基于皮膚本態的中國女性面部膚色分類研究

本文根據中醫色診理論以及現代色彩體系對中國女性的膚色建立了基于健康人群的膚色十色分類體系，并根據5000例18-45歲女性的膚色圖像及膚色數據，確定了十色的分類范圍。膚色對于女性面部吸引力具有直接影響，開發膚色的分類方法為精準護膚化妝品開發提供了科學支撐。

關鍵詞：膚色；色診；中醫；圖像；色度計；氣色

Part 1介紹

皮膚顏色主要由色素和角質層厚度等因素決定。皮膚組織中的生色團主要有以下五種：黑褐色的黑色素、紅色的氧合血紅素、藍色的還原血紅素及黃色的胡蘿卜素和膽色素，如圖1所示。膚色不同，這些生色團構成比例和數量也不同。皮膚的顏色分固有皮膚顏色和選擇性皮膚顏色。固有皮膚顏色是指出生時便具有的皮膚顏色，由遺傳基因調控。選擇性皮膚顏色由許多因素影響，如紫外線的照射、內分泌因素、精神和神經因素等其他因素[1]。

現有的膚色分類體系主要有ITA°（個體類型角，individual typology angle，下同）膚色分型體系、Fitzpatrick膚色分型體系、潘通（pantone）色卡等。其中ITA°體系基于CIE-Lab（1976）顏色空間，于1991年由A. CHARDON提出，用于表征膚色的亮白程度。ITA°膚色分型共包括六個等級，如表1所示。計算出的ITA°越大，膚色越淺。但是該評價方法缺少對皮膚紅度（a*值）的考量。

Fitzpatrick-Pathak皮膚分型是依據皮膚經日光照射后產生紅斑和（或）黑化的反應特點及反應程度，采用問卷調查的形式，包含家族遺傳特征、陽光暴露敏感性、刻意陽光暴露（曬黑）習慣共10個問題，然后對每個答案評分，最后依據總分將皮膚劃分為I～VI型，如表2所示[3]。但是結果會受到被評估人員的認知和日曬情況影響。

潘通（Pantone）色卡由各種人類皮膚類型中的實際膚色編制而成，貼近皮膚顏色，色號數量較多，以紅色Y和黃色R為主，膚色種類繁雜，應用受限，不利于消費者選擇適合的化妝品。

色診理論源于《內經》，在中醫診療中起到重要作用。《靈樞·邪氣臟腑病形 》：“見其色，知其病”；此外經典著作如戰國時期扁鵲所著《難經》、東漢時期張仲景所著《傷寒論》《金匱要略》均有對色診的描述。中醫色診可以從眼目、舌口、唇齒、鼻耳、眉須、頭面、腹背、手足、毫毛、腠理、肌膚、筋脈、骨骼、乳臍等部位的形容氣色到汗、血、便、溺、痰、月經等的變化，其中最常用的是面診，即看整體面部顏色，而面診又分為五色[7]，即青、赤、黃、白、黑五種顏色。《內經》中提到：“望而知之者，望見其五色，以知其病。肝青象木，肺白象金，心赤腎黑，脾土色黃。或有病，色必變見于面庭矣。”[6]，孫思邈曾言：“善為醫者，必明于五色”。

由于中國幅員遼闊，中國自然人群不同地域間膚色可能有較大差別，而且面色有常色和病色之分。常色就是正常面色，也就是指健康人的面部膚色的色澤，《素問·經絡論》中指出“寒多則凝泣，凝泣則青黑，熱多則淖澤，淖澤則黃赤”，“此皆常色，謂之無病”。天寒則面色偏青黑，天熱則面色偏黃赤，這些都屬于正常面色，不屬病態。健康人群應是色青如翠羽；色赤如雞冠，色黃如蟹腹，色白如豕膏，色黑如烏羽[9]。中國自然人群面部皮膚顏色豐富，多有不同，但大多是正常面色，由基因或者后天因素影響而呈現的顏色。中國自然人群面部皮膚顏色總體表現為紅黃隱隱、明潤含蓄。

文獻調研發現，目前已有一些對于中醫色診理論的智能化和定量化研究，如林怡，王斌[10]等人根據中醫色診利用VISIA-CR獲得人臉圖像，再進行人臉ROI的皮膚塊分割，針對唇色進行分類識別。袁善敏和李福鳳[7-8]為中醫面診色診，利用Lab色彩空間等進行中醫色診專用色卡的研究，并根據上海中醫藥大學自行研制的中醫面診數字化檢測系統檢測儀研究色診常見顏色分類的判別標準。廈門大學的上官文娟[6]研究了計算機視覺在中醫面診中的應用，浙江中醫藥大學的袁鑠慧[11]將五色理論的五臟五色和現代色彩心理學進行驗證和研究，讓五色理論的現代意義更加明晰，同時在很大程度上驗證了中醫在幾千年前就形成的五色理論，為中醫五色理論在視覺刺激方面的應用提供了有力的證據；此外上海中醫藥大學的袁善敏，李福鳳[7-8]等發表在中華中醫藥雜志（原中國醫藥學報）的《中醫常見面診圖像顏色參數范圍探討》和《中醫面診圖像色域及專用色卡的研究》，以臨床典型面診圖像為基礎，確定了面診圖像常見顏色的色域，研制了中醫面診圖像專用的18色的標準色卡，然后又研究了不同面色的Lab值，滿足了面診圖像顏色校正的要求，提供了更科學現代化的數據參考，為不同學者、不同機構的望診數字化研究奠定了規范化基礎。

因此本研究以中醫色診理論和現代色彩體系為基礎，對中國女性的膚色建立了基于健康人群的膚色十色分類體系，并根據5000例18-45歲女性的膚色圖像及膚色數據，確定了十色的分類范圍，即在“青、赤、黃、白、黑”五色基礎上，加入“明、暗”兩個維度，形成十色。

Part 2研究方法

2.1研究對象

志愿者數據來源于北京工商大學皮膚本態數據庫，采集北京、上海、廣州、成都、武漢五個地區各1000例18-45歲中國女性志愿者臉頰部位的膚色數據。

志愿者納入標準包括：

（1）健康女性，年齡在18～45歲；

（2）能夠閱讀和理解知情同意書的所有內容，并自愿簽署知情同意書；

（3）試驗期間同意不使用任何對結果有影響的化妝品、藥物和保健品；

（4）能很好配合試驗者，在研究期間能保持生活的規律性。

志愿者排除標準包括：

（1）有光敏感病史者；

（2） 6個月內服用過能發生光敏感的藥物（食物）者；

（3） 6個月內曾有任何一種形式治療皮膚病史者（外用糖皮質激素等）；

（4）測試部位皮膚有紅斑、色素斑、皮膚病等影響結果判斷者；

（5）有嚴重系統性疾病、免疫缺陷或自身免疫性疾病者；

（6）近1個月內曾全身使用糖皮質激素類藥物或免疫抑制劑者。

2.2研究指標

本研究采集了研究對象右臉頰對應的L*值、a*值、b*值、ITA°值、hab°值以及光澤度GLOSS_DSC值，共計6個指標體系。研究指標均使用MPA 9及Skin-colorimeter CL400 （Courage+Khazaka electronic GmbH， Germany）儀器測量三次取平均值所得。

CIE-L*a*b*（1976）顏色空間是國際照明委員會指定的最完整的顏色空間。該模型如圖2所示，具有高顏色分辨率，可以通過數字手段描述人類的視覺感受。CIE-L*a*b*模型的三個坐標軸是：L軸表示亮度，a軸表示紅綠色范圍，b軸表示黃藍色范圍。在L軸上，當L為0時，它表示黑色，而當L為100時，它代表白色；在a軸上，當a＜0時，表示更接近綠色，反之，表示更靠近紅色；在b軸上，當b<0時，表示更接近藍色，而相反，表示更靠近黃色[3]。

2.3研究過程及內容

（1）查閱文獻，建立十色分類理論；

（2）收集整理1000例志愿者臉頰膚色指標數據，包括L*值、a*值、b*值、光澤度GLOSS_DSC值，并計算ITA°值、hab°值；

（3）篩選VISIA圖像，確定ROI區域并截取；

在通過VISIA-CR （美國Canfield公司）獲得統一標準的正臉交叉偏振光圖像后，首先進行了人臉ROI的皮膚塊分割，提取右臉頰ROI，要求為避開五官、睫毛以免影響評估結果，截圖均經過復查，排除了部分外界因素的干擾，提高了研究的可行性[10]；

（4）確定十色分類標準圖像，計算添加Hex色號；

（5）設計膚色視覺評估方案及GUI界面設計；

我們將右臉頰ROI區塊十色標準圖像和對應選擇點位設置于界面上下兩側，界面中間放置右臉頰ROI區塊1000張樣本圖像，每通過十個選擇點位選擇后，點擊下一張圖片即界面中的NEXT Image，直至1000張選擇完畢，點擊右上角報告結果即Export Results，界面設置如圖3所示，然后進行后續保存和改名，分類保存并導出10位專家的選項數據；

（6）專家評價

本研究共邀請10名專家，包括化妝品專業（2人）、中醫專業（2人）、皮膚學專業（2人）、色彩學專業（2人）、普通消費者（2人）五個類型，使用統一的顯示器設備和GUI界面進行評估；

（7）分析膚色ITA°值、hab°值；

綜合統計10名專家的評估數據，得出十類膚色分類的結果；

（8）分析十色對應的指標范圍（L*值、a*值、b*值、ITA°值、hab°值、光澤度GLOSS_DSC值）。

Part 3研究結果與討論

3.1年齡分布

本次研究納入受試者5000例，全部為女性，年齡18-45歲，人群分布如表3所示，各年齡段人群均有分布，其中21-40歲人群占比超過80%。

3.2 ITA°皮膚顏色分類結果

大部分受試者臉部膚色主要集中在Ⅰ、Ⅱ和Ⅲ級，膚色屬于非常白，白色和中間白之間，少部分受試者的膚色是Ⅳ級和V級，沒有Ⅵ級膚色，具體占比如表4所示。

3.3十色分類法綜合結果

3.3.1 十色評估標準參照結果對應hex色號及圖像

十色標準圖像數據由表5和圖4所示。

3.3.2專家分類結果

十色分類中，約半數為黃-明類型，其次是赤明，約30%，再次是赤暗>白明>黃暗>白暗>黑明=黑暗>青明>青暗。顏色為明的占86.7%，顏色為暗的占13.3%。具體比例如圖5所示。

3.3.3十色評估結果對應探頭采集指標范圍

十色指標范圍的各項分布大小順序基本符合數據顏色變化特征，具體指標范圍如表6所示。

3.3.4十色評估結果對應平均值

十色各指標范圍的平均值分布大小順序基本符合數據顏色變化特征，具體指標范圍如表7所示。

3.3.5十色評估標準

基于CIE-L*a*b*（1976）色彩空間，在五色分類依據和十色分類對應范圍基礎上，依據指標間對比進一步確定。十色分類依據：白-明：L*值偏高，b*值偏低，ITA°值偏高，hab°值偏均衡；白-暗：L*值偏低，b*值偏高，ITA°值偏低，hab°值偏不均衡；赤-明：a*值偏低，ITA°值偏高，hab°值偏低；赤-暗：a*值偏高，hab°值偏高，ITA°值偏低；黑-明：ITA°值偏高，L*值偏高，a*、b*值偏低；黑-暗：ITA°值最低，L*值偏低，a*、b*值偏高；黃-明：b*值偏高，ITA°值偏高；黃-暗：b*值偏低，ITA°值偏低；青-明：L*值高，hab°值高；青-暗：L*值偏低，hab°值偏低。結果如圖6所示。

Part 4討論

本研究基于中醫“五色診”，并將“明暗”加入其中，建立了中國健康人群皮膚十色分類理論。結果顯示在十色分類中，總體顏色為明的約占8成，約半數為黃-明類型，其次是赤-明，約30%，黃色中明黃約占9成，赤色中明赤約占8成。其次是赤-暗>白-明>黃-暗>白-暗>黑-明=黑-暗>青明>青暗，符合中國自然人群膚色為“紅黃隱隱”的描述。

綜合探頭數據結果，十色的L*值、a*值、b*值、ITA°值、hab°值、光澤度指標范圍的各項分布大小順序基本符合各數據顏色變化特征。膚色多為黃明和赤明。

本次研究是基于中醫色診，當前研究大多數值參考多基于患者的參數，而針對中國的自然健康還是女性人群的膚色研究較少，其中袁善敏和李福鳳[7-8]在以往研究的基礎上，采集了20641名自然人群典型面色參數比較，進一步細化面診圖像指標，分析了自然人群面色正常、面色青、面色赤、面色黃、面色白、面色黑面診圖像顏色的一些差異性指標。結合十位專家和計算機數據建立了6種面診圖像顏色特征參數正常的醫學指標參考范圍。其參數多高于本研究數值范圍，但各顏色在各數據的分布基本一致。本研究請到中醫學專家兩名、皮膚學專家兩名、化妝品學專家兩名、色彩學專家兩名、普通消費者兩名共十位專家進行分類，基于自然人群劃分十色。對于L*值，結果為黑明＜黑暗＜黃暗＜赤暗＜青暗＜黃明＜赤明＜白暗＜白明＜青明，而L軸表示亮度，在L軸上，當L為0時，它表示黑色，而當L為100時，它代表白，所以數據可信度較高，并且說明5000例樣本中的青色數據樣本膚色更偏白；對于a*值結果為青明＜青暗＜白明＜白暗＜黃明＜赤明＜黃暗＜黑暗＜黑明＜赤暗，而a軸表示紅綠色范圍，在a軸上，當a＜0時，表示更接近綠色，反之，表示更靠近紅色；對于b*值結果為赤明＜赤暗＜白明＜黃明＜白暗＜黑暗＜黃暗＜青明＜黑明＜青暗，而b軸表示黃藍色范圍，在b軸上，當b<0時，表示更接近藍色，而相反，表示更靠近黃色；對于ITA°值，結果為黑明＜黑暗＜青暗＜黃暗＜赤暗＜黃明＜白暗＜青明＜赤明＜白明，ITA°值反映膚色色度值，ITA°值越大，皮膚顏色越淺越白，越小，皮膚顏色越深越黑；hab°值結果為赤暗＜赤明＜黃明＜黑暗＜黃暗＜白明＜白暗＜黑明＜青暗＜青明，其值由0到90為由紅iI5SrVjmY5KcoRwv5pKAQBk/clJUTeGezn8T+uamoew=到黃，由90到180為由黃到綠，本研究數據在30到60，也就是說本研究中hab°值越大越靠近90表示此樣本膚色越靠近黃色，越小越靠近0表示此樣本膚色越靠近紅色也就是赤色。綜上所述，結果中L*值和hab°值更具代表性。由于探頭數據并非基于整臉而是臉頰局部范圍，所以也存在一定局限性。Miyamoto K等[13]開發了一種數字圖像分析系統，該系統能對人臉面部色素沉著點進行量化分析，能自動檢測臉頰和眼眶周圍的色素沉著點，并正確測量其面積和平均皮膚色調。此方法可以作為下一階段研究的參考，也可以在膚色分類的實際應用中。

“氣色”在當代漢語中常用于代指人臉上反映的身心健康或疾病狀態。氣者，生之元也。色，顏氣也[14]。膚色明亮、紅潤以及具有光澤通常被認為是良好氣色的體現。《素問·脈要精微論》曰： “夫精明五色者，氣之華也”。在中醫診斷中，好氣色反映了體內氣血充足、陰陽平衡、臟腑功能良好的狀態。好氣色不僅表現在膚色明亮、紅潤，還體現在精神飽滿、神采奕奕的面容。這種狀態通常代表著身體健康狀況良好，充滿活力和生機。面部氣色是五臟六腑之余光，是人體內部氣機精華在面部外表的顯現。色為苗，氣為根; 色在外，氣在里。氣無色不驗，色無氣不靈[15]。因此，本研究在五色診基礎上，加入了“明暗”，注重氣色觀察并結合五色診法，可以更準確地了解膚色狀態，為膚色分類提供重要參考依據。

現有的膚色分類體系主要有A. CHARDON提出的ITA°膚色分型系統、Fitzpatrick-Pathak分型，潘通膚色色卡，存在缺少皮膚紅度的考量、易受到消費者認知影響和色號數量繁雜等問題。因此本研究基于中醫“五色診”，建立了中國健康人群皮膚十色分類體系，未來在實際的10色標準測膚應用中，可以考慮進一步的范圍調整，以滿足更廣泛的需求和應用場景。隨著人們對膚色測量的需求不斷增加，可以通過增加更多的膚色選項來提高分類的精確性和適用性，如進一步細分成18色或者36色的膚色標準等。這樣的精細劃分能夠更準確地捕捉到各種膚色之間微妙的差異，從而達到精準護膚的需求。

作者介紹

武 悅，易 帆，王心如，孟 宏：供職于北京工商大學中國化妝品研究中心

李慧良，林志宏，林燕靜，李配配：供職于杭州花凝香生物科技有限公司

[參考文獻]

[1]張大勇，楊笑笑，趙新昊等.東方本色：基于皮膚本態的中國女性膚色伴隨特點研究[J].中國化妝品，2022（Z1）：60-69.

[2]SAMSON N， FINK B， MATTS P J. Visible skin condition and perception of human facial appearance [J]. Int J Cosmet Sci， 2010， 32（3）： 167-184.

[3]劉瑋.日光反應性皮膚分型及其影響因素分析[J].臨床皮膚科雜志，2003（03）：174-176.

[4]杜松，劉治中.金元以前中醫色診理論研究[J].云南中醫學院學報， 2010（2）：3.DOI：10.3969/j.issn.1000-2723.2010.02.004.

[5]杜松.明清中醫色診理論研究[J].中醫文獻雜志， 2011， 29（1）：1.DOI：CNKI：SUN：WXZZ.0.2011-01-025.

[6]上官文娟.面向中醫面診的面色及臉型分類中的特征提取方法研究[D].廈門大學，2017.

[7]袁善敏，李福鳳.中醫常見面診圖像顏色參數范圍探討[J].中華中醫藥雜志， 2022（003）：037.

[8]袁善敏，李福鳳.中醫面診圖像色域及專用色卡的研究[J].中華中醫藥雜志， 2022， 37（7）：4.

[9]陳夢竹.基于膚色檢測的中醫面色識別[D].北京交通大學，2018.

[10]林怡，王斌，許家佗，等.基于面部圖像特征融合的中醫望診面色分類研究[J].實用臨床醫藥雜志， 2020， 24（14）：5.DOI：10.7619/jcmp.202014001.

[11]袁鑠慧.中醫五色理論在現代色彩心理學及療法中的佐證初探[J].浙江中醫藥大學學報， 2007， 31（1）：2.DOI：10.3969/j.issn.1005-5509.2007.01.012.

[12] Wu Y ， Tanaka T ， Akimoto M .Utilization of Individual Typology Angle （ITA） and Hue Angle in the Measurement of Skin Color on Images[J].bioimages， 2020， 28：1-8.DOI：10.11169/bioimages.28.1.

[13] Miyamoto K ， Takiwaki H ， Hillebrand G G ，et al.Development of a digital imaging system for objective measurement of hyperpigmented spots on the face[J].Skin Research and Technology， 2002.DOI：10.1034/j.1600-0846.2002.00325.x.

[14]姜姍，張大慶.望而知之：“氣色”概念史中的語義變遷與醫學思想[J].自然科學史研究， 2022， 41（1）：32-49.

[15]羅健.《內經》面部氣色望診在針灸辨證治療中的作用[J].中國中醫藥現代遠程教育， 2013（20）：2.DOI：10.3969/j.issn.1672-2779.2013.20.005.