征集效果最好的24bit真彩图的边缘提取（轮廓提取）算法！(100分)

如上！

建议你到http://www.neuroinformatik.ruhr-uni-bochum.de/去看看！
最好的边缘提取技术！

卷起千堆雪tyn:
当然，[8D]结束的事全靠你了。

我觉得 小波分析 可能效果是比较好的
其他一些 入门级的算法 不提也罢

to YB_unique:
E文不好， 看不懂 ：（

呵呵 斑竹结束吧

我知道一个朋友用过水坝法，效果不错。但是我没有具体做过。
原理是，一块凹凸不平的地势，向里面注水，一点一点的上积，
水用一个特殊的灰度表示，例如(0,0,0)，其间，查找一些点，
(只有两个连接点)，保留它，接着注水，查找，保留，最后会
剩下一些点，在用程序分析，联成线，把不是的去除，即是轮廓！

YB_unique：
那里的E文怎么看半天也不懂。俚语太多。

学习！！！
真的是在学习，图像处理方面的＠！！！

希望对大家有所帮助！

人脸特征的定位和提取是基于几何特征的识别方法，根据人脸图象的灰度特性用投影图和特征描述相匹配的算法初步
确定了人脸各部分的位置。然后利用投影法和模板匹配法准确地确定了瞳孔的位置及其它面部特征。首先对图象进行平滑
滤波处理，消除噪声。然后利用类间方差判断分析法确定二值化阈值。类间方差判断分析法是指从图象的灰度直方图中把
灰度值的几何分布用阈值Ｋ分为两类。然后根据这两类的平均方差（类间方差）和各类的方差（类内方差）之比取最大值
时所对应的Ｋ值即为二值化阈值。
特征选取应保证最有代表性、信息量大、冗余量小，而且要求在一定的干扰下，也能保持一定的不变性和适应性。基
于这种要求，借鉴前人研究成果，融合本文的实验，将眉眼距、眼鼻距、眼嘴巴距、嘴巴下巴距、两内眦距、鼻孔距、嘴
巴长度、眼睛处的脸颊宽度、鼻子处的脸颊宽度及嘴巴处的脸颊宽度作为人脸识别的主要特征，并且将这１０个特征分别
与瞳孔距之比形成的特征矢量存入数据库中。对这些特征矢量作矢量归一化处理后，可以有效的避免头部偏转引起的偏差。
由于人眼的灰度特征与人脸其他部位有明显不同，采用投影图的方法很容易得到眼睛、鼻子和嘴巴的大致位置。具体
的过程如下，作出人脸图象沿Ｘ坐标方向包含主要特征信息的区域的Ｙ方向投影图，其中自顶向下的直线为二值化阈值线。
由该线与投影区域的第一个交点作为始点，由此向下经过具有较大灰度变化的曲线后，寻找二值化阈值线与投影区域的交
点即为额头点的位置Ｈ,额头的位置不要求很精确，但应保证Ｈ点在眉毛实际位置的上方。然后由投影图确定眉毛、眼睛、
鼻子和嘴巴、下巴的大致位置。但考虑到有的人脸照片，前额的头发遮住了眉毛的位置，或者是由于摄影光照的影响致使
有些特征的投影图的凸凹性不明显，会给准确识别带来一定困难。因此还将采用投影图和特征描述相匹配的特征识别树识
别方法。
特征识别树识别方法的具体过程是：首先给每个特征一组初始匹配标号，然后在识别树上核实各特征。即由投影图中
初定位的６个特征，其标号函数可定义为ｏｒｉｇｉｎａｌ＝?Ｃ０,Ｃ１．．．．Ｃｎ?，人脸待识别的标号集记为
Ｌｉ＝?Ｌ１,Ｌ２．．．．Ｌ６?,它们依次为眉毛、眼睛、鼻子、上嘴唇和嘴巴、下巴，并对每个特征有一定的描述集
Ｌｃｉ＝?Ｌｃ１,Ｌｃ２,．．．Ｌｃ６?。如果Ｃｉ通过了Ｌｃ中一项Ｌｃｉ的一致性检测，则Ｃｉ∈?Ｌｉ。这种一
致性检测利用了人脸各器官的相对位置及相对距离的变化范围，各特征区域的灰度分布特点等。
在特征矢量归一化处理中以瞳距作为基准。这是考虑到瞳距作为人脸识别中最稳定的特征，也是最重要的特征。因此
瞳距定位的准确性是决定系统识别效率高低的关键。一般提取眼睛特征都使用两条端点重合的抛物线分别近似上下眼皮，
在上下眼皮之间加上眼球的模板，用动态模板匹配的方法进行特征提取。但是人眼眼皮的特征曲线并不象抛物线那么规则，
且受表情的影响有较多的变化。这样就使得误差较大以致于无法正确描述眼睛的特征。考虑到可提取特征的稳定性及其在
人脸识别中的作用。确定了瞳距和两眼内眦距作为眼部区域的主要特征。采用了投影法和模板匹配两种方法并行准确定位了
瞳孔的位置。同时对上眼皮曲线进行了轮廓跟踪。最后对图像数据进行标准化处理，使系统的通用性和实用性更强。
用投影法确定瞳孔的位置，在眼睛位置处以眉眼距为参数开设局部小窗口。首先对此窗口内的数据 {ｆ(ｘ,ｙ)} 进行
自动阈值二值化，平滑消噪处理，然后对这些二值化数据均值作Ｘ 方向投影图。设小窗口内的二值化图像数据为ｆ(ｘ,ｙ)，
其中ｘ,ｙ∈Ｓ，Ｓ为ｍ×ｎ的窗口。则沿Ｘ方向的平均象素数为：ｍ个ｆ(ｘ,ｙ)之和除以ｎ，从图像Ｘ方向的中点分别向
左右搜索Ｐ(ｘ)最小值点，它所对应的Ｘ 坐标即为左右瞳孔在水平方向的位置。
考虑到待识别的图像中，人脸部分占整个图像的比例不同，即有大头照、标准照之分，以及人脸在图像中位置的差异，
使得识别过程数据处理复杂。因此在完成上述的定位过程后，对图像数据进行了标准化处理。以瞳距为水平方向的基准，眼
睛的位置为垂直方向的基准进行坐标平移。以此为基准可以准确地定位了人脸各特征的位置。