肤色检测合集

来源：互联网发布：韩语键盘软件编辑：程序博客网时间：2024/04/28 21:05

1 HSV 颜色空间

from： http://blog.csdn.net/onezeros/article/details/5930520

把rgb转换到hsv空间，用h分量进行识别，像素值在7~29之间是肤色的几乎全部范围

识别会受到光照的影响。但是整体上准确度是较高的。

在白天正常的明亮的光照下，效果非常好。

这是我在晚上拍摄的一张图像的处理

肤色模型处理示例

对于不同的环境（主要是光照条件），阈值应相应变动以提高精确度

程序源码下载 http://download.csdn.net/source/2744062

2 YCrCb

源码下下载 http://download.csdn.net/source/2873223

效果图

3 3种模型

今天是地球日，就选了张相关主题的图像做测试

第一种：RGB color space

第二种：RG color space

第三种：Ycrcb之cr分量+otsu阈值化

还有别的一些模型，效果不太好就不贴了

1.rgb model

[cpp] view plain copy
// skin region location using rgb limitation  
void SkinRGB(IplImage* rgb,IplImage* _dst)  
{  
    assert(rgb->nChannels==3&& _dst->nChannels==3);  
  
    static const int R=2;  
    static const int G=1;  
    static const int B=0;  
  
    IplImage* dst=cvCreateImage(cvGetSize(_dst),8,3);  
    cvZero(dst);  
  
    for (int h=0;h<rgb->height;h++) {  
        unsigned char* prgb=(unsigned char*)rgb->imageData+h*rgb->widthStep;  
        unsigned char* pdst=(unsigned char*)dst->imageData+h*dst->widthStep;  
        for (int w=0;w<rgb->width;w++) {  
            if ((prgb[R]>95 && prgb[G]>40 && prgb[B]>20 &&  
                prgb[R]-prgb[B]>15 && prgb[R]-prgb[G]>15/*&& 
                !(prgb[R]>170&&prgb[G]>170&&prgb[B]>170)*/)||//uniform illumination   
                (prgb[R]>200 && prgb[G]>210 && prgb[B]>170 &&  
                abs(prgb[R]-prgb[B])<=15 && prgb[R]>prgb[B]&& prgb[G]>prgb[B])//lateral illumination  
                ) {  
                    memcpy(pdst,prgb,3);  
            }             
            prgb+=3;  
            pdst+=3;  
        }  
    }  
    cvCopyImage(dst,_dst);  
    cvReleaseImage(&dst);  
}  

2.rg model

[cpp] view plain copy
// skin detection in rg space  
void cvSkinRG(IplImage* rgb,IplImage* gray)  
{  
    assert(rgb->nChannels==3&&gray->nChannels==1);  
      
    const int R=2;  
    const int G=1;  
    const int B=0;  
  
    double Aup=-1.8423;  
    double Bup=1.5294;  
    double Cup=0.0422;  
    double Adown=-0.7279;  
    double Bdown=0.6066;  
    double Cdown=0.1766;  
    for (int h=0;h<rgb->height;h++) {  
        unsigned char* pGray=(unsigned char*)gray->imageData+h*gray->widthStep;  
        unsigned char* pRGB=(unsigned char* )rgb->imageData+h*rgb->widthStep;  
        for (int w=0;w<rgb->width;w++) {  
            int s=pRGB[R]+pRGB[G]+pRGB[B];  
            double r=(double)pRGB[R]/s;  
            double g=(double)pRGB[G]/s;  
            double Gup=Aup*r*r+Bup*r+Cup;  
            double Gdown=Adown*r*r+Bdown*r+Cdown;  
            double Wr=(r-0.33)*(r-0.33)+(g-0.33)*(g-0.33);  
            if (g<Gup && g>Gdown && Wr>0.004){  
                *pGray=255;  
            }else{   
                *pGray=0;  
            }  
            pGray++;  
            pRGB+=3;  
        }  
    }  
  
}  

3.cr+otsu

[c-sharp] view plain copy
// implementation of otsu algorithm  
// author: onezeros#yahoo.cn  
// reference: Rafael C. Gonzalez. Digital Image Processing Using MATLAB  
void cvThresholdOtsu(IplImage* src, IplImage* dst)  
{  
    int height=src->height;  
    int width=src->width;  
  
    //histogram  
    float histogram[256]={0};  
    for(int i=0;i<height;i++) {  
        unsigned char* p=(unsigned char*)src->imageData+src->widthStep*i;  
        for(int j=0;j<width;j++) {  
            histogram[*p++]++;  
        }  
    }  
    //normalize histogram  
    int size=height*width;  
    for(int i=0;i<256;i++) {  
        histogram[i]=histogram[i]/size;  
    }  
  
    //average pixel value  
    float avgValue=0;  
    for(int i=0;i<256;i++) {  
        avgValue+=i*histogram[i];  
    }  
  
    int threshold;    
    float maxVariance=0;  
    float w=0,u=0;  
    for(int i=0;i<256;i++) {  
        w+=histogram[i];  
        u+=i*histogram[i];  
  
        float t=avgValue*w-u;  
        float variance=t*t/(w*(1-w));  
        if(variance>maxVariance) {  
            maxVariance=variance;  
            threshold=i;  
        }  
    }  
  
    cvThreshold(src,dst,threshold,255,CV_THRESH_BINARY);  
}  
  
void cvSkinOtsu(IplImage* src, IplImage* dst)  
{  
    assert(dst->nChannels==1&& src->nChannels==3);  
  
    IplImage* ycrcb=cvCreateImage(cvGetSize(src),8,3);  
    IplImage* cr=cvCreateImage(cvGetSize(src),8,1);  
    cvCvtColor(src,ycrcb,CV_BGR2YCrCb);  
    cvSplit(ycrcb,0,cr,0,0);  
  
    cvThresholdOtsu(cr,cr);  
    cvCopyImage(cr,dst);  
    cvReleaseImage(&cr);  
    cvReleaseImage(&ycrcb);  
}  

原图像

rgb model

rg model

otsu+cr

4 RGB YCrCb

本文涉及的很多算法，在网络上也有不少同类型的文章，但是肯定的一点就是，很多都是不配代码的，或者所附带的代码都是象征性的，速度慢，不优雅，不具有实用价值，本文努力解决这些问题。

文中各算法出现的顺序并不代表算法的优越性，仅仅是作者随机排布的而已。

2、基于RGB颜色空间的简单阈值肤色识别

在human skin color clustering for face detection一文中提出如下简单的判别算式：

　　　　　　R>95 And G>40 And B>20 And R>G And R>B And Max(R,G,B)-Min(R,G,B)>15 And Abs(R-G)>15

　　算法非常之简单，同样主要把复杂的判断条件放到后面去判断，能有效的降低程序的执行时间，参考代码：

for (Y = 0; Y < Height; Y++){    Pointer = Scan0 + Y * Stride;    SkinP = SkinScan0 + Y * SkinStride;    for (X = 0; X < Width; X++)    {        Blue = *Pointer; Green = *(Pointer + 1); Red = *(Pointer + 2);        if (Red > 95 && Green > 40 && Blue > 20 && Red > Blue && Red > Green && Math.Abs(Red - Green) > 15)        {            if (Blue >= Green)                 {                Max = Blue;                Min = Green;            }            else            {                Max = Green;                Min = Blue;            }            if (Red > Max)                Max = Red;            else if (Red < Min)                Min = Red;            if (Max - Min > 15) *SkinP = 255;        }        Pointer += 3;        SkinP++;    }

算法效果：

　　　　　　　　原图　　　　　　　　　　　　　识别结果图原图　　　　　　　　　　　识别结果图

由上述结果似乎该算法得到了过多的皮肤区域，然后就是算法更喜欢美女一些（^_^)。

3、基于YCbCr颜色空间的简单阈值肤色识别

　　该算法则更为简单，将图像转换到YCbCr颜色空间，然后按下述计算式判断是否属于皮肤区域：

　　　　(Cb > 77 And Cb < 127) And (Cr > 133 And Cr < 173)

关于RGB和YCbCr颜色空间的转换的优化算法，可参考本博客相关文章。

由于当初写这方面的时候没有注明该算法的出处，现在也没从提起了。

代码参考：

for (Y = 0; Y < Height; Y++){    Pointer = Scan0 + Y * Stride;    SkinP = SkinScan0 + Y * SkinStride;    for (X = 0; X < Width; X++)    {        Blue = *Pointer; Green = *(Pointer + 1); Red = *(Pointer + 2);        Cb = (-176933 * Red - 347355 * Green + 524288 * Blue + 134217728) >> 20;        if (Cb > 77 && Cb < 127)        {            Cr = (524288 * Red - 439026 * Green - 85262 * Blue + 134217728) >> 20;            if (Cr > 133 && Cr < 173) *SkinP = 255;        }        Pointer += 3;        SkinP++;    }}

原图　　　　　　　　　　　　　识别结果图原图　　　　　　　　　　　识别结果图

误判的区域还是很大的。

还有一种是基于YUV颜色空间进行的肤色识别，似乎也不太准确，可参考http://www.doc88.com/p-97381067005.html。

0 0