在環境干擾下世紀晟人臉圖像去噪、加強方法

圖像在生成和傳輸過程當中經常因受到各類噪聲的干擾和影響而是圖像降質，這對後續圖像的處理和圖像視覺識別效應將產生不利影響。所以，爲了抑制噪聲，改善圖像質量，便於更高層次的處理，必須對圖像進行去噪預處理。

 

這裏我將經過世紀晟科技來舉例人臉圖像去噪加強的方法。選擇的理由主要是基於他們家相對成熟的3D動態人臉識別技術，這樣也有便於各位學習。

 

前言——

世紀晟首先對攝像頭採集的各角度二維人臉圖像進行灰度變換，獲得含有噪聲的二維人臉梯度圖像， 而後利用小几率策略和otus準則對圖像進行分割，獲得人臉圖像的各個區域（干擾噪聲區域、紋理區域和平滑區域），再採用不一樣階次的分數階微積分掩模對各個區域進行處理，獲得自適應去噪和加強後的二維人臉圖像。

環境干擾下的人臉圖像去噪、加強方法——

 

（一）灰度變換

灰度變換是基於點操做的加強方法，它將每個像素的灰度值按照必定的數學變換公式轉換爲一個新的灰度值，如加強處理中的對比度加強。

 

圖像的灰度變換處理是圖像加強處理技術中一種很是基礎、直接的空間域圖像處理法，也是圖像數字化軟件和圖像顯示軟件的一個重要組成部分。灰度變換是指根據某種目標條件按必定變換關係逐點改變原圖像中每個像素灰度值的方法。目的是爲了改善畫質，使圖像的顯示效果更加清晰。

用於圖像灰度變換的函數主要有三種：線性函數、對數函數、冪律函數

以上是幾種常見灰度變換函數的曲線圖，根據這幾種常見函數的曲線形狀，能夠知道這幾種變換的所能達到的效果。

（二）圖像分割

圖像分割是模式識別和計算機視覺中很重要的一個部分，基於閾值的圖像分割具備簡單、計算量小、效率高等特色，在實際圖像處理中具備普遍的應用。

最大類間偏差法（Otus）的思想是根據灰度特性，將圖像分爲目標和背景２部分，目標和背景之間的類間差越大，說明構成圖像的２部分的差異越大，所以類間方差最大的分割即意味着錯分機率最小，計算以每一個灰度值爲閾值的分割的類間方差，其中類間方差最大的值即爲閾值。

 

算法過程：

一、 計算每一個灰度值的機率並計算目標和背景的分佈機率以及平均灰度值和方差

 

總結——

本文簡單地以世紀晟科技在環境干擾下人臉圖像去噪、加強爲輔助參考效果。灰度直方圖均衡化的算法，簡單地說，就是把直方圖的每一個灰度級進行歸一化處理，求每種灰度的累積分佈，獲得一個映射的灰度映射表，而後根據相應的灰度值來修正原圖中的每一個像素。

相關學科的發展也在推進着圖像處理技術不斷前進，小波的出現使得圖像去噪方法發展到了一個新的階段。在衆多圖像去噪算法中,究竟哪種算法是最好的,應該根據圖像的實際要求而應用不一樣的方法。