- Visual C++数字图像模式识别典型案例详解
- 冯伟兴 梁洪 王臣业编著
- 1123字
- 2025-03-16 03:50:49
5.4.1 人脸肤色相似度比较
编程实现
[1] 添加继承自ImageDib类的FaceDetect类进行有关人脸检测的算法编程与实现。在文件FaceDetect.h中定义该类如代码5-1所示。
代码5-1 FaceDetect类
class FaceDetect : public ImageDib
{
public:
int m_nBitCountOut; //输出图像每像素位数
unsigned char ＊ m_pImgDataOut; //输出图像位图数据指针
LPRGBQUAD m_lpColorTableOut; //输出图像颜色表
unsigned char ＊ m_pImgDataIn; //输入图像位图数据指针
double＊＊ m_pSimArray; //相似度矩阵
double Cb_Mean;
double Cr_Mean;
double Cov00;
double Cov01;
double Cov10;
double Cov11;
private:
int m_imgWidthOut; //输出图像的宽，像素为单位
int m_imgHeightOut; //输出图像的高，像素为单位
int m_nColorTableLengthOut; //输出图像颜色表长度
public:
void CalSBound(int top,int bottom,int left,int right);
FaceDetect(); //不带参数的构造函数
FaceDetect(CSize size, int nBitCount, LPRGBQUAD lpColorTable,
unsigned char ＊pImgData1,unsigned char ＊pImgData2);
//带参数的构造函数
～FaceDetect(); //析构函数
bool CalBin();
void CalMedFl(double ＊＊s,int w,int h,int n);
void CalSim();
CSize GetDimensions(); //以像素为单位返回输出图像的宽和高
};
[2] 在视图类里添加消息映射函数Onsimilardegree()，以进行相似度计算。Onsimilardegree ()函数代码如代码5-2所示。
代码5-2 Onsimilardegree()函数
void CDemo1View::Onsimilardegree()
{
//获取文档类指针
CDemo1Doc ＊pDoc=GetDocument();
//获取ImgCenterDib类对象m_dib的指针，访问当前DIB数据
ImageDib ＊pDib=pDoc->GetPDib();
//只处理彩色图像
if(pDib->m_nBitCount!=24){
::MessageBox(0, "只处理彩色图像", MB_OK,0);
return ;
}
FaceDetect simcalculation(pDib->GetDimensions(),pDib->m_nBitCount,
pDib->m_lpColorTable, pDib->m_pImgData,NULL);
simcalculation.CalSim();
//建立一个新视图，显示结果
CMainFrame＊ pFrame = (CMainFrame ＊)(AfxGetApp()->m_pMainWnd);
//发送新建文件的消息，创建一个新的文档-视图
pFrame->SendMessage(WM_COMMAND, ID_FILE_NEW);
//获取新建视图指针
CDemo1View＊ pView=(CDemo1View＊)pFrame->MDIGetActive()->GetActiveView();
//获取相关联的新的文档类指针
CDemo1Doc＊ pDocNew=pView->GetDocument();
//获取新文档中的ImgCenterDib类对象指针
ImageDib ＊dibNew=pDocNew->GetPDib();
//将变换后的输出图像作为新建文档的DIB进行显示
dibNew->ReplaceDib(simcalculation.GetDimensions(),simcalculation.m_nBitCou ntOut,simca lculation.m_lpColorTableOut, simcalculation.m_pImgDataOut);
//设置滚动窗口
pView->OnInitialUpdate();
//文档数据置脏，提示存盘信息
pDocNew->SetModifiedFlag(TRUE);
//各视图刷新显示
pDocNew->UpdateAllViews(pView);
}
[3] 上述代码中，调用了FaceDetect类中的CalSim()函数，以进行肤色相似度计算，其具体代码如代码5-3所示。
代码5-3 CalSim()函数
void FaceDetect::CalSim()
{
//若为灰度图像，则返回
if(m_nBitCount==8) return;
//释放旧的输出图像数据及颜色表缓冲区
if(m_pImgDataOut!=NULL){
delete []m_pImgDataOut;
m_pImgDataOut=NULL;
}
if(m_lpColorTableOut!=NULL){
delete []m_lpColorTableOut;
m_lpColorTableOut=NULL;
}
//灰值化后，每像素位数为8比特
m_nBitCountOut=8;
//颜色表长度
m_nColorTableLengthOut=ComputeColorTabalLength(m_nBitCountOut);
//申请颜色表缓冲区，生成灰度图像的颜色表
if(m_nColorTableLengthOut!=0){
m_lpColorTableOut=new RGBQUAD[m_nColorTableLengthOut];
for(int i=0; i<m_nColorTableLengthOut;i++){
m_lpColorTableOut[i].rgbBlue=i;
m_lpColorTableOut[i].rgbGreen=i;
m_lpColorTableOut[i].rgbRed=i;
m_lpColorTableOut[i].rgbReserved=0;
}
}
//输入图像每像素字节数，彩色图像为3字节/像素
int pixelByteIn=3;
//输入图像每行像素所占字节数，必须是4的倍数
int lineByteIn=(m_imgWidth＊pixelByteIn+3)/4＊4;
//输出图像的宽高，与输入图像相等
m_imgWidthOut=m_imgWidth;
m_imgHeightOut=m_imgHeight;
//输出图像每行像素所占字节数，必须是4的倍数
int lineByteOut=(m_imgWidth＊m_nBitCountOut/8+3)/4＊4;
//申请输出图像位图数据缓冲区
m_pImgDataOut=new unsigned char[lineByteOut＊m_imgHeight];
//循环变量，图像的坐标
int i,j,k,j1,j2,flag;
char c_t1[4];
for(i=0;i<m_imgHeight;i++){
for(j=0;j<m_imgWidth;j++){
＊(m_pImgDataOut+i＊lineByteOut+j)=255;
}
}
m_pSimArray = new double＊[m_imgHeight];
for(i=0;i<m_imgHeight;i++)
m_pSimArray[i] = new double[m_imgWidth];
//将RGB色彩空间变换到YCgCr色彩空间，然后计算该点属于皮肤区域的概率
for(i=0;i<m_imgHeight;i++)
for (j=0;j<m_imgWidth;j++){
for(k=0;k<3;k++){
c_t1[k]=＊(m_pImgDataIn1+i＊lineByteIn+j＊pixelByteIn+k);
}
int C_b=(int)c_t1[0]&255;
int C_g=(int)c_t1[1]&255;
int C_r=(int)c_t1[2]&255;
double Cb=(128-37.797＊C_r/255-74.203＊C_g/255+112＊C_b/255);
double Cr=(128+112＊C_r/255-93.786＊C_g/255-18.214＊C_b/255);
double tt =(Cb-Cb_Mean)＊((Cb-Cb_Mean)＊Cov11-(Cr-Cr_Mean)＊Cov10)+
(Cr-Cr_Mean)＊(-(Cb-Cb_Mean)＊Cov01+(Cr-Cr_Mean)＊Cov00);
tt =(-0.5＊tt)/(Cov00＊Cov11-Cov01＊Cov10);
m_pSimArray[i][j]=exp(tt);
}
//调用中值滤波函数
CalMedFl(m_pSimArray,m_imgWidth, m_imgHeight,9);
//统计出该幅图像上所有像素点的最大肤色相似度
double max=0.0;
for(i=0;i<m_imgHeight;i++)
for (j=0;j<m_imgWidth;j++){
if(m_pSimArray[i][j]>max)
max=m_pSimArray[i][j];
}
//将各个像素的肤色相似度值归一化
for( i=0;i<m_imgHeight;i++)
for (j=0;j<m_imgWidth;j++){
m_pSimArray[i][j]= m_pSimArray[i][j]/max;
}
//将各像素的肤色相似度值变换到[0,255]上，以进行灰度图像的显示
for(i=0;i<m_imgHeight;i++)
for(j=0;j<m_imgWidth;j++){
＊(m_pImgDataOut+i＊lineByteOut+j)=(int)(m_pSimArray[i][j]＊255);
}
}
[4] CalSim()函数调用了FaceDetect类中的CalMedFl()函数，以进行中值滤波，其具体代码如代码5-4所示。
代码5-4 CalMedFl()函数
void FaceDetect::CalMedFl(double ＊＊s, int w, int h, int n)
{
int i,j;
double ＊＊temp;
temp = new double＊[h+2＊(int)(n/2)];
for(i=0;i<h+2＊(int)(n/2);i++) temp[i] = new double[w+2＊(int)(n/2)];
for(i=0;i<w+2＊(int)(n/2);i++)
for(j=0;j<h+2＊(int)(n/2);j++) temp[j][i] = 0.0;
for(i=0;i<h;i++)
for(j=0;j<w;j++)
temp[i+(int)(n/2)][j+(int)(n/2)]=s[i][j];
for(i=0;i<h;i++)
for(j=0;j<w;j++) {
s[i][j]=0.0;
for(int r=0;r<n;r++)
for(int c=0;c<n;c++)
s[i][j]+=temp[i+r][j+c];
s[i][j]/=n＊n;
}
if(temp!=NULL) {
for(i=0;i<h+2;i++)
if(temp[i]!=NULL)
delete temp[i];
delete temp;
}
}