图像处理------基于像素的皮肤检测技术

基于像素的皮肤检测技术

介绍一种基于颜色空间的皮肤检测技术,可以检测亚洲人种与白人的皮肤,皮肤检测

人脸识别的基础,也是很多人像识别技术的基础操作,在实际应用中还是非常有用的。

 

基于像素的皮肤检测主要是寻找正确的颜色空间几何,图像处理中,常见的颜色空间

有如下几种

1.      RGB色彩空间 – R代表单色红,G代表单色绿,B代表单色蓝

2.      HSV色彩空间 – H 代表色彩, S代表饱和度,V代表强度值

3.      YCbCr色彩空间 – 是数字电视的色彩空间

 

RGB转换为HSV的Java代码如下:

[java]  view plain copy
  1. public static float[] rgbToHSV(int tr, int tg, int tb) {  
  2.     float min, max, delta;  
  3.     float hue, satur, value;  
  4.     min = Math.min(tr, Math.min(tg, tb));  
  5.     max = Math.max(tr, Math.max(tg, tb));  
  6.     value = max;  
  7.     delta = max - min;  
  8.     if(max != 0) {  
  9.         satur = delta/max;  
  10.     } else {  
  11.         satur = 0;  
  12.         hue = -1;  
  13.     }  
  14.       
  15.     if(tr == max) {  
  16.         hue = (tg - tb)/delta;  
  17.     }  
  18.     else if(tg == max) {  
  19.         hue = 2 + (tb-tr)/delta;  
  20.     } else {  
  21.         hue = 4 + (tr-tg)/delta;  
  22.     }  
  23.     hue = hue * 60.0f;  
  24.     if(hue < 0) {  
  25.         hue = hue + 360;  
  26.     }  
  27.     return new float[]{hue, satur, value};  
  28. }  

RGB转换为YCbCr的Java代码如下:

[java]  view plain copy
  1. public static int[] rgbToYcrCb(int tr, int tg, int tb) {  
  2.     double sum = tr + tg + tb;  
  3.     double r = ((double)tr)/sum;  
  4.     double g = ((double)tg)/sum;  
  5.     double b = ((double)tb)/sum;  
  6.     double y = 65.481 * r + 128.553 * g + 24.966 * b + 16.0d;  
  7.     double Cr = -37.7745 * r - 74.1592 * g + 111.9337 * b + 128.0d;  
  8.     double Cb = 111.9581 * r -93.7509 * g -18.2072 * b + 128.0d;  
  9.     return new int[]{(int)y, (int)Cr, (int)Cb};  
  10. }  
一个简单的基于RGB颜色空间的皮肤算法如下:

(R, G, B) is classified as skin if

R > 95 and G > 40 and B > 20and max{R, G, B} – min{R, G, B} > 15 and |R-G| > 15

and R > G and R > B

实现代码如下:

[java]  view plain copy
  1. public boolean isSkin(int tr, int tg, int tb) {  
  2.     int max = Math.max(tr, Math.max(tg, tb));  
  3.     int min = Math.min(tr, Math.min(tg, tb));  
  4.     int rg = Math.abs(tr - tg);  
  5.     if(tr > 95 && tg > 40 && tb > 20 && rg > 15 &&   
  6.             (max - min) > 15 && tr > tg && tr > tb) {  
  7.         return true;  
  8.     } else {  
  9.         return false;  
  10.     }  
  11. }  

一个简单的基于HSV颜色空间的皮肤算法如下:

(H, S, V) will be classified as skin if

H > 0 and H < 50 and S > 0.23 andS < 0.68

实现代码如下:

[java]  view plain copy
  1. public boolean isSkin(int tr, int tg, int tb) {  
  2.     float[] HSV = ColorUtil.rgbToHSV(tr, tg, tb);  
  3.     if((HSV[0] > 0.0f && HSV[0] < 50.0f ) && (HSV[1] > 0.23f && HSV[1] < 0.68f)){  
  4.         return true;  
  5.     } else {  
  6.         return false;  
  7.     }  
  8. }  

一个简单的基于YCbCr颜色空间的皮肤算法如下:

(Y, Cb, Cr) will be classified as skin if:

> 80 and 85<Cb < 135 and 135 <Cr < 180, and (Y,Cb,Cr)= [0,255] 

对于的Java代码如下:

[java]  view plain copy
  1. public boolean isSkin(int tr, int tg, int tb) {  
  2.     int y = (int)(tr * 0.299 + tg * 0.587 + tb * 0.114);  
  3.     int Cr = tr - y;  
  4.     int Cb = tb - y;  
  5.     if(y> 80 && y < 255 && Cr > 133 && Cr < 173 && 77 < Cb && Cb < 127) {  
  6.         return true;  
  7.     }  
  8.     return false;  
  9. }  
基于上述三个算法实现的皮肤检测的效果如下:


皮肤检测滤镜的源代码如下:

[java]  view plain copy
  1. package com.process.blur.study;  
  2.   
  3. import java.awt.Color;  
  4. import java.awt.image.BufferedImage;  
  5.   
  6. import com.gloomyfish.skin.dection.DefaultSkinDetection;  
  7. import com.gloomyfish.skin.dection.FastSkinDetection;  
  8. import com.gloomyfish.skin.dection.GaussianSkinDetection;  
  9. import com.gloomyfish.skin.dection.HSVSkinDetection;  
  10. import com.gloomyfish.skin.dection.ISkinDetection;  
  11.   
  12. public class SkinFilter extends AbstractBufferedImageOp {  
  13.     private ISkinDetection skinDetector;  
  14.       
  15.     public SkinFilter(int type) {  
  16.         if(type == 2) {  
  17.             skinDetector = new FastSkinDetection();  
  18.         } else if(type == 4) {  
  19.             skinDetector = new HSVSkinDetection();  
  20.         } else if(type == 8) {  
  21.             skinDetector = new GaussianSkinDetection();  
  22.         } else {  
  23.             skinDetector = new DefaultSkinDetection();  
  24.         }  
  25.     }  
  26.   
  27.     @Override  
  28.     public BufferedImage filter(BufferedImage src, BufferedImage dst) {  
  29.         int width = src.getWidth();  
  30.         int height = src.getHeight();  
  31.   
  32.         if ( dst == null )  
  33.             dst = createCompatibleDestImage( src, null );  
  34.   
  35.         int[] inPixels = new int[width*height];  
  36.         int[] outPixels = new int[width*height];  
  37.         getRGB( src, 00, width, height, inPixels );  
  38.         if(skinDetector instanceof GaussianSkinDetection) {  
  39.             ((GaussianSkinDetection)skinDetector).setDispSample(getDispersion(src));  
  40.         }  
  41.         int index = 0;  
  42.         for(int row=0; row
  43.             int ta = 0, tr = 0, tg = 0, tb = 0;  
  44.             for(int col=0; col
  45.                 index = row * width + col;  
  46.                 ta = (inPixels[index] >> 24) & 0xff;  
  47.                 tr = (inPixels[index] >> 16) & 0xff;  
  48.                 tg = (inPixels[index] >> 8) & 0xff;  
  49.                 tb = inPixels[index] & 0xff;  
  50.                 if(skinDetector.isSkin(tr, tg, tb)) {  
  51.                     outPixels[index] = (ta << 24) | (tr << 16) | (tg << 8) | tb;  
  52.                 } else {  
  53.                     tr = tg = tb = 0;  
  54.                     outPixels[index] = (ta << 24) | (tr << 16) | (tg << 8) | tb;  
  55.                 }                 
  56.             }  
  57.         }  
  58.         setRGB( dst, 00, width, height, outPixels );  
  59.         return dst;  
  60.     }  
  61.       
  62.     public Color getDispersion(BufferedImage image) {  
  63.         // calculate means of pixel    
  64.         int index = 0;  
  65.         int height = image.getHeight();  
  66.         int width = image.getWidth();  
  67.         int[] inPixels = new int[width*height];  
  68.         getRGB(image, 00, width, height, inPixels );  
  69.         double redSum = 0, greenSum = 0, blueSum = 0;  
  70.         Color meanColor = getMean(image);  
  71.         double redmeans = meanColor.getRed();  
  72.         double greenmeans = meanColor.getGreen();  
  73.         double bluemeans = meanColor.getBlue();  
  74.         double total = height * width;    
  75.         for(int row=0; row
  76.             int ta = 0, tr = 0, tg = 0, tb = 0;    
  77.             for(int col=0; col
  78.                 index = row * width + col;    
  79.                 ta = (inPixels[index] >> 24) & 0xff;    
  80.                 tr = (inPixels[index] >> 16) & 0xff;    
  81.                 tg = (inPixels[index] >> 8) & 0xff;    
  82.                 tb = inPixels[index] & 0xff;   
  83.                 double rd = (tr - redmeans);  
  84.                 double gd = (tg - greenmeans);  
  85.                 double bd = (tb - bluemeans);  
  86.                 redSum += rd * rd;    
  87.                 greenSum += gd * gd;    
  88.                 blueSum += bd * bd;    
  89.             }    
  90.         }  
  91.         int reddiff = (int)Math.sqrt((redSum / total));  
  92.         int greendiff = (int)Math.sqrt((greenSum / total));  
  93.         int bluediff = (int)Math.sqrt(blueSum / total);  
  94.         System.out.println(" red dispersion value = " + reddiff);  
  95.         System.out.println(" green dispersion value = " + greendiff);  
  96.         System.out.println(" blue dispersion value = " + bluediff);  
  97.         return new Color(reddiff, greendiff, bluediff);  
  98.     }  
  99.       
  100.     public Color getMean(BufferedImage image) {  
  101.         // calculate means of pixel    
  102.         int index = 0;  
  103.         int height = image.getHeight();  
  104.         int width = image.getWidth();  
  105.         int[] inPixels = new int[width*height];  
  106.         getRGB(image, 00, width, height, inPixels );  
  107.         double redSum = 0, greenSum = 0, blueSum = 0;    
  108.         double total = height * width;    
  109.         for(int row=0; row
  110.             int ta = 0, tr = 0, tg = 0, tb = 0;    
  111.             for(int col=0; col
  112.                 index = row * width + col;    
  113.                 ta = (inPixels[index] >> 24) & 0xff;    
  114.                 tr = (inPixels[index] >> 16) & 0xff;    
  115.                 tg = (inPixels[index] >> 8) & 0xff;    
  116.                 tb = inPixels[index] & 0xff;    
  117.                 redSum += tr;    
  118.                 greenSum += tg;    
  119.                 blueSum +=tb;    
  120.             }    
  121.         }  
  122.         int redmeans = (int)(redSum / total);  
  123.         int greenmeans = (int)(greenSum / total);  
  124.         int bluemeans = (int)(blueSum / total);  
  125.         System.out.println(" red average value = " + redmeans);  
  126.         System.out.println(" green average value = " + greenmeans);  
  127.         System.out.println(" blue average value = " + bluemeans);  
  128.         return new Color(redmeans, greenmeans, bluemeans);  
  129.     }  
  130. }  

讨论:

皮肤检测中的后续处理非常重要,可以除去噪声,平滑图像,是皮肤检测的结果

更加的准确,输出的更容易接受。

你可能感兴趣的:(视频图像处理)