本站小編為你精心準備了自適應的快速人臉膚色轉移分析參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

《中國圖象圖形學報》2016年第一期

摘要:

目的圖像之間的顏色遷移技術是近些年來研究的熱點，如今社會這種技術更多地應用于生活中相片的顏色調節，而傳統的顏色遷移技術都是面向圖像一般化處理。提出了一種針對于膚色的自適應顏色遷移算法。方法首先，用戶通過人機交互指定圖像需要膚色變換的區域，在YCbCr空間內，初次獲得膚色區域，實現膚色數據的粗提取。其次，利用在lɑβ空間中膚色分量的分布特性，實現對純膚色信息的精確提取。最后，通過對應的轉換規則，實現對膚色的轉換。結果實驗數據顯示，該算法實現的轉換后的膚色相比于其他算法，膚色特征更自然，在人臉區域避開改變非膚色區域的色彩信息，并且保持了處理前圖像的清晰度，具有很強的應用性。結論該算法只對選擇的膚色信息進行處理，避開非膚色數據，保持了其他事物的原有色彩，實現對膚色的自適應選取，實現自動膚色遷移，在差別很大的膚色之間實現的轉換也取得了較好的效果。

關鍵詞:

圖像處理;膚色遷移;顏色區域;膚色調整;lɑβ顏色空間

顏色遷移在圖形圖像處理領域中的應用越來越廣泛。顏色是圖像吸引人的關鍵因素，能給人最直觀的感受。顏色遷移的實質就是在不破壞目標圖像紋理的條件下，將源圖像的色彩信息傳遞給目標圖像。使變換后的目標圖像具有和源圖像相似的色彩特性。顏色遷移領域在近展迅速。Reinhard等人［1］首先提出彩色圖像間顏色遷移算法，該算法利用顏色全局信息對整體圖像進行顏色遷移，使用像素各分量的均值和方差進行顏色矯正，該算法原理簡單，處理速度較快，其局限性在于不適合處理色彩豐富的兩幅圖像，如果圖像色彩信息較豐富，其結果不理想。Welsh等人［2］提出了對灰度圖像進行著色的顏色遷移算法，該算法在保持目標圖像亮度的前提下在源圖像中找出匹配的像素并傳給目標圖像指定像素。對于色彩復雜的源圖像，Welsh提出了一種指定分塊的交互式方法，這樣避免了不自然顏色的產生，降低了自動處理能力，可能導致色彩的不連續性。近年來國內學者對于圖像色彩遷移算法的研究也有很大進展，如文獻［3］提出的自動采集樣本的圖像顏色傳遞算法;文獻［4］提出的一種快速顏色傳遞算法;文獻［5］提出的基于色彩傳遞與擴充的圖像著色算法;這些算法的研究對象都是面向圖像一般化處理，不能對人臉膚色達到很好的收斂效果，文獻［3］通過計算各子塊的紋理特征和亮度統計值，建立樣本塊之間的對應關系，這種算法很容易造成非膚色與膚色域的錯誤匹配，文獻［4］在處理膚色轉換時，與文獻［3］具有同樣缺點，文獻［5］的處理對象是灰度圖。隨著相機產業的發展，照片處理活動已融入多數人的生活，膚色調整技術具有廣闊的應用前景，近些年對于膚色調整的研究在國內較少，在前人研究的基礎上，提出了一種針對膚色的快速顏色遷移算法，該算法利用YCbCr顏色空間［6－7］和lαβ顏色空間［7］分離膚色信息，實現對應膚色的轉換，膚色區域收斂準確，避免了對非膚色顏色的處理，針對性強，處理速度快，具有很強的實用性。

1本文算法

顏色傳遞效果的關鍵因素取決于對應圖像中目標像素的準確選取，與自然景物不同，膚色具有很強的連續性，根據這種特性，通過一些方式對整體數據進行合理篩選，就可得出純正膚色的聚類區域。首先，將源圖像和目標圖像由RGB顏色空間轉換到YCbCr顏色空間，根據Chai提出的理論［6］，如果輸入像素的顏色落入Cr=［133;173］和Cb=［77;127］限定的矩形區域，就認為是膚色像素，以這種方式初次縮小膚色聚類區域。接著，將源圖像區域和目標圖像由RGB空間轉化至lαβ空間，統計初次縮小膚色聚類區域中α、β分量的數據信息，根據純膚色區域數據直方圖分布的對稱性，再次縮小膚色聚類區域，求出源圖像與目標圖像膚色分量最終的膚色區域并求出各區域的平均值和區域跨度數據，用于下一步的膚色校正。然后，確定找到膚色區域的像素點并矯正，進行對應膚色區域的顏色遷移，得出對應像素的變化值。最后，評估變化范圍是否在目標膚色有效區域并進行最后的微調，完成膚色遷移過程。

1．1膚色區間初次聚類RGB顏色空間是最常見的色彩空間，可是此空間中各分量之間具有很強的相關性，直接運用此空間所得處理效果不理想;由于YCbCr顏色空間將色彩中的亮度分離，避免了亮度信息影響實際膚色區域的聚類，而且YCbCr顏色空間對于不同人種都具有很好的膚色聚類特性，適合進行膚色的初次聚類。由于lαβ空間各通道之間相互正交，各分量獨立性大，不會出現通道交叉問題，并且α、β分量在純膚色區域數據直方圖［8］分布具有很顯著的對稱性，適合進行膚色的再次精準聚類。在YCbCr顏色空間，如果輸入像素的顏色落入Cr=［133;173］和Cb=［77;127］限定的矩形區域，就認為是膚色，如果不在該區域就認為不是膚色，處理完該步驟后再將圖像從YCbCr空間轉換到RGB顏色空間，通過該步驟需要兩個灰度圖［8］分別存儲源圖像和目標圖像對應的篩選后的區域，如果是膚色，則將灰度圖的對應像素點的位置值設為255，如果不是則設為0。整個處理過程歸納如下:1)把圖像由RGB顏色空間轉換成YCbCr顏色空間;2)對YCbCr顏色空間的像素進行篩選，篩選結果存入對應灰度圖;所得膚色區域如圖1(b)(d)。

1．2膚色區間精確聚類將圖像從RGB空間轉換到lαβ顏色空間，統計N(i，j)=255時，源圖像和目標圖像中α、β對應的有效膚色值的像素個數并分別存儲。通過大量的實驗數據，得出在lαβ顏色空間，純膚色區域(去除人臉雜色，如嘴唇、眼睛和眉毛)α、β分量的數據分布呈對稱的單峰分布，并且這種單峰走勢陡峭，如圖2和圖3。根據600份不同純膚色數據統計得出，在純膚色區域各分量對應直方圖最大值點的下標為中心，左右兩邊的對應的面積之差不會超過兩邊界中最大高度的2倍。根據這種規律，找出純膚色區域α、β分量的范圍。

1．3膚色轉換求出ɑ、β分量對應的源圖像和目標圖像的像素平均值下標到同一端的區域比值。

1．4評估變化范圍并矯正最后進行像素聚合，目的為了使目標圖像膚色避免出現干擾斑點，去除非膚色值的轉換，僅留下膚色區域像素值的改變結果。根據大量實驗證明，在2個像素范圍內微調膚色，效果最理想。

2實驗分析

由整個算法執行過程，可以得出算法的時間復雜度為由圖5(a)(b)分別是對應的目標圖像和源圖像，用目標圖像的膚色信息調整源圖像的膚色信息，由對比可以發現，本文算法只改變圖像的膚色信息，目標圖像中人的眼睛、頭發、嘴唇等顏色信息并未改變。對比來說Reinhard算法的處理結果顯得很不自然，目標圖像中的各個部分都發生改變，其中包括衣服、嘴唇和頭發等。將本文算法與文獻［1］和文獻［4］算法對比，分別對白、黃、黑3種膚色進行對比實驗，由實驗結果可以看出，本文算法實現人臉膚色轉換的結果逼真，只對膚色區域進行膚色轉換，不改變嘴唇、眼睛以及頭發的初始色彩，文獻［1］算法和文獻［4］算法對非膚色區域的事物顏色進行了修改，膚色轉化結果不自然。

3結論

提出一種快速膚色替換算法，通過YCbCr空間的特性，將有用的信息提取出來，實現對膚色信息的初次聚類;統計源圖像和目標圖像α、β分量的膚色區域信息，根據膚色分布規律，對膚色信息進行第2次篩選，實現再次聚類;在膚色信息收斂準確的條件下，對目標圖像的膚色像素點進行膚色轉換;轉換之后對轉換數據進行校正，避免異常膚色斑點的出現，至此獲得最后的轉換圖像。該算法計算過程簡單，效果較好，提高了膚色傳輸速度，針對性較強。如何將該算法應用到整幅圖像，以及同時處理多幅人臉圖像情況，實現全自動的膚色檢測與轉換值得進一步研究。

作者：魏瑋 馬軍福 單位：河北工業大學計算機科學與軟件學院