表情传递着一个人的情感信息，人们可以通过表情来表达自己的内心世界，也可以通过表情来识别和理解对方的心理情感状态，并做出相应的回应。随着计算机技术、人工智能技术和自动识别技术的快速发展，表情识别已成为人工智能研究领域的热点课题之一，它涉及计算机视觉、情感计算等多门学科，主要应用于人机交互、机器人制造、国家安全、海关、出入境、医疗、远程教育和汽车等领域。现有的表情识别研究表明，生气、厌恶、恐惧、高兴、惊奇、悲伤和中性这七种基本情感与种族和文化相独立，而且具有全人类性，在此基础上提出了很多不同的识别方法，但是总体而言表情识别的准确率不高，现有算法推广性较差。针对这些问题，本文提出了一种基于面部图像分块处理和PCA算法的表情自动识别方法，该方法适用于静态图像，包括三个步骤：首先通过图像预处理，将人脸图像分成眼睛眉毛区域、鼻子区域和嘴巴区域；然后分别对每块区域采用PCA算法进行降维及特征提取，得到图像的“特征空间”；最后根据眼睛眉毛、鼻子和嘴巴各部位的变化对表情的影响不同，设置不同的影响因子，分别计算出各个部位的测试区域“特征空间”与训练区域“特征空间”的欧几里德距离，每个部位的欧几里德距离乘以对应的影响因子，得到最后的距离长度，根据最小距离原则，将表情分类。论文使用JAFFE表情库和CMU表情库中的部分图像、网上随机下载图像和志愿者实际图像进行测试，将所提方法与现有主流方法进行比较，通过分析测试结果，表明该方法提高了表情的识别率，而且具有较好的推广性。