基于YCbCr空间与高斯模型的皮肤识别分割系统

资 源 简 介

该项目是一套自主开发的皮肤区域识别与分割系统。其核心原理是利用高斯概率模型描述肤色在颜色空间中的分布特性。首先，程序在训练阶段对大量的皮肤样本进行统计分析，提取YCbCr色彩空间中的肤色分量特征，计算相应的均值向量和协方差矩阵，从而建立起稳健的高斯分布模型。通过对训练集进行多轮测试，系统能够自动学习并生成最优的概率密度识别阈值。在具体执行过程中，系统将待检测图像从标准的RGB格式转换至YCbCr空间，以有效排除光照亮度分量的干扰，专注于Cb和Cr色度信息的处理。随后，程序计算每个像素点属于肤色类别的概率密

详 情 说 明

基于YCbCr空间的皮肤高斯模型分割系统

项目介绍

本项目是一款专为肤色检测与图像分割设计的软件系统。系统基于统计学原理，利用高斯概率密度函数对皮肤颜色在YCbCr色彩空间中的分布进行建模。通过排除光照强度的干扰，系统能够精准捕捉肤色特征，并配合形态学后处理技术，实现从复杂背景中提取皮肤区域的功能。本系统不仅具备核心算法逻辑，还提供了完整的图形用户界面（GUI），方便用户进行交互式操作与结果分析。

---

功能特性

1. 交互式GUI界面：采用标准窗体设计，集成图像显示区域与控制面板，支持实时交互。
2. 多图层对比反馈：同步显示原始图像、高斯概率分布图、二值化掩膜以及最终分割结果，方便定性分析。
3. 稳健的高斯模型：内置针对亚洲人肤色特征优化的均值向量与协方差矩阵，支持模型的动态重置与模拟训练。
4. 自定义阈值调整：用户可通过界面手动输入分割阈值，以适应不同光照条件和背景复杂度的图像。
5. 自动化后处理：内置开运算、闭运算及孔洞填充等形态学算法，有效去除检测噪点并平滑边缘。
6. 结果导出功能：支持将生成的皮肤掩膜图像以标准图片格式导出至本地硬盘。

---

使用方法

1. 启动程序：在MATLAB开发环境中运行主体程序脚本，系统将自动弹出主界面。
2. 载入图像：点击“载入待测图像”按钮，在文件浏览器中选取需要处理的JPG、PNG或BMP格式图片。
3. 模型训练：点击“训练/重置模型”按钮，系统将根据预设的离线训练统计数据更新高斯参数。
4. 设置阈值：在“分割阈值设定”输入框中填写概率判别系数（建议范围在0.001左右），该数值决定了分割的灵敏度。
5. 执行检测：点击“执行皮肤检测”按钮，系统将依次完成色彩空间转换、概率计算、形态学处理及结果合成。
6. 保存结果：若对分割效果满意，可点击“导出结果图”按钮保存掩膜图像。

---

系统逻辑实现详解

#### 1. 色彩空间转换逻辑 系统接收到RGB图像后，首先将其由标准RGB色彩空间转换至YCbCr空间。执行逻辑中特意提取了Cb（蓝色差分量）与Cr（红色差分量），而忽略了Y（亮度分量）。这种做法的目的是增强系统对不同光照强度变化的鲁棒性，将色彩识别重点放在色度信息上。

#### 2. 高斯概率建模算法 系统核心识别逻辑基于二维高斯分布。其实现过程如下：

• 数据准备：将图像中每个像素的Cb、Cr值组合成特征向量。
• 概率密度计算：基于预先训练好的均值向量（mu）和协方差矩阵（sigma），利用多元高斯概率密度函数公式计算每个像素属于肤色的概率值。
• 向量化运算：代码采用了高效的矩阵运算方式，通过计算像素特征与均值的马氏距离，快速生成全图概率分布。

#### 3. 概率判别与二值化 在得到连续的概率密度图后，系统将其归一化至[0, 1]区间。程序根据用户输入的阈值系数与全图最大概率值的乘积作为判别边界。超过该边界的像素被标记为1（皮肤），低于该边界的则标记为0（背景），从而生成初步的二值掩膜。

#### 4. 形态学后处理 为了解决由噪声引起的碎点以及皮肤区域内部的细小空隙，系统执行了一套标准化的形态学处理流程：

• 开运算：利用半径为3的圆形结构元素进行先腐蚀后膨胀，消除散点噪声。
• 闭运算：对图像进行先膨胀后腐蚀，填补肤色区域内的微小间隙，增强区域连通性。
• 空洞填充：利用imfill算子填补皮肤区域内部不连续的黑洞，使生成的掩膜更加精确完整。

#### 5. 可视化分析逻辑 系统将最终生成的掩膜应用回原始RGB图像中。具体逻辑是：创建一个原图副本，将掩膜中非皮肤区域（逻辑0）对应的R、G、B三个通道的像素值全部置为0（纯黑），从而在视觉上隔离出皮肤目标，完成分割提取。

---

系统要求

• 运行环境：MATLAB R2016b 或更高版本。
• 软件工具箱：需要安装 Image Processing Toolbox (图像处理工具箱)。
• 硬件要求：支持标准图形显示的计算机，内存建议4GB以上。