數(shù)字圖像處理課程設(shè)計(jì)圖像人臉區(qū)域隱私保護(hù)系統(tǒng)設(shè)計(jì)

1、 課 程 設(shè) 計(jì) 說 明 書題 目： 圖像人臉區(qū)域隱私保護(hù)系統(tǒng)設(shè)計(jì)課 程： 數(shù)字圖像處理課程設(shè)計(jì)院 （部）： 信息與電氣工程學(xué)院專 業(yè)： 通信工程班 級： 學(xué)生姓名： 學(xué) 號： 指導(dǎo)教師： 完成日期： 2013年12月目錄 TOC o 1-3 h z u HYPERLINK l _Toc374695516摘 要 PAGEREF _Toc374695516 h 3HYPERLINK l _Toc3746955171 本課程設(shè)計(jì)的目的 PAGEREF _Toc374695517 h 4HYPERLINK l _Toc3746955182 本課程設(shè)計(jì)的基本要求 PAGEREF _Toc3746955

2、18 h 5HYPERLINK l _Toc3746955193 本次系統(tǒng)的基本原理 PAGEREF _Toc374695519 h 63.1 系統(tǒng)的簡介HYPERLINK l _Toc3746955213.2 如何識別人臉 PAGEREF _Toc374695521 h 6HYPERLINK l _Toc3746955224 具體設(shè)計(jì)內(nèi)容 PAGEREF _Toc374695522 h 7HYPERLINK l _Toc3746955254.1.1 軟件流程 PAGEREF _Toc374695525 h 7HYPERLINK l _Toc3746955264.1.2 圖像數(shù)據(jù)的讀取與處理

3、PAGEREF _Toc374695526 h 9HYPERLINK l _Toc3746955274.1.3 人臉顏色建模膨脹與腐蝕 PAGEREF _Toc374695527 h 11HYPERLINK l _Toc3746955284.1.4人臉區(qū)域定位 PAGEREF _Toc374695528 h 12HYPERLINK l _Toc3746955294.1.5 人臉識別及處理 PAGEREF _Toc374695529 h 13HYPERLINK l _Toc374695530總結(jié)與致謝 PAGEREF _Toc374695530 h 17HYPERLINK l _Toc37469

4、5531參考文獻(xiàn) PAGEREF _Toc374695531 h 18HYPERLINK l _Toc374695532附錄：系統(tǒng)設(shè)計(jì)程序 PAGEREF _Toc374695532 h 19摘 要生物特征識別技術(shù)在近幾十年中飛速發(fā)展。作為人的一種內(nèi)在屬性，并且具有很強(qiáng)的自身穩(wěn)定性及個(gè)體差異性，生物特征成為了自動身份驗(yàn)證的最理想依據(jù)。人臉識別由于具有直接，友好，方便的特點(diǎn)，使用者易于為用戶所接受，從而得到了廣泛的研究與應(yīng)用。除此之外，我們還能夠?qū)θ四樧R別的結(jié)果作進(jìn)一步的分析，得到有關(guān)人的性別，表情，年齡等諸多額外的豐富信息，擴(kuò)展了人臉識別的應(yīng)用前景。人臉是準(zhǔn)確鑒定一個(gè)人的身份，推斷出一個(gè)人的種

5、族、地域，地位等信息的重要依據(jù)?？茖W(xué)界從圖像處理、計(jì)算機(jī)視覺等多個(gè)學(xué)科對人臉進(jìn)行研究。人臉識別在滿足人工智能應(yīng)用和保護(hù)信息安全方面都有重要的意義，是當(dāng)今信息化時(shí)代必須解決的問題。 本設(shè)計(jì)用MATLAB對圖像的讀取，在識別前，先對圖像進(jìn)行處理，再通過膚色獲得可能的臉部區(qū)域，最后根據(jù)人臉固有眼睛的對稱性來確定是否就是人臉，同時(shí)采用高斯平滑來消除圖像的噪聲，再進(jìn)行二值化，二值化主要采用局域取閾值方法，接下來就進(jìn)行定位、提取特征值和識別等操作。經(jīng)過測試，圖像預(yù)處理模塊對圖像的處理達(dá)到了較好的效果，提高了定位和識別的正確率。為保護(hù)當(dāng)事人或行人的隱私權(quán)，需要將圖像中當(dāng)事人的人臉區(qū)域作模糊，實(shí)現(xiàn)圖像中人臉區(qū)

6、域隱私保護(hù)。關(guān)鍵詞：人臉識別；圖像處理；圖像模糊1 設(shè)計(jì)目的作為人的一種內(nèi)在屬性，并且具有很強(qiáng)的自身穩(wěn)定性及個(gè)體差異性，生物特征成為了自動身份驗(yàn)證的最理想依據(jù)。人臉識別由于具有直接，友好，方便的特點(diǎn)，使用者易于為用戶所接受，從而得到了廣泛的研究與應(yīng)用。除此之外，我們還能夠?qū)θ四樧R別的結(jié)果作進(jìn)一步的分析，得到有關(guān)人的性別，表情，年齡等諸多額外的豐富信息，擴(kuò)展了人臉識別的應(yīng)用前景。對于人臉識別(Face Recognition)，分析人臉圖像，從中提取有效的識別信息，用來辨別身份的一門技術(shù)。即，對己知人臉進(jìn)行標(biāo)準(zhǔn)化處理后，通過某種方法和數(shù)據(jù)庫中的人臉標(biāo)本進(jìn)行匹配，尋找?guī)熘袑?yīng)人臉及該人臉的相關(guān)信息

7、。人臉識別技術(shù)應(yīng)用背景十分廣泛，可用于公安系統(tǒng)刑偵破案的罪犯身份識別、身份證及駕駛執(zhí)照等證件驗(yàn)證、銀行及海關(guān)的監(jiān)控、自動門衛(wèi)系統(tǒng)、視頻會議、機(jī)器人的智能化研究以及醫(yī)學(xué)等方面。對于人身辨別方法主要是通過人身標(biāo)識物品和人身標(biāo)識知識兩種方式來實(shí)現(xiàn)的。常見的人身標(biāo)示物品有鑰匙、證件等各種標(biāo)識，人身標(biāo)示知識有用戶名、密碼等。眾周知，像鑰匙、證件標(biāo)識等人身標(biāo)識物品很容易丟失或被偽造，而標(biāo)識知識容易遺忘或記錯(cuò)，更為嚴(yán)重的是傳統(tǒng)身份識別系統(tǒng)往往無法區(qū)分標(biāo)識物品真正的擁有者和取得標(biāo)識物品的冒充者，一旦他人獲得標(biāo)識物品，也可以擁有相同的權(quán)力，電視采訪、街景地圖等應(yīng)用中，為保護(hù)當(dāng)事人或行人的隱私權(quán)，需要將圖像中當(dāng)事

8、人的人臉區(qū)域作模糊或馬賽克處理。 2 設(shè)計(jì)要求根據(jù)已知設(shè)計(jì)要求分析人臉區(qū)域隱私保護(hù)系統(tǒng)設(shè)計(jì)功能，確定人臉區(qū)域隱私保護(hù)系統(tǒng)設(shè)計(jì)的方法，畫出流程圖，編寫實(shí)現(xiàn)程序，并進(jìn)行調(diào)試，完成系統(tǒng)軟件設(shè)計(jì)。3 基本教學(xué)要求：每人一臺計(jì)算機(jī)，計(jì)算機(jī)安裝matlab、visio等軟件。3 人臉識別系統(tǒng)的基本原理3.1系統(tǒng)概述人臉識別包括人臉檢測、人臉圖像預(yù)處理、人臉特征提取和人臉識別等過程。人臉檢測是指在輸入圖像中確定人臉的位置與大小。人臉檢測的質(zhì)量影響人臉識別的其他過程以及整個(gè)人臉識別的效果，在人臉識別過程中顯得尤為重要。近年來，電子商務(wù)等網(wǎng)絡(luò)資源的利用使得可視電話、視頻會議、多媒體教學(xué)等快捷便利的交流方式成為時(shí)

9、尚，如何實(shí)時(shí)實(shí)現(xiàn)復(fù)雜背景下對人臉檢測和識別已成為人臉識別研究的熱點(diǎn)1。目前，已有神經(jīng)網(wǎng)絡(luò)算法、基于Hough變換或可適應(yīng)的Hough變換逼近、小波變換、鑲嵌圖方法、顏色紋理規(guī)則等多種人臉檢測方法26。這些方法是針對靜態(tài)圖像的基于人臉特征的統(tǒng)計(jì)與結(jié)構(gòu)分析方法，雖具有一般性，但分析計(jì)算量大，對噪聲敏感，性能不穩(wěn)定，難以實(shí)時(shí)檢測。3.2 如何識別人臉1、基于幾何特征的人臉正面圖像識別方法通過人臉面部拓?fù)浣Y(jié)構(gòu)幾何關(guān)系的先驗(yàn)知識,利用基于結(jié)構(gòu)的方法在知識的層次上提取人臉面部主要器官特征,將人臉用一組幾何特征矢量來表示,識別歸結(jié)為特征矢量之間的匹配,基于歐氏距離的判決是最常用的識別方法。2、基于統(tǒng)計(jì)的人臉

10、正面自動識別方法基于統(tǒng)計(jì)的人臉正面自動識別方法包括特征臉方法和隱馬爾科夫模型方法。統(tǒng)計(jì)的識別方法將人臉用代數(shù)特征矢量來表示。代數(shù)特征是由Hong等首先提出的,由圖像本身的灰度分布決定,它描述了圖像的內(nèi)存信息,它是通過對圖像灰度進(jìn)行各種代數(shù)變換和矩陣分解提出的。將人臉看作一個(gè)二維的灰度變化的模板,從整體上捕捉和描述人臉的特征,所運(yùn)用的主要是一些標(biāo)準(zhǔn)的數(shù)據(jù)統(tǒng)計(jì)技巧,運(yùn)算比較復(fù)雜4 具體設(shè)計(jì)內(nèi)容4.1.1 軟件流程人臉識別系統(tǒng)的方法，軟件流程 如圖4.1所示接下來將按照上面的流程圖，對系統(tǒng)進(jìn)行介紹，在介紹系統(tǒng)的同時(shí)對一些常用圖像，圖形處理的基本方法做介紹，這包括了圖像，圖形學(xué)上的一些基本的概念和處理

11、手段，也根據(jù)圖像需要進(jìn)行簡單的處理。對人臉的定位處理流程圖4.2如下4.1.2 圖像數(shù)據(jù)的讀取與處理這非線性分段色彩變換得到的膚色模型屬于色彩空間中的聚類模型，這一類膚色模型的建立首先要選取一種合適的色彩空間。注意要YCbCr色彩空間具有如下一些優(yōu)點(diǎn)：(a)YCrCb色彩格式具有與人類視賞感知過程相似的構(gòu)成原理。(b)YCrCb色彩格式被廣泛的應(yīng)用在電視顯示的領(lǐng)域中，也是許多視頻壓縮編碼，如MPEG、JPEG等標(biāo)準(zhǔn)中普遍采用的顏色表示格式。(c)YCrCb色彩格式具有與HIS等其他一些色彩格式相類似的將色彩中的亮度分量分離出來的優(yōu)點(diǎn)。(d)相比HIS等其他一些色彩格式，YCrCb色彩格式的計(jì)算

12、過程和空間坐標(biāo)表示形式比較簡單。(e)實(shí)驗(yàn)結(jié)果表明在YCrCb色彩空間中膚色的聚類特性比較好?？梢酝ㄟ^攝像頭來獲取,也可以通過圖像庫來獲取。在圖像獲取以后,將圖像顯示出來,同時(shí)記錄下圖像在內(nèi)存的地址,以便在圖像處理中使用。RGB=imread(4.jpg); %face02,04,06YCbCr=rgb2ycbcr(RGB); %將RGB色彩值變換為YcbCr色彩空間（將RGB真彩色圖像轉(zhuǎn)化為YcbCr色彩空間中相等的圖像）Y=YCbCr(:,:,1); %這三行分別是Ycbcr空間的y,cb,cr對應(yīng)矩陣Cb=YCbCr(:,:,2); Cr=YCbCr(:,:,3); imshow(RGB

13、);title(原始圖像RGB); %原始圖像figure,imshow(YCbCr);title(YcbCr色彩空間的圖像); %進(jìn)行將RGB色彩值變換為YcbCr色彩空間的圖像如圖2所示：原始圖像YCbCr圖圖2 原圖像與YCbCr圖4.1.2人臉顏色建模膨脹與腐蝕long lOffsetJudge；for(int i_l；iheight-I；i+)for(intj=l；jPixelOffset(i，j，wBytesPerLine)；，如果當(dāng)前點(diǎn)為白色，接著循環(huán)if(+(1pData+lOffseO一255、+(1pTemp+IOffset+)=255；+(1pTemp+lOffset+)

14、=255；+(1pTemp+lOffset+)=255；continue；，否則考察上下左右四個(gè)點(diǎn)elseIOffsetJudge=this-PixelOffset(i一1，j，wBytesPerLine)，如果上面的點(diǎn)為白色if(+(1pData+10ffsetJudge)一255)f 設(shè)置為白色，并繼續(xù)循環(huán)代碼：I=RGB; W=size(YCbCr,1); %y對應(yīng)矩陣寬大小H=size(YCbCr,2); %y對應(yīng)矩陣高大小 k=(2.53/180)*pi; m=sin(k);n=cos(k); %正余弦噪聲%111111111111111111111111111cx=109.38;c

15、y=152.02;ecx=1.60;ecy=2.41;a=25.39;b=14.03; %(cb=( 100,140),cr=(70,160)這是閾值，這個(gè)閾值應(yīng)該是人臉膚色的范圍for i=1:W for j=1:H if Y(i,j)110 I(i,j,:)=0; elseif (Y(i,j)=110) x=(double(Cb(i,j)-cx)*n+(double(Cr(i,j)-cy)*m; y=(double(Cr(i,j)-cy)*n-(double(Cb(i,j)-cx)*m; if(x-ecx)2/a2+(y-ecy)2/b2)200 x=(double(Cb(i,j)-cx)

16、*n+(double(Cr(i,j)-cy)*m; y=(double(Cr(i,j)-cy)*n-(double(Cb(i,j)-cx)*m; if (x-ecx)2/(1.1*a)2+(y-ecy)2/(1.1*b)2)=1 I(i,j,:)=255; %膚色部分變?yōu)榘咨?else I(i,j,:)=0; %其余轉(zhuǎn)成黑色 end end end end figure,imshow(I);title(膚色區(qū)分后的圖像); %進(jìn)行將膚色識別后的黑白圖像如圖3所示：圖3膚色區(qū)分后的圖像處理se1=strel(square,35); %這個(gè)函數(shù)可以創(chuàng)建邊長35的方形元素f0=imclose(I,s

17、e1); %利用上面創(chuàng)建的方形元素，彌補(bǔ)imshow(I)中人臉中以及其他部分殘留的小塊黑色figure,imshow(f0);title(修補(bǔ)漏洞后的人臉); %顯示修補(bǔ)漏洞后的人臉如圖4所示：圖4 修補(bǔ)漏洞后的人臉圖4.1.4人臉區(qū)域的定位人臉定位是完成對需定位的人臉運(yùn)動區(qū)域進(jìn)行膚色檢測。在膚色分割階段，采用YCrCb色度空間，能較好地獲取膚色區(qū)域，排除一些類似人臉膚色的非人臉區(qū)域，并使用投影法正確標(biāo)記人臉。人臉定位過程包括5個(gè)步驟。相似度計(jì)算方法，把三維RGB降為二維，在二維平面上，膚色的區(qū)域相對集中，根據(jù)膚色在色度空間的高斯(Gauss)分布，將彩色圖像中的某個(gè)像素從RGB色彩空間變換

18、到Y(jié)CbCr空間，可以計(jì)算出該像素點(diǎn)屬于膚色區(qū)域的概率，即根據(jù)該像素點(diǎn)離高斯分布中心的遠(yuǎn)近程度得到一個(gè)與膚色的相似度相似度計(jì)算2)選擇適當(dāng)?shù)拈撝?，對圖像中的待檢測區(qū)域進(jìn)行二值化處理。3)對二值圖像作形態(tài)學(xué)處理，利用圓形結(jié)構(gòu)元素作膨脹變換，抹掉細(xì)節(jié)，使圖像平滑。4)用直方圖方式對二值圖像進(jìn)行垂直投影和水平投影，如圖2b和圖2c所示。圖像中人臉區(qū)域的獲取,根據(jù)膚色來獲取,通過膚色非線形分段色彩變換來實(shí)現(xiàn)。對圖像進(jìn)行圖像灰度化、高斯平滑處理、對比度增強(qiáng)、二值化等一系列的圖像處理之后,可以根據(jù)人的兩個(gè)眼睛具有對稱、眼睛下面有鼻子、再往下有嘴巴的特點(diǎn),來確定劃分的區(qū)域是否就是人臉區(qū)域BW = im2bw

19、(f0, graythresh(f0); figure, imshow(RGB);title(網(wǎng)格標(biāo)記圖像, FontWeight, Bold);hold on;xt, yt = meshgrid(round(linspace(1, size(I, 1), 10), .round(linspace(1, size(I, 2), 10);mesh(yt, xt, zeros(size(xt), FaceColor, .None, LineWidth, 3, .EdgeColor, r);如圖5所示：圖5 網(wǎng)格標(biāo)記圖像圖第二步n1, n2 = size(BW);r = floor(n1/10);

20、% 分成10塊，行c = floor(n2/10); % 分成10塊，列x1 = 1; x2 = r; % 對應(yīng)行初始化s = r*c; % 塊面積for i = 1:10y1 = 1; y2 = c; % 對應(yīng)列初始化for j = 1:10if(y2=9*c) | (x1=1 | x2=r*10) %如果是在四周區(qū)域loc = find(BW(x1:x2, y1:y2)=0);p, q = size(loc);pr = p/s*100; % 黑色像素所占的比例數(shù)if prmx & (Bd(k, 3)/Bd(k, 4)1.8 %如果滿足面積塊大，而且寬/高1.8mx = p;j = k;en

21、dendfigure,imshow(RGB); hold on;rectangle(Position, Bd(j, :), .EdgeColor, r, LineWidth, 3);title(標(biāo)記圖像, FontWeight, Bold);如圖6所示：圖6人臉識別標(biāo)記圖41.5對原圖像進(jìn)行臉部模糊處理h1=ones(40,40)/1600; I2=imfilter(RGB ,h1); %對原圖像進(jìn)行全部模糊%figure,imshow(I2);a=Bd(j,:);%臉部標(biāo)記的矩形框的四個(gè)坐標(biāo)for i=a(2)-0.5:a(2)-0.5+a(4); for j=a(1)-0.5:a(1)-0

22、.5+a(3);RGB(i,j,:)=I2(i,j,:);%部分模糊的替換 endendfigure,imshow(RGB);title(模糊后的人臉圖像); %顯示模糊后的人臉如圖7所示：圖7 人臉模糊隱私保護(hù)圖總結(jié)與致謝這一次做的圖像人臉區(qū)域隱私保護(hù)系統(tǒng)設(shè)計(jì)。原理看似簡單，但過程讓我深深感受到再簡單的圖像處理，理論與實(shí)際也會有一定的差入。在參考書設(shè)計(jì)原理的基礎(chǔ)上經(jīng)過了個(gè)人的改進(jìn)，讓功能更完善，特別是程序的調(diào)試，花的時(shí)間最多，也是最難的一個(gè)地方。通過本次設(shè)計(jì)，培養(yǎng)了創(chuàng)新意識和綜合素質(zhì)，更好地掌握了數(shù)字圖像處理設(shè)計(jì)，提高個(gè)人基本能力、實(shí)驗(yàn)及設(shè)計(jì)能力和獨(dú)立工作能力，基本知識更加牢固人臉檢測及識別

23、算法研究近年來受到很大關(guān)注，同時(shí)也得到了很大的進(jìn)展。但是考慮到視頻處理的復(fù)雜程度，大多數(shù)檢測或識別率高的算法往往都要在計(jì)算上付出很大的代價(jià)而失去了使用價(jià)值。而本文提出的一種基于差分和膚色的人臉檢測算法，在計(jì)算量上大大減少，同時(shí)抑制背景噪聲。隨著硬件技術(shù)的進(jìn)步，采用攝像機(jī)的圖像系統(tǒng)的成本已經(jīng)不高，使得這種算法有大量應(yīng)用的條件，實(shí)驗(yàn)表明該算法具有可行性。，在編程調(diào)試、查資料，在設(shè)計(jì)的過程和設(shè)計(jì)說明書的撰寫過程中，老師給予了我熱心的幫助和大力的支持，給我提了諸多的寶貴意見，拓寬了我的思路。在此我向老師們表示衷心的感謝！參考文獻(xiàn)1 王科俊,姚向輝人臉圖像檢測與識別方法綜述J自動化技術(shù)與應(yīng)用2004,

24、23(12).2 邢藏菊,曲延鋒,王守覺靜態(tài)灰度圖像中的人臉快速檢測J計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)V0114,NoMay,2002 3 周杰,盧春雨,張長水,等.人臉自動識別方法綜述J.電子學(xué)報(bào),2004 (4):102-106.4 簡(Jain A.K.) 美,韓博,徐楓著數(shù)字圖像處理基礎(chǔ)M北京：清華大學(xué)出版社,2006.5 岡薩雷斯數(shù)字圖像處理(MATLAB)中文版M北京：電子工業(yè)出版社,2007.6 Castleman, K. R.美著,朱志剛等譯數(shù)字圖像處理M北京:電子工業(yè)出版社,20027 朱虹數(shù)字圖像處理基礎(chǔ)M北京：科學(xué)出版社,2005.8 劉志敏,揚(yáng)杰,施鵬飛數(shù)學(xué)形態(tài)學(xué)的圖像分割算

25、法D計(jì)算機(jī)工程與科學(xué),1998,20 (4):219 章毓晉圖像分割北京:科學(xué)出版社,200110 王樹偉,楊鴝Matlab 6.5輔助圖像處理M電子工業(yè)出版社,2003.附錄：系統(tǒng)設(shè)計(jì)程序RGB=imread(face06.jpg); %face02,04,06YCbCr=rgb2ycbcr(RGB); %將RGB色彩值變換為YcbCr色彩空間（將RGB真彩色圖像轉(zhuǎn)化為YcbCr色彩空間中相等的圖像）Y=YCbCr(:,:,1); %這三行分別是Ycbcr空間的y,cb,cr對應(yīng)矩陣Cb=YCbCr(:,:,2); Cr=YCbCr(:,:,3); imshow(RGB);title(原始圖

26、像RGB); %原始圖像figure,imshow(YCbCr);title(YcbCr色彩空間的圖像); %進(jìn)行將RGB色彩值變換為YcbCr色彩空間的圖像I=RGB; W=size(YCbCr,1); %y對應(yīng)矩陣寬大小H=size(YCbCr,2); %y對應(yīng)矩陣高大小 k=(2.53/180)*pi; m=sin(k);n=cos(k); %正余弦噪聲%111111111111111111111111111cx=109.38;cy=152.02;ecx=1.60;ecy=2.41;a=25.39;b=14.03; %(cb=( 100,140),cr=(70,160)這是閾值，這個(gè)閾值

27、應(yīng)該是人臉膚色的范圍for i=1:W for j=1:H if Y(i,j)110 I(i,j,:)=0; elseif (Y(i,j)=110) x=(double(Cb(i,j)-cx)*n+(double(Cr(i,j)-cy)*m; y=(double(Cr(i,j)-cy)*n-(double(Cb(i,j)-cx)*m; if(x-ecx)2/a2+(y-ecy)2/b2)200 x=(double(Cb(i,j)-cx)*n+(double(Cr(i,j)-cy)*m; y=(double(Cr(i,j)-cy)*n-(double(Cb(i,j)-cx)*m; if (x-e

28、cx)2/(1.1*a)2+(y-ecy)2/(1.1*b)2)=1 I(i,j,:)=255; %膚色部分變?yōu)榘咨?else I(i,j,:)=0; %其余轉(zhuǎn)成黑色 end end end end figure,imshow(I);title(膚色區(qū)分后的圖像); %進(jìn)行將膚色識別后的黑白圖像%1111111111111111111% 找到人臉區(qū)域并設(shè)為白色% (r=35)se1=strel(square,35);%這個(gè)函數(shù)可以創(chuàng)建邊長35的方形元素f0=imclose(I,se1);%利用上面創(chuàng)建的方形元素，彌補(bǔ)imshow(I)中人臉中以及其他部分殘留的小塊黑色figure,imshow(f0);title(修補(bǔ)漏洞后的人臉); %顯示修補(bǔ)漏洞后的人臉%44444444444444444444444444444BW = im2bw(f0, graythresh(f0); % 二值化figure, imshow(RGB);title(網(wǎng)格標(biāo)記圖像, FontWeight, Bold);hold