小白记人脸识别之Average—Face

小白记人脸识别Average—Face

写在前面

本学期老师要做一个人脸识别（特征脸的项目），之前做过基于Opencv的其他方式，不过这次做的有些不同，就老老实实地做。
我是一个爱分享的努力男孩，所以把每次小项目记在这里吧。
编辑器使用Anaconda（由于Jupyter Notebook方便执行，并且已经带有许多常用库，较为方便，但是个人更喜欢pycharm），python版本为3.7.0

引入依赖库

既然是图片，那就必然会用到matplotlib库
对图片进行操作，实际就是对其像素点进行操作，可看作是数据处理就少不了用到强大的numpy以及自带库math

import matplotlib.pyplot as plt
import matplotlib.image as mp
#引入2D绘图处理库中的模块并命名
import math
import numpy as np
#数值计算库处理

图片初步处理

图片会放在项目文件夹下，我们是要求三个人，每人十张图片
直接让循环遍历，
然后把数值放在一个列表里，为后续操作就需要把多维数组元素转缓从一个一维数组
下面是重点，重点~

踩最大的坑

图片格式问题！！！
其实程序不难也不多，但是就是这个格式问题，搞了我们一上午，疫情期间沟通不便是其中一部分原因，最大的坑就是：使用pgm格式，pgm格式输出shape值，只有长和宽，其他的格式还会输出RGB通道数更为重要的是：不能直接改后缀，要用软件输出，不然shape值还是会返回三个，就会发生ValueError，最好让一个人操作，用同一个照片编辑器

1. 裁剪脸部，更改尺寸大小92*112
2. 灰度处理
3. 输出为pgm格式

我们当时，这个裁剪，那个处理的，啧啧啧，真的都是泪啊…

简单处理

Path = 'img/{0}.pgm'
count = 30
#确定图片读入路径，以及后续遍历个数
Height,Width = mp.imread(Path.format(1)).shape
#打印图片大小会返回两个个值，长宽（jpg等格式还会有RGB通道数）
print(Height)
print(Width)
#确定图片的大小是否准确
list_imgs = []
#创建用于存放照片像素点的列表
for i in range(1,count+1):
    img = mp.imread(Path.format(i))
    list_imgs.append(img.ravel())
# ravel是 numpy 的函数: 将多维数组中的元素变成一个一维数组
#遍历每张图片，转换为矩阵 range（1，11）会生成1-10
list_imgs
list_imgs[0].reshape(Height, Width)

输出结果

112
92
array([[105, 105, 125, …, 31, 27, 32],
[104, 110, 109, …, 22, 19, 25],
[125, 120, 102, …, 24, 22, 29],
…,
[143, 173, 196, …, 97, 18, 55],
[194, 215, 220, …, 253, 102, 19],
[228, 226, 229, …, 241, 242, 141]], dtype=uint8)

全部输出

方便确认初步处理结果，以及是否每个照片被遍历到，
我们可以创建窗口输出，主要有两种方式，这里采用横向(个人习惯)

ncols = count
fig, axes = plt.subplots(1, ncols, figsize = (45, 15))
#规定窗口大小，规定横向输出方式
title = 'face {0}'
#窗口命名
for j in range(count):
    axes[j].imshow(list_imgs[j].reshape((Height,Width)),"gray") 
    axes[j].set_title(title.format(1+j))
 #遍历映射输出灰度   
for ax in axes.ravel():
    ax.axis('off')

计算平均脸

我们之前读取的相素点全部保存在列表里面，我们要计算的是平均脸，就需要把列表全部转成数组的形式

gam = np.array(list_imgs)
#把列表变成数组
print(gam.shape) 
#30行，10304列
print(gam)

输出结果

(30, 10304)
[[105 105 125 … 241 242 141]
[ 83 89 100 … 214 211 210]
[235 232 248 … 213 214 214]
…
[190 202 194 … 38 35 40]
[193 195 194 … 27 27 27]
[200 198 200 … 38 42 35]]

平均脸就需要把行数置0，求各列的均值，返回是转化为1*n的矩阵

average = np.mean(gam, axis = 0)
#axis = 0：行数置0，求各列均值，返回 1* n 矩阵
print(average)

输出结果

[170.6 164.23333333 165.33333333 … 77.9 76.86666667
80.2 ]

直接把矩阵重新映射为像素点列表，灰度输出

plt.imshow(average.reshape(Height,Width),"gray")
#映射输出

输出结果

那个，我承认我脸大…

写在后面

这个项目会一直写下去的，做到哪就会更新到哪儿
希望多多支持哦。
老规矩，
个人博客：

禅墨云

贴出公众号：兴趣路人甲