【文章內(nèi)容簡介】 和 JPEG 等標準中普遍采用的顏色表示。 (3) YCbCr 的計算過程和空間坐標表示形式簡單，與 RGB 之間的轉(zhuǎn)換為線性，容易實現(xiàn)，避免了非線性的奇異性。 (4) YCbCr 顏色空間是離散的，采用 YCbCr 顏色空間易于實現(xiàn)聚類算法。 (5) Anil 等人繪制了 853571 個膚色點的統(tǒng)計圖像，其結(jié)果表明，膚色在 YCbCr顏色空間的淚俱效果較好。 一般情況下，顏色圖像都是 RGB 顏色空間的，其他顏色空間都是通過 RGB 轉(zhuǎn)換得到的，而 YCbCr 也是如此。由于是線性轉(zhuǎn)換關(guān)系，其中的亮度分量 Y 并不是完全獨立于色度信息存在的，而 Anil 等人的實驗也表明，膚色的聚類區(qū)域因為亮度分量的關(guān)系而呈現(xiàn)非線性變化的情況，而且在 YCbCr 顏色空間中，膚色聚類成兩頭尖的橢球形。因此單純的排除亮度分量 Y 的影響，可能會導(dǎo)致選取的膚色區(qū)域不夠準確 ，降低其魯棒性。所以，在膚色檢測之前，要先對圖像進行分段線性顏色變換。由 YCbCr 到 YCb’Cr’如式 313 所示。 Ci′(Y){Ci(Y) ?Ci(Y)??????? ? WciWCi(Y) +Ci(Y)???????,if(Y Ki)or(Kh ??)Ci(Y) ,if(Y ∈ ,Ki,Kh) 331 其中， i 表示 b 或 r,WCb = ， WCr = ， Ki和 Kh為常量分別為 125 和 188， Ci(Y)為聚類兩頭尖的橢球形的中軸線處的值，實際上是 Cb、 Cr 兩個分量隨 Y 變化的聚類中心線處的值。 RGB 顏色空間到 YCbCr 顏色空間的映射 人類的膚色在 YCbCr 顏色空間相對比較集中（被稱為膚色的聚類特性），因此選用在YCbCr 顏色空間中進行人臉檢測，需完成 RGB 顏色空間到 YCbCr 顏色空間的映射。 在你從 RGB 到 YCbCr 的轉(zhuǎn)換過程中，輸入、輸出數(shù)據(jù)都是 8 位二進制格式。轉(zhuǎn)換公式如下： Y = + + Cb = ? ? + + 128 314 Cr = ? ? + 128 式中， R、 G、 B 是 RGB 顏色空間中紅、綠、藍 3 種顏色通道的顏色值。 YCbCr 顏色空間中， Y 的范圍為 16 ~ 235， Cb 和 Cr 的范圍為 16 ~ 240。但是，由于Y 和 Cb、 Cr 可能偶然超出 16 ~ 235 和 16 ~ 240 范圍（視頻處理和噪聲的緣故），根據(jù)以上公式可知，此時 RGB 的值可能偏移到 0 ~ 15 和 236 ~ 255 范圍內(nèi) 。 計算機系統(tǒng)中的 RGB 數(shù)值范圍為 0 ~ 255，因此，使用以下的方程式會更加方便： Y = + + +16 Cb = ? ? + +128 Cr = ? ? +128 膚色模型 選好顏色空間后，接下來就是在此顏色空間中進行膚色建模。所謂膚色模型是指用一種代數(shù)的、解析的或查找表等形式來表示膚色的聚類特性，或者表征出某一像素的顏色與膚色的相似程度。常用的膚色模型、橢圓模型和高斯模型。 直方圖模型 直方圖模型是一種非參數(shù)化模型。此模型通過選定的顏色空間對膚色進行統(tǒng)計得出其各顏色分量直方圖 ，由直方圖顯現(xiàn)出的規(guī)律選定閾值，通過該閾值來對整個圖像進行膚色與非膚色的判別。盡管此模型在三維直方圖中效果比較好，但是由于其訓(xùn)練樣本數(shù)量龐大而且訓(xùn)練時間較長。 因此，在膚色建模中較少使用。 橢圓模型 膚色在 CbCr 空間中也可以用橢圓分布來描述，根據(jù)式（）和式（）來匹配橢圓分布兩個色度分量的距離。 (x?ex)2a2 + (y?ecy)2(b)2 = 1 (3221) 0xy1 = 0 cosθ sinθ?sinθ cosθ1*Cb′?cxCr′ ?cy+ (3222) 其中， ecx和 ecy分別為 Cb 和 Cr 的統(tǒng)計均值。式中 的參數(shù) ecx=， ecy=， a=，b=， cx = ， cy = ， θ =。 高斯模型 高斯模型主要是利用了統(tǒng)計學(xué)的原理。膚色符合正態(tài)分布的隨機樣本，在特征空間中的分布則復(fù)合高斯分布，高斯函數(shù)平面圖如圖 323 所示。高斯分布的數(shù)學(xué)表達形式簡單且直觀，又是統(tǒng)計學(xué)中研究比較深入的一種正態(tài)模型，因此借助此模型具有一定的優(yōu)越性。它主要通過統(tǒng)計分析，預(yù)測高斯分布的參數(shù)，或通過統(tǒng)計直接求得顏色空間中每個分量（一般利用的是該顏色空間中的色度分量）的均值與協(xié)方差。這種方法分為兩步：首先選擇方法確定模型的參數(shù)（即均值和協(xié)方差），其次利用該模型來判別新的像素或區(qū)域是否為膚色。 圖 323 膚色模型 光線補償 光線補償?shù)南敕ǖ奶岢鲋饕强紤]到膚色等色彩信息經(jīng)常受到光源顏色 、圖像采集設(shè)備的色彩偏差等因素的影響，而在整體上偏離本質(zhì)色彩而向某一方向移動，即我們通常所說的色彩偏冷、偏暖，照片偏黃、偏藍等等。這種現(xiàn)象在藝術(shù)照片中更為常見。 我們采用 Gary World 算法對 RGB 圖像進行快速顏色補償，即： SC = CstdCave， Cnew = C ? SC 331 式中， Cstd為標準亮度圖像 R、 G、 B 的平均值； Cave為輸入圖像 R、 G、 B 的平均值；C 為原圖像的像素值； Cnew為亮度補償后的像素值。 膚色模型 不同種族、不同年齡、不同性別的人膚色看起來存在差異，但這個差異主要體現(xiàn)在亮度上。當去除亮度，膚色就具有很高的聚類性。 在 RGB 顏色空間，為了去除光照影響，人臉膚色需進行亮度歸一化。歸一化的顏色分量分別為 r， g， b。 r = RR+G+B， g = GR+G+B， b = BR+G+B 332 式中， r、 g、 b 分別來自于 R、 G、 B，相互獨立 且 r+g+b=1。由于這種歸一僅去除了 R、 G、B 中的相對亮度成分 R+G+B，而 r、 g、 b 仍存在亮度信息，所以這種方法用于膚色檢測效果不好。 在 YCbCr 色彩空間，歸一化色度直方圖后假定膚色滿足二維高斯模型 M=(m,C)，其中m為均值， m=E(x)， x=(Cb,Cr)T， C 為協(xié)方差矩陣， C=E[(xm)(xm)]，通過這個膚色模型檢測任意一個像素是否為膚色的概率為 P(Cb,Cr) = exp,?(x?m)TC?1(x ?m) 332 已經(jīng)證明，這個模型能很好的區(qū)分出人臉和非人臉。 中值濾波 中值濾波是抑制噪聲的一種非線性平滑處理方法，由 首次提出并將其應(yīng)用于時間序列的一維信號處理技術(shù)中，后來人們將其用于二維數(shù)字圖像處理中。 中值濾波也是一種鄰域運算，但不是簡單的以待處理像素點 (i,j)的 8 個相鄰像素的灰度均值來取代該點的灰度，對于給定的 n 個像素（ n 為奇數(shù)）的灰度值 {a1， a2， …， an}，將其按大小進行排序，利用排在中間的灰度值來取代待處理像素點的原始灰度，其實質(zhì)上是用與相鄰像素接近的灰度值來取代 與相鄰像素相差較大的灰度，按此操作辨理圖像，即可得到平滑后的圖像。 陣列 ,x(i ,j)MN經(jīng)過窗口為 Mn的中值濾波后，待處理像素點 (i ,j)的響應(yīng)輸出為 f(i,j) = medMn(i,j),x(i,j) 333 式中， Mn表示待處理點的鄰域模板，窗口模板可以是正方形或十字形的，分別如圖3331 和圖 3332 1 1 1 1 1 1 1 1 1 圖 3331 圖 3332 膚色相似度計算 為了方便在后續(xù)處理中利用圖像像素的鄰域信息 ，我們首先將像素從彩色空間變到一維空間。根據(jù)膚色在色度空間中的高斯分布，對于彩色圖像中的每個像素點，將其從 RGB色彩空間變換到 YCgCr 色彩空間后，就可以計算該點屬于皮膚區(qū)域的概率，即根據(jù)該點距離高斯分布中心的遠近的到其與膚色的相似度，即 P(Cg,Cr) = exp,?(x? M)TC?1(x? M) 34 0 1 0 1 1 1 0 1 0 對一幅圖像中的每個像素點計算完畢后，我們統(tǒng)計出該幅圖像上所有像素點的最大膚色相似度 Pmax(CG,CR)，并將每個像素點的膚色相似度 P(Cg,Cr)除以該圖像中的最大膚色相似度 Pmax(CG,CR)，即可將各個像素的膚色相似度值歸一到 [0,1]之間。該值越大，表示 屬于膚色的可能性也越大，反之越小。為了顯示各像素屬于膚色的相似程度，我們將各像素的膚色相似度值乘以 255，然后取整，將其變換到 [0,255]之間，即在相似度值的基礎(chǔ)上把一幅彩色圖像轉(zhuǎn)換為一幅膚色相似度灰度圖像。該轉(zhuǎn)換僅僅是為了顯示相似度效果而做的轉(zhuǎn)換。 人臉膚色相似度算法流程 對人臉膚色相似度計算，一般需要經(jīng)過以下幾個步驟： (a) 首先利用如下公式： Y = + + +16 Cb = ? ? + +128 Cr = ?? +128 將人臉圖像從 RGB 顏色空間映射到 YCbCr 顏色空間， (b) 建立膚色模型，具體代碼如下： Cb_Mean=。 Cr_Mean=。 Cov00=。 Cov10=。 Cov11=。 (c) 膚色相似度矩陣的計算，得到 m_pSimArray[i][j]的值； (d) 對所得到的 m_pSimArray[i][j]進行中值濾波； (e) 用相似度矩陣中的最大值對相似度矩陣進行歸一化處理。 人臉膚色相似度算法流程圖 如圖 35 所示。 圖 35 人臉相似度算法實現(xiàn)結(jié)果 對 36a 建立人臉膚色模型，進行人臉相似度計算處理后，得到結(jié)果如圖 36b 圖 36a 圖 36b 初始化 獲取圖像參數(shù) 將圖像從 RGB色彩空間映射到 YCbCr 色彩空間 建立膚色模型 利用膚色模型，求相似度矩陣 中值濾波 用相似度矩陣中的最大值對相似度矩陣進行歸一 結(jié)束 為了更清晰的顯示人臉和非人臉區(qū)域，還要對相似度圖進行二值化處理。圖像的二值化，就是將圖像上的像素點的灰度值設(shè)置為 0 或 255，也就是將整個圖像呈現(xiàn)出明顯的只有黑和白的視覺效果。 最常用的方法就是設(shè)定一個全局閾值 T，用 T 將圖像的數(shù)據(jù)分成兩部分 ：大于 T 的 像素群 和小于 T 的像素群。將大于