MATLAB 图像处理 简单人脸检测(详细，你上你也行)

整体思路是寻找图片中最大的连通域，将其认定为人脸。

第一个环节均值滤波，是为了减弱图像的相关细节部分，以免毛刺影响后期连通域的形成，二值化方便形态学处理，减少运算量。考虑到人脸有黑人和白人黄种人，黑人肤色较深，在二值化之后面部区域不容易形成较大的连通域，如果采取形态学边界提取的办法，就可以避免这个问题，形态学边界提取，只要结构元素够大，也可以形成较大的封闭连通域。

然后就是纵向闭合操作，这一步我选择采用竖向长条状的结构元素进行闭合运算，因为人的脸部和颈部以及头发和衣物等等都是纵向分布的，在进行形态学边界提取的时候，容易将这些靠近的成分割裂开来，这对连通域的判断极为不利，所以用竖向长条状的结构元素在在纵向进行闭合运算，将脸部上下部的区域重新连接起来。

紧接着我又用横向长条状结构元素进行横向腐蚀运算，这是因为，人的头部以下的身体部分存在有大量连通域的时候，容易对最大连通域的判决产生干扰，又因为下半部分，多半呈纵向分布，通过横向腐蚀可以将这些大块的连通域割裂开来，但是要注意的是，割裂程度不应太大，否则会使得上一步闭合操作丧失意义。

接着，由于背景杂物等因素，同样也会产生大量连通域，这会对最后结果的判决产生干扰，因此要予以剔除。

进行了层层筛选之后，在剩下的连通域里面挑一个最大的连通域，并且尺寸形状满足要求的用矩形框框起来作为人脸检测结果。

采用9x9模板进行线性均值滤波，因为后面调用gpuArray()函数转换对输入数据有要求，所以在进行了二维卷积之后重新将数据格式转换成8位无符号整形数据。

直接调用imbinarize对图像进行二值化

结构元素采用21x21大小的全1矩阵，先调用imrode()进行腐蚀，再用原图减去腐蚀结果，得到边界。为了让边界更加明显，调用bmworph函数，传入’thicken’参数，意在将边界加粗加厚。最后为了把空洞就是连续的小黑色块填满，调用bwareaopen()函数，该函数是去除面积小于300的白块，为了去除黑块，先调用not(BW)给原来的二值图像取反，去掉取反后面积小于300的白块，再次取反，达到去掉面积小于300的黑块的目的。

调用strel()函数生成特定的结构元素，第一步调用strel(‘line’,50,90)，意思是调用直线型结构元素，长度为50，角度90度，也就是竖直的长条形结构元素。接着利用B调用imdilate和imerode，先进行膨胀再进行腐蚀完成闭操作运算。下一步，继续生成横向长条形结构元素，进行腐蚀操作，注意这里的结构元素不宜面积太大，长度太长，否则会过度影响上一步的结果

最后为了循环过程中提升运算速度，将数据类型更改为gpuArray()，可以在GPU上进行计算，节省时间。