手机图片的发型合成

王雨轩

简介

本文提出了一种手机图片发型合成技术，可通过手机拍照的方式，拍摄随处见到的发型，支持朋友照片、街拍、明星照片拍摄、理发店发型图片拍摄等多种发型输入方式，输入发型图片可与用户照片合成新的发型图片，使用户能够便捷地看到发型合成效果。比起目前常用的发型设计和合成软件，本文提出的方法对于用户拍照没有限制，合成效果更为逼真，且灵活易用。

手机图片的发型合成

研究内容与过程

本文设计的手机发型图片人脸合成系统框图如图1所示。

该系统涉及的算法包栝人脸检测、头发区域检测、发型合成、后处理等。

手机图片的人脸检测与头发区域检测

进行人脸检测是发型图片合成的第1步。考虑到该项技术将应用于手机，需要较高的计算效率等因素，本文采用了基于肤色的彩色图像人脸检测方法。

人脸区域区别于背景的显著特征之一是在彩色图像中人脸具有独特的肤色特征，是一种典型的色彩信息。人脸检测可先检测肤色区域，再具体确定人脸位置。肤色区域检测的目的

是从任意给定的一幅图像中正确分割出肤色区域作为人脸候选区域，需要建立一个精确的肤色模型来判断出被检测区域是否为肤色。

肤色区域检测包括以下3部分主要任务：①选择适当的肤色颜色模型表示方式；②通过统计大量包含不同背景的光照等变化下的彩色图像中的肤色区域建立肤色模型；③利用肤色模型进行肤色区域检测。在这3个任务中，最重要的便是肤色模型的建立，肤色模型的准确性直接影响肤色区域检测结果的准确性。

本文利用手机图片的色彩分布特征，结合肤色模型，得到人脸候选区域，在此区域上，进行边缘提取和边缘拟合，进一步得到人脸精确定位结果。基于本文提出的手机图片模型进行人脸检测和定位的示例结果如图2所示。

手机图片头发区域检测

本文提出了利用聚类进行头发区域检测的方法。在人脸区域精定位的基础上，将人脸区域分别向4个方向延伸各1/2人脸大小，作为发型候选区域，在此区域内逐渐扩大范围，由于头发颜色较为一致，利用K均值聚类，便可得到头发区域的精定位结果。

在具体实现中，设定类别为2个，聚类结果为头发区域和非头发区域。

通过上述方法，就能实现对于头发区域的准确定位，示例图如图3所示，头发区域定位后可提取发型。

目前染发流行，导致头发颜色种类较多，难以建立完备的头发颜色模型，利用所有发型色彩模型进行头发区域检测的方法很难实现。本文提出的方法比通过颜色模型提取头发区域更为精确且易实现，由于设定了头发候选区域，缩小了计算范围，提高了计算效率。

手机图片的人脸合成

目前的发型合成软件的方法大多是手工标出人脸中眼睛的位置，将人脸进行归一化，发型模型尺寸固定，然后与人脸进行合成。这种方法的缺点在于人脸进行归一化后从视觉效果上看与本人有一定的差异，叠加上固定的发型模型后不自然，视觉效果不好。且基于多特征点位置匹配的典型人脸归一化方法的计算复杂性高于发型归一化，本文提出了发型自适应归一化合成方法，目标人脸大小不变，根据人脸尺寸对于发型进行自适应归一化，这种方法计算效率高，合成发型的视觉效果更为逼真。

具体实现方法为：设用户目标人脸宽度为W1，定义为从左到右最览的距离，人脸的长度为L1，定义为两眼中心点到下巴尖的距离；发型人脸宽度为W2，同样定义为从左到右最宽的距离，发型人脸的长度为L2，定义为两眼中心点到下巴尖的距离。原发型区域宽度为FW，原发型区域长度为FL。变换后的发型区域宽度为FWW，变换后的发型区域长度为FLL。

发型区域需要进行归一化，拉伸或者缩放的比例为：

横向区域：FWW=FW×（W1/W2）；纵向区域：FLL=FLL×（L1/L2）

发型合成后处理

初步合成后的图像边缘较锐利，看起来不够自然。为获得更加自然的合成效果，本文将合成图片进行后处理，将人脸边缘与头发连接的部分进行中值滤波，取得了更加自然的视觉效果。中值滤波法是一种非线性平滑技术，其基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让周围的像素值接近真实值，从而消除孤立的噪声点。由于人脸与头发区域在水平方向上差别较大，本文仅在水平方向上进行中值滤波。

发型合成结果

本实验分别用三星手机和华为手机翻拍了朋友的照片、明星照片和一些理发店发型照片，也在较为复杂的背景下拍摄了部分图片。然后我将用户照片和待提取发型照片进行合成，共计进行了272张图片的合成，实验图片部分来自朋友和同学。我请21个朋友对合成的结果进行主观评价，19人满意合成效果。

结论

本文提出了一种手机图片发型合成方法，可利用手机拍摄随处见到的发型照片。支持朋友照片、街拍、明星照片拍摄、理发店发型图片拍摄等多种发型输入方式，输入发型图片可与用户照片合成新的发型图片。比起目前常用的发型设计软件，本实验提出的方法对于用户拍照没有限制，合成效果更为逼真，且更灵活易用。

本文在手机图片人脸检测中，提出并建立了一个基于手机图片的人脸肤色模型，与目前成熟算法中为解决复杂光照和复杂背景问题而建立的肤色模型相比，更准确地描述了手机人脸图片肤色特点，具有针对性。

本文在发型与人脸合成中，提出了发型与目标人脸自适应的归一化发型合成方法，与传统方法中对于用户人脸进行归一化并与已存储的发型合成相比，本文提出的方法无需对于人脸进行归一化，因而无需精确定位人眼等面部器官，大大减少了计算复杂性；并且，人脸归一化容易使人脸变形，而本文提出的发型归一化方法避免了人脸变形，从视觉效果上提高了发型合成图片的逼真性，计算效率髙。

在上述方法基础上，已实现手机图片发型合成原型系统，具有人脸检测精度高、视觉效果逼真、计算效率高等优点，适合于手机应用。

该项目获得第31届全国青少年科技创新大赛创新成果竞赛项目中学组计算机科学一等奖。

专家评语

该研究成果系统界面美观，人机交互灵活友好，接近实用。如果膚色模型直接在RGB空间中采用三维直方图建模，效果应更好。如果增加头发区域检测模块，并用它指导归一化合成，效果会更好。endprint