基于CIELAB顏色模型的數(shù)字照片背景色替換

胡蘇陽(yáng)　黃水源　陳智毅

1(南昌大學(xué)信息工程學(xué)院　江西 南昌 330031)2(江西省人力資源和社會(huì)保障廳信息中心　江西 南昌 330030)

?

基于CIELAB顏色模型的數(shù)字照片背景色替換

胡蘇陽(yáng)1黃水源1陳智毅2

1(南昌大學(xué)信息工程學(xué)院江西 南昌 330031)2(江西省人力資源和社會(huì)保障廳信息中心江西 南昌 330030)

摘要利用數(shù)字圖像處理技術(shù)對(duì)通過(guò)掃描儀獲取的圖片進(jìn)行處理以獲得其中的數(shù)字照片是日常數(shù)據(jù)采集工作中很常見(jiàn)的一種手段。首先進(jìn)行彩色照片區(qū)域的分割以得到?jīng)]有傾斜的照片區(qū)域。底色替換階段先使用k-means算法計(jì)算出照片的背景顏色值，然后計(jì)算灰度值掩模，之后與純白色進(jìn)行混合得到替換結(jié)果。最后進(jìn)行縮放、填補(bǔ)、裁切，從而完成整個(gè)處理過(guò)程。實(shí)驗(yàn)表明，該方法具有很高的實(shí)用性,并且實(shí)現(xiàn)簡(jiǎn)單。現(xiàn)階段該方法僅使用了像素點(diǎn)的顏色信息，今后將改進(jìn)加入像素點(diǎn)的空間位置信息，以提高處理成功率。

關(guān)鍵詞照片背景色替換k-means算法灰度值掩模CIELAB顏色空間

0引言

紙質(zhì)申請(qǐng)表的右上方固定矩形區(qū)域內(nèi)粘貼有彩色照片，經(jīng)掃描儀掃描得到整張申請(qǐng)表的數(shù)字圖片。利用數(shù)字圖像處理技術(shù)對(duì)掃描得到的申請(qǐng)表數(shù)字圖片進(jìn)行處理，將分割后的照片的背景替換為白色，得到符合要求的申請(qǐng)人的數(shù)字照片。這種照片數(shù)據(jù)采集模式被廣泛應(yīng)用于公安、人事部門(mén)。本文所討論的方法是基于CIELAB顏色空間下顏色間的距離來(lái)完成人頭像部分的分割，再進(jìn)一步處理之后得到符合要求的數(shù)字照片。

CIELAB顏色空間在生產(chǎn)和生活中有著廣泛的應(yīng)用。許莉等提出了一種基于Lab顏色空間的運(yùn)動(dòng)目標(biāo)檢測(cè)方法。他們選擇Lab三通道的顏色特征作為前景/背景的分類(lèi)特征,將亮度與反應(yīng)色彩本質(zhì)的色度分開(kāi)處理,得到每個(gè)像素在各個(gè)通道的不同信息,然后采用背景差和幀差結(jié)合的差分檢測(cè)模型分別進(jìn)行背景更新處理,最后再進(jìn)行背景差分得到運(yùn)動(dòng)目標(biāo)[1]。楊飚等基于Lab顏色空間，完成了雙行車(chē)牌的定位。他們提出的方法能快速而精準(zhǔn)地對(duì)雙行車(chē)牌進(jìn)行定位，受光線、背景等干擾因素影響較少，而且可以對(duì)臟牌、污牌進(jìn)行準(zhǔn)確的定位[2]。姜繼春等對(duì)在Lab、LUV、YCbCr以及YIQ顏色空間下進(jìn)行手寫(xiě)體文字圖像聚類(lèi)效果的分析比較，發(fā)現(xiàn)在Lab顏色空間下對(duì)手寫(xiě)體文字具有較好的提取效果,有利于后續(xù)的文字識(shí)別[3]。

1應(yīng)用背景

江西省社會(huì)保障卡信息中心需要對(duì)在系統(tǒng)中缺失照片的參保人進(jìn)行數(shù)字照片采集工作，現(xiàn)擬定如下方案：系統(tǒng)生成與某個(gè)參保人相對(duì)應(yīng)的唯一序列號(hào)，打印軟件生成與序列號(hào)對(duì)應(yīng)的Code39條形碼圖案，與參保人的個(gè)人信息一起按照制定的格式打印成紙質(zhì)申請(qǐng)表。在下發(fā)給參保人并粘貼照片后進(jìn)行回收，工作人員再使用高速彩色掃描儀對(duì)申請(qǐng)表進(jìn)行掃描，得到整張申請(qǐng)表的數(shù)字圖片。利用基于數(shù)字圖像處理技術(shù)編制的軟件，完成條形碼的識(shí)別，以及參保人粘貼的照片的處理。盡管這是一個(gè)特定的應(yīng)用場(chǎng)合，但這種照片數(shù)據(jù)的采集方式在生產(chǎn)生活中具有廣闊的應(yīng)用場(chǎng)合。

本算法的流程圖和照片處理部分的模塊圖如圖1所示。本文算法是在CIELAB顏色空間下，計(jì)算灰度值掩模，并應(yīng)用到背景色替換過(guò)程中。本文提出的處理算法已經(jīng)在OpenCV庫(kù)的基礎(chǔ)上進(jìn)行了實(shí)現(xiàn)，并成功應(yīng)用到江西省社會(huì)保障卡的照片采集工作中，實(shí)現(xiàn)了照片的背景替換，大大加快了照片采集工作進(jìn)度，節(jié)約了人力資源。本算法由于利用灰度值掩模對(duì)照片進(jìn)行背景色替換，相對(duì)于利用二值掩模，在背景色和人物頭像鄰接區(qū)域能取得更好的處理效果，從而提高了處理成功率。

整個(gè)軟件處理階段的工作主要由兩個(gè)部分構(gòu)成：申請(qǐng)表上條形碼的識(shí)別和照片的處理。條形碼的值是與申請(qǐng)人一一對(duì)應(yīng)的，成功識(shí)別條形碼后便與申請(qǐng)人粘貼的照片進(jìn)行關(guān)聯(lián)。目前已經(jīng)有公司提供成熟可靠的商業(yè)庫(kù)來(lái)完成圖片中條形碼的識(shí)別，比如說(shuō)Inlite Research公司開(kāi)發(fā)的ClearImage Barcode 1D Pro，支持對(duì)圖片質(zhì)量低、有傾斜、缺損的條形碼的識(shí)別[4]。ZBar是一套支持從多種數(shù)據(jù)源讀取條形碼的開(kāi)源軟件套裝，它可從視頻流、圖片、原始亮度感應(yīng)器中讀取條形碼值，具有靈活、高效、代碼精簡(jiǎn)、跨平臺(tái)等特性[5]。照片處理部分需要完成的工作為：利用數(shù)字圖像處理技術(shù)處理掃描得到的申請(qǐng)表圖片，獲得滿足條件的申請(qǐng)人的數(shù)字照片。處理后得到的照片需滿足卡商制卡的照片要求，即照片空間大小為358×441像素，背景色為白色的數(shù)字照片。由于第一部分的工作已經(jīng)有成熟可靠的庫(kù)完成了條形碼的識(shí)別工作，本文對(duì)余下部分的照片處理部分進(jìn)行論述。

圖1　算法流程圖和照片處理部分模塊圖

2處理流程

2.1整體結(jié)構(gòu)

整個(gè)照片處理階段的流程分為3個(gè)子模塊，其中彩色照片區(qū)域分割子模塊完成對(duì)照片實(shí)際區(qū)域的分割；底色替換子模塊完成照片背景色的替換；縮放填補(bǔ)裁切子模塊對(duì)照片進(jìn)行變換以滿足大小要求。本文提出的基于灰度值掩模的背景色替換算法，作用于底色替換模塊。在底色替換階段，利用計(jì)算得到的灰度值掩模對(duì)照片的背景色進(jìn)行替換，可以達(dá)到比二值掩模更好的處理效果。

對(duì)A4紙的申請(qǐng)表，經(jīng)掃描儀掃描得到整張申請(qǐng)表的數(shù)字圖片記為G，Ga為包含照片區(qū)域的一個(gè)較小的矩形區(qū)域。如圖2所示：

圖2　整體結(jié)構(gòu)

先對(duì)Ga進(jìn)行形態(tài)學(xué)閉操作處理以去除彩色照片附近的細(xì)線或污點(diǎn)，獲得照片的實(shí)際區(qū)域,之后進(jìn)行仿射變換得到?jīng)]有歪斜的照片區(qū)域Gb。對(duì)Gb進(jìn)行背景色替換操作得到白底照片Gc。最后進(jìn)行縮放、填補(bǔ)、裁切操作以得到處理結(jié)果Gd。本文的其他部分均延續(xù)上述記法。

2.2彩色照片區(qū)域分割

針對(duì)某種固定設(shè)計(jì)的申請(qǐng)表，如果以固定的分辨率進(jìn)行掃描，粘貼彩色照片的區(qū)域一定包含于某個(gè)位置和大小相對(duì)固定的矩形的子圖像區(qū)域內(nèi)，即Ga。本階段的工作是將照片部分從整張掃描得到的圖片中分割出來(lái)，以方便之后的處理工作。

在Ga中由于照片周?chē)赡艽嬖谥暾?qǐng)表的分隔線以及申請(qǐng)人的筆跡和污點(diǎn)等低亮度值像素，且這些像素區(qū)域相對(duì)于照片區(qū)域顯得細(xì)且小，所以在對(duì)Ga以亮度二值化后進(jìn)行形態(tài)學(xué)閉操作后可以腐蝕掉這些像素[6]。申請(qǐng)人可能在粘貼照片時(shí)照片出現(xiàn)不同程度的傾斜，在掃描時(shí)紙張的傾斜都可能導(dǎo)致照片區(qū)域的傾斜。在進(jìn)行下一步處理之前，需要對(duì)傾斜的照片進(jìn)行校正。盡管照片區(qū)域可能出現(xiàn)傾斜，但照片區(qū)域仍然是一個(gè)矩形?？梢韵扔?jì)算這個(gè)區(qū)域的最小外接矩形即照片區(qū)域，然后將這個(gè)外界矩形旋轉(zhuǎn)到?jīng)]有傾斜。本處理階段完成后，得到的圖片Gb作為輸入進(jìn)行底色替換。

如圖3(a)所示，為了得到彩色照片的實(shí)際區(qū)域，必須先將周?chē)嬖诘纳暾?qǐng)表照片周?chē)募?xì)線去除掉。對(duì)二值化后的圖像進(jìn)行形態(tài)學(xué)閉操作之后，得到的圖片如圖3(c)所示，可以發(fā)現(xiàn)細(xì)線部分已經(jīng)去除。注意照片區(qū)域右下角不規(guī)則的高亮度部分，但在這張圖片中不影響最小外接矩形的計(jì)算。這也是本處理方法的一個(gè)缺點(diǎn)，如果在照片中申請(qǐng)人穿淺色衣物，造成照片區(qū)域出現(xiàn)高亮度值區(qū)域，那么依據(jù)亮度值的形態(tài)學(xué)閉操作計(jì)算得到的照片區(qū)域可能與實(shí)際照片區(qū)域有偏差。照片的最小外接矩形的四個(gè)頂點(diǎn)以小圓圈示于圖3(d)中。根據(jù)計(jì)算得到的外接矩形的坐標(biāo)將照片區(qū)域旋轉(zhuǎn)到?jīng)]有傾斜的照片區(qū)域即Gb，如圖3(e)所示。

圖3　彩色照片區(qū)域分割

2.3底色替換

本文所使用的方法在Lab顏色空間下根據(jù)每個(gè)像素與背景色的距離，進(jìn)行計(jì)算得到一個(gè)值在[0,255]范圍內(nèi)的灰度掩模。使用這個(gè)掩模將Gb映射為白底目標(biāo)的照片Gc。大致的處理思想為：在一個(gè)較小的取樣區(qū)域內(nèi)利用k-means聚類(lèi)算法計(jì)算得到某張照片的背景色。通過(guò)計(jì)算每個(gè)像素在CIELAB顏色空間下和背景色的距離，生成一個(gè)灰度值掩模。再利用建立的灰度值掩模完成背景色的替換工作。

2.3.1背景色的計(jì)算

圖4　取樣區(qū)域

CIE L*a*b*(CIELAB)是慣常用來(lái)描述人眼可見(jiàn)的所有顏色的最完備的色彩模型。不像RGB和CMYK色彩空間，Lab顏色被設(shè)計(jì)來(lái)接近人類(lèi)視覺(jué)[7，8]。由于本任務(wù)需要將背景色替換為白色，CIELAB適合衡量?jī)煞N顏色之間的距離，且與人眼判定顏色差別一致，故CIELAB顏色空間特別適合本任務(wù)的需求。由于證件照中前景像素分布的特點(diǎn)，照片區(qū)域左上方的區(qū)域通常都是背景區(qū)域?？梢詫⒄掌瑓^(qū)域左上方的一個(gè)矩形區(qū)域作為取樣區(qū)域，對(duì)落在取樣區(qū)域內(nèi)的像素點(diǎn)的顏色值進(jìn)行k-means聚類(lèi)[9，10]，選取數(shù)目最多的一個(gè)類(lèi)的中心作為背景色的值。由于照片邊緣可能出現(xiàn)污染，表面不均勻造成掃描后圖片的雜色，取樣矩形相對(duì)于照片區(qū)域左上方頂點(diǎn)在水平和垂直方向有較小的偏移值。取樣區(qū)域的位置示意如圖4所示，左上方的矩形區(qū)域?yàn)樵O(shè)定的取樣區(qū)域。

對(duì)取樣區(qū)域內(nèi)的像素點(diǎn)的顏色值進(jìn)行k-means聚類(lèi)，結(jié)果得到k(我們?nèi)=5)個(gè)類(lèi)集合S={S1,S2,…,Sk}和與類(lèi)對(duì)應(yīng)的類(lèi)中心μ={μ1,μ2,…,μk} 。那么有:

(1)

B=μp

(2)

其中p為聚類(lèi)元素最多的類(lèi)的標(biāo)號(hào)，B為背景顏色向量。

2.3.2灰度值掩模的建立

在上一步計(jì)算得到了圖片背景色B之后，需要計(jì)算一個(gè)空間大小與Gb一致、每個(gè)像素的取值范圍為[0,255]的灰度值掩模M(x,y)。這個(gè)掩模M(x,y)決定了Gb中原始像素映射到Gc中的值。我們先定義在Lab顏色空間下兩種顏色的距離，采用Euclidean距離，則有:

(3)

其中a、b為兩種顏色向量，ak、bk為L(zhǎng)ab顏色空間下每個(gè)分量的值。定義灰度值掩模M(x,y)如下：

(4)

D=D(Gb(x,y),B)

(5)

其中(x,y)為像素的空間坐標(biāo)，D即在Lab顏色空間下照片像素顏色與背景顏色B的距離。tl與tu為兩個(gè)選定的閾值，0≤tl

1 //

2 //計(jì)算灰度值掩模

3 //

4 void GenerateGrayMask(const Mat& labMat,

5 Mat& mask_gray, Vec3b bk, int tl, int tu)

6 {

7 Mat_ _Ilab = labMat;

8 mask_gray = Mat::zeros(labMat.size(),

9CV_8UC1);

10 for (int i = 0; i < _Ilab.rows; ++i)

11for (int j = 0; j < _Ilab.cols; ++j){

12double diff=

13Distance(_Ilab(i,j), bk);

14if ( diff< tu){

15if (diff < tl)

16mask_gray.at(i,j)= 255;

17else

18mask_gray.at(i,j)=

19(uchar)(255-255*(diff - tl)/(tu - tl));

20}

21}

22 }

初步計(jì)算得到的灰度值掩?？赡茉陬^像的內(nèi)部存在孔洞(如嘴唇顏色與背景色接近等情況)，使用區(qū)域填充算法對(duì)孔洞進(jìn)行填充以消除該影響。對(duì)于實(shí)際頭像區(qū)域外，與背景色差別D>tl的區(qū)域，它們的區(qū)域面積相對(duì)于實(shí)際頭像區(qū)域的面積小很多，所以實(shí)際的頭像區(qū)域?yàn)橛?jì)算得到的灰度值掩模中面積最大的連通區(qū)域。

圖5　M與D的映射關(guān)系

2.3.3計(jì)算替換結(jié)果

在上一步驟得到灰度值掩模M(x,y)后，結(jié)合Gb(x,y)和M(x,y)計(jì)算以白色為背景色的照片Gc(x,y)。對(duì)Gb的每個(gè)像素的RGB顏色分量使用下式計(jì)算對(duì)應(yīng)像素Gc的RGB分量值。

Gc(x,y)=α×255+(1-α)×Gb(x,y)

(6)

α=M(x,y)/255

(7)

對(duì)于M(x,y)=255的像素點(diǎn)，對(duì)應(yīng)的Gc(x,y)=255,即白色，上述變換將背景色替換為白色；對(duì)于M(x,y)=0的像素點(diǎn)，對(duì)應(yīng)的Gc(x,y) =Gb(x,y)，上述變換保持了非背景區(qū)域的顏色值；對(duì)于M(x,y)∈(0,255)的像素值，Gc(x,y)為Gb(x,y)和純白的線性混合，靠近背景色(M接近255)的像素混入更多的白色，反之更接近前景色。核心代碼如下：

1 //

2 //計(jì)算源彩色照在灰度值掩護(hù)模作用下的替換結(jié)果

3 //

4 void AddMasked(const Mat& src

5 , const Mat& mask, Mat & dst)

6 {

7double alpha, beta;

8for (int i = 0; i < src.rows; ++i)

9for (int j = 0; j < src.cols; ++j){

10alpha = mask.at(i,j) / 255.0;

11beta = 1 - alpha;

12Vec3b s = src.at(i, j);

13dst.at(i, j)[0]= (uchar)

14(alpha * 255 + beta * s[0]);

15dst.at(i, j)[1]= (uchar)

16(alpha * 255 + beta * s[1]);

17dst.at(i, j)[2]= (uchar)

18(alpha * 255 + beta * s[2]);

19}

20 }

圖6為對(duì)某張照片進(jìn)行計(jì)算灰度值掩模，再計(jì)算替換背景色結(jié)果的示例。其中展示了一般的二值掩模的處理結(jié)果，該二值掩模僅僅利用了單一閾值區(qū)分背景色和前景色。通過(guò)比較可以發(fā)現(xiàn)，相比二值掩模的處理結(jié)果，利用灰度值掩模進(jìn)行替換的結(jié)果中人物頭像頭發(fā)邊緣的處理結(jié)果更盡如人意,顯得更加自然。

圖6　背景色替換

2.4縮放、填補(bǔ)、裁切

需要的照片空間大小為358×441像素，即水平方向?yàn)?58像素，垂直方向?yàn)?41像素。上一過(guò)程得到的處理結(jié)果Gc一般不能滿足大小要求，所以要對(duì)Gc進(jìn)行處理以得到滿足要求的照片Gd。

假設(shè)要求照片的水平/垂直比為x0/y0(這里為358/441)，上一過(guò)程得到的Gc的水平/垂直比為x/y，那么需要對(duì)Gc進(jìn)行等比例的縮放操作后，再進(jìn)行填補(bǔ)或裁切操作以得到滿足要求的照片。如果x/yx0/y0，進(jìn)行等比例縮放后，需要在頂部填補(bǔ)白色。進(jìn)行完本處理流程后，得到結(jié)果Gd。至此整個(gè)圖片處理過(guò)程結(jié)束，把識(shí)別的條形碼值和處理結(jié)果Gd及其它記錄信息存儲(chǔ)到數(shù)據(jù)庫(kù)中。

3實(shí)驗(yàn)評(píng)估

為了驗(yàn)證本文提出處理方法在實(shí)際處理應(yīng)用中的有效性，本部分分別從實(shí)際處理效果、實(shí)際應(yīng)用的統(tǒng)計(jì)結(jié)果和與單純的二值掩模進(jìn)行替換的運(yùn)算速度三方面進(jìn)行分析。本實(shí)驗(yàn)的數(shù)據(jù)來(lái)源為江西省社會(huì)保障卡申請(qǐng)表經(jīng)掃描儀掃描得到的圖片。掃描儀采用的是Kodak i1220 plus scanner，掃描配置顏色位深度為24位，分辨率400 dpi。軟件系統(tǒng)運(yùn)行在一臺(tái)操作系統(tǒng)為Windows 7的個(gè)人計(jì)算機(jī)上，處理器為Intel Core i5-2450M(主頻為2.5 GHz),內(nèi)存2 GB。

3.1實(shí)際處理效果

經(jīng)過(guò)大量的前期對(duì)比實(shí)驗(yàn)，取下限閾值tl=20、上限閾值tu=45時(shí)，采用此算法的替換效果較好，故在tl=20、tu=45、二值掩模單閾值t=45時(shí)進(jìn)行處理效果的對(duì)比試驗(yàn)。

本文選取了4張具有代表性的人物照片進(jìn)行了運(yùn)行結(jié)果演示，如圖7所示。對(duì)于背景色不同的照片，本算法能較好地完成處理任務(wù)，相對(duì)于二值掩模的處理效果更好。對(duì)于人物邊緣和背景顏色相近和背景色不均勻的情況，灰度值掩模替換比二值掩模替換效果好。注意第一列第二行中，利用二值掩模替換造成人物面部左下部一些部位的缺失。在第二列第二行中，人物頭發(fā)出現(xiàn)了間斷，而在第二列第三行中頭發(fā)的細(xì)節(jié)得到了保留，但照片左下角也有不期望得到的模糊的背景。比較第三列和其它列的照片，對(duì)于背景色均勻的照片，使用灰度值掩模替換和二值掩模替換的處理效果差別不大。第四列第三行的照片人物頭像和背景詳解部分殘存了部分藍(lán)色。總的來(lái)說(shuō)，本算法利用灰度值掩模進(jìn)行背景色替換在處理效果上是優(yōu)于利用二值掩模進(jìn)行背景色替換的。

圖7　處理效果比較

3.2實(shí)際應(yīng)用中成功率分析

本文所討論的處理方法已經(jīng)應(yīng)用到江西省社保卡生產(chǎn)的照片數(shù)據(jù)采集工作中，經(jīng)過(guò)一段時(shí)間的系統(tǒng)運(yùn)行，發(fā)現(xiàn)經(jīng)過(guò)程序的處理可以大大降低照片采集工作的強(qiáng)度。掃描紙質(zhì)申請(qǐng)表得到的圖片，在程序處理過(guò)后所得到的照片在人工審查過(guò)程中可以分為3類(lèi)：處理合格、需要人工進(jìn)一步修改、處理失敗。處理合格指的是程序處理的結(jié)果已經(jīng)滿足所有的要求。需要人工進(jìn)一步修改的指的是程序處理結(jié)果有小的瑕疵，需要在程序處理的結(jié)果之上擦除部分背景色。處理失敗指的是程序?qū)⒛承﹨^(qū)域的前景色替換成了白色，必須在原圖上進(jìn)行人工處理的。其中第2、3類(lèi)需要人工進(jìn)行處理，但第2類(lèi)需要的人工工作量少于第3種情況的工作量，僅僅需要操作員使用圖片編輯軟件進(jìn)行一些簡(jiǎn)單的擦除工作便可。

對(duì)程序處理的10 000張左右的掃描圖片的處理結(jié)果進(jìn)行人工分類(lèi)，統(tǒng)計(jì)結(jié)果如表1所示。

表1　處理結(jié)果統(tǒng)計(jì)

從表1中可以看出，該處理方法的成功率為55.0%，僅13.2%的圖片需要完全通過(guò)人工方法處理。如果能進(jìn)一步控制所貼照片的質(zhì)量，如避免張貼色彩不均勻、背景色和人物衣服顏色過(guò)于接近的照片，處理成功率應(yīng)該會(huì)更高。該方法相對(duì)于全部人工處理可以大量減少工作量，提高照片采集工作效率。

3.3與單純二值掩模處理進(jìn)行替換的運(yùn)算速度比較

對(duì)10 000張左右的掃描圖片分別使用灰度值掩模和單純的二值掩模進(jìn)行處理，統(tǒng)計(jì)平均處理時(shí)間。即在聚類(lèi)個(gè)數(shù)k=5, 下限閾值tl=20,上限閾值tu=45，二值掩模單閾值t=45的條件下，得出的結(jié)論如表2所示。

表2　灰度值掩模和二值掩模替換運(yùn)行速度比較

表2中分別統(tǒng)計(jì)了利用灰度值掩模和二值掩模對(duì)同一批掃描圖片的整個(gè)處理階段時(shí)間和底色替換階段時(shí)間。可以發(fā)現(xiàn)利用灰度值掩模進(jìn)行底色替換雖然慢了12.5%，但是處理的效果卻遠(yuǎn)遠(yuǎn)好于單純利用二值掩模的處理結(jié)果，這種代價(jià)是值得的。

4結(jié)語(yǔ)

使用數(shù)字圖像處理方法對(duì)通過(guò)掃描儀獲得的數(shù)字圖片進(jìn)行處理，得到數(shù)字照片，是在現(xiàn)實(shí)照片數(shù)據(jù)采集工作中經(jīng)常采用的一種模式。本文提出了一種易于實(shí)現(xiàn)且實(shí)用性高的處理方法。對(duì)處理流程進(jìn)行了詳盡的描述，實(shí)踐檢測(cè)結(jié)果顯示這種處理方法是實(shí)用的，可以大大地提高照片采集的工作效率。

本處理方法由彩色照片區(qū)域分割、底色替換、縮放和填補(bǔ)(裁切)三個(gè)子流程構(gòu)成。針對(duì)某個(gè)固定的矩形區(qū)域應(yīng)用形態(tài)學(xué)閉操作，之后計(jì)算它的最小外接矩形得到照片區(qū)域，經(jīng)過(guò)仿射變換以得到?jīng)]有傾斜的彩色照片區(qū)域。底色替換子流程先使用k-means聚類(lèi)算法計(jì)算出背景色，之后計(jì)算對(duì)應(yīng)的灰度值掩模，再使用灰度值掩模對(duì)彩色照片區(qū)域進(jìn)行背景色替換。最后進(jìn)行相應(yīng)的縮放、填補(bǔ)、裁切操作使照片滿足大小要求。

本文提出的處理方法也存在一些不足。背景顏色的替換僅僅根據(jù)照片的顏色信息，僅利用了每個(gè)像素點(diǎn)顏色和背景色的顏色距離生成灰度值掩模，而忽視了像素點(diǎn)的空間位置信息，因?yàn)檎掌腥说念^像區(qū)域往往呈現(xiàn)了某個(gè)固定的一個(gè)形狀模式。該方法涉及到的閾值均為固定值，而不是自適應(yīng)的。由于上述原因，該處理方法具有較大的局限性。對(duì)于背景色和前景顏色相近、照片拍攝時(shí)背景幕布顏色不均、照片中人物身穿淺色衣服的處理不好等情況，處理效果不好。之后的工作包括改進(jìn)系列算法，利用像素點(diǎn)的空間位置信息并基于動(dòng)態(tài)自適應(yīng)的閾值，提高處理的成功率，降低人工干預(yù)程度。

參考文獻(xiàn)

[1] 許莉,王敏,溫月.基于Lab顏色空間的運(yùn)動(dòng)目標(biāo)檢測(cè)[J].華中科技大學(xué)學(xué)報(bào):自然科學(xué)版,2013,41(S1):219-222.

[2] 楊飚,楊芩.Lab顏色空間和形態(tài)學(xué)處理相結(jié)合的雙行車(chē)牌定位方法[J].科學(xué)技術(shù)與工程,2014,14(26):108-110.

[3] 姜繼春,王曉紅,許秦蓉.基于Lab顏色空間的手寫(xiě)文字提取算法研究[J].包裝工程,2014,35(7):139-143.

[4] Inlite Research Inc．Barcode Recognition[EB/OL].[2014-09-09][2015-03-20] http:// www.inliteresearch.com/products/index.php.

[5] Jeff Brown．ZBar bar code reader[EB/OL].(2010-03-25) [2015-03-20] http://zbar.sourceforge.net/.

[6] Gonzalez R C．Digital Image Processing[M].2nd ed．New Jersey：Prentice Hall，2011.

[7] 趙秀萍．CIELAB色空間及應(yīng)用[J].印刷質(zhì)量與標(biāo)準(zhǔn)化,2003,(5):11-13.

[8] Macadam D L．Visual sensitivities to color differences in daylight[J].JOSA, 1942, 32(5)：247-273.

[9] Huang Z, Ng M K．A note on k-modes clustering[J].Journal of Classification,2003,20(2): 257-261.

[10] Chaturvedi A, Green P E, Caroll J D.K-modes clustering[J].Journal of Classification, 2001,18(1):35-55.

收稿日期：2015-03-16。胡蘇陽(yáng)，碩士生，主研領(lǐng)域：數(shù)字圖像處理。黃水源，副教授。陳智毅，工程師。

中圖分類(lèi)號(hào)TP391.41

文獻(xiàn)標(biāo)識(shí)碼A

DOI:10.3969/j.issn.1000-386x.2016.07.053

REPLACING DIGITAL PORTRAIT PHOTO BACKGROUND COLOUR BASED ON CIELAB COLOUR MODEL

Hu Suyang1Huang Shuiyuan1Chen Zhiyi2

1(SchoolofInformationEngineering,NanchangUniversity,Nanchang330031,Jiangxi,China)2(InformationCenter,DepartmentofHumanResourcesandSocialSecurityofJiangxiProvince,Nanchang330030,Jiangxi,China)

AbstractUsing digital image processing technology to process the scanned images to obtain digital portrait photos in them is a very common means in routine data collection. First it segments the colour portrait photo area so as to obtain an area without slant. In background colour replacement stage, it calculates the background colour value by k-means clustering algorithm, then calculates the greyscale mask, and blends with pure white colour afterwards to obtain the replacement results. Finally, it makes scaling, padding and cropping operations so that completes the whole process. Experiment indicates that this method has high practicality, and is easy to implement. At present stage the method just uses the colour information of pixels, in the future the amelioration work will add pixels spatial position information so as to improve the success rate of processing.

KeywordsPhoto background colour replacementK-means clustering algorithmGreyscale maskCIELAB colour space