2.1 图像采集与预处理

2.1 图像采集与预处理

本节摘要：图像采集把人脸的原始画面交给系统，预处理负责"把世界摊平"——去除噪声、校正亮度与尺度、固定色彩，让后段检测和特征不再被光线忽明忽暗、镜头畸变这类"世界噪声"干扰。本节讲清预处理在清理什么，并落地直方图均衡、尺寸与像素归一化这几件最常见的手段。

学习目标

阅读完本节，你应当能够：

1. 说清预处理解决的是"环境的噪声"而非"人的长相"，两者如何分家。
2. 解释直方图均衡为何能对抗背光和暗角，及其代价。
3. 说清尺寸归一化和像素归一化各在做什么，为什么能加速收敛。
4. 判断一套真实系统里采集端该关注哪些硬件因素。

一、问题与直觉

设想凌晨班车上，你举着手机自拍，头顶一盏白炽灯把半边脸照成死白，另半边淹没在阴影里。同样这张脸，白天在窗边拍的却细腻分明。如果你把这两张照片原样丢给识别模型，前一张十有八九认不出——可这不是"脸变了"，是"环境把脸涂花了"。人脸识别的预处理段存在的理由就一个：把没法预先控制的世界，尽可能摊成一个系统好处理的标准形状，把"光线、噪声、设备差异"这些和身份无关的变量尽量按平，再交到后段手里。

这不是可选项。堆了一堆深度学习模型的人会在预处理上省时间，结果同一人在不同光源下被反复拒识——根不在模型，在没把画面喂对。

二、核心原理：采集端与预处理端在清理什么

采集：谁把世界变成画面

摄像头把光变成电子信号再变成数字矩阵，这一步就埋了第一层偏置。RGB 分量是否平衡、白平衡错没错、低照度下感光噪点多不多、广角镜头边缘拉不拉变形，全在这里影响后段。采集端要做的，是选择合适的分辨率、帧率、光圈与补光，尽量把脸拍清楚——这一步做坏，后面所有算法都是给残缺证据拼案，花再多力气也是徒劳。

直方图均衡：把灰阶重新铺匀

很多实拍图的问题不是"内容"，是"分布"：亮度挤在暗区或亮区。直方图均衡通过重映射，让整幅图的灰阶铺展得更开，把被压缩的对比度重新拉开。背光人脸那条被压扁的明暗轮廓，均衡后能显出层次，检测与特征提取都有了下潜的空间。

# 用直方图均衡把灰阶重新铺匀（示意）
import numpy as np
def histeq(gray, bins=256):
    hist, _ = np.histogram(gray, bins=bins, range=(0, bins))
    cdf = hist.cumsum()                       # 累积分布
    cdf = (cdf - cdf.min()) * 255 / (cdf.max() - cdf.min())
    return cdf[gray].astype('uint8')          # 逐像素重映射

low = np.full((4, 4), 20, np.uint8)           # 低对比场景示意
low[1:3, 1:3] = 30                            # 只有一点点层次
print(histeq(low).ravel()[:4])                # 输出：0,0,0,0 …
​

这段只是演示重映射逻辑。真实的均衡需要考虑全局与局部光照，并有自适应直方图均衡（CLAHE）这类折中方案——它对局部阴影更温柔，也更要小心噪声放大。

归一化：统一尺度和数值口径

新手最容易踩的两件事，一是图片尺寸不统一，二是像素值口径五花八门。尺寸归一化把所有脸统一到一个正方形（如 112×112），让网络输入形状固定；像素归一化把 0 至 255 的灰度压到 0 至 1 或 -1 至 1，让梯度在反向传播时更稳、网络收敛更快。别小看这两步，它们几乎免费地决定了训练到可用要多少轮。

数据流：一张低对比图走过预处理的整体效果

下面这张示意图用"输入—中间各步—输出"的流程，把预处理对同一张脸的影响摆出来。它代表的是：世界噪声被逐步抹平，只把"这是谁"的信息交给下游检测与特征。

图：预处理三步的视频流示意

上面这张图把"原始帧→直方图均衡→归一化→规整画面"直接摊在眼前。箭头是数据的流动方向；每一步去掉一层世界噪声。右下角那句"力度要克制"不是奉劝，实测里均衡过头在平滑区域放大的噪声，往往比它救回的层次更让识别头疼。

补充：从一张"逆光失败"案例看为什么不能省

假设门禁白天录入用的是窗边顺光，而现场是逆光。若预处理没做均衡，现场那副压扁的轮廓在检测阶段就可能因为对比太弱而漏框，后面整个链条直接没饭吃。而一旦补了均衡＋归一化，同一副轮廓就能被稳定框出、对齐、提取。这说明：预处理不是在"锦上添花"，而是在决定"证据能不能进罗盘"。

预处理的四件常用招，各自清理哪类噪声、由什么代价换，一个表收干净：

三、工程实践要点

• 采集端优先保证"脸清楚"：分辨率、对焦、补光比后端任何算法都重要，别把钱都砸在模型上。
• 背光、逆光、夜间场景优先做直方图均衡或 CLAHE，但均衡过头会在平滑区域放大噪声，要肉眼对照原图调。
• 尺寸与像素归一化是硬性前置，"跳过它也能跑"不代表"能上线"，测试集和线上数据口径不一致是隐蔽的返工源头。

💡 关键直觉：预处理做的不是"增强人脸"，而是"抹平无关变量"，让后段只在"这是谁"一个维度上纠缠。

⚠️ 常见坑：对训练集做了均衡，却忘了对线上实时流做同样的预处理。数据口径不一致，模型一上线立刻水土不服。

本节要点回顾

• 目标：把不可控的世界噪声按平，只把"这是谁"的信息交到后段。
• 采集端：分辨率、对焦、补光决定证据下限，硬件优先于算法。
• 直方图均衡：重铺灰阶、拉开对比，救回被压扁的明暗层次，但留意噪声。
• 归一化：尺寸统一固定输入形状，像素归一化稳住梯度加速收敛。
• 纪律：训练与线上的预处理必须同一套口径。

画面已摊平，下一节我们开始第一道真正的"找人"：在这张摊平的图上，把脸从背景里揪出来。