基于高斯模型的肤色概率计算方法

mickey0380

于 2025-05-12 06:30:00 发布

阅读量1.5k

点赞数 46

分类专栏：系统调用文章标签：人像美颜算法肤色概率计算PDF

本文链接：https://blog.csdn.net/mickey2007/article/details/147858547

版权

系统调用专栏收录该内容

37 篇文章

订阅专栏

1 概述

美颜的核心是磨皮，而磨皮的对象是人像照片中的皮肤区域。因此，皮肤检测至关重要。

皮肤检测算法一直以来是业界研究的热点，在工业和医疗中应用广泛。针对我们关注的美颜磨皮技术，能否避开头发、衣服等物品的干扰，能否实现视频流处理，都与皮肤检测的精度与速度息息相关。前文我们已经讲述了各种保边滤波算法，实际上，使用这些滤波算法处理人像的皮肤区域，就是我们所说的磨皮。

目前，皮肤检测主要可以归纳为一下几种方法：

- 基于颜色空间的皮肤检测算法
- 基于随机森林决策树以及SVM的皮肤像素分类算法
- 基于Deep Learning的皮肤区域分割算法

表1 皮肤检测/分割方法优劣对比表

皮肤检测/分割算法	速度	精度
颜色空间法	最快（基本不耗时）	最低（误检和少检率高）
皮肤像素分类法	慢	高
DL皮肤区域分割法	快（可实时）	最高

美颜项目在实际应用中往往要求皮肤检测既要准确又要高效，尤其是随着短视频应用的迅速崛起，高清视频实时处理已经成为流行趋势，能否在实时处理中应用皮肤检测算法，对于美颜效果至关重要。

对照表1，在三大类检测方法中，基于颜色空间法速度最快，算法复杂度最低，精度也最低，但对于视频实时处理场景可以接受，因此，在视频实时处理中流行最广，目前大多数手机中的美颜应用都使用的是这种方法；皮肤像素分类法，速度慢，精度与DL皮肤区域分割法差距较大，只考虑了像素颜色特征，误检较多，因此，在DL皮肤区域分割法流行之前，基于用于处理照片检测；相对而言，DL皮肤区域分割法由于结合了像素颜色、空间位置和纹理特征，精度可以达到95%以上，随着GPU优化的深入，实时处理也不再试问题。因此，这类方法将是以后美颜算法应用的发展趋势。

本文我们主要介绍颜色空间法----基于高斯模型的肤色概率计算方法。

2 基于高斯模型的肤色概率计算方法

在实际应用中，由于基于颜色空间的肤色区域检测，无法准确检测出人像的皮肤区域，比如在光线多变以及在很多情况下，皮肤区域和非皮肤区域的判断，很难通过一个具体的阈值来决定。因此，为了追求更加自然逼真的磨皮效果，往往需要对全图进行肤色的概率衡量。对于一个像素值，不再通过某个设定阈值来决定它是否是皮肤，而是通过先验概率来映射，越接近肤色，那么就意味着它的类肤色概率越大，磨皮程度就越大，反之，类肤色概率越小，磨皮程度也越小。

2.1 算法步骤

基于高斯模型的肤色概率计算方法基于以下核心假设：肤色像素在特定颜色空间（如YCbCr）中的分布符合多元高斯分布。这种方法主要包含两个阶段：训练阶段和检测阶段。

训练阶段：

（1）准备各类肤色的样本集，在YCbCr颜色空间内，统计样本集Cb和Cr分量对应的均值和方差

（2）在YCbCr颜色空间内，对Cb和Cr分量分别构建简单高斯模型，每一种高斯模型构建如下所示

$G_{c_b}(x_{c_b})=e^{-\frac{(x_{c_b}-\mu_{c_b})^2}{2\sigma_{c_b}}}$

$G_{c_r}(x_{c_r})=e^{-\frac{(x_{c_r}-\mu_{c_r})^2}{2\sigma_{c_r}}}$

其中 $x_{c_b}$ 表示像素x对应的Cb分量， $x_{c_r}$ 表示像素x对应的Cr分量。

注意：样本集的质量会影响最终的概率。

检测阶段：未知像素P属于肤色的概率PDF计算如下：

$PDF(x) = G_{c_b} * G_{c_r} * 2.0$

2.2 代码实现

float Gaussian(float x, float mean, float var)
{
	float t = -0.5f * (x - mean) * (x - mean) / var;
	return exp(t);
}

float GetPDF(int R, int G, int B, float meanCb, float varCb, float meanCr, float varCr)
{
	int Y, Cb, Cr;
	RGBToYCbCr(R, G, B, &Y, &Cb, &Cr);
	float pcb = Gaussian((float)Cb, meanCb, varCb);
	float pcr = Gaussian((float)Cr, meanCr, varCr);
	return 2.0f * pcb * pcr;
};

int mxSkinPDF(unsigned char* srcData, int width, int height, int stride)
{
	int ret = 0;
	float sum = 0, mean = 0, variance = 0;
	unsigned char* pSrc = srcData;
	for (int j = 0; j < height; j++)
	{
		for (int i = 0; i < width; i++)
		{
			//default setting is computed using special skin data.
			//meanCb-varCb:102-196
			//meanCr-varCr:143-196
			int gray = CLIP3(GetPDF(pSrc[2], pSrc[1], pSrc[0], 102, 196, 143, 196) * 255.0f, 0, 255);
			pSrc[0] = pSrc[1] = pSrc[2] = gray;
			pSrc += 4;
		}
	}
	return ret;
};