简单起见，就使用两个矩阵对应元素之差的值之和或者平方和等，计算机进行快速运算，找到相似的矩阵，然后将其所代表的数字进行输出。这样我们就解决了图像的表示问题，建立了图像和矩阵的等价关系。图片可以转化为矩阵，通过矩阵也可以***原始图片。我们输入图片，希望计算机能够将内容识别出来，将结果输出。仍以数字为例，当输入图片并用矩阵表示后，通过将灰度值转化为灰度，可以轻松辨识其所表示的内容。

人脸识别系统是以人脸识别技术为，通过摄像镜头将不同的人脸图像采集下来进行对比，并对人脸身份进行快速比对，它是多种生物特征识别技术中的一种，俗称「刷脸」。这个问题的依赖于分类问题。即，先不谈特征值，首先如何把照片集合按人正确的分类？这里就要先谈谈机器学习。接下来，就是电脑主动去区分不同的人脸，人类能够通过眼睛大小、鼻子高低、肤色等外部形态轻松地分辨不同的两张人脸，利用电脑分辨人脸，就需要对图像进行量化，得到脸部的 128 个特征测量值，进一步计算出欧式距离值，终即可确定你是不是你。

举个例子，更容易理解一些。比如，计算机内部已经存放了包含数字1和7以及它们所对应的灰度矩阵。当新输入一张图像后，程序会自动计算它的矩阵与这些矩阵的相似度。为此，我们必须适当地调整图片中的人脸，使得脸部的特征点能更好的和被检测者重叠。随着计算机技术的发展，人脸识别技术得到广泛研究与开发，成为近 30 年里模式识别和凸图像处理热门的研究之一。

简而言之，人脸识别系统为六个过程、四个部分，人脸自动识别技术目前已经取得了巨大的成就。这个问题的依赖于分类问题。即，先不谈特征值，首先如何把照片集合按人正确的分类？这里就要先谈谈机器学习。在灰度图像中，一个像素使用8个比特位，从而可以表示256个灰度阶，表围是0-255。其中0代表纯黑色，255代表纯白色。