摘要：随着现在科技的快速发展，人脸识别技术是当今社会的一个舆论热点，人脸和指纹都具有一定的唯一性，通过人脸识别的技术来鉴别人的身份，主要是识别人脸的眼睛，这是因为眼睛的灰度变化是较为明显的，眼睛作为人脸的主要组成部分，眼睛检测定位是人脸信息处理的主要部分，也是其关键。当我们采集相关的人脸图片的时候，第1步就得对其进行消除噪声，从而来降低其光照变化对人眼识别的影响，一般使用一些常用的图像预处理的方法对其进行预处理，并详尽的描述其计算过程，从而来展示预处理的效果，也可以通过肤色识别的算法来分别出不同的人脸。进行了人脸识别后，就使用积分投影的算法对人眼的中心点进行定位，在对人脸图形进行归一化的处理，在我们的实际操作中为了更为精准的定位中心点，第1步先进行相关的图像预处理的技术，这个步骤所包含的处理技术有图像增强技术和图像的二值化处理技术，这就使得积分投影曲线免除一些噪声的干扰。

关键词：计算机;高清图像;人眼识别;图像预处理

中图分类号：TP317.4

文献标识码：A

文章编号：1001-5922（ 2020）06-0090-05

人脸图像识别技术是具有较大的使用价值的，它和人的指纹是一样，都具有一定的唯一性，这样就可以对人的身份进行鉴别，像这样的技术大都是出现在一些科幻电影里，列如像警察将罪犯的脸部进行拍照，输入到电脑里，在和警方的数据库里寻找到相关的罪犯的资料，其实这是我们生活中较为真实的写照，在我国，人脸识别技术，更早是在20世纪的90年代，当今这个技术被广泛的应用于机关单位的安全和考勤、网络安全、银行智能身份证、智能门禁和计算机登录系统等领域[1-2]。

1 高清图像预处理分析

1.1 图像预处理

一般图像处理的系统是包含3个阶段的，第1个阶段是获取原始的图像，第2个是特征提取的阶段，第3个是识别分析的阶段，其中图像的预处理阶段是比较重要的，这个阶段一旦处理的不好，就会把后面阶段的工作影响到，图像的预处理技术是我们进行正式处理的所要做的必要工作，这是由于我在进行图像的采集过程中会受环境的影响，主要是噪声污染，从而使图片会失去本质或者是偏离人们的需求，因此预处理是至关重要的一步在图像处理的中，在图像处理技术中主要分为2个方面，图像增强和图像复原技术，其中图像增强占预处理技术中较大的比列，也是图像处理中最为重要的一步.图像增强是通过一定的算法来增强人们所需的特征便于提取，而图像复原技术则是恢复图像原有的样子，图像增强的方法有很多，有直方图修正、灰度变换[3]、图像平滑去噪和伪彩色处理等等，其中灰度变换是图像增强技术中较为简单的一种点运算处理技术，第2个是直方图修正，通过这种算法处理的图像可以更好的显示图像，但是他的处理的效果不是很好，仅对于一些要求不是很高的图像，去噪的能力比较的弱，图像增强是通过图像平滑来进行减噪，这两种方法是对图像平滑和去噪的常用的方法，在当今社会上的图像预处理有着较为重要的作用。

图像的增强技术有频率域法和空间域法两种，其中频率域增强是把原空间的图像利用其它的形式转换到频率域空间，再利用这个空间特有的空间性质对图像进行处理，最后再变换到原空间，这样就可以得到最后的图像，空间域是像素组成的空间，空间域增强是在图像的空间进行处理。

1.2 灰度变换法

灰度变换是最基本的图像点运算，也是一种空间域图像处理方法。灰度变换是依据我们的项目中的所需要的部分按一定的变换关系逐点的改变原图像的每一个像素的灰度值，其主要的目的是改善画质，以此来使得图像显示的效果更为清晰，所以灰度变换还叫做对比增强，通过灰度变换后的图像动态的范围就会变大，并且对比度、图像的清晰度和特征显示都会有一定的改善，灰度变换是利用点运算来改善图像像素点的灰度值，而不改变图像的空间关系，一般是依据特定的变换函数进行相关的变换，灰度变换被认为是对像素的简单的复制，灰度变换的表达式如下：

g（x，y）=T[F（x，y）]

（1）

这个函数T是灰度变换函数，它表示的是输出图像和输入图像灰度之间的变换关系，因此灰度函数一旦确定了，灰度变换就确定的了，如图1是原始图像，图2是通过灰度变换后的图像。

灰度变换的方法是有很多的，列如有灰度拉伸，灰度切分，灰度级修正等等，这些方法对图像的处理效果也各不相同，但是他们都有一个共同点就是必须要用到点运算，点运算[4]所涉及的算法有线性变换、

由此我们可以得出线性变换比较适合于曝光不足和过度的图像，当它的灰度是分布在较小的范围里，这个时候的图像是模糊而没有灰度层次的，使用以上的线性变换对图像中的每一个像素的灰度进行一定程度的线性拉伸，抑制图像中我们所不需要的目标图像，再扩大一些比较重要部分的对比度，这样来增强图像的质量。

2 人眼定位

2.1 人眼识别的过程

人的双眼占据面部的位置是比较固定的，也是面部比较突出，两眼的间距也是人脸大小的特征，因此可以作为人脸识别中尺度归一化的一个重要根据，也是进行人脸识别的一个关键，在当今很多的人脸识别算法中对人眼的的定位是有较大的帮助的。在进行人脸识别的时候，首先将人脸的范围给确定下来，这就可以把人眼锁定的范围给大大的缩小，而对于面部的其他器官，包括眉毛、鼻子、嘴巴等，是比较容易的通过人脸器官的特点来得到。在进行人脸的正面识别的时候，人脸的方位是极为重要的在识别的过程中，不论是局部还是全局的特征采集，图像统计和几何特征都对提高人脸识别率有一定的影响，双眼的中心距离几乎不会因表情的变化和光照强度而有所变化，其中双眼的精准定位在方位调整上是较为重要的一步。

在人脸识别的过程中，两眼的中心线连接线随着面部旋转而旋转，而在面部是正向的时候，两眼中心线保持水平，这就可以判断图像是否处于旋转的状况，通过以上的过程对人脸识别仪器获取了人脸特征值，并对这些特征值进行归一化的运算，处理后的特征值的平移、旋转和尺度都具有一定的不变性。人的双眼主要具有2个显著特征，第1个特征那便是眼睛區域的灰度值比周围区域的灰度值较低，第2个特征那便是眼睛区域的灰度值变化率是比较大的，当综合性的考虑以上两个因素的时候对于精确定位眼睛是至关重要的。下面我们先是进行图像预处理，对人脸的图像进行灰度变换和滤波，再识别出人脸的区域，并进行二值化处理，通过灰度积分投影[5]来划分出眼睛的区域。

2.2 人眼识别

积分投影分为灰度积分投影和方差积分投影两种，积分投影是依据在图像上的投影特征来检测，这也是一种传统方式，涉及到的投影方式有水平投影和垂直投影。

G（x，y）表达的是（x，y）位置图像的灰度值在图像[y1，y2]和x1，x2]区域的水平积分投影和垂直投影，表达式如下所示：

一旦图像的某一列的像素灰度值发生了变化，这个变化就会在H（x）的值显示出来，同理当图像的某一行像素灰度均值发生改变，这种变化也会在V（y）的值上进行反应，由此我們可以得出通过灰度积分投影函数值的分析，来提取图像的特征

第2种积分投影是方差积分投影，第1种方法仅考虑均值的变化情况，当均值相同的时候就没法放映灰度的变化，而方差积分投影是用的方差代替均值，为避免这种情况的发生，就设G（x，y）表达图像（x，y）处的灰度值在图像区域[y1，y2]和[x1，x2]的水平方差积分投影函数σ2（y）和垂直方差积分投影函数σ2（X）的表达式为：

当图像的某一列像素灰度方差发生变化，这种变化就会在σ2（X）值显示出来，同理图像的某一行像素灰度方差改变，这变化也会在σ2（y）值显示出来，所以可以用方差积分投影法对图像特征进行分析，这种方法也有一定的限制，当方差是相同的情况下，就没法反映出灰度的变化，其实以上所所得2种方法存在互补的性质，这就衍生一种方法，混合积分投影[6]。

混合积分投影包含垂直混合积分投影和水平混合投影，分别用函数Hv（x）和Hv（x），表达式如下：

混合投影是显示图像在某个方向上灰度均值和方差变化的综合性情况，具有较强的适应性，无论是积分投影还是方差投影函数失效，混合投影函数都可以在水平方向上反应出不同区域的变化。

2.3 人眼中心点的定位

通过相关仪器可以得到图像中人脸区域，先把人脸区域的部分从原图中截取出来，再进行图像的二值化，将处理后的图像进行图像灰度垂直积分投影，经过二值化后的效果图如图5，图6是通过二值化处理后的效果图，图7是原图像积分投影的效果图，图8则是人脸区域积分投影效果图的截取图片，下面的积分投影图中我们可以看出，人脸区域是有两个较大的波谷间的区域。

2.4人眼水平位置的定位

定位后的人脸二值化图像还得是进行相应的水平积分投影，结果如图9所示。

从以上的投影曲线我们便可以看出，曲线中有较大波谷的便是同人脸依据不同器官特征所对应的，从下往上可以得出，较为明显的便是4个波谷，①是嘴巴，②对应鼻子的波谷，③是眼睛，④是眉毛，所以就得定位第3个和第4个波峰点，并寻找到二值化图像对应的y轴坐标k1和k2，将y=k2作为中心轴，在原图像里截取y1=k2-3/5（k2-k1）和y2=k2+3/5（k2-k1）里的部分，其实就是把眼睛的部分给截取出来，最后的效果图如图10所示。

把人眼区域的截取出来后，便是对人眼的中心点进行定位，第一步便是将剪切出来的左右眼的区域分别处理出来，眼睛区域的灰度变化是比较复杂的，因此得二值化后再进行混合积分投影，用水平积分投影来定眼睛中心点的纵坐标N，可以通过垂直积分投影确定中心点的横坐标M，这就可以得出定位后的眼睛中心点的坐标为（M，N）。但是由于时间和个人能力的限制，仅能对人脸检测和后续人眼粗定位，这就导致人眼精确定位没法实现。

3 结语

人眼定位[7]，主要是依据眼睛区域的灰度值相较于周围区域的灰度值较低，变化率比较大，第一步是人脸识别的系统获取人脸图像，通过相关算法来进行预处理，然后图像进行二值化后，在对图像的灰度值进行水平和垂直方向上的积分投影，依据投影曲线的特征，分割出眼睛的区域，并定位出眼睛的位置，但是由于个人和时间的限制性，仅能对人脸检测[8]和后续人眼的粗定位，而没实现眼睛的精确定位，并且检测的实时性不是很好。

参考文献

[1]卢虹竹.基于深度学习算法的人脸识别管理系统[J].信息技术，2019，43 （12）：121-124+130.

[2]杨凌霄，冯庆修.改进二值化算法在QR码识别中的应用[J/OL].软件导刊：卜5[2020- 01- 20].http：//kns.cnki.net/kcms/detail/42. 167I.TP.20191 126. 1555.014.html.

[3]华尉然，童强.基于暗区域分割的夜间灰度图像增强[J].湖北师范大学学报（自然科学版），2019，39（03）：49-52.

[4]林华，浮点运算软硬件实现方法的教学实践[J].信息与电脑（理论版），2019（14）：233-235.

[5]崔庆华，程科，李肇基.积分投影与连通域法结合的人眼定位[J].计算机与数字工程，2019，47 （04）：949-953。

[6]耿新，周志华，陈世福.基于混合投影函数的眼睛定位[J]软件学报，2003（08）：1394-1400.

[7]孟春宁.人眼检测与跟踪的方法及应用研究[D].山东：南开大学，2013.

[8]杨环.人脸检测及人眼定位算法的研究[D].济南：山东大学，2010.

作者简介：陈海龙（1978-），男，汉族，陕西成阳人，讲师，研究方向：物理、微机原理、计算机技术。