蘭紅， 黃敏

（江西理工大學(xué)信息工程學(xué)院，江西 贛州341000）

0 引 言

二代居民身份證及其他證件照需符合標(biāo)準(zhǔn)格式， 《中華人民共和國(guó)第二代居民身份證數(shù)字相片技術(shù)標(biāo)準(zhǔn)》[1]對(duì)相片圖像文件給出了具體要求。以往進(jìn)行證件照拍攝， 需要前往照相館， 或借助Photoshop 等工具進(jìn)行圖像處理，費(fèi)時(shí)耗力，成本較高。雖然有些軟件已有將普通相片自動(dòng)處理成較正式的相片的功能，但是處理效果還達(dá)不到身份證證件照的要求，而且目前直接將所拍相片自動(dòng)處理成符合身份證相片的相關(guān)文獻(xiàn)較少。

針對(duì)以上問題，文獻(xiàn)[2]提出了基于Sobel 邊緣檢測(cè)算子對(duì)證件照進(jìn)行輪廓識(shí)別的Android 平臺(tái)證件照拍攝處理一體化解決方案，該方案能夠滿足普通單人照的處理與制作需求， 如簡(jiǎn)歷上的相片，但是無法達(dá)到公民二代證的證件照要求。 文獻(xiàn)[3]提出了一種基于人臉檢測(cè)的批量證件照并行自動(dòng)裁剪方案，該方案能夠?qū)⒋笈糠亲C件照裁剪成符合各種要求的標(biāo)準(zhǔn)證件照，但是側(cè)重于證件照的裁剪并未對(duì)相片進(jìn)行內(nèi)容處理，如遇到背景色不符合規(guī)定的相片則無法將之處理成合格身份證照。

文中提出了TFR 算法的身份證照?qǐng)D像處理方法，TFR 算法融合了頭頂距裁剪算法 （簡(jiǎn)稱T 算法）、改進(jìn)的FloodFill 算法（簡(jiǎn)稱F 算法）和均值RGB 換膚算法（簡(jiǎn)稱R 算法）。 TFR 算法分三步對(duì)相片進(jìn)行處理：第一步，針對(duì)身份證照中頭像大小及位置要求，提出了T 算法，將不合格相片根據(jù)身份證照要求進(jìn)行圖片裁剪；第二步，針對(duì)身份證照的純白色背景要求，提出了F 算法，將裁剪好的相片用該算法將身份證照背景色替換成純白色背景；第三步，針對(duì)身份證照中人臉的膚色要求，提出了R 算法，使身份證照中人臉的膚色達(dá)到證件照的要求。

1 頭頂距裁剪T 算法

標(biāo)準(zhǔn)[1]中對(duì)相片中頭像大小及位置要求如下：人像在相片矩形框內(nèi)水平居中，臉部寬（207±14） px，頭頂發(fā)跡距相片上邊沿（簡(jiǎn)稱為頭頂距）7～21 px，相片下邊緣以剛露出鎖骨或者襯衣領(lǐng)尖為準(zhǔn)。文獻(xiàn)[3]中提出的裁剪算法列出了根據(jù)證件照的高寬比來進(jìn)行裁剪， 其中人在相片中的位置要求并未詳細(xì)說明。文中提出了一種基于頭頂距的圖像裁剪算法T算法，對(duì)不符合標(biāo)準(zhǔn)[1]中對(duì)頭像大小及位置要求的相片進(jìn)行裁剪，使之符合標(biāo)準(zhǔn)。

1.1 參數(shù)定義

1）設(shè)定二代標(biāo)準(zhǔn)證件照參數(shù)

寬Ws=358 px，高Hs=441 px。

2）定義可變參數(shù)

Wsf：標(biāo)準(zhǔn)照中人臉寬度像素值，Yst：標(biāo)準(zhǔn)照中頭頂距；

Xf：人臉區(qū)域左上角的橫坐標(biāo)，Wf：人臉區(qū)域的寬度。

1.2 頭頂定位

設(shè)Ia表示裁剪前圖像，頭頂定位算法的設(shè)計(jì)目的就是求取頭頂距Yt，算法描述如下。

Input：Ia//原始圖像

Output:1）Yt//頭頂距

2）Ib//標(biāo)記頭頂距圖像

處理過程：

1）讀取原始圖像：read（Ia）;

2）將圖像Ia轉(zhuǎn)換成灰度圖Ig;

3）去除噪聲，使用圖像金字塔對(duì)灰度圖Ig進(jìn)行去噪處理，得到?jīng)]有噪聲的圖像In；

4）邊界識(shí)別，使用Canny 算子對(duì)圖像In進(jìn)行邊界識(shí)別，得到邊界圖像Ie；

5）遍歷獲取頭頂距參數(shù)Yt；

6）根據(jù)頭頂距參數(shù)在原始圖像Ia作出標(biāo)記，生成圖像Ib。

1.3 圖像縮放

根據(jù)Ia的人臉區(qū)域?qū)挾萕f和標(biāo)準(zhǔn)照人臉區(qū)域?qū)挾萕sf可得到一個(gè)縮放比Rp：

將Ia用縮放比Rp整體縮放為人臉寬度滿足標(biāo)準(zhǔn)照要求的Ic，此時(shí)Ic的人臉區(qū)域左上角的橫坐標(biāo)變?yōu)閄′f，頭頂距變?yōu)閅′t：

基于圖像Ic， 根據(jù)裁剪點(diǎn)P 的坐標(biāo)以及Ws和Hs裁剪圖像，得到圖像Id。 其中P 點(diǎn)坐標(biāo)的求取如公式（4）、公式（5）所示，其中Xp代表橫坐標(biāo)，Yp代表縱坐標(biāo)。

1.4 算法效果

圖1 中給出了4 幅圖（文中圖像都隨機(jī)選取于網(wǎng)絡(luò)）， 分別表示輸入時(shí)不合格圖像（裁剪前圖像Ia）、經(jīng)過頭頂定位算法獲得的圖像（頭頂定位圖像Ib）、按照?qǐng)D像縮放比Rp縮放后得到的圖像（縮放圖像Ic）以及通過完整的裁剪算法輸出的圖像（裁剪后圖像Id）。圖1（a）圖片尺寸過大、含有不均勻藍(lán)色背景且圖片像素為1504×1000 px；圖1（b）中人像頭頂紅色橫線是圖1（a）經(jīng)過頭頂定位算法標(biāo)注出來的；圖1（c）經(jīng)過縮放后像素變?yōu)?52×500 px;圖1（d）是在圖1（c）基礎(chǔ)上裁剪后得到的，滿足標(biāo)準(zhǔn)[1]中對(duì)圖片的長(zhǎng)寬規(guī)格358×441 px。

圖1 裁剪算法圖像

2 改進(jìn)FloodFill 的F 算法

圖1（d）的Id滿足標(biāo)準(zhǔn)[1]中的頭像大小及位置要求，以及圖像文件要求中的圖像長(zhǎng)寬規(guī)格，但I(xiàn)d中存在不均勻的背景顏色，不符合標(biāo)準(zhǔn)[1]中背景色為白色的要求。因此，對(duì)Id進(jìn)行背景色處理，將其不均勻的藍(lán)色背景替換成均勻的白色背景。 采用FloodFill 算法進(jìn)行背景替換。

2.1 FloodFill 算法介紹

FloodFill 算法又稱泛洪算法， 屬于一種特殊的深度優(yōu)先遍歷算法， 采用了水流從水源近處流向遠(yuǎn)處的原理[4-6]。 應(yīng)用于圖像處理中，就是自動(dòng)選中和種子點(diǎn)相連的區(qū)域， 接著將該區(qū)域替換成指定的顏色[7-9]。

定義一個(gè)種子點(diǎn)seedPoint 和一個(gè)掩膜mask，當(dāng)鄰域和種子點(diǎn)像素相差在[-loDiff,+upDiff]的時(shí)候就用newVal 來填充這個(gè)點(diǎn)。 其中seedPoint、mask、loDiff、upDiff 和newVal 都是FloodFill 算法的自定義參數(shù)。 直接調(diào)用FloodFill 算法處理圖像會(huì)導(dǎo)致人像部分被填充（過填充）或者背景未被完全填充（欠填充），單純使用FloodFill 算法無法達(dá)到預(yù)期效果，尤其是背景復(fù)雜的情況。 本文針對(duì)要處理的圖像，對(duì)FloodFill 算法進(jìn)行了一些改進(jìn)，在它基礎(chǔ)上增加了圖像預(yù)處理步驟， 并且與Canny 算子相結(jié)合使用， 使得該算法能夠更好的實(shí)現(xiàn)想要的效果。

2.2 改進(jìn)的FloodFill 算法背景替換

為了使FloodFill 算法的效果達(dá)到：①圖像背景色被完全填充為白色； ②人像部分不能填充破壞。文中對(duì)待處理圖像進(jìn)行了圖像預(yù)處理，具體步驟如圖2 所示。

圖2 F 算法流程

設(shè)讀入圖像為f（x，y），對(duì)圖像進(jìn)行高斯濾波得到g（x，y），計(jì)算公式為：

對(duì)圖像g（x，y）進(jìn)行灰度轉(zhuǎn)換，運(yùn)用文獻(xiàn)[8]中的灰度轉(zhuǎn)換公式，得到灰度圖G（x，y），其計(jì)算公式為：

利用金字塔算法對(duì)灰度圖G（x，y）進(jìn)行縮放，其中P′（x，y）為縮小過程，P（x，y）為放大過程，從而去除噪聲，算法公式為：

用形態(tài)結(jié)構(gòu)元素B 對(duì)無噪聲圖P（x,y）作形態(tài)學(xué)閉運(yùn)算，得到預(yù)處理后的圖像E（x,y）：

E（x,y）=close[P（x，y），B]= erode{dilate[P（x，y）,B]，B} （10）

2.3 算法效果圖

以圖1（d）中的Id為實(shí)驗(yàn)圖像，圖3（a）是使用未改進(jìn)的FloodFill 算法處理圖像的效果圖。 圖3（a）中矩形標(biāo)記出的區(qū)域也被填充為白色， 處理效果不理想， 這是由于人耳的耳垂部分有一個(gè)由凸變凹再變凸的形態(tài)學(xué)漸變。圖3（b）是經(jīng)過改進(jìn)的FloodFill 算法處理后的效果圖，處理效果達(dá)到要求。

圖3 F 算法替換背景效果對(duì)比

3 均值RGB 換膚R 算法

原始相片經(jīng)過裁剪和替換背景后可得到如圖3（b）所示的效果圖，已基本滿足二代證的要求，但是因?yàn)槿四樐w色偏藍(lán)，不滿足“二代身份證檢測(cè)平臺(tái)”膚色條件。因此，還需對(duì)相片中人像進(jìn)行膚色調(diào)整。 文中提出的R 算法，首先根據(jù)大量合格相片人臉區(qū)域求取RGB 像素平均值， 確定最佳人臉RGB 值； 然后計(jì)算膚色不合格相片人臉區(qū)域平均RGB 值，根據(jù)不合格相片人臉平均RGB 值和最佳人臉RGB 值的差值，對(duì)不合格相片的RGB 值進(jìn)行均衡化處理，達(dá)到調(diào)整膚色的目的。

均值RGB 膚色調(diào)整算法描述如下：

Input ： If//輸入圖像（膚色不合格）

Output: Ig//輸出圖像（膚色合格）

處理過程：

Step1：GetFaceRGB; //根據(jù)獲得的參數(shù)計(jì)算出輸入圖像臉部區(qū)域平均的RGB 值

for （int i=x;i＜w;i++）//臉部區(qū)域?qū)挾缺闅v

for （int j=y;j＜h;j++） //臉部區(qū)域高度遍歷

//分別求取臉部區(qū)域RGB 像素點(diǎn)均值。

TotalR+=R[i][j]; TotalG+=G[i][j]; TotalB+=B[i][j];AR=TotalR/（w*h）; AG=TotalG/（w*h）; AB= TotalB/（w*h）;

Step2：GetPassRGB; //利用Step1 的求均值方法， 選取大量合格圖片的臉部圖像求得AR、AG、AB, 再求和取均值獲得最佳臉部平均RGB 值PR、PG、PB。

Step3：Get Difference value; //計(jì) 算 差 值R=PR-AR、G=PG-AG、B=PB-AB。

Step4：ReplaceRGB; //將If每 個(gè) 像 素 遍 歷 判斷，根據(jù)差值改變?nèi)讼竦腞GB 值。

Step5：Write（Ig）; //將改變RGB 值后的圖像寫入圖像Ig并輸出

將圖4（a）按上面R 算法進(jìn)行圖像處理，即可得到膚色合格的相片，如圖4（b）所示。

圖4 膚色調(diào)整對(duì)比

4 實(shí)驗(yàn)效果分析

4.1 有效性與實(shí)用性實(shí)驗(yàn)

為了驗(yàn)證本文算法的有效性與實(shí)用性， 算法是在Window10 操作系統(tǒng)平臺(tái)上，采用Visual Studio[10]工具，使用C# 語言[11-12]和EmguCV[13-14]封裝類庫相結(jié)合[15]實(shí)現(xiàn)的。文中隨機(jī)選取了100 張不符合標(biāo)準(zhǔn)的普通相片（包括相機(jī)、手機(jī)、電腦等常見設(shè)備拍攝的照片），以其中的3 張為例，運(yùn)用本文改進(jìn)的身份證照?qǐng)D像處理方法處理這些相片，處理效果如圖5～圖7 所示。

圖5（a）和圖6（a）所示為相機(jī)拍攝相片，而圖7（a）所示為用手機(jī)拍攝的相片，它們都不符合二代居民身份證的標(biāo)準(zhǔn)。通過本文身份證照?qǐng)D像處理方法處理，分別得到圖5（b）～圖7（b）效果圖。

將處理好的圖片上傳至“贛州市第二代居民身份證相片檢測(cè)平臺(tái)”，返回結(jié)果如圖8 所示，圖8 右側(cè)顯示的所有文件均是通過本文方法處理后的圖片，返回結(jié)果基本都是合格，但背景過于復(fù)雜的相片無法處理成合格身份證照，成功率為95%。 證明了本文算法的有效性，可以將不合格相片處理成合格的身份證照。

4.2 對(duì)比性實(shí)驗(yàn)

為了驗(yàn)證本分算法的創(chuàng)新性， 分別和文獻(xiàn)[2]、文獻(xiàn)[3]以及現(xiàn)有市場(chǎng)上的一些證件照制作軟件進(jìn)行處理效果對(duì)比。 為了保證一致性和公平性，采用4.1 節(jié)隨機(jī)選取的100 張不合格相片作為待處理相片，分別使用各證件照處理方法進(jìn)行處理效果對(duì)比試驗(yàn)，得到表1 所示的對(duì)比結(jié)果。

圖5 相機(jī)照片男性處理結(jié)果

圖6 相機(jī)照片女性處理結(jié)果

圖7 手機(jī)照片處理結(jié)果

圖8 證件照合格結(jié)果

表1 實(shí)現(xiàn)結(jié)果對(duì)比表

根據(jù)不同的方法得出的實(shí)驗(yàn)結(jié)果，對(duì)其處理的照片不合格進(jìn)行了原因分析：文獻(xiàn)[2]提出的算法僅對(duì)相片進(jìn)行了壓縮和簡(jiǎn)單背景替換，未對(duì)相片進(jìn)行二代證件照標(biāo)準(zhǔn)裁剪和膚色處理；文獻(xiàn)[3]提出的算法僅對(duì)相片進(jìn)行了標(biāo)準(zhǔn)化裁剪，未對(duì)相片內(nèi)容進(jìn)行處理（如膚色處理）；智能證件照APP 單純?nèi)コ尘耙约皩?duì)頭部占圖片尺寸進(jìn)行限制處理，未對(duì)頭頂距及人臉寬度等細(xì)節(jié)做限制處理；電子證件照制作APP 符合標(biāo)準(zhǔn)[1]中的大部分規(guī)定，但頭頂距過大達(dá)不到7～21 px 的要求。由于通過以上算法或軟件處理后生成的證件照都無法滿足標(biāo)準(zhǔn)[1]中的所有條件，因此導(dǎo)致所有處理后的相片都不合格。最美證件照制作APP 和證件照研究院APP 只能對(duì)手機(jī)拍攝的相片進(jìn)行處理，其他設(shè)備（如相機(jī)）拍攝的相片無法處理， 由于待處理照片中存在大量非手機(jī)拍攝相片，導(dǎo)致它們的合格率都未超過50%。 本文處理算法對(duì)于一些背景太過復(fù)雜，或者女性頭發(fā)過于繚亂的相片， 本文提出的F 算法還無法完美的處理，因此無法達(dá)到100%的合格率， 需要后序進(jìn)行改進(jìn)。但是對(duì)背景相對(duì)簡(jiǎn)單、頭發(fā)不過于繚亂的相片處理效果良好。

5 結(jié) 論

為了將不合格相片處理成合格身份證照，提出了基于3 種算法的身份證照?qǐng)D像處理方法，共分為3 個(gè)具體步驟來處理不合格相片：圖片裁剪、背景替換和膚色調(diào)整。每個(gè)步驟根據(jù)面臨不同的問題都提出了解決辦法以及相應(yīng)的算法，并且成功地實(shí)現(xiàn)了將不合格相片處理成合格的身份證照。但是本文算法還存在的不足之處：F 算法對(duì)相片背景相對(duì)復(fù)雜、頭發(fā)過于繚亂等情況處理效果不佳，需要改進(jìn)。本文主要通過二代居民身份證的證件照為例來實(shí)現(xiàn)，其他證件照更加容易處理，由于其他證件照的要求沒有二代居民身份證的嚴(yán)格，可以從本文中刪減一些步驟來處理不合格相片。運(yùn)用本文的流程和算法處理相片，能夠快速批量的自動(dòng)生成合格證件照，能夠替代傳統(tǒng)實(shí)體照相館作用，降低了人力資源消耗，節(jié)省用戶大量的時(shí)間和體力成本，具有非常好的實(shí)用性和現(xiàn)實(shí)意義。