图像处理------简单脸谱检测算法 分类: 视频图像处理 2015-07-24 10:11 42人阅读 评论(0) 收藏

介绍基于皮肤检测之后的,寻找最大连通区域,完成脸谱检测的算法。大致的算法步骤如下:


原图如下:


每步处理以后的效果:


程序运行,加载选择图像以后的截屏如下:


截屏中显示图片,是适当放缩以后,代码如下:

  1. Image scaledImage = rawImg.getScaledInstance(200200, Image.SCALE_FAST); // Java Image API, rawImage is source image  
  2. g2.drawImage(scaledImage, 00200200null);  

第一步:图像预处理,预处理的目的是为了减少图像中干扰像素,使得皮肤检测步骤可以得

到更好的效果,最常见的手段是调节对比度与亮度,也可以高斯模糊。

这里调节对比度的算法很简单,源代码如下:

  1. package com.gloomyfish.face.detection;  
  2.   
  3. import java.awt.image.BufferedImage;  
  4.   
  5. public class ContrastFilter extends AbstractBufferedImageOp {  
  6.       
  7.     private double nContrast = 30;  
  8.       
  9.     public ContrastFilter() {  
  10.         System.out.println("Contrast Filter");  
  11.     }  
  12.   
  13.     @Override  
  14.     public BufferedImage filter(BufferedImage src, BufferedImage dest) {  
  15.         int width = src.getWidth();  
  16.         int height = src.getHeight();  
  17.         double contrast = (100.0 + nContrast) / 100.0;  
  18.         contrast *= contrast;  
  19.         if ( dest == null )  
  20.             dest = createCompatibleDestImage( src, null );  
  21.   
  22.         int[] inPixels = new int[width*height];  
  23.         int[] outPixels = new int[width*height];  
  24.         getRGB( src, 00, width, height, inPixels );  
  25.         int index = 0;  
  26.         int ta = 0, tr = 0, tg = 0, tb = 0;  
  27.         for(int row=0; row<height; row++) {  
  28.             for(int col=0; col<width; col++) {  
  29.                 index = row * width + col;  
  30.                 ta = (inPixels[index] >> 24) & 0xff;  
  31.                 tr = (inPixels[index] >> 16) & 0xff;  
  32.                 tg = (inPixels[index] >> 8) & 0xff;  
  33.                 tb = inPixels[index] & 0xff;  
  34.                   
  35.                 // adjust contrast - red, green, blue  
  36.                 tr = adjustContrast(tr, contrast);  
  37.                 tg = adjustContrast(tg, contrast);  
  38.                 tb = adjustContrast(tb, contrast);  
  39.                   
  40.                 // output RGB pixel  
  41.                 outPixels[index] = (ta << 24) | (tr << 16) | (tg << 8) | tb;  
  42.             }  
  43.         }  
  44.         setRGB( dest, 00, width, height, outPixels );  
  45.         return dest;  
  46.     }  
  47.       
  48.     public int adjustContrast(int color, double contrast) {  
  49.         double result = 0;  
  50.         result = color / 255.0;  
  51.         result -= 0.5;  
  52.         result *= contrast;  
  53.         result += 0.5;  
  54.         result *=255.0;  
  55.         return clamp((int)result);  
  56.     }  
  57.       
  58.     public static int clamp(int c) {  
  59.         if (c < 0)  
  60.             return 0;  
  61.         if (c > 255)  
  62.             return 255;  
  63.         return c;  
  64.     }  
  65.   
  66. }  

注意:第一步不是必须的,如果图像质量已经很好,可以直接跳过。


第二步:皮肤检测,采用的是基于RGB色彩空间的统计结果来判断一个像素是否为skin像

素,如果是皮肤像素,则设置像素为黑色,否则为白色。给出基于RGB色彩空间的五种皮

肤检测统计方法,最喜欢的一种源代码如下:

  1. package com.gloomyfish.face.detection;  
  2.   
  3. import java.awt.image.BufferedImage;  
  4. /** 
  5.  * this skin detection is absolutely good skin classification, 
  6.  * i love this one very much 
  7.  *  
  8.  * this one should be always primary skin detection  
  9.  * from all five filters 
  10.  *  
  11.  * @author zhigang 
  12.  * 
  13.  */  
  14. public class SkinFilter4 extends AbstractBufferedImageOp {  
  15.   
  16.     @Override  
  17.     public BufferedImage filter(BufferedImage src, BufferedImage dest) {  
  18.         int width = src.getWidth();  
  19.         int height = src.getHeight();  
  20.   
  21.         if ( dest == null )  
  22.             dest = createCompatibleDestImage( src, null );  
  23.   
  24.         int[] inPixels = new int[width*height];  
  25.         int[] outPixels = new int[width*height];  
  26.         getRGB( src, 00, width, height, inPixels );  
  27.         int index = 0;  
  28.         for(int row=0; row<height; row++) {  
  29.             int ta = 0, tr = 0, tg = 0, tb = 0;  
  30.             for(int col=0; col<width; col++) {  
  31.                 index = row * width + col;  
  32.                 ta = (inPixels[index] >> 24) & 0xff;  
  33.                 tr = (inPixels[index] >> 16) & 0xff;  
  34.                 tg = (inPixels[index] >> 8) & 0xff;  
  35.                 tb = inPixels[index] & 0xff;  
  36.                   
  37.                 // detect skin method...  
  38.                 double sum = tr + tg + tb;  
  39.                 if (((double)tb/(double)tg<1.249) &&  
  40.                     ((double)sum/(double)(3*tr)>0.696) &&  
  41.                     (0.3333-(double)tb/(double)sum>0.014) &&  
  42.                     ((double)tg/(double)(3*sum)<0.108))  
  43.                 {  
  44.                     tr = tg = tb = 0;  
  45.                 } else {  
  46.                     tr = tg = tb = 255;  
  47.                 }  
  48.                 outPixels[index] = (ta << 24) | (tr << 16) | (tg << 8) | tb;  
  49.             }  
  50.         }  
  51.         setRGB(dest, 00, width, height, outPixels);  
  52.         return dest;  
  53.     }  
  54. }  

第三步:寻找最大连通区域

使用连通组件标记算法,寻找最大连通区域,关于什么是连通组件标记算法,可以参见这里

http://blog.csdn.net/jia20003/article/details/7483249,里面提到的连通组件算法效率不高,所

以这里我完成了一个更具效率的版本,主要思想是对像素数据进行八邻域寻找连通,然后合

并标记。源代码如下:

  1. package com.gloomyfish.face.detection;  
  2.   
  3. import java.util.Arrays;  
  4. import java.util.HashMap;  
  5.   
  6. /** 
  7.  * fast connected component label algorithm 
  8.  *  
  9.  * @date 2012-05-23 
  10.  * @author zhigang 
  11.  * 
  12.  */  
  13. public class FastConnectedComponentLabelAlg {  
  14.     private int bgColor;  
  15.     private int[] labels;  
  16.     private int[] outData;  
  17.     private int dw;  
  18.     private int dh;  
  19.       
  20.     public FastConnectedComponentLabelAlg() {  
  21.         bgColor = 255// black color  
  22.     }  
  23.   
  24.     public int[] doLabel(int[] inPixels, int width, int height) {  
  25.         dw = width;  
  26.         dh = height;  
  27.         int nextlabel = 1;  
  28.         int result = 0;  
  29.         labels = new int[dw * dh/2];  
  30.         outData = new int[dw * dh];  
  31.         for(int i=0; i<labels.length; i++) {  
  32.             labels[i] = i;  
  33.         }  
  34.           
  35.         // we need to define these two variable arrays.  
  36.         int[] fourNeighborhoodPixels = new int[8];  
  37.         int[] fourNeighborhoodLabels = new int[8];  
  38.         int[] knownLabels = new int[4];  
  39.           
  40.         int srcrgb = 0, index = 0;  
  41.         boolean existedLabel = false;  
  42.         for(int row = 0; row < height; row ++) {  
  43.             for(int col = 0; col < width; col++) {  
  44.                 index = row * width + col;  
  45.                 srcrgb = inPixels[index] & 0x000000ff;  
  46.                 if(srcrgb == bgColor) {  
  47.                     result = 0// which means no labeled for this pixel.  
  48.                 } else {  
  49.                     // we just find the eight neighborhood pixels.  
  50.                     fourNeighborhoodPixels[0] = getPixel(inPixels, row-1, col); // upper cell  
  51.                     fourNeighborhoodPixels[1] = getPixel(inPixels, row, col-1); // left cell  
  52.                     fourNeighborhoodPixels[2] = getPixel(inPixels, row+1, col); // bottom cell  
  53.                     fourNeighborhoodPixels[3] = getPixel(inPixels, row, col+1); // right cell  
  54.                       
  55.                     // four corners pixels  
  56.                     fourNeighborhoodPixels[4] = getPixel(inPixels, row-1, col-1); // upper left corner  
  57.                     fourNeighborhoodPixels[5] = getPixel(inPixels, row-1, col+1); // upper right corner  
  58.                     fourNeighborhoodPixels[6] = getPixel(inPixels, row+1, col-1); // left bottom corner  
  59.                     fourNeighborhoodPixels[7] = getPixel(inPixels, row+1, col+1); // right bottom corner  
  60.                       
  61.                     // get current possible existed labels  
  62.                     fourNeighborhoodLabels[0] = getLabel(outData, row-1, col); // upper cell  
  63.                     fourNeighborhoodLabels[1] = getLabel(outData, row, col-1); // left cell  
  64.                     fourNeighborhoodLabels[2] = getLabel(outData, row+1, col); // bottom cell  
  65.                     fourNeighborhoodLabels[3] = getLabel(outData, row, col+1); // right cell  
  66.                       
  67.                     // four corners labels value  
  68.                     fourNeighborhoodLabels[4] = getLabel(outData, row-1, col-1); // upper left corner  
  69.                     fourNeighborhoodLabels[5] = getLabel(outData, row-1, col+1); // upper right corner  
  70.                     fourNeighborhoodLabels[6] = getLabel(outData, row+1, col-1); // left bottom corner  
  71.                     fourNeighborhoodLabels[7] = getLabel(outData, row+1, col+1); // right bottom corner  
  72.                       
  73.                     knownLabels[0] = fourNeighborhoodLabels[0];  
  74.                     knownLabels[1] = fourNeighborhoodLabels[1];  
  75.                     knownLabels[2] = fourNeighborhoodLabels[4];  
  76.                     knownLabels[3] = fourNeighborhoodLabels[5];  
  77.                       
  78.                     existedLabel = false;  
  79.                     for(int k=0; k<fourNeighborhoodLabels.length; k++) {  
  80.                         if(fourNeighborhoodLabels[k] != 0) {  
  81.                             existedLabel = true;  
  82.                             break;  
  83.                         }  
  84.                     }  
  85.                       
  86.                     if(!existedLabel) {  
  87.                         result = nextlabel;  
  88.                         nextlabel++;  
  89.                     } else {  
  90.                         int found = -1, count = 0;  
  91.                         for(int i=0; i<fourNeighborhoodPixels.length; i++) {  
  92.                             if(fourNeighborhoodPixels[i] != bgColor) {  
  93.                                 found = i;  
  94.                                 count++;  
  95.                             }  
  96.                         }  
  97.                           
  98.                         if(count == 1) {  
  99.                             result = (fourNeighborhoodLabels[found] == 0) ? nextlabel : fourNeighborhoodLabels[found];  
  100.                         } else {  
  101.                             result = (fourNeighborhoodLabels[found] == 0) ? nextlabel : fourNeighborhoodLabels[found];  
  102.                             for(int j=0; j<knownLabels.length; j++) {  
  103.                                 if(knownLabels[j] != 0 && knownLabels[j] != result &&  
  104.                                         knownLabels[j] < result) {  
  105.                                     result = knownLabels[j];  
  106.                                 }  
  107.                             }  
  108.                               
  109.                             boolean needMerge = false;  
  110.                             for(int mm = 0; mm < knownLabels.length; mm++ ) {  
  111.                                 if(knownLabels[0] != knownLabels[mm] && knownLabels[mm] != 0) {  
  112.                                     needMerge = true;  
  113.                                 }  
  114.                             }  
  115.                               
  116.                             // merge the labels now....  
  117.                             if(needMerge) {  
  118.                                 int minLabel = knownLabels[0];  
  119.                                 for(int m=0; m<knownLabels.length; m++) {  
  120.                                     if(minLabel > knownLabels[m] && knownLabels[m] != 0) {  
  121.                                         minLabel = knownLabels[m];  
  122.                                     }  
  123.                                 }  
  124.                                   
  125.                                 // find the final label number...  
  126.                                 result = (minLabel == 0) ? result : minLabel;  
  127.                                           
  128.                                 // re-assign the label number now...  
  129.                                 if(knownLabels[0] != 0) {  
  130.                                     setData(outData, row-1, col, result);  
  131.                                 }  
  132.                                 if(knownLabels[1] != 0) {  
  133.                                     setData(outData, row, col-1, result);  
  134.                                 }  
  135.                                 if(knownLabels[2] != 0) {  
  136.                                     setData(outData, row-1, col-1, result);  
  137.                                 }  
  138.                                 if(knownLabels[3] != 0) {  
  139.                                     setData(outData, row-1, col+1, result);  
  140.                                 }  
  141.                                   
  142.                             }  
  143.                         }  
  144.                     }  
  145.                 }  
  146.                 outData[index] = result; // assign to label  
  147.             }  
  148.         }  
  149.           
  150.         // post merge each labels now  
  151.         for(int row = 0; row < height; row ++) {  
  152.             for(int col = 0; col < width; col++) {  
  153.                 index = row * width + col;  
  154.                 mergeLabels(index);  
  155.             }  
  156.         }  
  157.           
  158.         // labels statistic  
  159.         HashMap<Integer, Integer> labelMap = new HashMap<Integer, Integer>();  
  160.         for(int d=0; d<outData.length; d++) {  
  161.             if(outData[d] != 0) {  
  162.                 if(labelMap.containsKey(outData[d])) {  
  163.                     Integer count = labelMap.get(outData[d]);  
  164.                     count+=1;  
  165.                     labelMap.put(outData[d], count);  
  166.                 } else {  
  167.                     labelMap.put(outData[d], 1);  
  168.                 }  
  169.             }  
  170.         }  
  171.           
  172.         // try to find the max connected component  
  173.         Integer[] keys = labelMap.keySet().toArray(new Integer[0]);  
  174.         Arrays.sort(keys);  
  175.         int maxKey = 1;  
  176.         int max = 0;  
  177.         for(Integer key : keys) {  
  178.             if(max < labelMap.get(key)){  
  179.                 max = labelMap.get(key);  
  180.                 maxKey = key;  
  181.             }  
  182.             System.out.println( "Number of " + key + " = " + labelMap.get(key));  
  183.         }  
  184.         System.out.println("maxkey = " + maxKey);  
  185.         System.out.println("max connected component number = " + max);  
  186.         return outData;  
  187.     }  
  188.   
  189.     private void mergeLabels(int index) {  
  190.         int row = index / dw;  
  191.         int col = index % dw;  
  192.           
  193.         // get current possible existed labels  
  194.         int min = getLabel(outData, row, col);  
  195.         if(min == 0return;  
  196.         if(min > getLabel(outData, row-1, col) && getLabel(outData, row-1, col) != 0) {  
  197.             min = getLabel(outData, row-1, col);  
  198.         }  
  199.           
  200.         if(min > getLabel(outData, row, col-1) && getLabel(outData, row, col-1) != 0) {  
  201.             min = getLabel(outData, row, col-1);  
  202.         }  
  203.           
  204.         if(min > getLabel(outData, row+1, col) && getLabel(outData, row+1, col) != 0) {  
  205.             min = getLabel(outData, row+1, col);  
  206.         }  
  207.           
  208.         if(min > getLabel(outData, row, col+1) && getLabel(outData, row, col+1) != 0) {  
  209.             min = getLabel(outData, row, col+1);  
  210.         }  
  211.           
  212.         if(min > getLabel(outData, row-1, col-1) && getLabel(outData, row-1, col-1) != 0) {  
  213.             min = getLabel(outData, row-1, col-1);  
  214.         }  
  215.           
  216.         if(min > getLabel(outData, row-1, col+1) && getLabel(outData, row-1, col+1) != 0) {  
  217.             min = getLabel(outData, row-1, col+1);  
  218.         }  
  219.           
  220.         if(min > getLabel(outData, row+1, col-1) && getLabel(outData, row+1, col-1) != 0) {  
  221.             min = getLabel(outData, row+1, col-1);  
  222.         }  
  223.           
  224.         if(min > getLabel(outData, row+1, col+1) && getLabel(outData, row+1, col+1) != 0) {  
  225.             min = getLabel(outData, row+1, col+1);  
  226.         }  
  227.   
  228.         if(getLabel(outData, row, col) == min)  
  229.             return;  
  230.         outData[index] = min;  
  231.           
  232.         // eight neighborhood pixels  
  233.         if((row -1) >= 0) {  
  234.               
  235.             mergeLabels((row-1)*dw + col);  
  236.         }  
  237.           
  238.         if((col-1) >= 0) {  
  239.             mergeLabels(row*dw+col-1);  
  240.         }  
  241.           
  242.         if((row+1) < dh) {  
  243.             mergeLabels((row + 1)*dw+col);  
  244.         }  
  245.           
  246.         if((col+1) < dw) {  
  247.             mergeLabels((row)*dw+col+1);  
  248.         }  
  249.           
  250.         if((row-1)>= 0 && (col-1) >=0) {  
  251.             mergeLabels((row-1)*dw+col-1);  
  252.         }  
  253.           
  254.         if((row-1)>= 0 && (col+1) < dw) {  
  255.             mergeLabels((row-1)*dw+col+1);  
  256.         }  
  257.           
  258.         if((row+1) < dh && (col-1) >=0) {  
  259.             mergeLabels((row+1)*dw+col-1);  
  260.         }  
  261.           
  262.         if((row+1) < dh && (col+1) < dw) {  
  263.             mergeLabels((row+1)*dw+col+1);  
  264.         }  
  265.     }  
  266.       
  267.     private void setData(int[] data, int row, int col, int value) {  
  268.         if(row < 0 || row >= dh) {  
  269.             return;  
  270.         }  
  271.           
  272.         if(col < 0 || col >= dw) {  
  273.             return;  
  274.         }  
  275.           
  276.         int index = row * dw + col;  
  277.         data[index] = value;  
  278.     }  
  279.       
  280.     private int getLabel(int[] data, int row, int col) {  
  281.         // handle the edge pixels  
  282.         if(row < 0 || row >= dh) {  
  283.             return 0;  
  284.         }  
  285.           
  286.         if(col < 0 || col >= dw) {  
  287.             return 0;  
  288.         }  
  289.           
  290.         int index = row * dw + col;  
  291.         return (data[index] & 0x000000ff);  
  292.     }  
  293.   
  294.     private int getPixel(int[] data, int row, int col) {  
  295.         // handle the edge pixels  
  296.         if(row < 0 || row >= dh) {  
  297.             return bgColor;  
  298.         }  
  299.           
  300.         if(col < 0 || col >= dw) {  
  301.             return bgColor;  
  302.         }  
  303.           
  304.         int index = row * dw + col;  
  305.         return (data[index] & 0x000000ff);  
  306.     }  
  307.   
  308.     /** 
  309.      * binary image data: 
  310.      *  
  311.      * 255, 0,   0,   255,   0,   255, 255, 0,   255, 255, 255, 
  312.      * 255, 0,   0,   255,   0,   255, 255, 0,   0,   255, 0, 
  313.      * 255, 0,   0,   0,     255, 255, 255, 255, 255, 0,   0, 
  314.      * 255, 255, 0,   255,   255, 255, 0,   255, 0,   0,   255 
  315.      * 255, 255, 0,   0,     0,   0,   255, 0,   0,   0,   0 
  316.      *  
  317.      * height = 5, width = 11 
  318.      * @param args 
  319.      */  
  320.     public static int[] imageData = new int[]{  
  321.          2550,   0,   255,   0,   2552550,   255255255,  
  322.          2550,   0,   255,   0,   2552550,   0,   2550,  
  323.          2550,   0,   0,     2552552552552550,   0,  
  324.          2552550,   255,   2552550,   2550,   0,   255,  
  325.          2552550,   0,     0,   0,   2550,   0,   0,   0  
  326.     };  
  327.       
  328.     public static void main(String[] args) {  
  329.         FastConnectedComponentLabelAlg ccl = new FastConnectedComponentLabelAlg();  
  330.         int[] outData = ccl.doLabel(imageData, 115);  
  331.         for(int i=0; i<5; i++) {  
  332.             System.out.println("--------------------");  
  333.             for(int j = 0; j<11; j++) {  
  334.                 int index = i * 11 + j;  
  335.                 if(j != 0) {  
  336.                     System.out.print(",");  
  337.                 }  
  338.                 System.out.print(outData[index]);  
  339.             }  
  340.             System.out.println();  
  341.         }  
  342.     }  
  343.   
  344. }  

找到最大连通区域以后,对最大连通区域数据进行扫描,找出最小点,即矩形区域左上角坐

标,找出最大点,即矩形区域右下角坐标。知道这四个点坐标以后,在原图上打上红色矩形

框,标记出脸谱位置。寻找四个点坐标的实现代码如下:

  1. private void getFaceRectangel() {  
  2.     int width = resultImage.getWidth();  
  3.        int height = resultImage.getHeight();  
  4.        int[] inPixels = new int[width*height];  
  5.        getRGB(resultImage, 00, width, height, inPixels);  
  6.          
  7.        int index = 0;  
  8.        int ta = 0, tr = 0, tg = 0, tb = 0;  
  9.        for(int row=0; row<height; row++) {  
  10.         for(int col=0; col<width; col++) {  
  11.             index = row * width + col;  
  12.             ta = (inPixels[index] >> 24) & 0xff;  
  13.                tr = (inPixels[index] >> 16) & 0xff;  
  14.                tg = (inPixels[index] >> 8) & 0xff;  
  15.                tb = inPixels[index] & 0xff;  
  16.                if(tr == tg && tg == tb && tb == 0) { // face skin  
  17.                 if(minY > row) {  
  18.                     minY = row;  
  19.                 }  
  20.                   
  21.                 if(minX > col) {  
  22.                     minX = col;  
  23.                 }  
  24.                   
  25.                 if(maxY < row) {  
  26.                     maxY = row;  
  27.                 }  
  28.                   
  29.                 if(maxX < col) {  
  30.                     maxX = col;  
  31.                 }  
  32.                }  
  33.         }  
  34.        }  
  35. }  
缺点:

此算法不支持多脸谱检测,不支持裸体中的脸谱检测,但是根据人脸的

生物学特征可以进一步细化分析,支持裸体人脸检测

版权声明:本文为博主原创文章,未经博主允许不得转载。

posted @ 2015-07-24 10:11  毛毛虫的薄刻  阅读(191)  评论(0编辑  收藏  举报