部卷積得到的矩陣填充到這里去掉的一層的位置，這樣可以很好的實(shí)現(xiàn)從元素顏色到臉部顏色的過渡。最終的成果圖如下圖所示：

圖7
3.3方案二：灰度加權(quán)法
將得到的元素圖像I灰度處理得到圖像HI，設(shè)定一個(gè)合適的閾值a，將圖像HI中所有超過a的像素值所在坐標(biāo)提取出來，記為HI（i，j）。記原始臉部圖像為F，添加元素后的臉部圖像為FI，復(fù)原處理后的臉部圖像為FFI， 建立加權(quán)模型如下：
設(shè)權(quán)值為c：
FFI（i,j,1）=FI（i,j,1）*（1-c）+F（i,j,1）*c
FFI（i,j,2）=FI（i,j,2）*（1-c）+F（i,j,2）*c
FFI（i,j,3）=FI（i,j,3）*（1-c）+F（i,j,3）*c
分析知：灰度元素圖像HI邊緣過渡處，隨著向外的擴(kuò)張?jiān)酱螅仃嚨南袼刂狄苍酱螅憩F(xiàn)在圖像I中即為越趨于白色。故，建立權(quán)值c的關(guān)系式如下：
c=(FI（i,j,:）-K)/255            (K值根據(jù)部位不同可做適當(dāng)調(diào)整)
這樣便得到隨著圖像顏色的變淺，權(quán)值c越大，原始臉部顏色的比例就越大，緩沖了顏色的嚴(yán)重過渡，使圖像顯示更加自然。如圖1。
圖1
四、總結(jié)
  在信息化時(shí)代，圖像處理是必不可少的，本文討論的是人臉部位圖像和人臉圖像的合成。這種技術(shù)多用于照片合成，把圖像中的一部分轉(zhuǎn)移到另一張圖像上，我們可以想到的是影視上面的特效。
本文主要應(yīng)用了數(shù)字圖像處理的圖像融合，在提取人臉部位的時(shí)候主要采取了銳化，二值化，邊緣檢測，腐蝕，膨脹。圖像融合的時(shí)候應(yīng)用的更多的是基礎(chǔ)的坐標(biāo)定位和鑲嵌。最后是對融合圖像的人臉部位的背景殘余消除，主要是兩種像素加權(quán)的辦法。正是這些圖像處理技術(shù)的共同作用，使我們小組完成了這次課程設(shè)計(jì)。
   
   通過幾天的課程設(shè)計(jì)，讓我們明確了分工合作的方法，也讓我更多的學(xué)習(xí)到了MATLAB在圖像處理上的應(yīng)用，在這次課程設(shè)計(jì)中，我們查閱了許多資料，這些資料補(bǔ)足了我們在各方面的欠缺，同時(shí)提高了我們的圖像處理知識。


附錄：
  1. clear
  2. clc
  3. close all
  4. I1=imread('G:\數(shù)字圖像處理\2016課程設(shè)計(jì)\35頭像無痕組合技術(shù)實(shí)現(xiàn)\鷹鉤鼻3.bmp');
  5. I2=imread('G:\數(shù)字圖像處理\2016課程設(shè)計(jì)\35頭像無痕組合技術(shù)實(shí)現(xiàn)\圓臉.bmp');
  6. I3=imread('G:\數(shù)字圖像處理\2016課程設(shè)計(jì)\35頭像無痕組合技術(shù)實(shí)現(xiàn)\凸嘴.bmp');
  7. I4=imread('G:\數(shù)字圖像處理\2016課程設(shè)計(jì)\35頭像無痕組合技術(shù)實(shí)現(xiàn)\小眼睛.bmp');
  8. I5=imread('G:\數(shù)字圖像處理\2016課程設(shè)計(jì)\35頭像無痕組合技術(shù)實(shí)現(xiàn)\八字胡1.bmp');
  9. I6=imread('G:\數(shù)字圖像處理\2016課程設(shè)計(jì)\35頭像無痕組合技術(shù)實(shí)現(xiàn)\時(shí)尚發(fā).bmp');
  10. I7=imread('G:\數(shù)字圖像處理\2016課程設(shè)計(jì)\35頭像無痕組合技術(shù)實(shí)現(xiàn)\1.bmp');
  11. I8=imread('G:\數(shù)字圖像處理\2016課程設(shè)計(jì)\35頭像無痕組合技術(shù)實(shí)現(xiàn)\短眉毛3.bmp');
  12. figure,imshow(I1)
  13. I22=I2;
  14. [M,N,P]=size(I1);
  15. I1=(I1)/2;
  16. figure,imshow(I1)  
  17. I11=I1;
  18. I3=(I3)/2;
  19. I33=I3;
  20. I4=(I4)/2;
  21. I44=I4;
  22. [m4,n4,p4]=size(I4);
  23. I5=(I5)/2;
  24. I55=I5;
  25. [m5,n5,p5]=size(I5);
  26. I6=(I6)/2;
  27. I66=imresize(I6,3);
  28. [m6,n6,p6]=size(I6);
  29. I7=(I7)/2;
  30. I77=imresize(I7,3);
  31. [m7,n7,p7]=size(I7);
  32. I8=(I8)/2;
  33. I88=I8;
  34. [m8,n8,p8]=size(I8);
  35. % ERI33=im2bw(imresize(I1,10),0.78);
  36. % ERI33 = medfilt2(ERI33,[3,3]);  %中值濾波
  37. % ERI33=bwmorph(ERI33,'dilate',1); %將邊緣檢測后的圖像膨脹一次，用于將卡片輪廓的擴(kuò)充
  38. % figure,imshow(ERI33)
  39. % BHI33 = bwfill((1-ERI33),'holes'); %將圖像中所有的封閉輪廓填充
  40. % figure,imshow(BHI33)
  41. % BHI33=bwmorph(BHI33,'dilate',3); %將邊緣檢測后的圖像膨脹一次，用于將卡片輪廓的擴(kuò)充
  42. % BHI33=bwmorph( BHI33,'erode',3); %將邊緣檢測后的圖像腐蝕
  43. % BHI33=bwmorph(BHI33,'dilate',3); %將邊緣檢測后的圖像膨脹一次，用于將卡片輪廓的擴(kuò)充
  44. % figure,imshow(BHI33)
  45. % BHI33=imresize(BHI33,0.1);
  46. % figure,imshow(BHI33)
  47. % I1(:,:,1)=double(I1(:,:,1)).*BHI33;
  48. % I1(:,:,2)=double(I1(:,:,2)).*BHI33;
  49. % I1(:,:,3)=double(I1(:,:,3)).*BHI33;
  50. % figure,imshow(I1)


  53. % for i=1:M
  54. %    for j=1:N
  55. %       if I1(i,j,1)>245
  56. %           I1(i,j,1)=0;
  57. %           I1(i,j,2)=0;
  58. %           I1(i,j,3)=0;
  59. %       end
  60. %    end
  61. % end
  62. % figure,imshow(I1)  
  63. %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%   臉部定位
  64. II2=rgb2gray(I2);
  65. II2=edge(II2,'canny',[0.04 0.10],1.5); %canny算子邊緣檢測
  66. figure,imshow(II2)
  67. [m2,n2] = size (II2); %獲得圖像的大小

  69. BH=bwmorph(II2,'dilate',3); %將邊緣檢測后的圖像膨脹一次，用于將卡片輪廓的擴(kuò)充，擴(kuò)充次數(shù)隨Mumd值變化
  70. figure,imshow(BH)  
  71. %title('對獲得邊緣的圖像進(jìn)行膨脹'); %保證卡片的輪廓完整

  73. BH = bwfill(BH,'holes'); %將圖像中所有的封閉輪廓填充
  74. % BH=bwmorph(BH,'erode',Numd); %將邊緣檢測后的圖像腐蝕
  75. BH = medfilt2(BH,[5,5]);  %中值濾波
  76. figure,imshow(BH);
  77. %title('膨脹后進(jìn)行填充，再腐蝕和濾波'); %消除噪點(diǎn)影響
  78. A=sum(BH>0,2);
  79. A=A(1:(m2)*0.7);
  80. a=find(A==max(A));
  81. I2(a(1),(n2)/2,1)=255;
  82. I2(a(1),(n2)/2,2)=0;
  83. I2(a(1),(n2)/2,3)=0;
  84. figure,imshow(I2)
  85. %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%      鼻子
  86. ERI1=im2bw(imresize(I1,10),0.44);
  87. ERI1= medfilt2(ERI1,[5,5]);  %中值濾波
  88. %ERI1=edge(ERI1,'canny',[0.04 0.10],1.5); %canny算子邊緣檢測
  89. figure,imshow(ERI1)
  90. ERI1=bwmorph((1-ERI1),'dilate',5); %將邊緣檢測后的圖像膨脹一次，用于將卡片輪廓的擴(kuò)充
  91. figure,imshow(ERI1)
  92. BHI1= bwfill(ERI1,'holes'); %將圖像中所有的封閉輪廓填充
  93. figure,imshow(BHI1)

  95. BHI1=bwmorph( BHI1,'erode',6); %將邊緣檢測后的圖像腐蝕
  96. BHI1=bwmorph(BHI1,'dilate',3); %將邊緣檢測后的圖像膨脹一次，用于將卡片輪廓的擴(kuò)充
  97. % BHI1=bwmorph(BHI1,'dilate',3); %將邊緣檢測后的圖像膨脹一次，用于將卡片輪廓的擴(kuò)充
  98. BHI1=bwmorph( BHI1,'erode',3); %將邊緣檢測后的圖像腐蝕

  100. figure,imshow(BHI1)
  101. BHI1=imresize(BHI1,0.1);
  102. BHI1=bwmorph( BHI1,'erode',2); %將邊緣檢測后的圖像腐蝕
  103. BHI1=bwmorph(BHI1,'dilate',1); %將邊緣檢測后的圖像膨脹
  104. BHI1=bwmorph( BHI1,'erode',3); %將邊緣檢測后的圖像腐蝕
  105. figure,imshow(BHI1)
  106. I11(:,:,1)=double((I11(:,:,1))*2).*BHI1;
  107. I11(:,:,2)=double((I11(:,:,2))*2).*BHI1;
  108. I11(:,:,3)=double((I11(:,:,3))*2).*BHI1;
  109. figure,imshow(I11)

  111. HH1=1-BHI1;
  112. for i=188:284
  113.    for j=143:239
  114.       I2(i,j,1)= double(I2(i,j,1)).*HH1(i-187,j-142);
  115.       I2(i,j,2)= double(I2(i,j,2)).*HH1(i-187,j-142);
  116.       I2(i,j,3)= double(I2(i,j,3)).*HH1(i-187,j-142);
  117.       I2(i,j,1)=I2(i,j,1)+I11(i-187,j-142,1);
  118.       I2(i,j,2)=I2(i,j,2)+I11(i-187,j-142,2);
  119.       I2(i,j,3)=I2(i,j,3)+I11(i-187,j-142,3);
  120.       rgbI2=rgb2gray(I2);
  121.       if rgbI2(i,j)>185
  122.           HD=(rgbI2(i,j)-20)/255;
  123.           I2(i,j,1)=I2(i,j,1)*(1-HD)+I22(i,j,1)*HD;
  124.           I2(i,j,2)=I2(i,j,2)*(1-HD)+I22(i,j,2)*HD;
  125.           I2(i,j,3)=I2(i,j,3)*(1-HD)+I22(i,j,3)*HD;
  126.       end
  127.    end
  128. end
  129. figure,imshow(I2)
  130. H=(1/9)*ones(3,3);
  131. I2=imfilter(I2,H);

  133. figure,imshow(I2)

  135. %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%            嘴
  136. ERI3=im2bw(imresize(I3,10),0.44);
  137. ERI3= medfilt2(ERI3,[5,5]);  %中值濾波
  138. %ERI1=edge(ERI1,'canny',[0.04 0.10],1.5); %canny算子邊緣檢測
  139. figure,imshow(ERI3)
  140. ERI3=bwmorph((1-ERI3),'dilate',5); %將邊緣檢測后的圖像膨脹一次，用于將卡片輪廓的擴(kuò)充
  141. figure,imshow(ERI3)
  142. BHI3= bwfill(ERI3,'holes'); %將圖像中所有的封閉輪廓填充
  143. figure,imshow(BHI3)

  145. BHI3=bwmorph( BHI3,'erode',6); %將邊緣檢測后的圖像腐蝕
  146. BHI3=bwmorph(BHI3,'dilate',3); %將邊緣檢測后的圖像膨脹一次，用于將卡片輪廓的擴(kuò)充
  147. % BHI1=bwmorph(BHI1,'dilate',3); %將邊緣檢測后的圖像膨脹一次，用于將卡片輪廓的擴(kuò)充

  149. figure,imshow(BHI3)
  150. BHI3=imresize(BHI3,0.1);
  151. BHI3=bwmorph( BHI3,'erode',2); %將邊緣檢測后的圖像腐蝕
  152. BHI3=bwmorph(BHI3,'dilate',1); %將邊緣檢測后的圖像膨脹
  153. BHI3=bwmorph( BHI3,'erode',1); %將邊緣檢測后的圖像腐蝕
  154. figure,imshow(BHI3)
  155. I33(:,:,1)=double((I33(:,:,1))*2).*BHI3;
  156. I33(:,:,2)=double((I33(:,:,2))*2).*BHI3;
  157. I33(:,:,3)=double((I33(:,:,3))*2).*BHI3;
  158. figure,imshow(I33)

  160. HH3=1-BHI3;
  161. for i=251:347
  162.    for j=143:239
  163.       I2(i,j,1)= double(I2(i,j,1)).*HH3(i-250,j-142);
  164.       I2(i,j,2)= double(I2(i,j,2)).*HH3(i-250,j-142);
  165.       I2(i,j,3)= double(I2(i,j,3)).*HH3(i-250,j-142);
  166.       I2(i,j,1)=I2(i,j,1)+I33(i-250,j-142,1);
  167.       I2(i,j,2)=I2(i,j,2)+I33(i-250,j-142,2);
  168.       I2(i,j,3)=I2(i,j,3)+I33(i-250,j-142,3);
  169.       rgbI2=rgb2gray(I2);
  170.       if rgbI2(i,j)>185
  171.           HD=(rgbI2(i,j)-20)/255;
  172.           I2(i,j,1)=I2(i,j,1)*(1-HD)+I22(i,j,1)*HD;
  173.           I2(i,j,2)=I2(i,j,2)*(1-HD)+I22(i,j,2)*HD;
  174.           I2(i,j,3)=I2(i,j,3)*(1-HD)+I22(i,j,3)*HD;
  175.       end
  176.    end
  177. end
  178. figure,imshow(I2)
  179. %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%************      眼睛
  180. ERI4=im2bw(imresize(I4,10),0.44);
  181. ERI4= medfilt2(ERI4,[5,5]);  %中值濾波
  182. %ERI1=edge(ERI1,'canny',[0.04 0.10],1.5); %canny算子邊緣檢測
  183. figure,imshow(ERI4)
  184. ERI4=bwmorph((1-ERI4),'dilate',5); %將邊緣檢測后的圖像膨脹一次，用于將卡片輪廓的擴(kuò)充
  185. figure,imshow(ERI4)
  186. BHI4= bwfill(ERI4,'holes'); %將圖像中所有的封閉輪廓填充
  187. figure,imshow(BHI4)

  189. BHI4=bwmorph( BHI4,'erode',4); %將邊緣檢測后的圖像腐蝕
  190. BHI4=bwmorph(BHI4,'dilate',3); %將邊緣檢測后的圖像膨脹一次，用于將卡片輪廓的擴(kuò)充
  191. % BHI1=bwmorph(BHI1,'dilate',3); %將邊緣檢測后的圖像膨脹一次，用于將卡片輪廓的擴(kuò)充

  193. figure,imshow(BHI4)
  194. BHI4=imresize(BHI4,0.1);
  195. BHI4=bwmorph( BHI4,'erode',1); %將邊緣檢測后的圖像腐蝕
  196. BHI4=bwmorph(BHI4,'dilate',2); %將邊緣檢測后的圖像膨脹
  197. BHI4=bwmorph( BHI4,'erode',1); %將邊緣檢測后的圖像腐蝕
  198. BHI4(:,(n4)/2:end)=bwmorph( BHI4(:,(n4)/2:end),'erode',4); %將邊緣檢測后的圖像腐蝕
  199. figure,imshow(BHI4)
  200. I44(:,:,1)=double((I44(:,:,1))*2).*BHI4;
  201. I44(:,:,2)=double((I44(:,:,2))*2).*BHI4;
  202. I44(:,:,3)=double((I44(:,:,3))*2).*BHI4;
  203. figure,imshow(I44)

  205. HH4=1-BHI4;
  206. for i=178:221
  207.    for j=113:269
  208.       I2(i,j,1)= double(I2(i,j,1)).*HH4(i-177,j-112);
  209.       I2(i,j,2)= double(I2(i,j,2)).*HH4(i-177,j-112);
  210.       I2(i,j,3)= double(I2(i,j,3)).*HH4(i-177,j-112);
  211.       I2(i,j,1)=I2(i,j,1)+I44(i-177,j-112,1);
  212.       I2(i,j,2)=I2(i,j,2)+I44(i-177,j-112,2);
  213.       I2(i,j,3)=I2(i,j,3)+I44(i-177,j-112,3);
  214.       rgbI2=rgb2gray(I2);
  215.       if rgbI2(i,j)>175
  216.           HD=(rgbI2(i,j)-50)/255;
  217.           I2(i,j,1)=I2(i,j,1)*(1-HD)+I22(i,j,1)*HD;
  218.           I2(i,j,2)=I2(i,j,2)*(1-HD)+I22(i,j,2)*HD;
  219.           I2(i,j,3)=I2(i,j,3)*(1-HD)+I22(i,j,3)*HD;
  220.       end
  221.    end
  222. end
  223. figure,imshow(I2)
  224. I2(i,j,1)= medfilt2(I2(i,j,1),[5,5]);  %中值濾波
  225. I2(i,j,2)= medfilt2(I2(i,j,2),[5,5]);  %中值濾波
  226. I2(i,j,3)= medfilt2(I2(i,j,3),[5,5]);  %中值濾波

  228. figure,imshow(I2)
  229. %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%    胡子
  230. ERI5=im2bw(imresize(I5,10),0.44);
  231. ERI5= medfilt2(ERI5,[5,5]);  %中值濾波
  232. %ERI1=edge(ERI1,'canny',[0.04 0.10],1.5); %canny算子邊緣檢測
  233. figure,imshow(ERI5)
  234. ERI5=bwmorph((1-ERI5),'dilate',5); %將邊緣檢測后的圖像膨脹一次，用于將卡片輪廓的擴(kuò)充
  235. figure,imshow(ERI5)
  236. BHI5= bwfill(ERI5,'holes'); %將圖像中所有的封閉輪廓填充
  237. figure,imshow(BHI5)

  239. BHI5=bwmorph( BHI5,'erode',6); %將邊緣檢測后的圖像腐蝕
  240. BHI5=bwmorph(BHI5,'dilate',3); %將邊緣檢測后的圖像膨脹一次，用于將卡片輪廓的擴(kuò)充
  241. % BHI1=bwmorph(BHI1,'dilate',3); %將邊緣檢測后的圖像膨脹一次，用于將卡片輪廓的擴(kuò)充

  243. figure,imshow(BHI5)
  244. BHI5=imresize(BHI5,0.1);
  245. BHI5=bwmorph( BHI5,'erode',2); %將邊緣檢測后的圖像腐蝕
  246. BHI5=bwmorph(BHI5,'dilate',1); %將邊緣檢測后的圖像膨脹
  247. BHI5=bwmorph( BHI5,'erode',2); %將邊緣檢測后的圖像腐蝕
  248. figure,imshow(BHI5)
  249. I55(:,:,1)=double((I55(:,:,1))*2).*BHI5;
  250. I55(:,:,2)=double((I55(:,:,2))*2).*BHI5;
  251. I55(:,:,3)=double((I55(:,:,3))*2).*BHI5;
  252. figure,imshow(I55)

  254. HH5=1-BHI5;
  255. for i=226:322
  256.    for j=143:239
  257.       I2(i,j,1)= double(I2(i,j,1)).*HH5(i-225,j-142);
  258.       I2(i,j,2)= double(I2(i,j,2)).*HH5(i-225,j-142);
  259.       I2(i,j,3)= double(I2(i,j,3)).*HH5(i-225,j-142);
  260.       I2(i,j,1)=I2(i,j,1)+I55(i-225,j-142,1);
  261.       I2(i,j,2)=I2(i,j,2)+I55(i-225,j-142,2);
  262.       I2(i,j,3)=I2(i,j,3)+I55(i-225,j-142,3);
  263.       rgbI2=rgb2gray(I2);
  264.       if rgbI2(i,j)>200
  265.           HD=(rgbI2(i,j)-50)/255;
  266.           I2(i,j,1)=I2(i,j,1)*(1-HD)+I22(i,j,1)*HD;
  267.           I2(i,j,2)=I2(i,j,2)*(1-HD)+I22(i,j,2)*HD;
  268.           I2(i,j,3)=I2(i,j,3)*(1-HD)+I22(i,j,3)*HD;
  269.       end
  270.    end
  271. end
  272. figure,imshow(I2)
  273. %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%       頭發(fā)
  274. ERI6=im2bw(imresize(I6,30),0.44);
  275. ERI6= medfilt2(ERI6,[5,5]);  %中值濾波
  276. %ERI1=edge(ERI1,'canny',[0.04 0.10],1.5); %canny算子邊緣檢測
  277. figure,imshow(ERI6)
  278. BHI6=bwmorph((1-ERI6),'dilate',1); %將邊緣檢測后的圖像膨脹一次，用于將卡片輪廓的擴(kuò)充
  279. figure,imshow(BHI6)
  280. %BHI6= bwfill(BHI6,'holes'); %將圖像中所有的封閉輪廓填充
  281. %figure,imshow(BHI6)

  283. %BHI6=bwmorph( BHI6,'erode',6); %將邊緣檢測后的圖像腐蝕
  284. BHI6=bwmorph(BHI6,'dilate',3); %將邊緣檢測后的圖像膨脹一次，用于將卡片輪廓的擴(kuò)充
  285. % BHI1=bwmorph(BHI1,'dilate',3); %將邊緣檢測后的圖像膨脹一次，用于將卡片輪廓的擴(kuò)充

  287. %figure,imshow(BHI6)
  288. BHI6=imresize(BHI6,0.1);
  289. BHI6=bwmorph( BHI6,'erode',3); %將邊緣檢測后的圖像腐蝕
  290. BHI6=bwmorph(BHI6,'dilate',1); %將邊緣檢測后的圖像膨脹
  291. BHI6=bwmorph( BHI6,'erode',3); %將邊緣檢測后的圖像腐蝕
  292. figure,imshow(BHI6)
  293. I66(:,:,1)=double((I66(:,:,1))*2).*BHI6;
  294. I66(:,:,2)=double((I66(:,:,2))*2).*BHI6;
  295. I66(:,:,3)=double((I66(:,:,3))*2).*BHI6;
  296. figure,imshow(I66)

  298. HH6=1-BHI6;
  299. for i=6:296
  300.    for j=46:336
  301.       I2(i,j,1)= double(I2(i,j,1)).*HH6(i-5,j-45);
  302.       I2(i,j,2)= double(I2(i,j,2)).*HH6(i-5,j-45);
  303.       I2(i,j,3)= double(I2(i,j,3)).*HH6(i-5,j-45);
  304.       I2(i,j,1)=I2(i,j,1)+I66(i-5,j-45,1);
  305.       I2(i,j,2)=I2(i,j,2)+I66(i-5,j-45,2);
  306.       I2(i,j,3)=I2(i,j,3)+I66(i-5,j-45,3);
  307.       rgbI2=rgb2gray(I2);
  308.       if rgbI2(i,j)>175
  309.           HD=(rgbI2(i,j)-20)/255;
  310.           I2(i,j,1)=I2(i,j,1)*(1-HD)+I22(i,j,1)*HD;
  311.           I2(i,j,2)=I2(i,j,2)*(1-HD)+I22(i,j,2)*HD;
  312.           I2(i,j,3)=I2(i,j,3)*(1-HD)+I22(i,j,3)*HD;
  313.       end
  314.    end
  315. end
  316. figure,imshow(I2)
  317. %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%      帽子
  318. I5=I7;
  319. I55=I77;
  320. ERI5=im2bw(imresize(I5,35),0.44);
  321. Z=sum((1-ERI5),2);
  322. ZZ=find(Z~=0);
  323. ERI5=ERI5(ZZ(1):ZZ(end),:);

  325. ERI5= medfilt2(ERI5,[5,5]);  %中值濾波
  326. %ERI1=edge(ERI1,'canny',[0.04 0.10],1.5); %canny算子邊緣檢測
  327. figure,imshow(ERI5)
  328. ERI5=bwmorph((1-ERI5),'dilate',5); %將邊緣檢測后的圖像膨脹一次，用于將卡片輪廓的擴(kuò)充
  329. figure,imshow(ERI5)
  330. BHI5= bwfill(ERI5,'holes'); %將圖像中所有的封閉輪廓填充
  331. figure,imshow(BHI5)

  333. BHI5=bwmorph( BHI5,'erode',6); %將邊緣檢測后的圖像腐蝕
  334. BHI5=bwmorph(BHI5,'dilate',3); %將邊緣檢測后的圖像膨脹一次，用于將卡片輪廓的擴(kuò)充
  335. % BHI1=bwmorph(BHI1,'dilate',3); %將邊緣檢測后的圖像膨脹一次，用于將卡片輪廓的擴(kuò)充

  337. figure,imshow(BHI5)
  338. BHI5=imresize(BHI5,0.1);
  339. BHI5=bwmorph( BHI5,'erode',2); %將邊緣檢測后的圖像腐蝕
  340. BHI5=bwmorph(BHI5,'dilate',1); %將邊緣檢測后的圖像膨脹
  341. BHI5=bwmorph( BHI5,'erode',3); %將邊緣檢測后的圖像腐蝕
  342. figure,imshow(BHI5)
  343. I55=imresize(I5,35);
  344. I55=I55(ZZ(1):ZZ(end),:,:);
  345. % I55(:,:,2)=I55(ZZ(1):ZZ(end),:,2);
  346. % I55(:,:,3)=I55(ZZ(1):ZZ(end),:,3);
  347. I55=imresize(I55,0.1);

  349. I55(:,:,1)=double((I55(:,:,1))*2).*BHI5;
  350. I55(:,:,2)=double((I55(:,:,2))*2).*BHI5;
  351. I55(:,:,3)=double((I55(:,:,3))*2).*BHI5;
  352. figure,imshow(I55)

  354. HH5=1-BHI5;
  355. for i=18:175
  356.    for j=21:314
  357.       I2(i,j,1)= double(I2(i,j,1)).*HH5(i-17,j-20);
  358.       I2(i,j,2)= double(I2(i,j,2)).*HH5(i-17,j-20);
  359.       I2(i,j,3)= double(I2(i,j,3)).*HH5(i-17,j-20);
  360.       I2(i,j,1)=I2(i,j,1)+I55(i-17,j-20,1);
  361.       I2(i,j,2)=I2(i,j,2)+I55(i-17,j-20,1);
  362.       I2(i,j,3)=I2(i,j,3)+I55(i-17,j-20,1);
  363.    end
  364. end
  365. figure,imshow(I2)
  366. %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%        眉毛
  367. ERI8=im2bw(imresize(I8,10),0.44);
  368. ERI8= medfilt2(ERI8,[5,5]);  %中值濾波
  369. %ERI1=edge(ERI1,'canny',[0.04 0.10],1.5); %canny算子邊緣檢測
  370. figure,imshow(ERI8)
  371. ERI8=bwmorph((1-ERI8),'dilate',5); %將邊緣檢測后的圖像膨脹一次，用于將卡片輪廓的擴(kuò)充
  372. figure,imshow(ERI8)
  373. BHI8= bwfill(ERI8,'holes'); %將圖像中所有的封閉輪廓填充
  374. figure,imshow(BHI8)

  376. BHI8=bwmorph( BHI8,'erode',6); %將邊緣檢測后的圖像腐蝕
  377. BHI8=bwmorph(BHI8,'dilate',3); %將邊緣檢測后的圖像膨脹一次，用于將卡片輪廓的擴(kuò)充
  378. % BHI1=bwmorph(BHI1,'dilate',3); %將邊緣檢測后的圖像膨脹一次，用于將卡片輪廓的擴(kuò)充

  380. figure,imshow(BHI8)
  381. BHI8=imresize(BHI8,0.1);
  382. BHI8=bwmorph( BHI8,'erode',3); %將邊緣檢測后的圖像腐蝕
  383. BHI8=bwmorph(BHI8,'dilate',1); %將邊緣檢測后的圖像膨脹
  384. BHI8=bwmorph( BHI8,'erode',3); %將邊緣檢測后的圖像腐蝕
  385. %BHI8(:,(n8)/2:end)=bwmorph( BHI8(:,(n8)/2:end),'erode',4); %將邊緣檢測后的圖像腐蝕
  386. figure,imshow(BHI8)
  387. I88(:,:,1)=double((I88(:,:,1))*2).*BHI8;
  388. I88(:,:,2)=double((I88(:,:,2))*2).*BHI8;
  389. I88(:,:,3)=double((I88(:,:,3))*2).*BHI8;
  390. figure,imshow(I88)

  392. HH8=1-BHI8;
  393. for i=158:201
  394.    for j=113:269
  395.       I2(i,j,1)= double(I2(i,j,1)).*HH8(i-157,j-112);
  396.       I2(i,j,2)= double(I2(i,j,2)).*HH8(i-157,j-112);
  397.       I2(i,j,3)= double(I2(i,j,3)).*HH8(i-157,j-112);
  398.       I2(i,j,1)=I2(i,j,1)+I88(i-157,j-112,1);
  399.       I2(i,j,2)=I2(i,j,2)+I88(i-157,j-112,2);
  400.       I2(i,j,3)=I2(i,j,3)+I88(i-157,j-112,3);
  401.       rgbI2=rgb2gray(I2);

  403.       if rgbI2(i,j)>165
  404.           HD=(rgbI2(i,j)-30)/255;
  405.           I2(i,j,1)=I2(i,j,1)*(1-HD)+I22(i,j,1)*HD;
  406.           I2(i,j,2)=I2(i,j,2)*(1-HD)+I22(i,j,2)*HD;
  407.           I2(i,j,3)=I2(i,j,3)*(1-HD)+I22(i,j,3)*HD;
  408.       end
  409.    end
  410. end
  411. figure,imshow(I2)
  412. I2(i,j,1)= medfilt2(I2(i,j,1),[5,5]);  %中值濾波
  413. I2(i,j,2)= medfilt2(I2(i,j,2),[5,5]);  %中值濾波
  414. I2(i,j,3)= medfilt2(I2(i,j,3),[5,5]);  %中值濾波

  416. figure,imshow(I2)
復(fù)制代碼

完整的Word格式文檔51黑下載地址：
頭像無痕組合技術(shù)實(shí)現(xiàn).doc (227 KB, 下載次數(shù): 22)






歡迎光臨 (http://www.zg4o1577.cn/bbs/) Powered by Discuz! X3.1
主站蜘蛛池模板： 免费福利视频一区二区三区 | 狠狠亚洲 | 99久久精品免费看国产四区 | 国产精品视频一二三区 | 日韩精品一区二区三区在线播放 | 亚洲美女一区 | 色综合天天综合网国产成人网 | 日韩精品一区二区三区在线播放 | 看羞羞视频 | 欧洲高清转码区一二区 | 国产精品乱码一区二区三区 | 精品久久中文 | 欧美日韩精品一区二区三区蜜桃 | 日韩www | 狠狠爱一区二区三区 | 欧美精产国品一二三区 | 国产精品99久久久久久www | 99热精品在线观看 | 日本成人毛片 | 国产精品成人一区二区三区吃奶 | 在线观看国产wwwa级羞羞视频 | 欧美一区二区免费 | 欧美日韩亚洲一区 | 久草在线免费资源 | 久久久久1| 一区二区视频在线 | 欧美中文 | 天天综合日日夜夜 | 超碰地址| 欧美啪啪 | 亚洲精品久久久久久久久久久 | 无人区国产成人久久三区 | 一区二区在线不卡 | 国产1区 | 在线不卡av | 天堂久久网 | 精品欧美一区二区三区免费观看 | 国产丝袜av | 亚洲第一成人影院 | 亚洲欧美国产精品久久 | 黄色片在线免费看 |