Python 人脸识别预处理

我在做一个人脸识别项目。为了提高算法的准确性，我们尝试进行一些预处理，如下所述：

基于此，我们制定了以下代码：

def dif_gaussian(img, sigma0 = 1.0, sigma1 = 2.0):
    blur1 = cv2.GaussianBlur(img,(0,0),sigma0)
    blur2 = cv2.GaussianBlur(img,(0,0),sigma1)
    result = cv2.subtract(blur1,blur2)
    return np.uint8(result)

def gamma_correction(img, correction):
    temp = img/255.0
    result = cv2.pow(temp, correction)
    return np.uint8(result*255)



predict_image_pil = Image.open('image.jpg').convert('L')
predict_image = np.array(predict_image_pil, 'uint8')

predict_gamma = gamma_correction(predict_image,0.2)

predict_gauss = dif_gaussian(predict_gamma,1.0,2.0)

predict_hist = cv2.equalizeHist(predict_gauss)

---

但是我们得到的图像，特别是高斯部分的差异，与文章中显示的图像有很大的不同。在处理过程中是否有任何我看不到的错误？

能否添加更多有关如何保存/查看生成图像的详细信息？我正在使用cv2.imshow查看每个步骤中的图像。现在，我只是运行预处理，并试图得到与本文类似的结果。图像没有被保存。看这里：-我想，你错过了结尾的pow（）和tanh（）步骤。然后，我想你应该规范化（）结果，而不是做另一个直方图均衡。我遵循了bytefish's Github上使用的整个过程，得到了这个结果：这与预期结果相差甚远……嗨@LincolnAlves，你解决了你的问题了吗。我正在使用人脸识别库，该库工作正常，但我认为我可以使用预处理方法提高准确性，所以我很好奇你是否能够做到。你能添加更多关于如何保存/查看结果图像的详细信息吗？我正在使用cv2.imshow在每个步骤中查看图像。现在，我只是运行预处理，并试图得到与本文类似的结果。图像没有被保存。看这里：-我想，你错过了结尾的pow（）和tanh（）步骤。然后，我想你应该规范化（）结果，而不是做另一个直方图均衡。我遵循了bytefish's Github上使用的整个过程，得到了这个结果：这与预期结果相差甚远……嗨@LincolnAlves，你解决了你的问题了吗。我正在使用人脸识别库，它工作得很好，但我认为我可以通过预处理方法提高准确性，所以我很好奇你们是否能够做到。？