王志強(qiáng)，苗翔宇

（華北水利水電大學(xué)，河南 鄭州 450003）

近年來(lái)，隨著手機(jī)和相機(jī)拍照技術(shù)的進(jìn)步，照片的像素也越來(lái)越高。臉部的各種瑕疵，比如雀斑、痘痘等都被如實(shí)記錄下來(lái)，嚴(yán)重影響了照片的美觀。現(xiàn)在人們?cè)谧非竺烙^、光滑、白皙面部圖像的同時(shí)，要保留頭發(fā)、耳朵等細(xì)節(jié)部位。一些美顏算法在進(jìn)行美顏的時(shí)候使細(xì)節(jié)嚴(yán)重模糊。如美圖秀秀，在處理照片時(shí)，不能很好地保留細(xì)節(jié)，造成畫面失真。因此，對(duì)于人臉圖像的處理美化成為圖像處理方面研究的熱點(diǎn)。

國(guó)內(nèi)外對(duì)自動(dòng)人臉美化有了一定的研究。有一些基于多媒體的非線性濾波器[1]可以較好地處理粗糙皮膚，通過(guò)去除高頻噪聲實(shí)現(xiàn)除斑、除痘，但是算法耗時(shí)過(guò)長(zhǎng)，且參數(shù)眾多，處理速度慢。Arakawa[2]利用ε-filter進(jìn)行去除臉上瑕疵，ε-filter是一種低通濾波器，在處理皺紋時(shí)效果顯著，但是在處理痘痘、雀斑比較突出的瑕疵時(shí)略顯不足。

針對(duì)此情況，本文提出了基于膚色分割的人臉美化算法，實(shí)現(xiàn)對(duì)面部照片的美化操作，同時(shí)兼顧保留臉部細(xì)節(jié)部分，降低了照片的修改痕跡。

1 濾波器對(duì)于瑕疵的處理

1.1 面部瑕疵分析

在數(shù)字化圖像中，皮膚平滑區(qū)域的像素值表現(xiàn)均衡。而在皮膚瑕疵部分，像素有明顯的起伏，數(shù)值波動(dòng)較大。這些瑕疵在空間域表示為小振幅值，而在頻域內(nèi)則表現(xiàn)為高頻噪聲[3]。通過(guò)計(jì)算皮膚M×M區(qū)域像素灰度值的均值與方差，發(fā)現(xiàn)在較為平滑的區(qū)域像素灰度值均值相等或者差值較小。而在皮膚瑕疵的地方，圖像灰度值與灰度均值差值較大，并且遠(yuǎn)大于該區(qū)域的方差。因此采用濾波器對(duì)圖像進(jìn)行卷積運(yùn)算以達(dá)到平滑人臉瑕疵部分的目的。

1.2 保邊濾波

在實(shí)驗(yàn)過(guò)程中發(fā)現(xiàn)只對(duì)圖像進(jìn)行高斯濾波的情況下，人面部的一些細(xì)節(jié)無(wú)法被保留，面部輪廓和五官同樣進(jìn)行了模糊，沒(méi)有達(dá)到理想效果。因此在基本的高斯濾波基礎(chǔ)上還需要加入其他影響權(quán)值的因素。

在面部輪廓區(qū)域內(nèi)，相鄰的像素灰度值差值較大，從而形成了一條較為明顯的分界，在視覺(jué)上形成了面部輪廓和五官輪廓?？梢愿鶕?jù)這一特性增加領(lǐng)域內(nèi)與中心像素灰度差值較大的像素點(diǎn)權(quán)重，強(qiáng)化邊界對(duì)圖像的影響，從而實(shí)現(xiàn)邊界的保留[4]。

公式前半部分為基本的高斯濾波，以定義域?yàn)閰⒖迹嚯x中心點(diǎn)越遠(yuǎn)所占權(quán)重越小。公式后半部分以值域作為權(quán)重的參考，與中心像素灰度的差值越大，所占的權(quán)重越大，對(duì)圖像的卷積產(chǎn)生更大的影響，同時(shí)兼顧了定義域與值域。

當(dāng)模板內(nèi)像素與模板中心像素值差越大時(shí)，該像素點(diǎn)所占的權(quán)重越大。在像素差值不大的區(qū)域內(nèi)，即與中心像素顏色相近時(shí)，距離模板中心越小的區(qū)域像素權(quán)重較大。從而綜合考慮了距離和相似程度因素，有效地保留了邊緣信息。

保邊濾波與高斯濾波的效果對(duì)比如圖1所示。

圖像（b）是對(duì)圖像（a）只做基于定義域的濾波處理，其面部輪廓不夠明顯，眼睛和鼻子等五官變得模糊。圖像（c）是加入值域做參考處理，相比較于圖像（b）有了改善，面部五官變得清晰，同時(shí)面部的瑕疵也得到了較好的處理。

圖1 保邊濾波與高斯濾波效果對(duì)比

2 結(jié)合膚色檢測(cè)的面部美化

2.1 膚色檢測(cè)技術(shù)分析

采用保邊濾波器對(duì)人臉圖像進(jìn)行保邊操作，但是對(duì)于非皮膚部分處理得不夠理想，例如發(fā)絲也進(jìn)行了模糊處理。因此采用膚色檢測(cè)進(jìn)行皮膚部分和非皮膚部分的膚色分割。目前對(duì)于面部檢測(cè)研究主要有兩大方向：一種是根據(jù)人臉五官特征進(jìn)行劃分，另一種是根據(jù)膚色模型分離出皮膚區(qū)域。

根據(jù)人臉五官特征劃分面部區(qū)域通常先提取人臉器官，利用幾何形狀描述人臉的面部特征。但是這些幾何參數(shù)的變化比較敏感，而人臉表情復(fù)雜多樣，所以造成算法實(shí)現(xiàn)困難?；谀w色模型的色彩識(shí)別方式是一種基于統(tǒng)計(jì)原理的分割技術(shù)[5-6]，人的膚色基本可以確定在一定的范圍內(nèi)，人臉膚色及頭發(fā)在色彩空間的分布滿足一定的分布規(guī)律。利用這一特性可以進(jìn)行一定的閾值分割。

2.2 YCbCr色彩空間下的膚色檢測(cè)

YCbCr色彩空間下圖像信息被分為3個(gè)部分。Y表示圖像亮度數(shù)據(jù)，Cb表示圖像的藍(lán)色色彩信息，Cr表示圖像的紅色色彩信息。在RGB的色彩空間下，亮度信息和色彩信息混合，不同光照條件下臉部得到不同的檢測(cè)效果，不能很好地確認(rèn)皮膚區(qū)域。相比之下，YCbCr色彩模型中亮度和色彩被分別表示出，而人的視覺(jué)對(duì)圖像亮度的變化比色彩變化更敏銳，因此在不同光照條件下兩種色度是穩(wěn)定的。

統(tǒng)計(jì)發(fā)現(xiàn)人面部皮膚區(qū)域的Cb和Cr數(shù)值具有聚類的特點(diǎn)[7]，膚色在不同的光照條件下，Cb和Cr分布較為集中。其中Cb分量集中在80～140，Cr分量集中在120～150。圖像在YCbCr空間中皮膚區(qū)域的色彩值表現(xiàn)得更加集聚，有明顯的區(qū)分。因此，通過(guò)一定的閾值來(lái)確定皮膚范圍，實(shí)現(xiàn)膚色分割，分割效果如圖2所示。

圖2 YCbCr色彩空間下的膚色分割

圖2是在YCbCr色彩空間下，對(duì)兩張不同亮度的圖像進(jìn)行分割的效果對(duì)比，（a）圖是曝光過(guò)量的圖像，（b）圖是正常曝光的圖像，相對(duì)應(yīng)的分割效果為（c）（d）圖?？梢钥闯隽炼冗€是對(duì)分割產(chǎn)生了影響，在鼻梁和發(fā)絲區(qū)域存在一些偏差，但是不是很明顯。

2.3 alpha半透明圖形疊加

在進(jìn)行了濾波操作后，面部的一些瑕疵基本被處理掉，再進(jìn)行膚色分割技術(shù)，可以確定皮膚與非皮膚的區(qū)域。需要將兩種處理之后的圖像進(jìn)行融合，可以實(shí)現(xiàn)保留人臉的細(xì)節(jié)和提高皮膚質(zhì)感。

采用alpha通道融合技術(shù)，通過(guò)設(shè)定alpha值調(diào)整融合兩幅圖像，可以實(shí)現(xiàn)對(duì)于非皮膚部分的精確保留。alpha通道是用來(lái)表示圖像透明的通道，由[0，255]之間的數(shù)值來(lái)表示圖像的透明程度，數(shù)值255表示完全透明，數(shù)值0表示不透明。若圖像A、B進(jìn)行alpha通道融合，設(shè)B圖像的透明系數(shù)為alpha，為了便于分析，將alpha取值映射到[0，1]內(nèi)，數(shù)值1表示圖像完全透明，則每個(gè)通道的色彩混合公式如下[8]：

其中R(x)，G(x)，B(x)，分別表示紅、綠、藍(lán)3個(gè)分量的數(shù)值，而alpha實(shí)際決定了兩張圖片的混合比例，通過(guò)調(diào)整alpha可以產(chǎn)生不同的混合效果。如果透明的比例按照2的N次冪來(lái)分級(jí)，可以快速運(yùn)算。如果按照256級(jí)進(jìn)行計(jì)算alpha=1/256，B圖的權(quán)重為（256－n）/256，根據(jù)公式（2）可以算出圖像的紅色分量融合后的數(shù)值：

R(C)=((256－n)*R(B)+n*R(A))>>8 （3）

在進(jìn)行圖像融合時(shí)，若像素在皮膚區(qū)域進(jìn)行alpha通道融合。經(jīng)過(guò)多次實(shí)驗(yàn)發(fā)現(xiàn)alpha值在0.7～0.8時(shí)，處理的皮膚部分效果最佳，既處理了皮膚瑕疵又提升了皮膚的質(zhì)感，保證了美化效果更加自然。當(dāng)遍歷到非皮膚區(qū)域時(shí)，alpha的值為0，即去除模糊處理過(guò)的非皮膚部分，保留原始未處理的圖像。

只進(jìn)行保邊濾波處理和結(jié)合膚色檢測(cè)處理的效果對(duì)比如圖3所示。進(jìn)行保邊濾波操作時(shí)發(fā)根會(huì)發(fā)生模糊，而結(jié)合膚色檢測(cè)技術(shù)后發(fā)根很好地保留下來(lái)，使處理效果更加自然。

3 皮膚美白

實(shí)驗(yàn)中發(fā)現(xiàn)，由于光照原因，圖像中的人臉會(huì)表現(xiàn)出不同的亮度，如果固定的在亮度上增加一定的數(shù)值，則有可能會(huì)造成面部圖像部分區(qū)域過(guò)曝。因此，先對(duì)人臉的所有像素的亮度進(jìn)行統(tǒng)計(jì)，找到分布頻率最高亮度信息標(biāo)注為max，計(jì)算max和特定數(shù)值h之間的差d，即d=h－max。再對(duì)人臉區(qū)域所有像素亮度基礎(chǔ)上增加d，從而達(dá)到皮膚美白的效果。

圖3 保邊濾波與結(jié)合膚色檢測(cè)處理后的效果對(duì)比

經(jīng)過(guò)統(tǒng)計(jì)發(fā)現(xiàn)該面部圖像亮度信息分布，亮度值130出現(xiàn)的次數(shù)最多，計(jì)算高度提升值d=h－130，以此方式提升亮度可以解決因?yàn)楣庹盏仍虍a(chǎn)生的色彩不均衡問(wèn)題。

如果只對(duì)人臉皮膚區(qū)域提升亮度，在皮膚與非皮膚區(qū)域會(huì)產(chǎn)生明顯的分割，亮度變化突兀不自然，產(chǎn)生明顯的過(guò)渡現(xiàn)象。針對(duì)這一現(xiàn)象，采用自適應(yīng)模板來(lái)確認(rèn)皮膚和邊緣亮度差值d。首先根據(jù)人臉區(qū)域的大小確定處理的模板尺寸，設(shè)人臉區(qū)域長(zhǎng)為l，寬為W，通過(guò)比對(duì)發(fā)現(xiàn)模板半徑r為max（l/30，w/30）時(shí)效果最佳。將二值圖F（x，y）中的每一像素?cái)?shù)值與領(lǐng)域內(nèi)（2r+l）2像素點(diǎn)的數(shù)值進(jìn)行求和得到sum，采用二次函數(shù)來(lái)處理[9]，可以得到較好的改善。由此人臉區(qū)域像素提升的亮度值變?yōu)榭梢杂行П苊庵粚?duì)皮膚區(qū)域進(jìn)行亮度提升而產(chǎn)生的明顯過(guò)度現(xiàn)象。

4 結(jié)果分析

本算法美顏前后的對(duì)比如圖4所示。

圖4 本文算法與美圖秀秀對(duì)比

經(jīng)過(guò)對(duì)比發(fā)現(xiàn)，本文算法對(duì)人臉美顏效果明顯，圖中雀斑基本處理掉了，皮膚質(zhì)感明顯提高，而且發(fā)絲等細(xì)節(jié)也被完整地保留，處理結(jié)果足以與美圖秀秀媲美。

5 結(jié)語(yǔ)

針對(duì)人臉圖像皮膚瑕疵，本文首先進(jìn)行高斯濾波處理，高斯濾波處理之后導(dǎo)致五官變得模糊，因此加入值域做參考，使五官變得清晰。為了保留發(fā)絲、耳朵等細(xì)節(jié)方面的真實(shí)性，在雙邊濾波的基礎(chǔ)上進(jìn)行YCbCr色彩空間下的膚色檢測(cè)，以達(dá)到對(duì)皮膚部分處理，非皮膚部分保留。再將濾波操作和膚色檢測(cè)兩種處理之后的圖像進(jìn)行alpha半透明圖像疊加，在提高皮膚質(zhì)感、消除瑕疵的同時(shí)保留圖像的細(xì)節(jié)，使處理更加真實(shí)。最后再對(duì)圖像進(jìn)行整體的美白，使圖像變得白皙亮麗。但是本文算法在處理與人臉膚色相近的區(qū)域時(shí)，會(huì)導(dǎo)致誤判，接下來(lái)將繼續(xù)研究，進(jìn)一步提升美白效果。