CN106952313A - 基于HSI和Lab混合颜色模型的皮肤肤色评价方法 - Google Patents

Abstract

本发明公开了一种基于HSI和Lab混合颜色模型的皮肤肤色评价方法。该方法主要包括：读入已经利用高清摄像仪器采集到的人体皮肤图像、对皮肤图像进行消噪等预处理、将皮肤图像的RGB(Red Green Blue)模型转换为HSI(Hue Saturation Intensity)颜色模型和Lab(Luminosity颜色通道a颜色通道b)颜色模型，计算皮肤肤色综合评价值，实现对皮肤肤色的客观定量评价。皮肤肤色的检测可以真实、客观的反映皮肤的状态和物理特性，可以实现对皮肤肤色的定量分析与评价，其综合评价结果与基于单一Lab颜色模型的皮肤肤色评价效果基本一致，实现了定量、快速、科学、便捷的评价方法，可用于对皮肤的肤色进行定量的分析和评价。

Description

基于HSI和Lab混合颜色模型的皮肤肤色评价方法

技术领域

本发明涉及一种对皮肤肤色的科学评价方法。具体为一种通过图像传感器采集皮肤图像，对皮肤图像进行消噪等预处理，将皮肤图像的RGB模型分别转换为HSI颜色模型和Lab颜色模型，计算皮肤肤色综合评价值，实现对皮肤肤色的客观定量评价。

背景技术

对人的皮肤肤色的测定，过去往往认为对彩色电视、摄影、印刷、照明等进行彩色评定方面都有着重要意义，这是因为人物肤色的再现情况明显影响到银幕及画面的效果。然而除此之外，目前的皮肤肤色评价在医疗保健中的重要性越来越被重视了起来，肤色的定量检测以及评价对于皮肤疾病诊断、化妆品效果量化分析都具有重要的指导意义，皮肤肤色的变化能够反映皮肤屏障的完整性、皮肤的敏感性，并有助于判断祛斑美白化妆品的功效，色素紊乱性疾病的疗效。因此，对皮肤的肤色进行无创性客观定量评价在皮肤科临床和美容护肤工作中具有重要意义。

然而，对于皮肤肤色的一般评价方法——经验法，以及近年来广泛使用的评价方法——光谱光度测色仪器和光电积分测色仪器存在一定的不足：

首先，长期以来，在皮肤科学领域，医生主要靠视觉直观地鉴别肤色，对皮肤病变部位的颜色变化不能十分准确的表达出来。对于难以形容的各种各样的肤色，皮肤科医生也只能根据经验进行诊断。在诊断和治疗效果的评价方面，皮肤科医生即使很熟练，但也只能主观地做出判断，缺乏客观性和科学性。

其次，光谱光度测色仪器反映灵敏，重复性好，存储量大，有十余种表色空间，有标准RS232C接口可与电脑连接，并可显示反射光谱和进行颜色仿真重建，但仿真的效果较差。

此外，光电积分测色仪没有单色仪，不能显示反射光谱和进行颜色仿真，而且病变面积小于探头直径时如色素痣等，测量结果就不准确。

因此，为了解决以上问题，需要提供一种安全且精度高的皮肤肤色的评价方法——通过图像传感器采集皮肤图像，对皮肤图像进行消噪等预处理，将皮肤图像的RGB模型分别转换为HSI颜色模型和Lab颜色模型，计算皮肤肤色综合评价值，实现对皮肤肤色的客观定量评价。

发明内容

本发明的目的是为了解决以前的皮肤肤色评价方法中存在的安全性、测量精度和灵敏度不甚理想以及检测速度慢等问题。首先本发明通过图像传感器采集皮肤图像，将皮肤图像的RGB模型分别转换为HSI颜色模型和Lab颜色模型，计算皮肤肤色综合评价值，实现对皮肤肤色的客观定量评价。其次，为了进一步提高对肤色的描述精度，应对皮肤图像进行预处理，消除细微毛发等对皮肤肤色的影响，实现对皮肤肤色特征进行定量分析，实现对皮肤状态的科学评价。

本发明提供一种新的皮肤肤色评价方法，主要包括以下七个步骤：

步骤一、实验图像采集；

由CCD摄像机采集符合要求的皮肤图像。

步骤二、对皮肤图像进行预处理；

预处理的目的是消除皮肤上细小的毛发对图像的局部的影响以及对皮肤肤色的影响，使皮肤肤色状态的评价更客观、科学。

步骤三、获取图像的R、G、B值；

绝大部分的可见光谱可以用红、绿、蓝(即Red Green Blue)三色光按不同比例和强度的混合来表示。因为R、G、B颜色等量合成产生白色、也称它们为加色三原色，虽然只是自然界中可见光的一部分,但足以复制千变万化的各种皮肤颜色，可重现多达1670万种颜色。大多数扫描仪和所有的显示器的呈色空间都是RGB模式。RGB模型给彩色图像中每个像素的R、G、B分量分配一个从0(黑)到255(白)范围的强度值。例如,一种明亮的红色可能R值为46，G值为20，B值为50。当三种分量的值相等时，结果是灰色。当所有分量的值都是255时，结果是纯白色；而当所有值都是0时，结果是纯黑色。

步骤四、将RGB模型转换为HSI颜色模型；

人眼的颜色知觉主要包括三个要素：即色调(Hue)、饱和度(Saturation)和亮度(Intensity)。色调指光的颜色，不同波长的光呈现不同的颜色，具有不同的色调，发光物体的色调(Hue)取决于它产生的辐射光谱的分布特征；不发光物体的色调则由它的吸收、反射、透射和照明光源的特性所共同决定。饱和度(Saturation)是指颜色的深浅或浓淡程度。饱和度的深浅与颜色中加入白色的比例有关，一种纯颜色中加入的白色成分越多，则其饱和度越低，因而饱和度反映了某种颜色被白色冲淡的程度。白色成分为0，则饱和度为100％；只有白色，则饱和度为0。亮度(Intensity)就是人眼感觉到的光的明暗程度。光波的能量越小，亮度就越小，I＝0表示黑色。颜色的色调和饱和度说明了颜色的深浅，合称为色度。色度是色彩的本质，所以人们使用色度模型进行人脸跟踪、检测和识别时往往忽略其亮度分量。

在对色彩信息的利用中，HSI格式的优点在于它将亮度I与反映色彩本质特性的两个参数：色调H和饱和度S分开。提取一类物体在色彩方面的特性时，经常需要了解其在某一色彩空间的聚类特性，而这一聚类特性往往体现在色彩的本质特性上，而又经常受到光照明暗等条件的干扰影响。光照明暗给物体颜色带来的直接影响就是亮度分量I，所以若能将亮度分量从色彩中提取出去，而只用反映色彩本质特性的色调、饱和度来进行聚类可以获得较好的效果。这也正是HSI格式在彩色图像处理和机器视觉的研究中经常被使用的原因。例如，可以对色调设定一定的阈值范围很容易区分开不同的物体，但是在RGB空间里却很难设定这样的一个阈值。在图像的光照不均匀的情况下，如图像中有阴影时，利用色调分割尤其有效。因为色调值独立于灰度值，灰度改变时，色调的值仍然是比较稳定的。而且色调分量对于一定类型的高光，遮挡和阴影，都具有不变性，而且，一维的色调分割的计算复杂度比三维的RGB空间更简便。

步骤五、将RGB模型转换为Lab颜色模型；

同RGB颜色空间相比，L^*a^*b^*颜色设计为与设备无关；不管使用什么设备(如显示器、打印机、计算机或扫描仪)创建或输出图像，这种颜色模型产生的颜色都保持一致。Lab是CIE(国际照明委员会)在1931年制定的颜色度量国际标准的基础上建立起来的。1976年，经修改后被正式命名为CIELab。CIE也是一种基于生理特征的颜色系统，是用数字化的方法来描述人类的视觉感应。L^*a^*b^*颜色由亮度或光亮度分量(L)和两个色度分量组成；L代表明度，a代表物体在红绿色轴上的颜色分布情况，b代表物体在黄蓝色轴上的颜色分布情况。

用L^*a^*b^*颜色模型可解决在颜色负值过程中因使用不同的显示器或不同的印刷设备(打印机)而引起的颜色可变性问题，易于产生一致的颜色,而不管用户使用的是何种设备(例如显示器、扫描仪或计算机)。L^*a^*b^*色域包含了RGB和CMYK的全部颜色,它是一种包含所有颜色的标准化颜色模型。使用L^*a^*b^*颜色，可以保证在创建统一的颜色文件时，与创建或输出(打印)的设备无关。Lab颜色空间中，L分量用于表示像素的亮度，取值范围[0,100]，表示从纯黑到纯白；a表示从红色到绿色的范围，取值[127,-128]；b表示从黄色到蓝色的范围，取值[127,-128]，Lab颜色空间比计算机显示器、打印机甚至比人类视觉的色域都要大。

L^*a^*b^*颜色空间是以数字化方式来描述人的视觉感应，与设备无关，所以它弥补了RGB和CMYK模式必须依赖于设备色彩特性的不足。图1所示为Lab颜色空间的图示。

L^*a^*b^*空间的优点是当颜色的色差大于视觉的识别阈值(恰可察觉)而又小于孟塞尔系统中相邻两极色差时,可以较好地反映物体色的心理感受效果。目前该表色系统已广泛应用于皮肤和口腔领域，利用Lab色度值准确描述皮肤的颜色。L值直接反映肤色的深浅或黑白，L值越大，皮肤越白皙；a表示红色的程度，也间接反映血红蛋白浓度的高低，a值越大，肤色越红；b值与日晒有关，b值越大，肤色越黄。研究表明，中国人群颌面部肤色的Lab参数呈正态分布，其95％正常值范围跨度较大，分别为L:51.34～65.34；a:6.05～14.59；b：14.32～20.74。

步骤六、将数据标准化；

为统一数据的大小，将数据进行标准化处理。

步骤七、得到皮肤评价结果。

综上所述，在以往研究的单一Lab颜色模型的基础上，加入HSI颜色模型，将两种颜色模型进行融合获取皮肤的肤色状态会取得基本一致的评价效果，且评价更加全面。

本发明的优点在于：

1.本发明是采用图像分析方法，实现对皮肤肤色的评价，避免了对皮肤的刺激、伤害，达到了安全、有效的皮肤肤色评价。

2.本发明提出一种新的皮肤肤色评价算法，基于HSI和Lab混合颜色模型的皮肤肤色评价方法。基于混合颜色模型的特征值可真实、客观的反映皮肤的状态和物理特征，可实现对皮肤肤色状态的定量分析与评价，其评价结果与基于单一Lab颜色模型的评价结果的趋势基本一致，也与人类对皮肤的肤色评价的趋势基本一致，而且该评价方法消除了生化评价方法的繁琐和麻烦，也消除了视觉感官评价的不确定和模糊性，实现了定量、快速、科学、便捷的评价方法，可用于对皮肤的肤色进行定量分析和评价。

附图说明

图1为Lab颜色模型空间的图示；

图2为本发明提供的基于HSI和Lab混合颜色模型的皮肤肤色评价方法流程图；

图3(a)--图3(h)为采用图像传感器采集的皮肤图像，选取其中的8张皮肤图像；

图4为综合评价指标计算结果排序图；

图5为综合评价指标计算结果与单一指标计算结果的对比趋势曲线图。

具体实施方式

下面结合附图和实施例对本发明进行详细说明。

本发明提供一种通过图像传感器采集皮肤图像，对皮肤图像进行消噪等预处理，将皮肤图像的RGB模型分别转换为HSI颜色模型和Lab颜色模型，计算皮肤肤色综合评价值，实现对皮肤肤色的客观定量评价的方法，如图2所示流程，具体包括如下步骤:

步骤一、实验图像采集；

由CCD摄像机采集符合要求的皮肤图像。

步骤二、对皮肤图像进行预处理；

预处理的目的是消除皮肤上细小的毛发对图像的局部的影响以及对皮肤肤色的影响，使皮肤肤色状态的评价更客观、科学。

步骤三、获取图像的R、G、B值；

RGB颜色空间是摄像机和显示器上使用的面向硬件设备的颜色空间，颜色的构成是由R、G、B三基色混合而成的，因此(R，G，B)颜色空间是基本颜色空间。其他的颜色空间一般都可以利用公式从R、G、B进行转换。

步骤四、将RGB模型转换为HSI颜色模型；

HSI颜色模型反映了人的视觉系统感知色彩的方式，以色调、饱和度和亮度三种基本特征量来感知颜色。

H定义如下：

其中，R≠G或R≠B,若B>G则H＝2π-H

色调H(Hue)：色调又称为色相，是彩色彼此相互区分的特性，即红、黄、绿、蓝、紫等。它反映颜色的种类，是决定颜色的基本特性。不同波长的单色光具有不同的色调。

S定义如下：

饱和度S(Saturation):饱和度是指颜色的纯度，即色彩含有某种单色光的纯净程度，它可用来区别颜色的深浅程度。对于同一色调的彩色光，饱和度越深颜色越鲜明，即颜色越纯，例如鲜红色饱和度高，而粉红色的饱和度低。完全饱和的颜色是指没有掺入白光锁呈现的颜色，例如仅由单一波长组成的光谱色就是完全饱和的颜色。

I定义如下：

亮度I(Intensity):亮度是视觉系统对可见物体辐射或者发光多少的感知属性。它是光作用于人眼时所引起的明亮程度的感觉，与被观察物体的发光强度有关。由于其强度的不同，看起来可能会暗一些或亮一些。对于同一物体，照射光越强，反射光也越强，感觉越亮；对于不同的物体在相同的照射情况下，反射越强者看起来越亮。

步骤五、将RGB模型转换为Lab颜色模型；

Lab颜色模型是基于人对颜色的感觉，Lab中的数值描述正常视力的人能够看到的所有颜色。

L^*定义如下：

其中，

照度L(Luminosity):代表亮度，其值从0(黑)到100(白)，皮肤L^*值越大肤色越白。

a^*定义如下：

颜色通道a：a包括的颜色是从深绿色(低亮度值)到灰色(中亮度值)再到两粉红色(高亮度值)。

b^*定义如下：

式中，X,Y,Z为颜色样品的刺激值，L^*为心理明度，a^*、b^*为心理计量色度。X₀、Y₀、Z₀

为CIE标准照明体的三刺激值。

颜色通道b：b包括的颜色是从亮蓝色(低亮度值)到灰色(中亮度值)再到黄色(高亮度值)。

步骤六、将数据标准化。

步骤七、计算皮肤肤色综合评价值。

在此基础上提取出L分量进行分配系数求和等操作，然后再建立皮肤黑白度的评价标准，从而实现对于人体皮肤的肤色的检测评价。

Rin＝0.78×L+0.1×a^*+0.12×H (7)

通过得到的相关数据，进行皮肤肤色分析，最后得到皮肤肤色评价结果。

下面通过实施例进一步说明本发明的技术方案。

对皮肤图像进行预处理，将皮肤图像的RGB模型分别转换为HSI颜色模型和Lab颜色模型，计算皮肤肤色综合评价值，实现对皮肤肤色的客观定量评价的方法，进行如下实施：

步骤一、实验图像采集；

图3为采用图像传感器采集8张皮肤图像。

步骤二、皮肤图像的预处理；

步骤三、获取图像的R、G、B值；

步骤四、将RGB模型转换为HSI颜色模型；

步骤五、将RGB模型转换为Lab颜色模型；

步骤六、将数据标准化。

实验以采集的8幅皮肤图像为例进行计算(图3所示)，其计算结果如表1所示(包括HSI颜色模型中的H分量，Lab颜色模型中的L、a分量)。

表1为色泽特征参数计算结果

步骤七、计算皮肤肤色综合评价值。

表2综合指标与单一指标计算结果

为便于观察综合指标计算结果与单一Lab颜色模型的计算结果进行对比，根据综合评价计算模型，得出图3所示的8张皮肤图像的值并按肤色计算值进行排序，结果如图4所示。两种方法的对比效果图如图5所示。

通过两种结果的综合分析，图3所示的8幅图像，图3(b)皮肤肤色最白，图3(a)次之，图2(e)肤色最黑。

皮肤肤色综合评价指标Rin较好的反映了皮肤肤色的客观状态，同时，由于采集图像使用的是图像传感器，避免了对皮肤的伤害，实现了对皮肤状态快速、无损的客观评价。该评价结果与基于单一Lab颜色模型评价结果的趋势基本一致，该评价结果也与人类视觉评价结果的趋势基本一致。说明应用HIS和Lab混合颜色模型评价皮肤肤色符合实际情况，该评价方法客观、科学、合理，肤色状态反映了皮肤的组织和生理学特点。通过由表2的实验可看出，采用本方法计算皮肤肤色值，其评价效果跟人类视觉对皮肤肤色值的感官评价的趋势基本一致，具有良好的评价效果。

Claims (2)

1.基于HSI和Lab混合颜色模型的皮肤肤色评价方法，其特征在于：

步骤一、实验图像采集；

采用图像传感器采集皮肤图像；

步骤二、对皮肤图像进行预处理；

预处理的目的是消除皮肤上细小的毛发对图像的局部的影响以及对皮肤肤色的影响，使皮肤肤色的评价更客观、科学；

步骤三、获取图像的R、G、B值；

绝大部分的可见光谱可以用红、绿、蓝(即Red Green Blue)三色光按不同比例和强度的混合来表示；因为R、G、B颜色等量合成产生白色、也称它们为加色三原色，虽然只是自然界中可见光的一部分,但足以复制千变万化的各种皮肤颜色，可重现多达1670万种颜色；

步骤四、将RGB模型转换为HSI颜色模型；

HSI颜色模型反映了人的视觉系统感知色彩的方式，以色调、饱和度和亮度三种基本特征量来感知颜色；

步骤五、将RGB模型转换为Lab颜色模型；

Lab颜色模型是基于人对颜色的感觉，Lab中的数值描述正常视力的人能够看到的所有颜色；

步骤六、将数据标准化；

为统一数据的大小，将数据进行标准化处理；

步骤七、计算皮肤肤色综合评价值；

设计基于HSI和Lab混合颜色模型的皮肤肤色评价方法，计算综合评价指标值：

Rin＝0.78×L+0.1×a^*+0.12×H

其中，L为Lab颜色模型中的特征分量照度(Luminosity)，a^*为Lab颜色模型中的特征分量颜色通道a值，H为HSI颜色模型中的特征分量色调(Hue)。

2.根据权利要求书1所述的皮肤肤色评价方法，其特征在于：步骤七将Lab颜色模型中的特征分量照度(Luminosity)、Lab颜色模型中的特征分量颜色通道a值和HSI颜色模型中的特征分量色调(Hue)三个指标融合在一起，提出新的评价皮肤肤色的综合指标(Rin)，Rin＝0.78×L+0.1×a^*+0.12×H，根据图像工程的基本理论，基于单一Lab颜色模型的指标可以用于评价皮肤状态，但不能全面反映皮肤的肤色；通过对综合指标的计算结果进行分析，从三个不同特征分量综合评价皮肤特性；该评价结果与基于单一Lab颜色模型的评价结果的趋势基本一致，但是该计算方法更加全面，与此同时也与人类视觉评价结果的趋势基本一致。