肤色识别是数字图像的一个重要课题，现在已经有很多方法解决这个问题，其中不乏很多好的方法，但几乎都有各自的缺陷，很难达到完美，毕竟能否识别成功，识别是否精确取决于很多因素。
我做的是基于YUV空间和YQI空间的自适应光照的肤色识别，其原理非常简单，可以参考如下资料：
http://wenku.baidu.com/link?url=m01RY0xYaraGnOmWVSSthhuGZq-yuC_JuvCq9JknxLRaTpLWV9X_KhrF2f4XmnkHHgY8HB0ADy-YKFcoijBxj3KyWU-9YnjqcYlEcYoJdlC
不过这个文档有个地方有问题，在计算UV的相位角时，它的定义是:
Angle=arctan(|V|/|U|)
这样似乎是不对的，但是我在网上查了各种资料，都没有结果，不过根据我自己的推理，计算方法应该如下：
1.V>0 && U>0 //第一象限
Angle=arctan(V/U)*180/Pi;
2.V>0 && U<0//第二象限
Angle=180-arctan(|V|/|U|)*180/Pi;
3.V<0 && U<0//第三象限
Angle=180+arctan(|V|/|U|)*180/Pi;
4.V<0 && U>0//第四象限
Angle=360-arctan(|V|/|U|)*180/Pi;
根据我学的数学知识应该是这样没有错，不过这毕竟只是我个人的推理，若有错误请大家指出！
还有一个问题就是他的限定范围，他认为Angle值应该在[105,150],I值应该在[20,80],但这样得出效果并不怎么理想，有很多漏判和错判，虽然这是不可避免的！但还是可以改进的，这里我的解决办法是利用OpenCV的人脸识别，识别出人脸后再缩放在特定的区域（眼睛下面与嘴的上面那部分），在计算这部分的Angle值与I值得平均值，然后在动态放大
，这样识别效果就会好很多了！
下面是该算法的核心部分
//SkinIdentify.h
typedef unsigned char byte;
class SkinIdentify
{
public:
SkinIdentify(void);
virtual ~SkinIdentify(void);
void Run(byte *pSrcR,byte *pSrcG,byte *pSrcB,int Height,int Width,byte *pDstRGBData,byte *pDstRGBData1,byte *pDstRGBData2,int AngleMin,int AngleMax,int IMin,int IMax,float *pfAngle,float *pfI);
void RunAgain(int Height,int Width,byte *pDstRGBData,byte *pDstRGBData1,byte *pDstRGBData2,int AngleMin,int AngleMax,int IMin,int IMax,float *pfAngle,float *pfI);
void CalAvgAI(byte *pSrcR,byte *pSrcG,byte *pSrcB,int Height,int Width,float &AvgA,float &AvgI);
private:
void GammaAdjust(byte *pGray,float * pGamma,int Height,int Width);
};
//SkinIdentify.cpp
#include "StdAfx.h"
#include "SkinIdentify.h"
#include <cmath>
#define Pi 3.1416
SkinIdentify::SkinIdentify(void)
{
}
SkinIdentify::~SkinIdentify(void)
{
}
void SkinIdentify::Run(byte *pSrcR,byte *pSrcG,byte *pSrcB,int Height,int Width,byte *pDstRGBData,byte *pDstRGBData1,byte *pDstRGBData2,int AngleMin,int AngleMax,int IMin,int IMax,float *pfAngle,float *pfI)
{
//Gamma矫正
float *pGammaR=new float[Height*Width];
float *pGammaG=new float[Height*Width];
float *pGammaB=new float[Height*Width];
GammaAdjust(pSrcR,pGammaR,Height,Width);
GammaAdjust(pSrcG,pGammaG,Height,Width);
GammaAdjust(pSrcB,pGammaB,Height,Width);
//YUV与YQI空间的结合判断
float U,V,Angle,I;
float *pR=pGammaR,*pG=pGammaG,*pB=pGammaB;
float Imin=IMin*1.0,Imax=IMax*1.0;
float Amin=AngleMin*1.0,Amax=AngleMax*1.0;
for(int i=0;i<Height;i++)
{
for(int j=0;j<Width;j++)
{
U=(-0.147)*pGammaR[j]-0.289*pGammaG[j]+0.436*pGammaB[j];
V=0.615*pGammaR[j]-0.515*pGammaG[j]-0.100*pGammaB[j];
//计算相位角
if (U==0)
Angle=0;
else
Angle=atan(abs(V/U));
if(V>0&&U<0)
Angle=180-Angle*180/Pi;
else if(V<0&&U<0)
Angle=180+Angle*180/Pi;
else if(V<0&&U>0)
Angle=360-Angle*180/Pi;
//计算I值
I=0.596*pGammaR[j]-0.274*pGammaG[j]-0.322*pGammaB[j];
pfAngle[j]=Angle;//将Angle值保存，方便改变参数时直接调用RunAgain函数
pfI[j]=I; //同上
//YUV空间的效果
if (Angle>=Amin && Angle <=Amax)
{
pDstRGBData[j]=1;
}
else
{
pDstRGBData[j]=0;
}
//YQI空间的效果
if(I>=Imin&&I<=Imax)
{
pDstRGBData1[j]=1;
}
else
{
pDstRGBData1[j]=0;
}
//结合的效果
if(Angle>=Amin && Angle <=Amax &&I>=Imin&&I<=Imax)
{
pDstRGBData2[j]=1;
}
else
{
pDstRGBData2[j]=0;
}
}
pSrcR+=Width;
pSrcG+=Width;
pSrcB+=Width;
pGammaR+=Width;
pGammaG+=Width;
pGammaB+=Width;
pfAngle+=Width;
pfI+=Width;
pDstRGBData+=Width;
pDstRGBData1+=Width;
pDstRGBData2+=Width;
}
delete[] pR;
// pGammaR=NULL;
delete[] pG;
//pGammaG=NULL;
delete [] pB;
// pGammaB=NULL;
}
void SkinIdentify::GammaAdjust(byte *pGray,float * pGamma,int Height,int Width)
{
float a=0.5;
float x0=80.0,x1=175.0,x,y,cosx,Gammax;
for (int i=0;i<Height;i++)
{
for(int j=0;j<Width;j++)
{
x=(float)pGray[j];
if(x>=0.0&&x<=x0)
{
y=Pi*x/(2.0*x0);
}
else if(x>x0&&x<=x1)
{
y=Pi/2.0;
}
else
{
y=Pi-(Pi*(255.0-x))/(2.0*(255-x1));
}
cosx=cos(y);
Gammax=1.0+a*cosx;
pGamma[i*Width+j]=255*pow(((x*1.0)/255),1.0/Gammax);
}
pGray+=Width;
}
}
void SkinIdentify::RunAgain(int Height,int Width,byte *pDstRGBData,byte *pDstRGBData1,byte *pDstRGBData2,int AngleMin,int AngleMax,int IMin,int IMax,float *pfAngle,float *pfI)
{
//要调用这个函数必须先调用Run函数得到图片的相位角值与I值才行
//而计算方法与Run函数几乎一致
float Angle,I;
float Imin=IMin*1.0,Imax=IMax*1.0;
float Amin=AngleMin*1.0,Amax=AngleMax*1.0;
for(int i=0;i<Height;i++)
{
for(int j=0;j<Width;j++)
{
Angle=pfAngle[j];
I=pfI[j];
if (Angle>=Amin && Angle <=Amax)
{
pDstRGBData[j]=1;
}
else
{
pDstRGBData[j]=0;
}
if(I>=Imin&&I<=Imax)
{
pDstRGBData1[j]=1;
}
else
{
pDstRGBData1[j]=0;
}
if(Angle>=Amin && Angle <=Amax &&I>=Imin&&I<=Imax)
{
pDstRGBData2[j]=1;
}
else
{
pDstRGBData2[j]=0;
}
}
pfAngle+=Width;
pfI+=Width;
pDstRGBData+=Width;
pDstRGBData1+=Width;
pDstRGBData2+=Width;
}
}
void SkinIdentify::CalAvgAI(byte *pSrcR,byte *pSrcG,byte *pSrcB,int Height,int Width,float &AvgA,float &AvgI)
{
//此函数用于对人脸识别锁定的区域计算其平均相位角值与I值
//计算方法与Run函数几乎一致
float *pGammaR=new float[Height*Width];
float *pGammaG=new float[Height*Width];
float *pGammaB=new float[Height*Width];
GammaAdjust(pSrcR,pGammaR,Height,Width);
GammaAdjust(pSrcG,pGammaG,Height,Width);
GammaAdjust(pSrcB,pGammaB,Height,Width);
float U,V,Angle,I;
float *pR=pGammaR,*pG=pGammaG,*pB=pGammaB;
for(int i=0;i<Height;i++)
{
for(int j=0;j<Width;j++)
{
U=(-0.147)*pGammaR[j]-0.289*pGammaG[j]+0.436*pGammaB[j];
V=0.615*pGammaR[j]-0.515*pGammaG[j]-0.100*pGammaB[j];
if (U==0)
Angle=0;
else
Angle=atan(abs(V/U));
if(V>0&&U<0)
Angle=180-Angle*180/Pi;
else if(V<0&&U<0)
Angle=180+Angle*180/Pi;
else if(V<0&&U>0)
Angle=360-Angle*180/Pi;
I=0.596*pGammaR[j]-0.274*pGammaG[j]-0.322*pGammaB[j];
AvgI+=I;
AvgA+=Angle;
if(Angle<1)
int a=1;
}
pGammaR+=Width;
pGammaG+=Width;
pGammaB+=Width;
}
AvgA/=(Height*Width);
AvgI/=(Height*Width);
delete[] pR;
delete[] pG;
delete [] pB;
}
下面是识别效果
//原图
//YUV空间效果
YQI空间的效果
//结合效果
其实这幅图效果并不好，不过也能看到YUV与YQI的各自缺陷，YUV无法识别棕黑色，YQI则无法识别偏红的颜色，而综合还是不错的！
原文地址：http://blog.csdn.net/alop_daoyan/article/details/41923761
