深度学习AI美颜系列---肤色相似度计算（CIELAB色差计算）

深度学习AI美颜系列---肤色相似度计算（CIELAB色差计算）

 

 

在AI美颜中，经常会用到肤色相似度计算，如何实现这个算法？

步骤如下：

1，人脸皮肤分割；

2，对人脸皮肤分割结果进行LAB颜色空间转换；

3，设立预置肤色分类卡，记录每种肤色的LAB值；

4，根据当前用户人脸皮肤区域的LAB值，与预置肤色卡中的每种肤色LAB进行CIELAB色差计算，色差最小的，即为最接近的肤色；

这里总结一下CIELAB色差计算的两种方式如下：

1、1976-CIELAB

CIELab是CIE的一个颜色系统，表色体系，基于CIELab的意思是基于这个颜色系统之上，基本是用于确定某个颜色的数值信息。

Hunter 1948 L, a, b色彩空间的坐标是L, a和b。但是，Lab经常用做CIE 1976 (L*, a*, b*)色彩空间的非正式缩写（也叫做CIELAB，它的坐标实际上是L*, a*和b*）。

LAB颜色空间是基于人眼对颜色的感知，可以表示人眼所能感受到的所有颜色。L表示明度，A表示红绿色差，B表示蓝黄色差。

三个基本坐标意义：

1. 颜色的亮度（L*, L* = 0生成黑色而L* = 100指示白色），
2. 红色／品红色和绿色之间的位置（a*负值指示绿色而正值指示品红）
3. 黄色和蓝色之间的位置（b*负值指示蓝色而正值指示黄色）。

CIELAB是均匀的颜色空间，所谓均匀是当数值均匀变化时，人的感官也是均匀变化； 在L*a*b* 模型中均匀改变对应于在感知颜色中的均匀改变。

所以在L*a*b* 中任何两个颜色的相对感知差别，可以通过把每个颜色处理为（有三个分量：L*, a*, b* 的）三维空间中一个点来近似，并计算在它们之间的欧几里得距离。

L*a*b* 空间中的两个颜色的欧几里得距离是ΔE（“Delta E”，ΔE*ab）。

2、CIEDE2000

CIEDE2000色差公式主要对CIE94公式做了如下几项修正：

• 重新标定近中性区域的a*轴，以改善中性色的预测性能；
• 将CIE94公式中的明度权重函数修改为近似V形函数；
• 在色相权重函数中考虑了色相角，以体现色相容限随颜色的色相而变化的事实；
• 包含了与BFD和Leeds色差公式中类似的椭圆选择选项，以反映在蓝色区域的色差容限椭圆不指向中心点的现象;
• CIEDE2000色差公式如下：

计算步骤：

①计算CIELAB公式中的L*、a*、b*、C*ab

②计算L‘、a‘、C‘、h‘

③计算△L‘、△C‘ab、△H‘ab

④计算SL、SC、SH和T

过程简单，很容易即可实现人脸肤色判断；

代码大家可以自行编写，不在累赘；