基于MATLAB的人臉圖像分割算法研究

王 麗, 王 威

（西安航空學(xué)院電子工程學(xué)院，西安 710077）

0 引言

人臉識(shí)別技術(shù)［1］是對圖像的灰度值進(jìn)行范圍劃定，將背景和人像分割開來。這種方式簡單，但容易受到光照或者背景顏色的影響，導(dǎo)致相近的顏色都被劃入目標(biāo)范圍內(nèi)，準(zhǔn)確性不高，適用范圍較窄［2］。人臉圖像分割［3］作為人臉檢測和人臉識(shí)別最為關(guān)鍵的步驟，分割質(zhì)量對人臉檢測和識(shí)別的準(zhǔn)確性有重要的影響。人臉膚色檢測技術(shù)［4］，不會(huì)受到圖像背景、光照和人臉數(shù)量的限制，也不會(huì)受到人臉與檢測設(shè)備距離的影響，因此檢測效果較好。

隨著科學(xué)技術(shù)的發(fā)展，人臉識(shí)別技術(shù)要求更高的準(zhǔn)確性，能夠滿足不同領(lǐng)域，如機(jī)場安檢［5］、公安系統(tǒng)信息追蹤［6］、車輛識(shí)別［7］等的需求。研究人臉分割技術(shù)，不斷提高人臉分割的準(zhǔn)確性和精確性，對拓寬人臉檢測技術(shù)的應(yīng)用發(fā)展有現(xiàn)實(shí)意義。

本文系統(tǒng)闡述了人臉圖像分割的相關(guān)算法，介紹了RGB、HSV、YCrCb 三種顏色空間的基本原理；分析了從RGB 顏色空間到HSV 顏色空間和YCrCb 顏色空間的空間變換算法，詳細(xì)介紹了基于HSV 和YCrCb 顏色空間的分割算法，對不同測試圖像進(jìn)行基于顏色空間的分割，對分割效果進(jìn)行對比分析。

1 顏色空間

顏色模型是將坐標(biāo)體系中的灰度和子空間進(jìn)行合并的統(tǒng)一性描述，坐標(biāo)體系中的每個(gè)顏色點(diǎn)以單個(gè)不同的灰度作為表示方式。

1.1 RGB顏色空間

RGB 顏色空間［8］以紅綠藍(lán)三種顏色為基礎(chǔ)，在坐標(biāo)體系中進(jìn)行疊加，進(jìn)而產(chǎn)生較為豐富的顏色，因此RGB 顏色空間是最經(jīng)典的模型。RGB 顏色模型的工作原理源于顏色三刺激理論，該理論基于以下假設(shè)：在人體眼睛中心處，存在對于色彩敏感的三種圓形錐狀細(xì)胞對，其中一類位于可見光譜中間位置，呈現(xiàn)綠色，其他兩對細(xì)胞則被辨認(rèn)為藍(lán)色和紅色。

由于只存在三種不同顏色類型的圓形錐狀體細(xì)胞，只要將這三種顏色進(jìn)行適當(dāng)?shù)幕旌?，均可以直接產(chǎn)生白光的視覺效果，但任意兩種顏色的組合無法產(chǎn)生第三種顏色。滿足該條件后，將這三種顏色稱為三原色。RGB 顏色空間直觀，但也有很大的局限性。由于R，G，B 這三個(gè)分量具有非常高的相關(guān)性，如果其中任意一個(gè)分量發(fā)生變化，則構(gòu)成的整個(gè)顏色都會(huì)跟著改變。同時(shí)，每個(gè)人對于不同顏色的感觀是不同的，使得RGB 顏色空間色彩不夠均勻，需要運(yùn)用線性或非線性變換將RGB 顏色空間變換到其他顏色空間。

1.2 HSV顏色空間

HSV 模型［9］是基于錐體顏色直觀數(shù)學(xué)屬性的六維空間，也被稱為六維三角錐體顏色模型。該顏色空間模型中，每種顏色的參數(shù)為：色調(diào)（Hue），飽和度（Saturation）和明度（Value）。

色調(diào)H：H參數(shù)表示顏色信息，也就是不同顏色在光譜中所處的位置。該參數(shù)使用角度量來表示，其取值范圍是0°～360°。

飽和度S：S 參數(shù)表示顏色接近光譜色的程度，范圍從0 到1。其中光譜色所占的比例越大，顏色接近光譜色的程度就越高，顏色的飽和度也就越高，通常取值在0%～100%。

明亮度V：V 參數(shù)表示顏色明亮的程度，通常取值范圍為0%（黑）到100%（白）。

1.3 YCrCb顏色空間

YCrCb 顏色空間［10］的設(shè)計(jì)目的是優(yōu)化彩色黑白視頻信號(hào)的無線傳送，其技術(shù)優(yōu)勢在于每個(gè)色度光纖都只占用很小的傳輸頻寬。其中，Y表示亮度，Cr和Cb分別表示色調(diào)和飽和度，而“亮度”主要是通過RGB顏色空間輸入輸出信號(hào)的多種組合來進(jìn)行計(jì)算。

由于RGB 顏色空間的均勻性不夠好，受背景和光照顏色的影響較大，無法很好地完成對膚色的處理，可以將其轉(zhuǎn)換成YCrCb顏色空間。對于人臉圖像，人臉和手臂等膚色區(qū)域的CrCb值與其他背景的CrCb值有很大的差別，容易將膚色區(qū)域分割出來。根據(jù)經(jīng)驗(yàn)可知，當(dāng)某個(gè)像素點(diǎn)的CrCb值滿足：133 ≤Cr≤173，77 ≤Cb≤127時(shí)，該點(diǎn)就被認(rèn)為是膚色點(diǎn)，其他的就為非膚色點(diǎn)。

2 膚色模型和顏色空間變換

2.1 膚色模型

選定顏色空間后，建立膚色模型［11］，膚色模型建立的原理就是使用數(shù)學(xué)的統(tǒng)計(jì)分析方法將區(qū)域進(jìn)行分割，得到膚色檢測結(jié)果，從而分割出膚色區(qū)域部分。常用的膚色模型包括：簡單膚色模型、統(tǒng)計(jì)直方圖模型和高斯模型。

簡單膚色模型的基本原理是：將RGB 顏色空間轉(zhuǎn)換為其它顏色空間，轉(zhuǎn)換的目的是區(qū)分亮度和色度，再通過選定的閾值進(jìn)行分割。模型的關(guān)鍵在于閾值的選取，如果膚色和背景的顏色相近，分割效果難以保證。此模型的最大優(yōu)點(diǎn)是算法簡單。

統(tǒng)計(jì)直方圖模型：利用直方圖表示膚色信息分布，當(dāng)檢測樣本較多時(shí)，直方圖能明顯地展示出不同的人臉特征分布，使用起來非常便捷。分割效果取決于樣本的數(shù)量，如果樣本的數(shù)量過多，導(dǎo)致分割時(shí)間較長，適用范圍較窄。

高斯模型：采用高斯密度函數(shù)的分布來展現(xiàn)人臉膚色特征的分布狀況，計(jì)算像素的概率值得到皮膚概率圖，再根據(jù)皮膚的顏色大小來完成對膚色區(qū)域的確認(rèn)。該模型可以單獨(dú)對某個(gè)像素點(diǎn)進(jìn)行膚色區(qū)域的判斷，精確性較高，但效率較低。

2.2 從RGB到HSV顏色空間變換

大多數(shù)情況下，圖像信息都以RGB 為顏色體系進(jìn)行保存，在進(jìn)行膚色檢測之前，一般將RGB顏色空間轉(zhuǎn)換為HSV顏色空間。

RGB 顏色空間包含三個(gè)向量（R，G和B），使用歸一化方法將部分顏色的亮度進(jìn)行分量消除，得到［r，g，b］空間，從而將三維空間轉(zhuǎn)換成二維空間。歸一化處理公式為

HSV 顏色空間通過RGB 變換計(jì)算得到，色度H、飽和度S和亮度V的計(jì)算公式為

2.3 從RGB到Y(jié)CrCb顏色空間變換

YCrCb 顏色空間中，分量Y是亮度值，Cb是紅色至藍(lán)色的光道分量，Cr是藍(lán)色至紅色的光道分量，其中亮度Y可以單獨(dú)作為通道進(jìn)行傳輸彩色信號(hào)。

RGB 彩色空間與YCrCb 顏色空間具有線性關(guān)系，轉(zhuǎn)換關(guān)系為

其中，

3 基于顏色空間的人臉圖像分割

根據(jù)膚色模型的特點(diǎn)，本文選用簡單膚色模型，首先對顏色空間進(jìn)行轉(zhuǎn)換，然后采用閾值法完成人臉圖像分割。本文采用的測試圖像如圖1所示。

圖1 仿真實(shí)驗(yàn)圖像

3.1 基于HSV顏色空間的人臉分割

將RGB 顏色空間變換到HSV 顏色空間，能夠?qū)⑽矬w的亮度變化信息和色度變化信息清晰地分離出來。H分量表示圖像的顏色符號(hào)信息，即表示純色圖像的所有顏色深度信息。S分量表示圖像的顏色飽和深淺程度系數(shù)信息，即描述圖像所有顏色的飽和深淺。V分量表示圖像所有顏色的明亮度系數(shù)信息，即表示該圖像所有顏色的明亮度。

采用閾值分割算法，設(shè)定基于HSV 顏色空間的分割閾值為

如果計(jì)算得到的H、S、V分量滿足公式（10），則該像素點(diǎn)屬于膚色檢測區(qū)域。

對測試圖像1 進(jìn)行基于HSV 顏色空間的圖像分割，得到的基于HSV的分量檢測圖像如圖2所示，對膚色檢測結(jié)果進(jìn)行圖像分割，分割結(jié)果如圖3所示。對測試圖像2進(jìn)行基于HSV的顏色空間的分量檢測，結(jié)果如圖4所示，其膚色檢測和分割結(jié)果如圖5所示。

對比圖2 和圖3，可以看出膚色和背景顏色接近的情況下，無法將二者區(qū)分開。對比圖4和圖5，可以很明顯地發(fā)現(xiàn)，當(dāng)背景顏色單一時(shí)，可以看到基于膚色分割的效果清晰明顯。

圖2 測試圖像1的HSV分量檢測結(jié)果

圖3 測試圖像1的膚色檢測和分割效果圖（基于HSV顏色空間）

圖4 測試圖像2的HSV分量檢測結(jié)果

圖5 測試圖像2的膚色檢測和分割效果圖（基于HSV顏色空間）

3.2 基于YCrCb顏色空間的人臉分割

將RGB 顏色空間變換到Y(jié)CrCb 顏色空間，將膚色分割閾值設(shè)置為

計(jì)算每個(gè)像素點(diǎn)的Cr，Cb的值，若滿足公式（11），則該像素點(diǎn)所在的區(qū)域?yàn)槟w色區(qū)域，否則屬于背景區(qū)域。

對測試圖像1 和測試圖像2 進(jìn)行基于YCrCb顏色空間的膚色檢測，再將該二值化圖形映射到RGB 顏色空間，得到的膚色檢測結(jié)果和分割效果如圖6和圖7所示。

圖6 基于YCrCb顏色空間分割效果（測試圖像1）

圖7 基于YCrCb顏色空間分割效果（測試圖像2）

測試圖像1的背景比較單一，背景和人物被分割在一起的情況會(huì)被弱化。而測試圖像2的背景和人臉的差異較大，分割圖的分割邊緣相比圖6會(huì)更加清晰。

3.3 分割效果對比

基于HSV 和YCrCb 兩種顏色空間的圖像分割效果如圖8 和圖9 所示?？梢园l(fā)現(xiàn)，基于YCrCb 顏色空間的分割效果優(yōu)于HSV 顏色空間，在給定不同顏色通道閾值的條件下，背景與膚色差異較大的圖像能夠得到更加清晰完整的分割結(jié)果。

圖8 測試圖像1在兩種顏色空間下的分割效果對比

圖9 測試圖像2在兩種顏色空間下的分割效果對比

4 結(jié)語

本文研究了三種顏色空間的數(shù)學(xué)模型，包括RGB，HSV 和YCrCb 顏色空間，并闡述了從RGB 顏色空間至HSV 顏色空間，以及至YCrCb顏色空間的變換算法，利用MATLAB 仿真軟件完成不同圖像顏色空間的變換和人臉圖像分割。對比分析了不同顏色空間分割算法的分割效果，發(fā)現(xiàn)在簡單膚色模型下，背景與膚色差異較大的圖像能夠得到更加清晰完整的分割結(jié)果，且基于YCrCb顏色空間的分割效果好。