曲镝　陈银杯　廖峰

[摘要]目的：对比仪器测量法和图像分析法，分析影响测量皮肤颜色的因素。方法：用测色计和图像分析技术对惰性物体和人体皮肤进行重复性颜色测量，通过测量准确性对比两者的优缺点。通过面部皮肤图像分析，开发一种计算机自动算法，用于图像自动色彩校正。结果：仪器测量法和图像分析法在测量情性物体颜色时误差较小。测量活体皮肤颜色时，仪器测量法的a^*值出现较大的误差。在图像分析法中，间隔时间较长的拍摄也出现较大的误差。对图像的RGB颜色通道进行处理，开发的颜色校正方法可提升26倍的颜色准确性。此颜色校正方法验证了产品12周后的美白功效。结论：图像分析法不接触皮肤，不会产生影响，更适合于活体皮肤颜色的测定。本研究开发的算法提供了一种能大批量自动校正图像色彩的方法，可应用于产品功效验证。

[关键词]图像分析；颜色校准；皮肤颜色；定量分析

[中图分类号]TQ658.2 [文献标志码]A [文章编号]1008-6455（2017）08-0093-04

皮肤颜色是皮肤医学和化妆品行业的一个重要测控指标，其客观定量分析方法也在不断地探索中。在过去近20年中，使用测色计测量肤色已发展成为行业的标准方法。但由于肤色测量是活体组织测量，易受环境因素影响，仪器操作时和皮肤接触往往会引起皮肤颜色的细微变化，从而给测试带来不可避免的误差。随着数字彩色照相技术的发展和普及，近年来在皮肤医学和化妆品行业中，应用图像分析法及通过图像的拍摄全面记录皮肤的状况已经很普遍。图像获取过程不与皮肤接触，能避免测量操作中对皮肤颜色的影响。但此方法对光源、环境的控制及图像获取过程的精确操控均需要很高的技术要求，以降低图像之间的颜色偏差问题，提高图像之间颜色的重复性和准确性。本文通过实验分析了测色计和图像分析两种主要肤色测量方法之间的差别，造成误差的原因，以及改进的方法。于此基础上建立了在每帧图像中设置标准色卡的拍摄体系，并开发了一套新的自动图像颜色校准技术。该技术在很大程度上提高了图像拍摄颜色的重复性和准确性，从而极大地提升了利用图像定量分析皮肤颜色的科学性和准确性。

1材料和方法

1.1材料：VISIA-CR面部图像拍摄系统，在拍摄时提供稳定的光源环境（美国Canfield公司）；测色计X-Rite（美国爱色丽公司）；6色標准颜色色卡（美国爱色丽公司）；测量对象：惰性物体（粉底样品）与活性组织（手背和面部皮肤）。

1.2方法

1.2.1测色计与图像分析测量准确度的比较：使用测色计对惰性物体与手背皮肤分别进行30次重复测量，记录被测对象的颜色L^*a^*b^*参数数据。同时，对惰性物体与手背皮肤分别进行30次图像拍摄，使用软件对这30次图像进行图像分析，获得拍摄对象颜色L^*a^*b^*参数数据。使用测量数据计算测量的误差百分比，对比两种方法在不同测量对象下的测量准确性，误差百分比计算公式（%）=标准差/平均值×100%。

1.2.2图像颜色校准技术的开发：使用VISIA-CR面部图像拍摄系统获取脸部图像，图像拍摄时附上标准颜色色卡。利用自主开发的软件（FACES，Facial Analysis Computer Evaluation System），自动识别标准颜色色卡的各个标准色，并通过对图像颜色的读取获得色卡的颜色值RGB。对比标准颜色色卡的测量值和标准值，获取两者的相关性并获得校准因子。利用校准因子对图像的颜色进行修正。测量颜色校正后的图像，获取RGB颜色，汇集颜色校正前后的测量结果进行分析。

1.2.3校准技术的应用：使用新开发的图像颜色校准技术，对美白产品的临床人体面部测试图像进行颜色校准，然后获取测试区域的皮肤颜色，进行产品功效的评估。测试方法：招募70名25～65岁身体健康的亚洲女性。让志愿者使用美白套装（紧肤水，精华，日霜，晚霜）每天2次，持续使用12周。在未使用产品时和使用产品12周后这两个时间点进行面部图像拍摄，对所有图像以标准颜色色卡为基准行颜色修正，对修正后的图像进行颜色分析。根据图像分析获得的L^*a^*b值，按下列公式计算评价皮肤的亮白程度的ITA°（个体类型角）指数，ITA°值越大代表皮肤亮白程度越好。公式如下：

2结果

2.1测色计与图像分析测量准确度的比较：在惰性材料颜色数据中可观察到两种测量方法的数值和误差百分比是比较接近的。手部皮肤颜色结果显示，在测量对象为活体皮肤时，测量误差百分比与惰性材料情况存在差异，图像分析法的误差要小于测色计法的结果（见图1～2），说明图像分析法在测试活体皮肤的情况下准确度要好于测色计法。

2.2图像颜色校准技术的开发：人类视力所能感知的所有颜色是通过红（R）、绿（G）、蓝（B）三个颜色通道的变化以及它们相互之间的叠加表现，稳定可靠的图像信息是进行图像分析的基础。为了观察拍摄图像的重复性和准确性，我们使用相同的拍照设备，相同的曝光设置在相同的环境设置下，在同一时间和不同时间对同一物体重复进行拍照，红色直线代表的是图片中的红色色卡的标准红度R值，蓝色曲线代表的是每次拍照后从照片的红色色卡中读取的红度R数值（见图3）。从结果可以观察到，受拍照设备质量的影响，无论同一时间或是不同时间，在相同拍摄条件下多次拍摄出来的物体图像之间的颜色数值还是存在较大的偏差。

为获得用于颜色对比的标准参照，在拍摄图像时，会附加上一张含有蓝/绿/红/黑/灰/白6个标准色的色卡（图4），每个标准色卡都有标准的RGB值。每次拍摄后，通过图像分析会得到拍照时刻点色卡实际的RGB值。对图3图像进行分析后，可以观察到通过图像分析获取的色卡RGB值和标准值之间存在着较大的偏差（见表1）。实测值与标准值之间的偏差程度，通常会使用“平均误差平方和（MSE：mean error sum of squares）”表示，数值越大表明偏差程度越明显，例如，图4的6个标准色卡RGB实测值的MSE=1953.1（见图5）。因此，需要通过数学模型建立起R/G/B颜色三通道标准值和实测值的关联性，应用建立起来的数学模型对图像上每个像素的颜色进行矫正。通过使用最小二乘法对图像的拟合，发现使用简单线性模型对6个标准色卡的图像测量值和标准值进行拟合程度最佳，同时获取两者的相关性并获得校准因子（见图6）。endprint

利用上述获得的校准因子对373张图像颜色进行全面的颜色校正，并再次对颜色校正后的图像抓取颜色标准卡的RGB值。结果显示，标准色卡6个颜色测量的MSE平均值由校正前的794.8降低为30.8，提高颜色准确性约26倍（见图7）。以灰色色卡的亮度为例，拍摄的373张图像进行颜色校正前后，通过图像分析分别获取的颜色值，可以很清晰的观察到校正前的数据和标准值存在较大的偏差，校正后的图像数据基本接近标准值，图像准确性得到了很好的保障（见图8）。

2.3校准技术的应用：70名自愿者在使用美白套装前和使用12周后，两个时间点进行面部图像拍摄，并对图像进行颜色校正，使在不同时间点拍摄的图像具有可进行对比的基础。比较两个时间点，82.9%自愿者（58名）的脸颊皮肤ITA°指数均有不同程度的提升（见图9）。此结果显示了图像分析技术对产品皮肤美白功效进行准确评估的可能性。

3讨论

目前，在国内外皮肤医学和化妆品行业的文献中对图像颜色校正的研究还不多见。业内最权威的面部拍摄仪器VISIA，VISIA-CR以及其图像分析软件VAESTRO（Canfield Scientific Inc.USA），还没有配备单帧图像颜色校正和肤色定量分析的功能。在能看到的研究中，主要是通过调控光源来控制图像颜色准确度，或是依赖仪器的出厂设置对皮肤图像不做任何校正。Miyamoto等在2007年报道了使用图像分析技术测量面部黑斑的方法。在拍摄之前用标准色卡和测色计对拍摄仪器光源进行颜色校正，得到了比较准确的肤色结果。Wang等在2010年研究了圖像颜色校正方法。比较了几种常用的方法后，他们对其进行优化，开发了一套有效的图像颜色校正方法，用于舌苔颜色的诊断。这种方法能把从不同相机，不同光源条件下取得的照片校正到大致相同的颜色。Brown等在2015和Schutte等在2016开发了在无标准色卡情况下用像素的颜色分布特性进行图像颜色校正。这两个专利技术更适合在特定环境下（比如：水中拍摄）获得有比较准确颜色的照片。如本文介绍的对皮肤颜色测量误差来源进行深入研究，但对每帧图像进行拍摄后颜色校正的报道目前在文献中还没有看到。和以上各种方法比较，运用标准色卡对每帧图像进行颜色校正有简单、准确和易于大批量图像处理的优势。

笔者的研究结果表明，图像分析技术在测量肤色上具有准确性高、误差小的优势，为皮肤颜色图像定量分析的探索奠定了技术开发的方向。在图像拍摄时引入6色的标准色卡并对图像的三原色RGB值进行校正，降低外部环境因素和图像拍摄引起的颜色偏差，将拍摄的图像信息校正到同一条件水平，这是图像客观定量分析的前提条件。对RGB实测值与标准值的关联性进行研究，通过建立数学模型的方式确认出图像校准因子，并将研究结果通过软件的方式开发出了一种新的全自动图像颜色校准技术，此技术在图像校正中，可以确保图像的稳定性和准确性，为图像分析建立起客观稳定的分析研究基础。所以，图像颜色校准技术是图像分析中核心和关键的技术环节。endprint