从1.0版本发布到现在的10天时间中，我们小组解决了光照对人脸识别准确度的影响，采用了直方图均衡化(Histogram Equalization)的方法。
,实质上是对图像进行非线性拉伸,重新分配图像象元值,使一定灰度范围内象元值的数量大致相等。这样,原来直方图中间的峰顶部分对比度得到增强,而两侧的谷底部分对比度降低,输出图像的直方图是一个较平的分段直方图:如果输出数据分段值较小的话,会产生粗略分类的视觉效果，通过这种技术可以清晰地在直方图上看到图像亮度的分布情况, 并可按照需要对图像亮度调整。另外,这种方法是可逆的, 如果已知均衡化函数, 就可以恢复原始直方图。
在使用了直方图均衡以后，图像识别准确度大大提高，我们把当前摄像头读入的人脸和存下的人脸信息库进行特征对比，把满足一定条件的点定义为好点，并且设置当一次匹配中好点数超过25时即为匹配成功，在采用直方图均衡处理图像以前，一次匹配中好点数在15-28之间，匹配准确度不高，采用直方图均衡处理图像以后，一次匹配中好点数在30-50之间，相比之前有了较大的提升。
继上一次博客讨论的6点要做的事情中：
1：设法减小光照对系统的影响
2：设法同时识别多张人脸
3：设法提高识别距离并进一步提高准确度
4：将数据通过数据库进行统一管理
5：做出可视化界面
6：进一步完善文档
第1点已经完成了，效果图如下：
直方图均衡之前 直方图均衡之后
接下来我们会着手完成第2点，相信只要大家齐心协力，一定可以将我们的人脸识别系统做到真正可实用。
