基于CIELAB顏色模型的數字照片背景色替換

胡蘇陽　黃水源　陳智毅

1(南昌大學信息工程學院　江西 南昌 330031)2(江西省人力資源和社會保障廳信息中心　江西 南昌 330030)

?

基于CIELAB顏色模型的數字照片背景色替換

胡蘇陽1黃水源1陳智毅2

1(南昌大學信息工程學院江西 南昌 330031)2(江西省人力資源和社會保障廳信息中心江西 南昌 330030)

摘要利用數字圖像處理技術對通過掃描儀獲取的圖片進行處理以獲得其中的數字照片是日常數據采集工作中很常見的一種手段。首先進行彩色照片區域的分割以得到沒有傾斜的照片區域。底色替換階段先使用k-means算法計算出照片的背景顏色值，然后計算灰度值掩模，之后與純白色進行混合得到替換結果。最后進行縮放、填補、裁切，從而完成整個處理過程。實驗表明，該方法具有很高的實用性,并且實現簡單。現階段該方法僅使用了像素點的顏色信息，今后將改進加入像素點的空間位置信息，以提高處理成功率。

關鍵詞照片背景色替換k-means算法灰度值掩模CIELAB顏色空間

0引言

紙質申請表的右上方固定矩形區域內粘貼有彩色照片，經掃描儀掃描得到整張申請表的數字圖片。利用數字圖像處理技術對掃描得到的申請表數字圖片進行處理，將分割后的照片的背景替換為白色，得到符合要求的申請人的數字照片。這種照片數據采集模式被廣泛應用于公安、人事部門。本文所討論的方法是基于CIELAB顏色空間下顏色間的距離來完成人頭像部分的分割，再進一步處理之后得到符合要求的數字照片。

CIELAB顏色空間在生產和生活中有著廣泛的應用。許莉等提出了一種基于Lab顏色空間的運動目標檢測方法。他們選擇Lab三通道的顏色特征作為前景/背景的分類特征,將亮度與反應色彩本質的色度分開處理,得到每個像素在各個通道的不同信息,然后采用背景差和幀差結合的差分檢測模型分別進行背景更新處理,最后再進行背景差分得到運動目標[1]。楊飚等基于Lab顏色空間，完成了雙行車牌的定位。他們提出的方法能快速而精準地對雙行車牌進行定位，受光線、背景等干擾因素影響較少，而且可以對臟牌、污牌進行準確的定位[2]。姜繼春等對在Lab、LUV、YCbCr以及YIQ顏色空間下進行手寫體文字圖像聚類效果的分析比較，發現在Lab顏色空間下對手寫體文字具有較好的提取效果,有利于后續的文字識別[3]。

1應用背景

江西省社會保障卡信息中心需要對在系統中缺失照片的參保人進行數字照片采集工作，現擬定如下方案：系統生成與某個參保人相對應的唯一序列號，打印軟件生成與序列號對應的Code39條形碼圖案，與參保人的個人信息一起按照制定的格式打印成紙質申請表。在下發給參保人并粘貼照片后進行回收，工作人員再使用高速彩色掃描儀對申請表進行掃描，得到整張申請表的數字圖片。利用基于數字圖像處理技術編制的軟件，完成條形碼的識別，以及參保人粘貼的照片的處理。盡管這是一個特定的應用場合，但這種照片數據的采集方式在生產生活中具有廣闊的應用場合。

本算法的流程圖和照片處理部分的模塊圖如圖1所示。本文算法是在CIELAB顏色空間下，計算灰度值掩模，并應用到背景色替換過程中。本文提出的處理算法已經在OpenCV庫的基礎上進行了實現，并成功應用到江西省社會保障卡的照片采集工作中，實現了照片的背景替換，大大加快了照片采集工作進度，節約了人力資源。本算法由于利用灰度值掩模對照片進行背景色替換，相對于利用二值掩模，在背景色和人物頭像鄰接區域能取得更好的處理效果，從而提高了處理成功率。

整個軟件處理階段的工作主要由兩個部分構成：申請表上條形碼的識別和照片的處理。條形碼的值是與申請人一一對應的，成功識別條形碼后便與申請人粘貼的照片進行關聯。目前已經有公司提供成熟可靠的商業庫來完成圖片中條形碼的識別，比如說Inlite Research公司開發的ClearImage Barcode 1D Pro，支持對圖片質量低、有傾斜、缺損的條形碼的識別[4]。ZBar是一套支持從多種數據源讀取條形碼的開源軟件套裝，它可從視頻流、圖片、原始亮度感應器中讀取條形碼值，具有靈活、高效、代碼精簡、跨平臺等特性[5]。照片處理部分需要完成的工作為：利用數字圖像處理技術處理掃描得到的申請表圖片，獲得滿足條件的申請人的數字照片。處理后得到的照片需滿足卡商制卡的照片要求，即照片空間大小為358×441像素，背景色為白色的數字照片。由于第一部分的工作已經有成熟可靠的庫完成了條形碼的識別工作，本文對余下部分的照片處理部分進行論述。

圖1　算法流程圖和照片處理部分模塊圖

2處理流程

2.1整體結構

整個照片處理階段的流程分為3個子模塊，其中彩色照片區域分割子模塊完成對照片實際區域的分割；底色替換子模塊完成照片背景色的替換；縮放填補裁切子模塊對照片進行變換以滿足大小要求。本文提出的基于灰度值掩模的背景色替換算法，作用于底色替換模塊。在底色替換階段，利用計算得到的灰度值掩模對照片的背景色進行替換，可以達到比二值掩模更好的處理效果。

對A4紙的申請表，經掃描儀掃描得到整張申請表的數字圖片記為G，Ga為包含照片區域的一個較小的矩形區域。如圖2所示：

圖2　整體結構

先對Ga進行形態學閉操作處理以去除彩色照片附近的細線或污點，獲得照片的實際區域,之后進行仿射變換得到沒有歪斜的照片區域Gb。對Gb進行背景色替換操作得到白底照片Gc。最后進行縮放、填補、裁切操作以得到處理結果Gd。本文的其他部分均延續上述記法。

2.2彩色照片區域分割

針對某種固定設計的申請表，如果以固定的分辨率進行掃描，粘貼彩色照片的區域一定包含于某個位置和大小相對固定的矩形的子圖像區域內，即Ga。本階段的工作是將照片部分從整張掃描得到的圖片中分割出來，以方便之后的處理工作。

在Ga中由于照片周圍可能存在著申請表的分隔線以及申請人的筆跡和污點等低亮度值像素，且這些像素區域相對于照片區域顯得細且小，所以在對Ga以亮度二值化后進行形態學閉操作后可以腐蝕掉這些像素[6]。申請人可能在粘貼照片時照片出現不同程度的傾斜，在掃描時紙張的傾斜都可能導致照片區域的傾斜。在進行下一步處理之前，需要對傾斜的照片進行校正。盡管照片區域可能出現傾斜，但照片區域仍然是一個矩形。可以先計算這個區域的最小外接矩形即照片區域，然后將這個外界矩形旋轉到沒有傾斜。本處理階段完成后，得到的圖片Gb作為輸入進行底色替換。

如圖3(a)所示，為了得到彩色照片的實際區域，必須先將周圍存在的申請表照片周圍的細線去除掉。對二值化后的圖像進行形態學閉操作之后，得到的圖片如圖3(c)所示，可以發現細線部分已經去除。注意照片區域右下角不規則的高亮度部分，但在這張圖片中不影響最小外接矩形的計算。這也是本處理方法的一個缺點，如果在照片中申請人穿淺色衣物，造成照片區域出現高亮度值區域，那么依據亮度值的形態學閉操作計算得到的照片區域可能與實際照片區域有偏差。照片的最小外接矩形的四個頂點以小圓圈示于圖3(d)中。根據計算得到的外接矩形的坐標將照片區域旋轉到沒有傾斜的照片區域即Gb，如圖3(e)所示。

圖3　彩色照片區域分割

2.3底色替換

本文所使用的方法在Lab顏色空間下根據每個像素與背景色的距離，進行計算得到一個值在[0,255]范圍內的灰度掩模。使用這個掩模將Gb映射為白底目標的照片Gc。大致的處理思想為：在一個較小的取樣區域內利用k-means聚類算法計算得到某張照片的背景色。通過計算每個像素在CIELAB顏色空間下和背景色的距離，生成一個灰度值掩模。再利用建立的灰度值掩模完成背景色的替換工作。

2.3.1背景色的計算

圖4　取樣區域

CIE L*a*b*(CIELAB)是慣常用來描述人眼可見的所有顏色的最完備的色彩模型。不像RGB和CMYK色彩空間，Lab顏色被設計來接近人類視覺[7，8]。由于本任務需要將背景色替換為白色，CIELAB適合衡量兩種顏色之間的距離，且與人眼判定顏色差別一致，故CIELAB顏色空間特別適合本任務的需求。由于證件照中前景像素分布的特點，照片區域左上方的區域通常都是背景區域。可以將照片區域左上方的一個矩形區域作為取樣區域，對落在取樣區域內的像素點的顏色值進行k-means聚類[9，10]，選取數目最多的一個類的中心作為背景色的值。由于照片邊緣可能出現污染，表面不均勻造成掃描后圖片的雜色，取樣矩形相對于照片區域左上方頂點在水平和垂直方向有較小的偏移值。取樣區域的位置示意如圖4所示，左上方的矩形區域為設定的取樣區域。

對取樣區域內的像素點的顏色值進行k-means聚類，結果得到k(我們取k=5)個類集合S={S1,S2,…,Sk}和與類對應的類中心μ={μ1,μ2,…,μk} 。那么有:

(1)

B=μp

(2)

其中p為聚類元素最多的類的標號，B為背景顏色向量。

2.3.2灰度值掩模的建立

在上一步計算得到了圖片背景色B之后，需要計算一個空間大小與Gb一致、每個像素的取值范圍為[0,255]的灰度值掩模M(x,y)。這個掩模M(x,y)決定了Gb中原始像素映射到Gc中的值。我們先定義在Lab顏色空間下兩種顏色的距離，采用Euclidean距離，則有:

(3)

其中a、b為兩種顏色向量，ak、bk為Lab顏色空間下每個分量的值。定義灰度值掩模M(x,y)如下：

(4)

D=D(Gb(x,y),B)

(5)

其中(x,y)為像素的空間坐標，D即在Lab顏色空間下照片像素顏色與背景顏色B的距離。tl與tu為兩個選定的閾值，0≤tl

1 //

2 //計算灰度值掩模

3 //

4 void GenerateGrayMask(const Mat& labMat,

5 Mat& mask_gray, Vec3b bk, int tl, int tu)

6 {

7 Mat_ _Ilab = labMat;

8 mask_gray = Mat::zeros(labMat.size(),

9CV_8UC1);

10 for (int i = 0; i < _Ilab.rows; ++i)

11for (int j = 0; j < _Ilab.cols; ++j){

12double diff=

13Distance(_Ilab(i,j), bk);

14if ( diff< tu){

15if (diff < tl)

16mask_gray.at(i,j)= 255;

17else

18mask_gray.at(i,j)=

19(uchar)(255-255*(diff - tl)/(tu - tl));

20}

21}

22 }

初步計算得到的灰度值掩模可能在頭像的內部存在孔洞(如嘴唇顏色與背景色接近等情況)，使用區域填充算法對孔洞進行填充以消除該影響。對于實際頭像區域外，與背景色差別D>tl的區域，它們的區域面積相對于實際頭像區域的面積小很多，所以實際的頭像區域為計算得到的灰度值掩模中面積最大的連通區域。

圖5　M與D的映射關系

2.3.3計算替換結果

在上一步驟得到灰度值掩模M(x,y)后，結合Gb(x,y)和M(x,y)計算以白色為背景色的照片Gc(x,y)。對Gb的每個像素的RGB顏色分量使用下式計算對應像素Gc的RGB分量值。

Gc(x,y)=α×255+(1-α)×Gb(x,y)

(6)

α=M(x,y)/255

(7)

對于M(x,y)=255的像素點，對應的Gc(x,y)=255,即白色，上述變換將背景色替換為白色；對于M(x,y)=0的像素點，對應的Gc(x,y) =Gb(x,y)，上述變換保持了非背景區域的顏色值；對于M(x,y)∈(0,255)的像素值，Gc(x,y)為Gb(x,y)和純白的線性混合，靠近背景色(M接近255)的像素混入更多的白色，反之更接近前景色。核心代碼如下：

1 //

2 //計算源彩色照在灰度值掩護模作用下的替換結果

3 //

4 void AddMasked(const Mat& src

5 , const Mat& mask, Mat & dst)

6 {

7double alpha, beta;

8for (int i = 0; i < src.rows; ++i)

9for (int j = 0; j < src.cols; ++j){

10alpha = mask.at(i,j) / 255.0;

11beta = 1 - alpha;

12Vec3b s = src.at(i, j);

13dst.at(i, j)[0]= (uchar)

14(alpha * 255 + beta * s[0]);

15dst.at(i, j)[1]= (uchar)

16(alpha * 255 + beta * s[1]);

17dst.at(i, j)[2]= (uchar)

18(alpha * 255 + beta * s[2]);

19}

20 }

圖6為對某張照片進行計算灰度值掩模，再計算替換背景色結果的示例。其中展示了一般的二值掩模的處理結果，該二值掩模僅僅利用了單一閾值區分背景色和前景色。通過比較可以發現，相比二值掩模的處理結果，利用灰度值掩模進行替換的結果中人物頭像頭發邊緣的處理結果更盡如人意,顯得更加自然。

圖6　背景色替換

2.4縮放、填補、裁切

需要的照片空間大小為358×441像素，即水平方向為358像素，垂直方向為441像素。上一過程得到的處理結果Gc一般不能滿足大小要求，所以要對Gc進行處理以得到滿足要求的照片Gd。

假設要求照片的水平/垂直比為x0/y0(這里為358/441)，上一過程得到的Gc的水平/垂直比為x/y，那么需要對Gc進行等比例的縮放操作后，再進行填補或裁切操作以得到滿足要求的照片。如果x/yx0/y0，進行等比例縮放后，需要在頂部填補白色。進行完本處理流程后，得到結果Gd。至此整個圖片處理過程結束，把識別的條形碼值和處理結果Gd及其它記錄信息存儲到數據庫中。

3實驗評估

為了驗證本文提出處理方法在實際處理應用中的有效性，本部分分別從實際處理效果、實際應用的統計結果和與單純的二值掩模進行替換的運算速度三方面進行分析。本實驗的數據來源為江西省社會保障卡申請表經掃描儀掃描得到的圖片。掃描儀采用的是Kodak i1220 plus scanner，掃描配置顏色位深度為24位，分辨率400 dpi。軟件系統運行在一臺操作系統為Windows 7的個人計算機上，處理器為Intel Core i5-2450M(主頻為2.5 GHz),內存2 GB。

3.1實際處理效果

經過大量的前期對比實驗，取下限閾值tl=20、上限閾值tu=45時，采用此算法的替換效果較好，故在tl=20、tu=45、二值掩模單閾值t=45時進行處理效果的對比試驗。

本文選取了4張具有代表性的人物照片進行了運行結果演示，如圖7所示。對于背景色不同的照片，本算法能較好地完成處理任務，相對于二值掩模的處理效果更好。對于人物邊緣和背景顏色相近和背景色不均勻的情況，灰度值掩模替換比二值掩模替換效果好。注意第一列第二行中，利用二值掩模替換造成人物面部左下部一些部位的缺失。在第二列第二行中，人物頭發出現了間斷，而在第二列第三行中頭發的細節得到了保留，但照片左下角也有不期望得到的模糊的背景。比較第三列和其它列的照片，對于背景色均勻的照片，使用灰度值掩模替換和二值掩模替換的處理效果差別不大。第四列第三行的照片人物頭像和背景詳解部分殘存了部分藍色。總的來說，本算法利用灰度值掩模進行背景色替換在處理效果上是優于利用二值掩模進行背景色替換的。

圖7　處理效果比較

3.2實際應用中成功率分析

本文所討論的處理方法已經應用到江西省社保卡生產的照片數據采集工作中，經過一段時間的系統運行，發現經過程序的處理可以大大降低照片采集工作的強度。掃描紙質申請表得到的圖片，在程序處理過后所得到的照片在人工審查過程中可以分為3類：處理合格、需要人工進一步修改、處理失敗。處理合格指的是程序處理的結果已經滿足所有的要求。需要人工進一步修改的指的是程序處理結果有小的瑕疵，需要在程序處理的結果之上擦除部分背景色。處理失敗指的是程序將某些區域的前景色替換成了白色，必須在原圖上進行人工處理的。其中第2、3類需要人工進行處理，但第2類需要的人工工作量少于第3種情況的工作量，僅僅需要操作員使用圖片編輯軟件進行一些簡單的擦除工作便可。

對程序處理的10 000張左右的掃描圖片的處理結果進行人工分類，統計結果如表1所示。

表1　處理結果統計

從表1中可以看出，該處理方法的成功率為55.0%，僅13.2%的圖片需要完全通過人工方法處理。如果能進一步控制所貼照片的質量，如避免張貼色彩不均勻、背景色和人物衣服顏色過于接近的照片，處理成功率應該會更高。該方法相對于全部人工處理可以大量減少工作量，提高照片采集工作效率。

3.3與單純二值掩模處理進行替換的運算速度比較

對10 000張左右的掃描圖片分別使用灰度值掩模和單純的二值掩模進行處理，統計平均處理時間。即在聚類個數k=5, 下限閾值tl=20,上限閾值tu=45，二值掩模單閾值t=45的條件下，得出的結論如表2所示。

表2　灰度值掩模和二值掩模替換運行速度比較

表2中分別統計了利用灰度值掩模和二值掩模對同一批掃描圖片的整個處理階段時間和底色替換階段時間。可以發現利用灰度值掩模進行底色替換雖然慢了12.5%，但是處理的效果卻遠遠好于單純利用二值掩模的處理結果，這種代價是值得的。

4結語

使用數字圖像處理方法對通過掃描儀獲得的數字圖片進行處理，得到數字照片，是在現實照片數據采集工作中經常采用的一種模式。本文提出了一種易于實現且實用性高的處理方法。對處理流程進行了詳盡的描述，實踐檢測結果顯示這種處理方法是實用的，可以大大地提高照片采集的工作效率。

本處理方法由彩色照片區域分割、底色替換、縮放和填補(裁切)三個子流程構成。針對某個固定的矩形區域應用形態學閉操作，之后計算它的最小外接矩形得到照片區域，經過仿射變換以得到沒有傾斜的彩色照片區域。底色替換子流程先使用k-means聚類算法計算出背景色，之后計算對應的灰度值掩模，再使用灰度值掩模對彩色照片區域進行背景色替換。最后進行相應的縮放、填補、裁切操作使照片滿足大小要求。

本文提出的處理方法也存在一些不足。背景顏色的替換僅僅根據照片的顏色信息，僅利用了每個像素點顏色和背景色的顏色距離生成灰度值掩模，而忽視了像素點的空間位置信息，因為照片中人的頭像區域往往呈現了某個固定的一個形狀模式。該方法涉及到的閾值均為固定值，而不是自適應的。由于上述原因，該處理方法具有較大的局限性。對于背景色和前景顏色相近、照片拍攝時背景幕布顏色不均、照片中人物身穿淺色衣服的處理不好等情況，處理效果不好。之后的工作包括改進系列算法，利用像素點的空間位置信息并基于動態自適應的閾值，提高處理的成功率，降低人工干預程度。

參考文獻

[1] 許莉,王敏,溫月.基于Lab顏色空間的運動目標檢測[J].華中科技大學學報:自然科學版,2013,41(S1):219-222.

[2] 楊飚,楊芩.Lab顏色空間和形態學處理相結合的雙行車牌定位方法[J].科學技術與工程,2014,14(26):108-110.

[3] 姜繼春,王曉紅,許秦蓉.基于Lab顏色空間的手寫文字提取算法研究[J].包裝工程,2014,35(7):139-143.

[4] Inlite Research Inc．Barcode Recognition[EB/OL].[2014-09-09][2015-03-20] http:// www.inliteresearch.com/products/index.php.

[5] Jeff Brown．ZBar bar code reader[EB/OL].(2010-03-25) [2015-03-20] http://zbar.sourceforge.net/.

[6] Gonzalez R C．Digital Image Processing[M].2nd ed．New Jersey：Prentice Hall，2011.

[7] 趙秀萍．CIELAB色空間及應用[J].印刷質量與標準化,2003,(5):11-13.

[8] Macadam D L．Visual sensitivities to color differences in daylight[J].JOSA, 1942, 32(5)：247-273.

[9] Huang Z, Ng M K．A note on k-modes clustering[J].Journal of Classification,2003,20(2): 257-261.

[10] Chaturvedi A, Green P E, Caroll J D.K-modes clustering[J].Journal of Classification, 2001,18(1):35-55.

收稿日期：2015-03-16。胡蘇陽，碩士生，主研領域：數字圖像處理。黃水源，副教授。陳智毅，工程師。

中圖分類號TP391.41

文獻標識碼A

DOI:10.3969/j.issn.1000-386x.2016.07.053

REPLACING DIGITAL PORTRAIT PHOTO BACKGROUND COLOUR BASED ON CIELAB COLOUR MODEL

Hu Suyang1Huang Shuiyuan1Chen Zhiyi2

1(SchoolofInformationEngineering,NanchangUniversity,Nanchang330031,Jiangxi,China)2(InformationCenter,DepartmentofHumanResourcesandSocialSecurityofJiangxiProvince,Nanchang330030,Jiangxi,China)

AbstractUsing digital image processing technology to process the scanned images to obtain digital portrait photos in them is a very common means in routine data collection. First it segments the colour portrait photo area so as to obtain an area without slant. In background colour replacement stage, it calculates the background colour value by k-means clustering algorithm, then calculates the greyscale mask, and blends with pure white colour afterwards to obtain the replacement results. Finally, it makes scaling, padding and cropping operations so that completes the whole process. Experiment indicates that this method has high practicality, and is easy to implement. At present stage the method just uses the colour information of pixels, in the future the amelioration work will add pixels spatial position information so as to improve the success rate of processing.

KeywordsPhoto background colour replacementK-means clustering algorithmGreyscale maskCIELAB colour space