人脸图像光照预处理（1）

人脸图像光照预处理 illumination normalization（1）

文献： Enhanced Local Texture Feature Sets for Face Recognition Under Difficult Lighting Conditions
处理流程：

1. gamma correction
   非线性的灰度变换，又叫幂律变换，扩大图像正在黑暗区域或者阴影区域的动态范围，同时压缩在亮的区域的动态范围。
   这对于减少光照对人脸识别的影响是比较重要的第一步，明显可以看到阴影区域的纹理变得明显了。
   基本原理为物体视觉包括入射光L和反射光R，取LOG 能把L 和R的运算转换为加法（参考同态滤波器）。但 log 过强会导致暗处噪声多度放大。 在[0 0.5]比较合适，此处取0.2.
   
   

2. DOG（Difference of Gaussian）
   高斯差分滤波器（bandpass）其实就是带通滤波器。Gamma无法去除阴影（shading）造成的梯度，对于低频信息（阴影、高亮）需要去除，对于高频的信息主要是噪声。DoG设置两个高斯低通滤波器形成带通滤波器，然后高斯函数的参数sigma，对于人脸图像
   
   
   DOG 用于Contrast enhancement, 可参考http://micro.magnet.fsu.edu/primer/java/digitalimaging/processing/diffgaussians/index.html

   When utilized for image enhancement, the difference of gaussians algorithm is typically applied when the size ratio of kernel (2) to kernel (1) is 4:1 or 5:1. The algorithm can also be used to obtain an approximation of the Laplacian of Gaussian when the ratio of (2) to (1) is roughly equal to 1.6.

3. Masking
   去除不相关的区域（hair style, beard），否则DoG 卷积中会引入强边缘artificial，或者contrast equalization中计入这些区域。

4. Contrast Equalization
   归一化所有的像素点的值，同理，a用于压缩大值的影响，
   
   然后利用反正切函数实现归化处理，限制I在 范围内。