基于MATLAB的人脸图像分割算法研究

王 丽, 王 威

（西安航空学院电子工程学院，西安 710077）

0 引言

人脸识别技术［1］是对图像的灰度值进行范围划定，将背景和人像分割开来。这种方式简单，但容易受到光照或者背景颜色的影响，导致相近的颜色都被划入目标范围内，准确性不高，适用范围较窄［2］。人脸图像分割［3］作为人脸检测和人脸识别最为关键的步骤，分割质量对人脸检测和识别的准确性有重要的影响。人脸肤色检测技术［4］，不会受到图像背景、光照和人脸数量的限制，也不会受到人脸与检测设备距离的影响，因此检测效果较好。

随着科学技术的发展，人脸识别技术要求更高的准确性，能够满足不同领域，如机场安检［5］、公安系统信息追踪［6］、车辆识别［7］等的需求。研究人脸分割技术，不断提高人脸分割的准确性和精确性，对拓宽人脸检测技术的应用发展有现实意义。

本文系统阐述了人脸图像分割的相关算法，介绍了RGB、HSV、YCrCb 三种颜色空间的基本原理；分析了从RGB 颜色空间到HSV 颜色空间和YCrCb 颜色空间的空间变换算法，详细介绍了基于HSV 和YCrCb 颜色空间的分割算法，对不同测试图像进行基于颜色空间的分割，对分割效果进行对比分析。

1 颜色空间

颜色模型是将坐标体系中的灰度和子空间进行合并的统一性描述，坐标体系中的每个颜色点以单个不同的灰度作为表示方式。

1.1 RGB颜色空间

RGB 颜色空间［8］以红绿蓝三种颜色为基础，在坐标体系中进行叠加，进而产生较为丰富的颜色，因此RGB 颜色空间是最经典的模型。RGB 颜色模型的工作原理源于颜色三刺激理论，该理论基于以下假设：在人体眼睛中心处，存在对于色彩敏感的三种圆形锥状细胞对，其中一类位于可见光谱中间位置，呈现绿色，其他两对细胞则被辨认为蓝色和红色。

由于只存在三种不同颜色类型的圆形锥状体细胞，只要将这三种颜色进行适当的混合，均可以直接产生白光的视觉效果，但任意两种颜色的组合无法产生第三种颜色。满足该条件后，将这三种颜色称为三原色。RGB 颜色空间直观，但也有很大的局限性。由于R，G，B 这三个分量具有非常高的相关性，如果其中任意一个分量发生变化，则构成的整个颜色都会跟着改变。同时，每个人对于不同颜色的感观是不同的，使得RGB 颜色空间色彩不够均匀，需要运用线性或非线性变换将RGB 颜色空间变换到其他颜色空间。

1.2 HSV颜色空间

HSV 模型［9］是基于锥体颜色直观数学属性的六维空间，也被称为六维三角锥体颜色模型。该颜色空间模型中，每种颜色的参数为：色调（Hue），饱和度（Saturation）和明度（Value）。

色调H：H参数表示颜色信息，也就是不同颜色在光谱中所处的位置。该参数使用角度量来表示，其取值范围是0°～360°。

饱和度S：S 参数表示颜色接近光谱色的程度，范围从0 到1。其中光谱色所占的比例越大，颜色接近光谱色的程度就越高，颜色的饱和度也就越高，通常取值在0%～100%。

明亮度V：V 参数表示颜色明亮的程度，通常取值范围为0%（黑）到100%（白）。

1.3 YCrCb颜色空间

YCrCb 颜色空间［10］的设计目的是优化彩色黑白视频信号的无线传送，其技术优势在于每个色度光纤都只占用很小的传输频宽。其中，Y表示亮度，Cr和Cb分别表示色调和饱和度，而“亮度”主要是通过RGB颜色空间输入输出信号的多种组合来进行计算。

由于RGB 颜色空间的均匀性不够好，受背景和光照颜色的影响较大，无法很好地完成对肤色的处理，可以将其转换成YCrCb颜色空间。对于人脸图像，人脸和手臂等肤色区域的CrCb值与其他背景的CrCb值有很大的差别，容易将肤色区域分割出来。根据经验可知，当某个像素点的CrCb值满足：133 ≤Cr≤173，77 ≤Cb≤127时，该点就被认为是肤色点，其他的就为非肤色点。

2 肤色模型和颜色空间变换

2.1 肤色模型

选定颜色空间后，建立肤色模型［11］，肤色模型建立的原理就是使用数学的统计分析方法将区域进行分割，得到肤色检测结果，从而分割出肤色区域部分。常用的肤色模型包括：简单肤色模型、统计直方图模型和高斯模型。

简单肤色模型的基本原理是：将RGB 颜色空间转换为其它颜色空间，转换的目的是区分亮度和色度，再通过选定的阈值进行分割。模型的关键在于阈值的选取，如果肤色和背景的颜色相近，分割效果难以保证。此模型的最大优点是算法简单。

统计直方图模型：利用直方图表示肤色信息分布，当检测样本较多时，直方图能明显地展示出不同的人脸特征分布，使用起来非常便捷。分割效果取决于样本的数量，如果样本的数量过多，导致分割时间较长，适用范围较窄。

高斯模型：采用高斯密度函数的分布来展现人脸肤色特征的分布状况，计算像素的概率值得到皮肤概率图，再根据皮肤的颜色大小来完成对肤色区域的确认。该模型可以单独对某个像素点进行肤色区域的判断，精确性较高，但效率较低。

2.2 从RGB到HSV颜色空间变换

大多数情况下，图像信息都以RGB 为颜色体系进行保存，在进行肤色检测之前，一般将RGB颜色空间转换为HSV颜色空间。

RGB 颜色空间包含三个向量（R，G和B），使用归一化方法将部分颜色的亮度进行分量消除，得到［r，g，b］空间，从而将三维空间转换成二维空间。归一化处理公式为

HSV 颜色空间通过RGB 变换计算得到，色度H、饱和度S和亮度V的计算公式为

2.3 从RGB到YCrCb颜色空间变换

YCrCb 颜色空间中，分量Y是亮度值，Cb是红色至蓝色的光道分量，Cr是蓝色至红色的光道分量，其中亮度Y可以单独作为通道进行传输彩色信号。

RGB 彩色空间与YCrCb 颜色空间具有线性关系，转换关系为

其中，

3 基于颜色空间的人脸图像分割

根据肤色模型的特点，本文选用简单肤色模型，首先对颜色空间进行转换，然后采用阈值法完成人脸图像分割。本文采用的测试图像如图1所示。

图1 仿真实验图像

3.1 基于HSV颜色空间的人脸分割

将RGB 颜色空间变换到HSV 颜色空间，能够将物体的亮度变化信息和色度变化信息清晰地分离出来。H分量表示图像的颜色符号信息，即表示纯色图像的所有颜色深度信息。S分量表示图像的颜色饱和深浅程度系数信息，即描述图像所有颜色的饱和深浅。V分量表示图像所有颜色的明亮度系数信息，即表示该图像所有颜色的明亮度。

采用阈值分割算法，设定基于HSV 颜色空间的分割阈值为

如果计算得到的H、S、V分量满足公式（10），则该像素点属于肤色检测区域。

对测试图像1 进行基于HSV 颜色空间的图像分割，得到的基于HSV的分量检测图像如图2所示，对肤色检测结果进行图像分割，分割结果如图3所示。对测试图像2进行基于HSV的颜色空间的分量检测，结果如图4所示，其肤色检测和分割结果如图5所示。

对比图2 和图3，可以看出肤色和背景颜色接近的情况下，无法将二者区分开。对比图4和图5，可以很明显地发现，当背景颜色单一时，可以看到基于肤色分割的效果清晰明显。

图2 测试图像1的HSV分量检测结果

图3 测试图像1的肤色检测和分割效果图（基于HSV颜色空间）

图4 测试图像2的HSV分量检测结果

图5 测试图像2的肤色检测和分割效果图（基于HSV颜色空间）

3.2 基于YCrCb颜色空间的人脸分割

将RGB 颜色空间变换到YCrCb 颜色空间，将肤色分割阈值设置为

计算每个像素点的Cr，Cb的值，若满足公式（11），则该像素点所在的区域为肤色区域，否则属于背景区域。

对测试图像1 和测试图像2 进行基于YCrCb颜色空间的肤色检测，再将该二值化图形映射到RGB 颜色空间，得到的肤色检测结果和分割效果如图6和图7所示。

图6 基于YCrCb颜色空间分割效果（测试图像1）

图7 基于YCrCb颜色空间分割效果（测试图像2）

测试图像1的背景比较单一，背景和人物被分割在一起的情况会被弱化。而测试图像2的背景和人脸的差异较大，分割图的分割边缘相比图6会更加清晰。

3.3 分割效果对比

基于HSV 和YCrCb 两种颜色空间的图像分割效果如图8 和图9 所示。可以发现，基于YCrCb 颜色空间的分割效果优于HSV 颜色空间，在给定不同颜色通道阈值的条件下，背景与肤色差异较大的图像能够得到更加清晰完整的分割结果。

图8 测试图像1在两种颜色空间下的分割效果对比

图9 测试图像2在两种颜色空间下的分割效果对比

4 结语

本文研究了三种颜色空间的数学模型，包括RGB，HSV 和YCrCb 颜色空间，并阐述了从RGB 颜色空间至HSV 颜色空间，以及至YCrCb颜色空间的变换算法，利用MATLAB 仿真软件完成不同图像颜色空间的变换和人脸图像分割。对比分析了不同颜色空间分割算法的分割效果，发现在简单肤色模型下，背景与肤色差异较大的图像能够得到更加清晰完整的分割结果，且基于YCrCb颜色空间的分割效果好。