基于皮肤本态的中国女性面部肤色分类研究

本文根据中医色诊理论以及现代色彩体系对中国女性的肤色建立了基于健康人群的肤色十色分类体系，并根据5000例18-45岁女性的肤色图像及肤色数据，确定了十色的分类范围。肤色对于女性面部吸引力具有直接影响，开发肤色的分类方法为精准护肤化妆品开发提供了科学支撑。

关键词：肤色；色诊；中医；图像；色度计；气色

Part 1介绍

皮肤颜色主要由色素和角质层厚度等因素决定。皮肤组织中的生色团主要有以下五种：黑褐色的黑色素、红色的氧合血红素、蓝色的还原血红素及黄色的胡萝卜素和胆色素，如图1所示。肤色不同，这些生色团构成比例和数量也不同。皮肤的颜色分固有皮肤颜色和选择性皮肤颜色。固有皮肤颜色是指出生时便具有的皮肤颜色，由遗传基因调控。选择性皮肤颜色由许多因素影响，如紫外线的照射、内分泌因素、精神和神经因素等其他因素[1]。

现有的肤色分类体系主要有ITA°（个体类型角，individual typology angle，下同）肤色分型体系、Fitzpatrick肤色分型体系、潘通（pantone）色卡等。其中ITA°体系基于CIE-Lab（1976）颜色空间，于1991年由A. CHARDON提出，用于表征肤色的亮白程度。ITA°肤色分型共包括六个等级，如表1所示。计算出的ITA°越大，肤色越浅。但是该评价方法缺少对皮肤红度（a*值）的考量。

Fitzpatrick-Pathak皮肤分型是依据皮肤经日光照射后产生红斑和（或）黑化的反应特点及反应程度，采用问卷调查的形式，包含家族遗传特征、阳光暴露敏感性、刻意阳光暴露（晒黑）习惯共10个问题，然后对每个答案评分，最后依据总分将皮肤划分为I～VI型，如表2所示[3]。但是结果会受到被评估人员的认知和日晒情况影响。

潘通（Pantone）色卡由各种人类皮肤类型中的实际肤色编制而成，贴近皮肤颜色，色号数量较多，以红色Y和黄色R为主，肤色种类繁杂，应用受限，不利于消费者选择适合的化妆品。

色诊理论源于《内经》，在中医诊疗中起到重要作用。《灵枢·邪气脏腑病形 》：“见其色，知其病”；此外经典著作如战国时期扁鹊所著《难经》、东汉时期张仲景所著《伤寒论》《金匮要略》均有对色诊的描述。中医色诊可以从眼目、舌口、唇齿、鼻耳、眉须、头面、腹背、手足、毫毛、腠理、肌肤、筋脉、骨骼、乳脐等部位的形容气色到汗、血、便、溺、痰、月经等的变化，其中最常用的是面诊，即看整体面部颜色，而面诊又分为五色[7]，即青、赤、黄、白、黑五种颜色。《内经》中提到：“望而知之者，望见其五色，以知其病。肝青象木，肺白象金，心赤肾黑，脾土色黄。或有病，色必变见于面庭矣。”[6]，孙思邈曾言：“善为医者，必明于五色”。

由于中国幅员辽阔，中国自然人群不同地域间肤色可能有较大差别，而且面色有常色和病色之分。常色就是正常面色，也就是指健康人的面部肤色的色泽，《素问·经络论》中指出“寒多则凝泣，凝泣则青黑，热多则淖泽，淖泽则黄赤”，“此皆常色，谓之无病”。天寒则面色偏青黑，天热则面色偏黄赤，这些都属于正常面色，不属病态。健康人群应是色青如翠羽；色赤如鸡冠，色黄如蟹腹，色白如豕膏，色黑如乌羽[9]。中国自然人群面部皮肤颜色丰富，多有不同，但大多是正常面色，由基因或者后天因素影响而呈现的颜色。中国自然人群面部皮肤颜色总体表现为红黄隐隐、明润含蓄。

文献调研发现，目前已有一些对于中医色诊理论的智能化和定量化研究，如林怡，王斌[10]等人根据中医色诊利用VISIA-CR获得人脸图像，再进行人脸ROI的皮肤块分割，针对唇色进行分类识别。袁善敏和李福凤[7-8]为中医面诊色诊，利用Lab色彩空间等进行中医色诊专用色卡的研究，并根据上海中医药大学自行研制的中医面诊数字化检测系统检测仪研究色诊常见颜色分类的判别标准。厦门大学的上官文娟[6]研究了计算机视觉在中医面诊中的应用，浙江中医药大学的袁铄慧[11]将五色理论的五脏五色和现代色彩心理学进行验证和研究，让五色理论的现代意义更加明晰，同时在很大程度上验证了中医在几千年前就形成的五色理论，为中医五色理论在视觉刺激方面的应用提供了有力的证据；此外上海中医药大学的袁善敏，李福凤[7-8]等发表在中华中医药杂志（原中国医药学报）的《中医常见面诊图像颜色参数范围探讨》和《中医面诊图像色域及专用色卡的研究》，以临床典型面诊图像为基础，确定了面诊图像常见颜色的色域，研制了中医面诊图像专用的18色的标准色卡，然后又研究了不同面色的Lab值，满足了面诊图像颜色校正的要求，提供了更科学现代化的数据参考，为不同学者、不同机构的望诊数字化研究奠定了规范化基础。

因此本研究以中医色诊理论和现代色彩体系为基础，对中国女性的肤色建立了基于健康人群的肤色十色分类体系，并根据5000例18-45岁女性的肤色图像及肤色数据，确定了十色的分类范围，即在“青、赤、黄、白、黑”五色基础上，加入“明、暗”两个维度，形成十色。

Part 2研究方法

2.1研究对象

志愿者数据来源于北京工商大学皮肤本态数据库，采集北京、上海、广州、成都、武汉五个地区各1000例18-45岁中国女性志愿者脸颊部位的肤色数据。

志愿者纳入标准包括：

（1）健康女性，年龄在18～45岁；

（2）能够阅读和理解知情同意书的所有内容，并自愿签署知情同意书；

（3）试验期间同意不使用任何对结果有影响的化妆品、药物和保健品；

（4）能很好配合试验者，在研究期间能保持生活的规律性。

志愿者排除标准包括：

（1）有光敏感病史者；

（2） 6个月内服用过能发生光敏感的药物（食物）者；

（3） 6个月内曾有任何一种形式治疗皮肤病史者（外用糖皮质激素等）；

（4）测试部位皮肤有红斑、色素斑、皮肤病等影响结果判断者；

（5）有严重系统性疾病、免疫缺陷或自身免疫性疾病者；

（6）近1个月内曾全身使用糖皮质激素类药物或免疫抑制剂者。

2.2研究指标

本研究采集了研究对象右脸颊对应的L*值、a*值、b*值、ITA°值、hab°值以及光泽度GLOSS_DSC值，共计6个指标体系。研究指标均使用MPA 9及Skin-colorimeter CL400 （Courage+Khazaka electronic GmbH， Germany）仪器测量三次取平均值所得。

CIE-L*a*b*（1976）颜色空间是国际照明委员会指定的最完整的颜色空间。该模型如图2所示，具有高颜色分辨率，可以通过数字手段描述人类的视觉感受。CIE-L*a*b*模型的三个坐标轴是：L轴表示亮度，a轴表示红绿色范围，b轴表示黄蓝色范围。在L轴上，当L为0时，它表示黑色，而当L为100时，它代表白色；在a轴上，当a＜0时，表示更接近绿色，反之，表示更靠近红色；在b轴上，当b<0时，表示更接近蓝色，而相反，表示更靠近黄色[3]。

2.3研究过程及内容

（1）查阅文献，建立十色分类理论；

（2）收集整理1000例志愿者脸颊肤色指标数据，包括L*值、a*值、b*值、光泽度GLOSS_DSC值，并计算ITA°值、hab°值；

（3）筛选VISIA图像，确定ROI区域并截取；

在通过VISIA-CR （美国Canfield公司）获得统一标准的正脸交叉偏振光图像后，首先进行了人脸ROI的皮肤块分割，提取右脸颊ROI，要求为避开五官、睫毛以免影响评估结果，截图均经过复查，排除了部分外界因素的干扰，提高了研究的可行性[10]；

（4）确定十色分类标准图像，计算添加Hex色号；

（5）设计肤色视觉评估方案及GUI界面设计；

我们将右脸颊ROI区块十色标准图像和对应选择点位设置于界面上下两侧，界面中间放置右脸颊ROI区块1000张样本图像，每通过十个选择点位选择后，点击下一张图片即界面中的NEXT Image，直至1000张选择完毕，点击右上角报告结果即Export Results，界面设置如图3所示，然后进行后续保存和改名，分类保存并导出10位专家的选项数据；

（6）专家评价

本研究共邀请10名专家，包括化妆品专业（2人）、中医专业（2人）、皮肤学专业（2人）、色彩学专业（2人）、普通消费者（2人）五个类型，使用统一的显示器设备和GUI界面进行评估；

（7）分析肤色ITA°值、hab°值；

综合统计10名专家的评估数据，得出十类肤色分类的结果；

（8）分析十色对应的指标范围（L*值、a*值、b*值、ITA°值、hab°值、光泽度GLOSS_DSC值）。

Part 3研究结果与讨论

3.1年龄分布

本次研究纳入受试者5000例，全部为女性，年龄18-45岁，人群分布如表3所示，各年龄段人群均有分布，其中21-40岁人群占比超过80%。

3.2 ITA°皮肤颜色分类结果

大部分受试者脸部肤色主要集中在Ⅰ、Ⅱ和Ⅲ级，肤色属于非常白，白色和中间白之间，少部分受试者的肤色是Ⅳ级和V级，没有Ⅵ级肤色，具体占比如表4所示。

3.3十色分类法综合结果

3.3.1 十色评估标准参照结果对应hex色号及图像

十色标准图像数据由表5和图4所示。

3.3.2专家分类结果

十色分类中，约半数为黄-明类型，其次是赤明，约30%，再次是赤暗>白明>黄暗>白暗>黑明=黑暗>青明>青暗。颜色为明的占86.7%，颜色为暗的占13.3%。具体比例如图5所示。

3.3.3十色评估结果对应探头采集指标范围

十色指标范围的各项分布大小顺序基本符合数据颜色变化特征，具体指标范围如表6所示。

3.3.4十色评估结果对应平均值

十色各指标范围的平均值分布大小顺序基本符合数据颜色变化特征，具体指标范围如表7所示。

3.3.5十色评估标准

基于CIE-L*a*b*（1976）色彩空间，在五色分类依据和十色分类对应范围基础上，依据指标间对比进一步确定。十色分类依据：白-明：L*值偏高，b*值偏低，ITA°值偏高，hab°值偏均衡；白-暗：L*值偏低，b*值偏高，ITA°值偏低，hab°值偏不均衡；赤-明：a*值偏低，ITA°值偏高，hab°值偏低；赤-暗：a*值偏高，hab°值偏高，ITA°值偏低；黑-明：ITA°值偏高，L*值偏高，a*、b*值偏低；黑-暗：ITA°值最低，L*值偏低，a*、b*值偏高；黄-明：b*值偏高，ITA°值偏高；黄-暗：b*值偏低，ITA°值偏低；青-明：L*值高，hab°值高；青-暗：L*值偏低，hab°值偏低。结果如图6所示。

Part 4讨论

本研究基于中医“五色诊”，并将“明暗”加入其中，建立了中国健康人群皮肤十色分类理论。结果显示在十色分类中，总体颜色为明的约占8成，约半数为黄-明类型，其次是赤-明，约30%，黄色中明黄约占9成，赤色中明赤约占8成。其次是赤-暗>白-明>黄-暗>白-暗>黑-明=黑-暗>青明>青暗，符合中国自然人群肤色为“红黄隐隐”的描述。

综合探头数据结果，十色的L*值、a*值、b*值、ITA°值、hab°值、光泽度指标范围的各项分布大小顺序基本符合各数据颜色变化特征。肤色多为黄明和赤明。

本次研究是基于中医色诊，当前研究大多数值参考多基于患者的参数，而针对中国的自然健康还是女性人群的肤色研究较少，其中袁善敏和李福凤[7-8]在以往研究的基础上，采集了20641名自然人群典型面色参数比较，进一步细化面诊图像指标，分析了自然人群面色正常、面色青、面色赤、面色黄、面色白、面色黑面诊图像颜色的一些差异性指标。结合十位专家和计算机数据建立了6种面诊图像颜色特征参数正常的医学指标参考范围。其参数多高于本研究数值范围，但各颜色在各数据的分布基本一致。本研究请到中医学专家两名、皮肤学专家两名、化妆品学专家两名、色彩学专家两名、普通消费者两名共十位专家进行分类，基于自然人群划分十色。对于L*值，结果为黑明＜黑暗＜黄暗＜赤暗＜青暗＜黄明＜赤明＜白暗＜白明＜青明，而L轴表示亮度，在L轴上，当L为0时，它表示黑色，而当L为100时，它代表白，所以数据可信度较高，并且说明5000例样本中的青色数据样本肤色更偏白；对于a*值结果为青明＜青暗＜白明＜白暗＜黄明＜赤明＜黄暗＜黑暗＜黑明＜赤暗，而a轴表示红绿色范围，在a轴上，当a＜0时，表示更接近绿色，反之，表示更靠近红色；对于b*值结果为赤明＜赤暗＜白明＜黄明＜白暗＜黑暗＜黄暗＜青明＜黑明＜青暗，而b轴表示黄蓝色范围，在b轴上，当b<0时，表示更接近蓝色，而相反，表示更靠近黄色；对于ITA°值，结果为黑明＜黑暗＜青暗＜黄暗＜赤暗＜黄明＜白暗＜青明＜赤明＜白明，ITA°值反映肤色色度值，ITA°值越大，皮肤颜色越浅越白，越小，皮肤颜色越深越黑；hab°值结果为赤暗＜赤明＜黄明＜黑暗＜黄暗＜白明＜白暗＜黑明＜青暗＜青明，其值由0到90为由红iI5SrVjmY5KcoRwv5pKAQBk/clJUTeGezn8T+uamoew=到黄，由90到180为由黄到绿，本研究数据在30到60，也就是说本研究中hab°值越大越靠近90表示此样本肤色越靠近黄色，越小越靠近0表示此样本肤色越靠近红色也就是赤色。综上所述，结果中L*值和hab°值更具代表性。由于探头数据并非基于整脸而是脸颊局部范围，所以也存在一定局限性。Miyamoto K等[13]开发了一种数字图像分析系统，该系统能对人脸面部色素沉着点进行量化分析，能自动检测脸颊和眼眶周围的色素沉着点，并正确测量其面积和平均皮肤色调。此方法可以作为下一阶段研究的参考，也可以在肤色分类的实际应用中。

“气色”在当代汉语中常用于代指人脸上反映的身心健康或疾病状态。气者，生之元也。色，颜气也[14]。肤色明亮、红润以及具有光泽通常被认为是良好气色的体现。《素问·脉要精微论》曰： “夫精明五色者，气之华也”。在中医诊断中，好气色反映了体内气血充足、阴阳平衡、脏腑功能良好的状态。好气色不仅表现在肤色明亮、红润，还体现在精神饱满、神采奕奕的面容。这种状态通常代表着身体健康状况良好，充满活力和生机。面部气色是五脏六腑之余光，是人体内部气机精华在面部外表的显现。色为苗，气为根; 色在外，气在里。气无色不验，色无气不灵[15]。因此，本研究在五色诊基础上，加入了“明暗”，注重气色观察并结合五色诊法，可以更准确地了解肤色状态，为肤色分类提供重要参考依据。

现有的肤色分类体系主要有A. CHARDON提出的ITA°肤色分型系统、Fitzpatrick-Pathak分型，潘通肤色色卡，存在缺少皮肤红度的考量、易受到消费者认知影响和色号数量繁杂等问题。因此本研究基于中医“五色诊”，建立了中国健康人群皮肤十色分类体系，未来在实际的10色标准测肤应用中，可以考虑进一步的范围调整，以满足更广泛的需求和应用场景。随着人们对肤色测量的需求不断增加，可以通过增加更多的肤色选项来提高分类的精确性和适用性，如进一步细分成18色或者36色的肤色标准等。这样的精细划分能够更准确地捕捉到各种肤色之间微妙的差异，从而达到精准护肤的需求。

作者介绍

武 悦，易 帆，王心如，孟 宏：供职于北京工商大学中国化妆品研究中心

李慧良，林志宏，林燕静，李配配：供职于杭州花凝香生物科技有限公司

[参考文献]

[1]张大勇，杨笑笑，赵新昊等.东方本色：基于皮肤本态的中国女性肤色伴随特点研究[J].中国化妆品，2022（Z1）：60-69.

[2]SAMSON N， FINK B， MATTS P J. Visible skin condition and perception of human facial appearance [J]. Int J Cosmet Sci， 2010， 32（3）： 167-184.

[3]刘玮.日光反应性皮肤分型及其影响因素分析[J].临床皮肤科杂志，2003（03）：174-176.

[4]杜松，刘治中.金元以前中医色诊理论研究[J].云南中医学院学报， 2010（2）：3.DOI：10.3969/j.issn.1000-2723.2010.02.004.

[5]杜松.明清中医色诊理论研究[J].中医文献杂志， 2011， 29（1）：1.DOI：CNKI：SUN：WXZZ.0.2011-01-025.

[6]上官文娟.面向中医面诊的面色及脸型分类中的特征提取方法研究[D].厦门大学，2017.

[7]袁善敏，李福凤.中医常见面诊图像颜色参数范围探讨[J].中华中医药杂志， 2022（003）：037.

[8]袁善敏，李福凤.中医面诊图像色域及专用色卡的研究[J].中华中医药杂志， 2022， 37（7）：4.

[9]陈梦竹.基于肤色检测的中医面色识别[D].北京交通大学，2018.

[10]林怡，王斌，许家佗，等.基于面部图像特征融合的中医望诊面色分类研究[J].实用临床医药杂志， 2020， 24（14）：5.DOI：10.7619/jcmp.202014001.

[11]袁铄慧.中医五色理论在现代色彩心理学及疗法中的佐证初探[J].浙江中医药大学学报， 2007， 31（1）：2.DOI：10.3969/j.issn.1005-5509.2007.01.012.

[12] Wu Y ， Tanaka T ， Akimoto M .Utilization of Individual Typology Angle （ITA） and Hue Angle in the Measurement of Skin Color on Images[J].bioimages， 2020， 28：1-8.DOI：10.11169/bioimages.28.1.

[13] Miyamoto K ， Takiwaki H ， Hillebrand G G ，et al.Development of a digital imaging system for objective measurement of hyperpigmented spots on the face[J].Skin Research and Technology， 2002.DOI：10.1034/j.1600-0846.2002.00325.x.

[14]姜姗，张大庆.望而知之：“气色”概念史中的语义变迁与医学思想[J].自然科学史研究， 2022， 41（1）：32-49.

[15]罗健.《内经》面部气色望诊在针灸辨证治疗中的作用[J].中国中医药现代远程教育， 2013（20）：2.DOI：10.3969/j.issn.1672-2779.2013.20.005.