基于MATLAB的人臉圖像分割算法研究

王 麗, 王 威

（西安航空學院電子工程學院，西安 710077）

0 引言

人臉識別技術［1］是對圖像的灰度值進行范圍劃定，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，導致相近的顏色都被劃入目標范圍內，準確性不高，適用范圍較窄［2］。人臉圖像分割［3］作為人臉檢測和人臉識別最為關鍵的步驟，分割質量對人臉檢測和識別的準確性有重要的影響。人臉膚色檢測技術［4］，不會受到圖像背景、光照和人臉數量的限制，也不會受到人臉與檢測設備距離的影響，因此檢測效果較好。

隨著科學技術的發展，人臉識別技術要求更高的準確性，能夠滿足不同領域，如機場安檢［5］、公安系統信息追蹤［6］、車輛識別［7］等的需求。研究人臉分割技術，不斷提高人臉分割的準確性和精確性，對拓寬人臉檢測技術的應用發展有現實意義。

本文系統闡述了人臉圖像分割的相關算法，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，對不同測試圖像進行基于顏色空間的分割，對分割效果進行對比分析。

1 顏色空間

顏色模型是將坐標體系中的灰度和子空間進行合并的統一性描述，坐標體系中的每個顏色點以單個不同的灰度作為表示方式。

1.1 RGB顏色空間

RGB 顏色空間［8］以紅綠藍三種顏色為基礎，在坐標體系中進行疊加，進而產生較為豐富的顏色，因此RGB 顏色空間是最經典的模型。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：在人體眼睛中心處，存在對于色彩敏感的三種圓形錐狀細胞對，其中一類位于可見光譜中間位置，呈現綠色，其他兩對細胞則被辨認為藍色和紅色。

由于只存在三種不同顏色類型的圓形錐狀體細胞，只要將這三種顏色進行適當的混合，均可以直接產生白光的視覺效果，但任意兩種顏色的組合無法產生第三種顏色。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 這三個分量具有非常高的相關性，如果其中任意一個分量發生變化，則構成的整個顏色都會跟著改變。同時，每個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學屬性的六維空間，也被稱為六維三角錐體顏色模型。該顏色空間模型中，每種顏色的參數為：色調（Hue），飽和度（Saturation）和明度（Value）。

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

飽和度S：S 參數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］的設計目的是優化彩色黑白視頻信號的無線傳送，其技術優勢在于每個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分別表示色調和飽和度，而“亮度”主要是通過RGB顏色空間輸入輸出信號的多種組合來進行計算。

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，可以將其轉換成YCrCb顏色空間。對于人臉圖像，人臉和手臂等膚色區域的CrCb值與其他背景的CrCb值有很大的差別，容易將膚色區域分割出來。根據經驗可知，當某個像素點的CrCb值滿足：133 ≤Cr≤173，77 ≤Cb≤127時，該點就被認為是膚色點，其他的就為非膚色點。

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學的統計分析方法將區域進行分割，得到膚色檢測結果，從而分割出膚色區域部分。常用的膚色模型包括：簡單膚色模型、統計直方圖模型和高斯模型。

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

統計直方圖模型：利用直方圖表示膚色信息分布，當檢測樣本較多時，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量，如果樣本的數量過多，導致分割時間較長，適用范圍較窄。

高斯模型：采用高斯密度函數的分布來展現人臉膚色特征的分布狀況，計算像素的概率值得到皮膚概率圖，再根據皮膚的顏色大小來完成對膚色區域的確認。該模型可以單獨對某個像素點進行膚色區域的判斷，精確性較高，但效率較低。

2.2 從RGB到HSV顏色空間變換

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

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

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

2.3 從RGB到YCrCb顏色空間變換

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

RGB 彩色空間與YCrCb 顏色空間具有線性關系，轉換關系為

其中，

3 基于顏色空間的人臉圖像分割

根據膚色模型的特點，本文選用簡單膚色模型，首先對顏色空間進行轉換，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 仿真實驗圖像

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，能夠將物體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，設定基于HSV 顏色空間的分割閾值為

如果計算得到的H、S、V分量滿足公式（10），則該像素點屬于膚色檢測區域。

對測試圖像1 進行基于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，對膚色檢測結果進行圖像分割，分割結果如圖3所示。對測試圖像2進行基于HSV的顏色空間的分量檢測，結果如圖4所示，其膚色檢測和分割結果如圖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，無法將二者區分開。對比圖4和圖5，可以很明顯地發現，當背景顏色單一時，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YCrCb 顏色空間，將膚色分割閾值設置為

計算每個像素點的Cr，Cb的值，若滿足公式（11），則該像素點所在的區域為膚色區域，否則屬于背景區域。

對測試圖像1 和測試圖像2 進行基于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現，基于YCrCb 顏色空間的分割效果優于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 結語

本文研究了三種顏色空間的數學模型，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，發現在簡單膚色模型下，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果，且基于YCrCb顏色空間的分割效果好。