奇书网

第二节 图像的数据表示和相似性（第2页）

图像数据可以看成是一个数组。所谓数组就是按顺序排列的一组数。在Python中，数组用下列形式表示。

（x1，x2，。。。，xn）

其中xi（1≤i≤n）可以是数值也可以是一个数组。在Python中可以使用numpy模块查看数组形式的图片数据。

In[11]：importnumpyasnp

#使用numpy包

In[12]：imarray=np。array（im）

#将图像转化成数组表示

In[13]：imarray

#显示图像的数据

Out[13]：

array（[[[28，38，27]，

[28，38，27]，

[28，38，27]，

。。。，

。。。，

[82，86，113]，

[84，88，115]，

[82，86，113]]]，dtype=uint8）

In[14]：imarray。shape

#给出图像数据的形状

Out[14]：（2333，1654，3）

从上述示例可以看到，转化成数组后，图像数据有长、宽、通道三个维度，图片中一共有2333×1654个点，其中[28，38，27]表示该点的三个颜色强度分别为28、38、27。

为了提高人脸识别的效率，在获取人脸照片后，一般需要先对照片进行裁剪，只保留脸部的图片信息，如图8-2所示。这个过程叫作脸部检测（FaceDete）。经过脸部检测后，计算机在识别中不必对整张图片进行匹配，只需要考虑脸部信息的匹配即可，所以可以大大减少数据比对的工作量。

图8-2脸部检测和裁剪

脸部检测可以使用Harr-like特征完成。该特征有以下四类。

①边缘特征（EdgeFeatures）；

②线特征（Liures）；

③中心环绕特征（ter-Surrouures）；

④对角线特征（SpecialDiagoureUsedIn）。