opencv实现人脸识别中过曝光人脸图片处理

基本思路：

图像处理中，最常用的颜色空间是RGB模型，常用于颜色显示和图像处理，三维坐标的模型形式，非常容易被理解。而HSV模型，是针对用户观感的一种颜色模型，侧重于色彩表示，什么颜色、深浅如何、明暗如何。将RGB转换为HSV模型，H是色彩、S是深浅， S = 0时，只有灰度、V是明暗，表示色彩的明亮程度。为解决过曝光问题，我们拟在V分量上做统计处理。

将得到的人脸图像从RGB空间转换到HSV空间，同时在HSV空间的V分量上利用局部均值直方图指标进行判定，具体实现为：先去除噪声，在V（0-255）分量人脸图像采用8*8小窗口遍历整个图像，求得该窗口里像素的均值，若此均值在区间[55，240]（可适当调整）外， 则认为该局部区域为过曝光区域，以此遍历整个V分量并统计过曝光区域个数，最终除以总的遍历次数得到最终评判指标，若该指标大于预先设定的阈值则认为该人脸图像为过曝光，反之，则为正常图像。

//HSV颜色空间上图像过曝光检测，如果图像过曝光，返回过曝光值
double overExposeDetect(Mat imgMat){
    Mat hsvSpaceImage;
    Mat hsvImageVChannels; 
vector<Mat> channels;
double thre = 0.175; //阈值

if (imgMat.channels() != 1)
    {
        cvtColor(imgMat, hsvSpaceImage, CV_BGR2HSV); // hsv转换
    }else
    {
        hsvSpaceImage = imgMat.clone();
    }
    split(hsvSpaceImage, channels); // 分离颜色通道
    hsvImageVChannels = channels.at(2); // 得到V通道图像
unsigned int step = 8; // 以8*8小窗口遍历V通道图像， V通道包含亮度信息
    uchar *pt;
int imageOverExposeBlockNum = 0;
int imageOverExposeBlocks = 0;
unsigned int rowTraNum = hsvImageVChannels.rows/step * step;
unsigned int colTraNum = hsvImageVChannels.cols/step * step;
//遍历
for (unsigned int i = 0; i < rowTraNum; i += step)
    {
        pt = hsvImageVChannels.ptr<uchar>(i);
for (unsigned int j = 0; j < colTraNum; j += step)
        {
            Mat imageBlock = Mat(hsvImageVChannels, Rect(j, i, step, step));

double mea = mean(imageBlock)[0]; // 求小矩形的均值

if (mea > 233.0 || mea < 53.0)
            {
//imageOverExposeBlockVec.push_back(Rect(j, i, step, step));
//cout << "Mean: " << mea << endl;
                imageOverExposeBlockNum ++;
            }
            imageOverExposeBlocks ++;
        }

    }

return imageOverExposeBlockNum/(double)imageOverExposeBlocks * 100;  //返回一个归一化到0-100之间的值

}

此方法缺陷：有些图片 不是过曝，但是非常灰暗（即计算出阈值在17.5以下的数），此方法无法筛选出，于是在方法最后加一条判断。

bool overExposeDetect2(Mat imgMat)
{
    Mat hsvSpaceImage;
    Mat hsvImageVChannels;
vector<Mat> channels;
double thre = 0.175; //阈值

if (imgMat.channels() != 1)
    {
        cvtColor(imgMat, hsvSpaceImage,CV_BGR2HSV); // hsv转换
    }else
    {
        hsvSpaceImage = imgMat.clone();
    }
    split(hsvSpaceImage, channels); // 分离颜色通道
    hsvImageVChannels = channels.at(2); // 得到V通道图像

unsigned int step = 8; // 以8*8小窗口遍历V通道图像
    uchar *pt;  
int imageOverExposeBlockNum = 0;
int imageOverExposeBlocks = 0;
unsigned int rowTraNum = hsvImageVChannels.rows/step * step;
unsigned int colTraNum = hsvImageVChannels.cols/step * step;
//遍历
for (unsigned int i = 0; i < rowTraNum; i += step)
    {
        pt = hsvImageVChannels.ptr<uchar>(i);
for (unsigned int j = 0; j < colTraNum; j += step)
        {
            Mat imageBlock = Mat(hsvImageVChannels, Rect(j, i, step, step));            
double mea = mean(imageBlock)[0]; // 求小矩形的均值
if (mea > 233.0 || mea < 53.0)
            {
                imageOverExposeBlockNum ++;
            }
            imageOverExposeBlocks ++;
        }
    }
if (imageOverExposeBlockNum/(double)imageOverExposeBlocks < thre)
return 0;
else
    {   
return 1;
    }
}

以下为一张普通人脸与一张过曝光人脸图片过曝光指数对比：