CN102036607A - 用于自动判断皮肤肌理和/或皱纹的方法 - Google Patents

Abstract

本发明提供了用于以高精度快速判断个人的皮肤肌理和/或其皱纹的技术和用于基于该判断结果选择皮肤外用药物的方法。皮肤肌理和/或皱纹判断方法包括对捕获的皮肤图像进行包括交叉二值化和/或短线段匹配的图像处理并由此得到该皮肤的物理量的步骤；和将该得到的物理量代入准备好的预测公式中以得到评价值并由此判断该得到的评价值与该皮肤肌理和/或皱纹的评价值之间的差别。该皮肤肌理和/或皱纹排断方法实现了该技术和该选择方法。

Description

用于自动判断皮肤肌理和/或皱纹的方法

技术领域

本发明涉及用于判断皮肤状态的技术，更特别地涉及用于通过使用皮肤的物理量作为指标判断皮肤肌理和/或皱纹的技术。

背景技术

在使用化妆品时的重要事实是适当选择和使用适用于使用者的化妆品以及同时确保使用效果。使用不适用于使用者的化妆品不仅不能达到其效果，而且可能造成不适宜的状况。因此，必须避免误选择不适用于使用者的皮肤的化妆品。相当经常听到例如“该化妆品对我的皮肤不好”的抱怨。然而，这种现象通常发生是因为没有选择适用于皮肤的化妆品，另外即误选择不适用于皮肤的化妆品。选择适用于皮肤并确保使用效果的重要因素在于对皮肤肌理和皱纹的评价。

鉴于以上，已经开发了多种用于选择化妆品的技术。例如，公开了包括提取和分析通过用光照射皮肤复制物得到的皮沟图案的技术(参见专利文件1)、包括对于来自皮肤表面的直接图像进行图像分析的技术(参见专利文件2)、包括对于复制物图像进行图像处理(例如层次处理)的技术(参见专利文件3)、包括使用电磁波测定皱纹距该复制物的深度的技术(参见专利文件4)、包括使用标准刻度测定皱纹距离皮肤复制物材料的深度的技术(参见专利文件5)、包括对皮肤状态的单色像素图像或经处理的像素图像进行隔行疏化处理以由此使用该细线的峰宽间距作为指标测定肌理的技术(参见专利文件6)等。然而，在这些已知的用于选择化妆品的技术中的主要问题是：对肌理和/或皱纹的判断结果是否与肌理和/或皱纹的目测评价值足够匹配；以及是否能够在销售和咨询处进行快速评价，换言之，需要该评价兼具客观性和快速性。即，尽管存在评价标准，但观察者用其肉眼在显微镜下通过对该复制物的目测观测等主观确定肌理和/或皱纹的目测评价值，因此保持客观性，以及判断所需的长期时间也是严重的问题。因此，已经需要开发具有客观性和快速性且能够提供肌理和/或皱纹评价的判断技术。

在这种情况下，常规和通常进行的图像分析技术(例如过滤处理、二值化处理、图像信号处理或匹配处理)不能足够精确并定量皮肤皮沟和皮嵴的图像的信息特征。因此，本发明的发明人发现了用于从这种主观图像中提取目标信息的全新技术，即使用交叉二值化处理和短线段匹配的定量化技术(参见专利文件7)

引用列表

专利文件

[专利文件1]JP60-053121A

[专利文件2]JP 64-059145A

[专利文件3]JP 02-046833A

[专利文件4]JP 08-145635A

[专利文件5]JP 2000-342556

[专利文件6]JP 2006-061170A

[专利文件7]JP 2008-061892A

发明概述

技术问题

在这种情况下获得了本发明，本发明的目的是提供用于判断皮肤肌理和/或皱纹的技术，其能够以高精度快速判断该皮肤肌理和/或皱纹。本发明的另一目的是提供基于该判断的结果选择外用皮肤制剂的方法。解决方案

本发明的发明人进行了广泛的研究以寻找能够以高精度快速判断该皮肤肌理和/或皱纹的判断皮肤肌理和/或皱纹的方法。结果，本发明人发现通过获得通过将由对皮肤图像的交叉二值化处理和/或短线段匹配处理得到的该皮肤的物理量代入预先准备的预测公式中而计算的评价值能够以高精度快速判断该皮肤肌理和/或皱纹，并由此完成了本发明。即本发明涉及以下技术。

(1)判断皮肤肌理和/或皱纹的方法，包括以下步骤：对皮肤图像进行交叉二值化处理和/或短线段匹配处理以得到皮肤的物理量；和将前述步骤中得到的该物理量代入预先准备的预测公式中以得到评价值并判断所得到的评价值作为对该皮肤肌理和/或皱纹的评价值。

(2)用于判断皮肤肌理和/或皱纹的设备，其包括：用于输入预先准备的预测公式的装置；用于捕获皮肤图像的装置；用于由捕获的皮肤图像计算该皮肤的物理量的装置；用于由该预先准备的预测公式和该计算的该皮肤的物理量计算皮肤肌理和/或皱纹的评价值的装置；和用于显示该计算的评价值的装置。

(3)用于判断皮肤的程序，其可使计算机如下运作：用于由捕获的皮肤图像计算物理量的装置；和用于由预先准备的预测公式和该计算的该皮肤的物理量计算皮肤肌理和/或皱纹的评价值的装置。

(4)选择外用皮肤制剂的方法，包括以下步骤：使用条目(1)中所述的判断方法或条目(2)中所述的判断装置判断皮肤肌理和/或皱纹；和分别基于在判断步骤中判断的该皮肤肌理和/或皱纹的评价值，在判断结果表明测试主体的皮肤肌理和/或皱纹不好的情况下，选择包含用于改善肌理状态或用于防止该肌理状态恶化的组分的外用皮肤制剂，或者在判断结果表明测试主体的皮肤肌理和/或皱纹好的情况下，选择仅包含增湿组分的外用皮肤制剂。

发明的有利效果

依照本发明，可以提供用于判断皮肤肌理和/或皱纹的技术，其能够以高精度快速判断该皮肤肌理和/或皱纹。此外，该技术能够用于提供适用于使用者的外用皮肤制剂。

附图简述

[图1]显示复制物亮度图像的照片(附图替代照片)。

[图2]描述交叉二值化处理方法的照片(附图替代照片)。

[图3]描述由该交叉二值化处理得到的复制物图像的照片(附图替代照片)。

[图4]显示短线段匹配处理方法的照片(附图替代照片)。

[图5]显示由该短线段匹配处理得到的复制物图像的照片(附图替代照片)。

[图6]显示肌理标准照片的图像的照片(左：评价值1，右：评价值5)(附图替代照片)。

[图7]分别显示皱纹标准照片的图像的照片(左：评价值1，右：评价值3)(附图替代照片)。

[图8]分别显示在该交叉二值化处理和短线段匹配处理之后的物理量的皮沟面积的照片(附图替代照片)。

[图9]分别显示在该交叉二值化处理和短线段匹配处理之后的物理量的平均皮沟宽度的照片(附图替代照片)。

[图10]描述判断设备的结构实施例的简图。

[图11]涉及该判断仪器的操作的流程图。

实施方案的描述

本发明的判断方法能够从皮肤图像判断皮肤肌理状态、皮肤皱纹状态或两种状态。

<本发明所用的皮肤图像的捕获>

在本发明中，使用皮肤图像。皮肤图像的捕获方法可以是通过直接对皮肤照相得到皮肤图像的方法或者经由从皮肤收集的复制物标本得到皮肤图像的方法。图像的捕获方法可以包括例如使用数字摄像机通过立体显微镜或使用商业上可获得的数字显微镜来捕获图像。数字显微镜的实例包括由MORITEX Corporation制造的用于化妆品的显微镜和由KEYENCE CORPORATION制造的数字显微镜。

在本发明中，优选经由上述从皮肤收集复制物标本来捕获皮肤图像。当经由从皮肤收集复制物标本来捕获皮肤图像时，仅能够捕获除了该皮肤表面的颜色信息之外的形态信息以由此避免噪声(例如斑点)。而且，通过复制物收集删除了分析所不需要的该皮肤表面上的不规则(大于皮沟或皮嵴的不规则)，因此容易进行分析。下面描述经由复制物标本捕获皮肤图像的方法。

当在相对于复制物标本以90°的位置设置显微镜的镜头以以适当的角度在该复制物标本上照射光时，通过该显微镜能够捕获由入射光形成的在该复制物标本表面上的不规则的阴影图像作为图像。此处，该复制物标本涉及用于间接观察皮肤上的不规则的技术，该技术为通过在溶剂软化透明塑料板上涂覆用于软化的溶剂以软化该板，然后将该软化的部件压在该皮肤上以将该皮肤上的不规则转印到该软化部件上并观察该不规则度。已知“Kawai方法”作为典型技术。该技术已经广泛用于化妆品科学领域，因为该技术能够忠实地转印皮肤上地不规则并能够提供该不规则的优良的保持性质。用于制备这种复制物标本的一些试剂盒也已经上市并可以使用。这种复制物标本优选是从面颊或从眼角到其下部(1.5cm×1.5cm)收集的。通用方法包括用来自与其垂直的下表面的光照射该复物制标本的复制物表面，并观察透射光。即，使用通过该转印的不规则导致该照射光散射而减少发射光的量的现象作为图像观察该不规则。在本发明的判断方法中，优选如下观测该复制物。即，将在其上存在不规则的该复制物表面转向图像采集方向，以相对于该表面10～40度或更大，优选20～30度的角度进行光照，然后采集该反射光形成的图像(作为图像捕获)。当采用这种方式时，由于光强度差，转印在该复制物表面的不规则显示更清晰。表1显示了通过在各种入射角度观察同一样品得到的清晰度评价。评价标准如下：○：清晰；△：略不清晰；和×：不清晰。

[表1]

入射角度(仰角)	不规则度的清晰度
		10度	○～△
25度	○
		40度	○～△

<交叉二值化作为图像处理>

在本发明中，对于上述捕获的皮肤图像进行图像处理，包括交叉二值化处理和/或短线段匹配处理。该图像处理描述于JP 2008-061892 A(专利文件7)中且如下所述。

作为最基本的图像处理方法，给出二值化处理方法，其包括在图像中将目标与背景分离并提取目标作为形状。在其中目标和背景之间的对比度足够的情况下，该二值化处理能够容易进行。然而，事实上，主要在目标和背景之间的边缘部分中的阴影有微小的变化，因此难于确定用于以高精度提取该形状的目的的该二值化处理的阈值。而且，在其中背景中的阴影值由于照明波动而波动的情况中，难于通过整体显示中固定的阈值以高精度提取该形状。在这种情况中，优选使用对于不同像素使用不同阈值代替该固定阈值的动态阈值处理(可变阈值处理)，并且本发明的交叉二值化方法属于该动态阈值处理方法。通常，该动态阈值处理方法的处理区域具有矩形形状，而该交叉二值化处理方法的处理区域具有适用于提取皮沟形状的交叉形状(参见图2)。当使用该交叉二值化处理方法时，皮沟中凸起部分形成的阴影能够检测到，不受照射复制物的照明波动的影响，由此从包括从强烈且清晰的皮沟到微小的皮沟的整体显示中捕获均匀且高准确的交叉二值化图像(参见图3)。

应当注意上述交叉二值化处理能够使用JP 2008-061892 A中所述的表皮组织量化装置进行。

<短线段匹配作为图像处理>

该短线段匹配方法是用于计算二值化图像中目标外形的物理量的方法。在常规方法中，根据该二值化图像的一个像素计算该目标的像素数量，以计算物理量，例如面积、长度和重心。另一方面，在该短线段匹配方法中，根据由多个像素形成的短线(具有几到几十像素的长度和一个像素的宽度)计算该物理量。特别地，该目标区域的端点定义为该短线的起点，并且当该短线的终点位于该目标区域内时，将该终点定义为另一起点并与另一短线相连。当该短线的终点不在该目标区域内时，该连接结束。重复该程序直至该目标区域被短线段覆盖为止。然后，测定该目标区域中的短线段的数量、角度等用于计算该目标物体的特征量(参见图4)。依照该方法，可以得到具有细长的连续的且有方向性的皮沟的特征的短线段匹配图像(参见图5)。

应当注意上述短线段匹配处理能够使用JP 2008-061892 A中所述的表皮组织量化装置进行。

在上述图像处理中，可以进行任一种图像处理。然而，当两种图像处理都进行时，能够以更高的精度计算物理量。而且，如果需要，可以进行其他图像处理，例如亮度转化处理、二值化处理、过滤处理、一般图像处理(面积、边界长度、纵横比、重心、针状比、放大和倒置)。

<肌理和/或皱纹物理量的计算>

在本发明中，能够通过包括上述交叉二值化处理和/或短线段匹配处理的图像处理得到皮肤图像的物理量。该物理量是通过对皮肤的皮沟、皮嵴等的特征量化得到的。该物理量的例子包括：物理量，例如皮沟面积、皮沟的平均宽度、皮沟宽度方差、皮沟的间距、皮沟的平行度、皮沟的方向和皮沟的密度，和更详细的物理量，例如不同角度的段数在95°或以上的短线段的最大数、不同角度的段数在10°或以上且90°或以下的短线段的最大数、不同宽度的段数的短线段的最大数、不同宽度的段数的短线段的最大数时的宽度、短线段连接数频率数据的总值、和不同宽度的段数的短线段的宽度值的总值。在本发明中，在物理量中，计算被认为与该肌理和皱纹强烈相关的物理量。特别地，该物理量如下定义：皮沟面积＝作为目标的待处理的图像中皮沟占据的面积或匹配短线段的总数；平均皮沟宽度＝(不同匹配起点的皮沟宽度总和/起点总数)；皮沟宽度方差＝由皮沟宽度的宽度和数量的柱形图计算的标准偏差或方差；平均皮沟间距＝1/(皮沟面积/平均皮沟宽度)；皮沟平行度＝由皮沟的角度和数量的柱形图计算的峰值的浓缩程度或方差；皮沟的方向和密度＝在角度θ处短线段数(柱形图的高度)/皮沟的总长度。能够从上述计算式中适当计算出其他物理量。如上所述，在本发明中得到了很多物理量，其中，选择优选用于如下预测公式的计算的物理量。该物理量的计算能够用计算机上的程序进行，包括上述图像处理，例如交叉二值化处理和/或短线段匹配处理。

<预测公式>

为了判断该皮肤肌理和/或皱纹，预先确定显示皮肤的上述物理量和该皮肤肌理和/或皱纹的目测评价值之间的关系的预测公式。该预测公式例如能够通过以下方法产生。

由评价者对通过充分考虑皮肤条件、年龄等得到的皮肤复制物(下文称作样品)进行肌理和/或皱纹的目测评价。另一方面，通过上述方法计算该样品的皮肤的物理量。该样品数优选为100或更多，或更优选500或更多。在该肌理和/或皱纹的目测评价中，通过多个(优选5个或更多个)适合于代表第三方的评价者参照用于判断该肌理由好到坏或皱纹数量的由少到多的3～10级标准照片评价该样品，以由此相对于该标准照片给出评分标准的得分。上述适合于代表第三方的评价者优选是具有至少一年的美容、审美或皮肤评价研究经验且在皮肤评价方面连续培训的人。除去各样品的评价标准的最大值和最小值，计算其平均值作为该样品的肌理和/或皱纹的目测评价值。

应当注意在The Society of Cosmetic Chemists of Japan and The International Federation of Societies of Cosmetic Chemists(IFSCC)中讨论了作为皮肤状态评价皮肤肌理和皱纹程度，广泛分享对该程度的认知作为能够被第三方客观认识的皮肤肌理和皱纹程度。图6和图7显示了基于统计处理标准化的肌理(5级评价)和皱纹(3级评价)的标准照片的实例。在该技术领域中，如果用作作品基础的数量超过约100幅照片，那么能够判断这些标准照片在一定程度上是可靠的。如果数量包括多于1000幅照片，则能够判断该标准照片是非常可靠的，不需要考虑标准照片之间的差别。在本发明的上述样品评价中，可以使用基于这种统计处理标准化的标准照片，该标准照片作品的数量优选包括1000或更多的照片。

然后，由由此计算的该肌理和/或皱纹的目测评价标准与该皮肤的计算物理量确定预测公式。关于该预测公式，可以将由该皮肤的物理量和该肌理和/或皱纹的目测评价标准的多变量分析得到的公式定义为本发明的预测公式。该多变量分析优选是基于说明变量和客观变量之间的关系的分析，其实例包括判别分析、主成分分析、要素分析、定量理论I、定量理论II、定量理论III、回归分析(MLR、PLS、PCR和逻辑)、多维定标、监督聚类、神经网络和总体获知。此外，可以使用免费软件或在市场上可得到的产品产生该预测公式。当然，特别优选的是多重回归分析、判别分析和定量理论I。例如，优选使用皮肤的物理量作为说明变量并使用上述计算的肌理和/或皱纹的目测评价标准作为客观变量进行多重回归分析，以由此确定多重回归方程，并将该多重回归方程定义为该预测公式。

如上所述，用于计算该预测公式的该皮肤的物理量包括多种物理量。然而，从提高本发明的判断方法的精度的角度考虑，该物理量优选包括涉及皮沟的物理量，从进一步提高该判断方法的精度的角度考虑，该物理量更优选包括10种或更多种涉及皮沟的物理量。用于计算该预测公式的物理量的总数优选为10个或更多个。

<判断方法>

在将该皮肤的上述物理量代入上述确定的预测公式中以得到评价标准时，能够判断该皮肤的肌理和/或皱纹。在将由捕获的图像计算的该皮肤的物理量代入该预测公式中时，能够得到该皮肤的肌理和/或皱纹的目测评价标准。依照本发明，可以通过上述步骤以非常高的精度判断该皮肤的肌理和/或皱纹。而且，将新样品的物理量、目测评价标准等整合到数据库中。在将该数据库升级和校正时，进一步提高该预测公式的精度，其预期以高精度进行判断。

<判断设备和程序>

此外，本发明的另一方面是执行上述步骤的程序。即，该程序是用于判断该皮肤的程序，其用于使计算机以用于由捕获的皮肤图像计算物理量的装置和用于由预先准备的预测公式和该皮肤的计算物理量计算该皮肤的肌理和/或皱纹的评价标准的装置运行。本发明的判断程序能够通过将该程序安装在硬件，例如个人计算机上而使用。

而且，本发明的另一方面是用于执行上述步骤的判断设备。即，该设备是用于判断皮肤肌理和/或皱纹的设备，其包括：用于输入预先准备的预测公式的装置；用于获得皮肤图像的装置；用于由捕获的皮肤图像计算该皮肤的物理量的装置；用于由该预先准备的预测公式和该计算的皮肤的物理量计算皮肤肌理和/或皱纹的评价值的装置；和用于显示该计算的评价值的装置。

参照图10描述上述判断设备的方面。本发明的判断设备可以是通用计算机例如个人计算机，或用于判断的专用计算机。该输入部分1是用于输入上述预测公式的装置，预先将用于判断的该预测公式输入其中。例如，可以使用输入装置，例如键盘。该图像捕获部分2是用于捕获皮肤图像的装置，可以使用数字摄影机或在市场上可获得的数字显微镜。该中央处理器(CPU)3是用于由该捕获的皮肤图像计算该皮肤的物理量的装置和用于由该预先准备的预测公式和该计算的皮肤的物理量计算皮肤肌理和/或皱纹的评价标准的装置。在安装上述判断程序时，该设备用作该装置。随机存取存储器(RAM)4是用于临时储存数据的储存器装置。该显示器部分5是用于输出该计算的评价值的装置，且例如可以是显示器装置(例如液晶显示器)或输出装置(例如打印机)。

参照图11描述上述判断设备的工艺流程。

首先，由图像捕获部件(例如数字摄影机)捕获皮肤图像。如上所述，该图像可以是直接从测试主体的皮肤获得的或经由复制物标本获得的。将上述捕获的皮肤图像在CPU中经过图像处理(例如交叉二值化处理和短线段匹配处理)，同时计算该皮肤图像的物理量。计算的该皮肤图像的物理量的种类取决于用于预先取决于输入装置输入的该预测公式计算所用的物理量的种类且适当确定。在CPU中将该皮肤图像的计算物理量代入预先输入的该预测公式中，以由此计算该评价标准。然后，将该计算的评价标准从输出装置(例如液晶显示器)输出。

应当注意在本发明中，在将涉及皮肤肌理的预测公式和涉及皮肤皱纹的预测公式各自预先输入上述判断设备中时，能够一次或分别判断该皮肤的肌理和皱纹。

<基于判断的皮肤肌理评价值选择外用皮肤制剂的方法>

根据由上述判断方法或判断设备判断的肌理评价值，能够选择适用于所用皮肤图像的测试主体的外用皮肤制剂。当使用本发明的判断方法或判断设备时，能够以高精度快速进行判断，如专家对该皮肤的评价一样。因此，根据该结果，能够选择可用于保持、防止或改进该皮肤肌理状态的外用皮肤制剂。

在选择外用皮肤制剂中，特别是在选择化妆品中，在输出表明测试主体的皮肤肌理状态不好的判断显示值的情况下，可以选择包含用于改善肌理状态或用于防止该肌理状态恶化的组分的化妆品，以选择适用于该测试主体的皮肤的化妆品。该组分包括周转促进组分、胶原合成促进剂、角质层剥落促进剂和胶原纤维束重组剂，该化妆品可以包含其一种或多种。其中，胶原纤维束重组剂是用于改善肌理最有效的。

上述周转促进组分包括视黄酸、phytosteside、植物甾醇、鞘氨醇和类固醇。上述胶原合成促进剂包括麦芽根提取物。上述角质层剥落促进剂包括α-羟基酸。该胶原纤维束重组剂包括迷迭香提取物和乌索酸衍生物。

另一方面，在输出表明测试主体的皮肤肌理状态好的判断显示值的情况下，可以选择仅包含增湿组分的化妆品以保持该肌理状态并选择适用于该测试主体的皮肤的化妆品。上述增湿组分包括类肝素。可以包含这种组分以使在包含在化妆品中时该组分能够施加其作用，其优选包含0.01～5.0质量％。当本领域技术人员基于显示的肌理判断值适当选择该组分时，能够选择适合的化妆品。例如，下面列出了用于五级肌理判断值的化妆品组分的选择实例。应当注意该组分能够不仅天然包含在化妆品中而且能够包含在其他外用皮肤制剂中。

<肌理判断值-化妆品组分>

1(好)-增湿组分

2-胶原合成促进剂和增湿组分

3-胶原合成促进剂、角质层剥落促进剂和增湿组分

4-胶原纤维束重组剂、胶原合成促进剂和增湿组分

5(差)-胶原纤维束重组剂、胶原合成促进剂、角质层剥落促进剂和增湿组分

<基于判断的皮肤皱纹评价值选择外用皮肤制剂的方法>

如纹理情况中一样，能够根据由上述判断方法或判断设备判断的皱纹评价标准选择适用于判断皮肤图像的测试主体的外用皮肤制剂。作为基于判断皱纹评价标准选择化妆品的实例，下面显示了用于三级皱纹评价值的化妆品组分选择实例。

<皱纹判断值-化妆品组分>

1(好)-增湿组分

2-胶原合成促进剂、角质层剥落促进剂和增湿组分

3(差)-胶原纤维束重组剂、胶原合成促进剂、角质层剥落促进剂和增湿组分

在上述对化妆品的选择中，可以将不仅该肌理或皱纹判断值而且其他指标(例如多种皮肤性质值、皮肤表面形态的观察结果和偏好)结合使用。这种与其他指标的结合落入本发明的技术范围内。这种其他指标的具体实例包括：皮肤性质值，例如经表皮水损失量(TEWL)和电导率；由粘带剥离得到的角质细胞性质值(例如细胞面积、细胞体积、细胞面积分布、细胞扁平化、细胞排列规则性、角质细胞层的多层剥落和有核细胞的存在)；皮肤的保水能力，皮脂分泌量、皮肤老化程度、黑色素产生能力、皮肤颜色、皮肤性质和皮肤质量，各自由该性质值估算。其中，特别优选保水能力，其与肌理状态和皱纹状态密切相关。

下面描述本发明的实施例，但本发明的范围不限于此。

实施例

实施例1

<用于肌理和皱纹目测评价的方法>

从十多岁到五十多岁的30名女性的面颊中心收集复制物标本，使用由MORITEX Corporation制造的用于化妆品的显微镜从该复制物标本获得图像，将其储存作为数字数据。使用安装有用于上述图像处理的程序的通用个人计算机对该图像进行噪声处理，以由此将该图像转变为透明图像，并进行交叉二值化处理和短线段匹配处理以计算涉及皮沟的物理量。作为该物理量，计算17个物理量，例如皮沟面积(参见图8)、平均皮沟宽度(参见图9)、皮沟宽度方差、皮沟间距、皮沟的平行度、皮沟方向和皮沟密度。从图8和9中显然可知，该物理量清楚地显示了该皮沟和皮嵴的不规则的特征，且是非常容易目测评价的指标。

实施例2

<肌理目测评价的自动判断>

使用用于从女性面颊中心收集复制物标本的五级肌理评价的标准照片(参见图6：由本发明的发明人基于包括1000幅照片的总数产生)，从数字图像的15,000幅图像的数据以及通过三名皮肤专家评价者评价的皮肤复制物的其目测评价标准中选择总计1000幅范围为1～5级(1：好至5：坏)的皮肤肌理评价标准的数字图像，各评价标准都包括200幅图像。该评价者具有至少一年的美容、审美或皮肤评价研究经验且在皮肤评价方面连续培训。对于该1000幅图像，通过实施例1中所述的方法计算物理量。然后，将该图像分成两组：A组和B组，以使各组包括1～5级的各级目测评估标准的100幅图像。然后，对于A组的500幅图像使用肌理目测评价作为客观变量并使用17个物理量作为说明变量进行多重回归分析(由SPSS Inc.制造)，以计算作为预测公式的多重回归方程(多重相关系数＝0.909)。对于B组的其他500幅图像，将上述计算的物理量代入该多重回归方程中的说明变量中以判断肌理目测评估标准(自动判断值)。表2中列出了所用的物理量的列表，并在表3中显示其结果。

[表2]

表2

以5°间隔的0°～180°范围的短线段角度直方图

[表3]

表3

表3显示了由本发明得到的肌理目测评价标准(自动判断值)和该肌理目测评价标准的电子表格。该Spearman相关系数是0.887，两种评价标准的完全匹配为62％，如果接受一个等级的移动，那么匹配为98％。因此，本发明的判断肌理的方法具有令人满意的精度。

实施例3

交换实施例2中的A组和B组，将对于B组图像产生的多重回归方程(多重相关系数＝0.935)用于判断A组的肌理目测评价标准(自动判断值)。结果示于表4中。

[表4]

表4

表4显示了由本发明得到的肌理目测评价标准(自动判断值)和该肌理目测评价标准的电子表格。该Spearman相关系数是0.861，两种评价标准的匹配为53％，如果接受一个等级的移动，那么匹配为97％。该结果显示该方法能够以稳定的高精度对未知数据进行自动判断。

实施例4

<皱纹目测评价的自动判断>

在实施例2中，选择总计600幅范围为1～3级的皮肤皱纹评价标准的数字图像，对于各评价标准都包括200幅图像，以与上述相同的方式进行实施例2的程序。由多重回归分析得到的多重回归方程的多重相关系数为0.912，该皱纹目测评价标准(自动判断值)和皱纹目测评价标准的Spearman相关系数是0.705，两种评价标准的匹配为65％，如果接受一个等级的移动，那么完全匹配为100％。因此，本发明的判断皱纹的方法具有令人满意的精度。

实施例5

在实施例4中，交换A组的数据和B组的数据，以如上所述相同的方式进行自动判断。结果所得到的多重回归方程的多重相关系数为0.820，该皱纹目测评价标准(自动判断值)和皱纹目测评价标准的Spearman相关系数是0.880，两种评价标准的完全匹配为84％，如果接受一个等级的移动，那么匹配为100％。该结果显示在皱纹评价中，该方法也能够以稳定的高精度对未知数据进行自动判断。

实施例6

<肌理目测评价的自动判断>

在实施例2中，在监督获知中对A组施加神经网络(由NeuralWare制造)来代替多重回归分析，以基于使用肌理目测评价标准作为反应变量的基于物理量的获知，由此得到预测公式。将该皮肤物理量代入所得到的预测公式中以判断B组的肌理目测评价标准(自动判断值)。该结果示于表5中。

[表5]

表5

表5显示了由本发明得到的肌理目测评价标准(自动判断值)和该肌理目测评价标准的电子表格。该Spearman相关系数是0.871，两种评价标准的匹配为62％，如果接受一个等级的移动，那么匹配为99％。因此该结果显示即使使用多变量分析装置而非多重回归分析产生预测公式，该自动判断也能以精度进行。

实施例7

在实施例2中，使用表6中所示的三个物理量作为说明变量进行多重回归分析(由SPSS Inc.制造)以计算多重回归方程(多重相关系数＝0.880)。该Spearman相关系数是0.831，两种评价标准的完全匹配为47％，如果接受一个等级的移动，那么匹配为95％。该结果显示更多数量的物理量导致更高的精度，如果物理量的数量少，也能够以高精度进行判断。

[表6]

表6

以5°间隔的0°～180°范围的短线段角度直方图

实施例8

对于肌理和皱纹判断的实施例和对比例，表7和8中显示了评价匹配率和每个样品的评价所需时间(秒)。即，该评价包括用作目测评价的标准的由三位皮肤专家评价者(受过训练的评价者)进行的肌理评价(对比例1)和皱纹评价(对比例2)和由未受过训练的评价者进行的肌理评价(对比例3)和皱纹评价(对比例4)(使用之前已解释过的图6和7中的标准照片进行评价)。而且，在实施例1～2中，进行二值化处理和疏伐处理(将通过取样得到的二值化图像中的连接图案处理成线性图案以不除去连接性)代替交叉二值化和短线段匹配处理，以与实施例2中相同的方式使用通常由上述处理得到的统计物理量(例如与皮沟相关的总面积、标准偏差、总数、单位面积；与细线峰间距相关的平均值、标准偏差、标准误差和变化系数)进行判断。该肌理和皱纹目测评价标准(自动判断值)分别如对比例5和6定义。

[表7]

表7

[表8]

表8

<基于肌理自动判断值的化妆品选择方法的使用测试>

进行对女性测试主体的化妆品长期使用测试以评价基于肌理自动判断值的该化妆品选择方法的适用性。

首先，基于以下组成，依照常用的化妆品制备方法制备用于不同皮肤肌理状态的五种化妆品(化妆品1～5)。

(化妆品1：用于肌理自动判断值1的化妆品)

组分                    含量

甘油                    5质量％

1，3-丁二醇             5质量％

大豆蛋白                0.1质量％

类肝素                  0.1质量％

乙醇                    5质量％

对羟基苯甲酸甲酯        0.1质量％

水                      余量

(化妆品2：用于肌理自动判断值2的化妆品)

组分                    含量

甘油                    5质量％

1，3-丁二醇             5质量％

麦芽根提取物            0.1质量％

大豆蛋白                0.1质量％

类肝素                  0.1质量％

乙醇                    5质量％

对羟基苯甲酸甲酯        0.1质量％

水                          余量

(化妆品3：用于肌理自动判断值3的化妆品)

组分                        含量

甘油                        5质量％

1，3-丁二醇                 5质量％

麦芽根提取物                0.1质量％

乳酸钠                      0.1质量％

大豆蛋白                    0.1质量％

类肝素                      0.1质量％

乙醇                        5质量％

对羟基苯甲酸甲酯            0.1质量％

水                          余量

(化妆品4：用于肌理自动判断值4的化妆品)

组分                        含量

甘油                        6质量％

1，3-丁二醇                 5质量％

迷迭香提取物                0.1质量％

麦芽根提取物                0.1质量％

大豆蛋白                    0.1质量％

乌索酸硬脂酯                0.1质量％

类肝素                      0.1质量％

乙醇                        10质量％

对羟基苯甲酸甲酯            0.1质量％

水                          余量

(化妆品5：用于肌理自动判断值5的化妆品)

组分                        含量

甘油                        7质量％

1，3-丁二醇                 5质量％

迷迭香提取物                0.1质量％

麦芽根提取物                0.1质量％

乳酸钠                      0.1质量％

大豆蛋白                    0.1质量％

乌索酸硬脂酯            0.1质量％

类肝素                  0.1质量％

乙醇                    15质量％

对羟基苯甲酸甲酯        0.1质量％

水                      余量

然后，随机选择80位健康女性调查对象(32～57岁)并分为A组和B组，使得两组之间的年龄分布没有差别。对于A组，使用实施例2中得到的多重回归方程自动从脸颊复制物标本计算肌理判断值，对应于该肌理自动判断值1～5给予化妆品1～5。对于B组，与上面相同的方式计算自动判断值，但忽略该值，给予用于肌理自动判断值5的化妆品5。A组和B组的调查对象使用所给予的化妆品三个月，然后以与上面相同的方式计算肌理自动判断值。肌理改善值由以下方程计算：“肌理改善值”＝“使用测试前的肌理自动判断值”-“使用测试后的肌理自动判断值”，以测定各组的平均值。在测试主体在该测试周期中抱怨该化妆品与其皮肤不符的情况中，该主体停止使用该化妆品并从该评价中离开。该结果示于表9中。表9显示在采用本发明的选择化妆品的方法的情况中，没有调查人员使用不符合其皮肤的化妆品，该化妆品具有肌理改善作用。

[表9]

表9

<基于皱纹自动判断值的化妆品选择方法的使用测试>

进行对女性测试主体的化妆品长期使用测试以评价基于皱纹自动判断值的该化妆品选择方法的适用性。

首先，基于以下组成，依照常用的化妆品制备方法制备用于不同皮肤皱纹状态的三种化妆品(化妆品1～3)。

(化妆品1：用于皱纹自动判断值1的化妆品)

组分                      含量

甘油                      5质量％

1，3-丁二醇               5质量％

麦芽根提取物              0.1质量％

大豆蛋白                  0.1质量％

类肝素                    0.1质量％

乙醇                      10质量％

对羟基苯甲酸甲酯          0.1质量％

水                        余量

(化妆品2：用于皱纹自动判断值2的化妆品)

组分                    含量

甘油                    5质量％

1，3-丁二醇             5质量％

麦芽根提取物            0.1质量％

乳酸钠                  0.1质量％

大豆蛋白                0.1质量％

类肝素                  0.1质量％

乙醇                    10质量％

对羟基苯甲酸甲酯        0.1质量％

水                      余量

(化妆品3：用于皱纹自动判断值3的化妆品)

组分                    含量

甘油                    7质量％

1，3-丁二醇             5质量％

迷迭香提取物            0.1质量％

麦芽根提取物            0.1质量％

乳酸钠                  0.1质量％

大豆蛋白                0.1质量％

乌索酸硬脂酯            0.1质量％

类肝素                  0.1质量％

乙醇                    15质量％

对羟基苯甲酸甲酯        0.1质量％

水                      余量

然后，随机选择72位健康女性调查对象(30～58岁)并分为A组和B组，使得两组之间的年龄分布没有差别。对于A组，使用实施例4中得到的多重回归方程从脸颊复制物标本自动计算皱纹判断值，对应于该皱纹自动判断值1～3给予化妆品1～3。对于B组，与上面相同的方式计算自动判断值，但忽略该值，给予用于皱纹自动判断值2的化妆品2。A组和B组的调查对象使用所给予的化妆品六个月，然后以与上面相同的方式计算皱纹自动判断值。皱纹改善值由以下方程计算：“皱纹改善值”＝“使用测试前的皱纹自动判断值”-“使用测试后的皱纹自动判断值”，以测定各组的平均值。该结果示于表10中。表10显示在采用本发明的选择化妆品的方法的情况中，该化妆品具有皱纹改善作用。

[表10]

表10

工业实用性

依照本发明，可以提供在任何位置都容易地且以高精度快速地判断皮肤肌理和皱纹的技术。因此，可以提供例如可用于在百货公司和商店咨询皮肤和美容或选择化妆品的信息。

Claims (11)

1.判断皮肤肌理和/或皱纹的方法，包括以下步骤：

对皮肤图像进行图像处理，包括交叉二值化处理和/或短线段匹配处理，以得到皮肤的物理量；和

将前述步骤中得到的该皮肤的物理量代入预先准备的预测公式中以得到评价值并判断所得到的评价值作为对该皮肤肌理和/或皱纹的评价值。

2.权利要求1的判断皮肤肌理和/或皱纹的方法，其中该预测公式是通过对该皮肤的物理量和皮肤肌理和/或皱纹的目测评估值的多变量分析而得到的公式。

3.权利要求1或2的判断皮肤肌理和/或皱纹的方法，其中该皮肤的物理量包括与皮沟有关的物理量。

4.权利要求1～3中任一项的判断皮肤肌理和/或皱纹的方法，其中该皮肤的物理量包括10种或更多种与皮沟有关的物理量。

5.权利要求1～4中任一项的判断皮肤肌理和/或皱纹的方法，其中该皮肤图像是经由该皮肤的复制物标本得到的皮肤图像。

6.权利要求5的判断皮肤肌理和/或皱纹的方法，其中该皮肤图像是通过获取由相对于该复制物标本成10～40度角进行光照造成的反射光形成的图像而得到的图像。

7.用于判断皮肤肌理和/或皱纹的设备，包括：

用于输入预先准备的预测公式的装置；

用于捕获皮肤图像的装置；

用于由捕获的皮肤图像计算皮肤的物理量的装置；

用于由该预先准备的预测公式和该计算的皮肤的物理量计算皮肤肌理和/或皱纹的评价值的装置；和

用于显示该计算的评价值的装置。

8.用于判断皮肤的程序，其可使计算机如下运作：

用于由捕获的皮肤图像计算物理量的装置；和

用于由预先准备的预测公式和该计算的皮肤的物理量计算皮肤肌理和/或皱纹的评价值的装置。

9.选择外用皮肤制剂的方法，包括以下步骤：

使用权利要求1～6中任一项的判断方法或权利要求7的判断设备判断皮肤肌理和/或皱纹；和

分别基于在判断步骤中判断的该皮肤肌理和/或皱纹的评价值，在判断结果表明测试主体的皮肤肌理和/或皱纹状态不好的情况下，选择包含用于改善肌理状态或用于防止该肌理状态恶化的组分的外用皮肤制剂，或者在判断结果表明测试主体的皮肤肌理和/或皱纹状态好的情况下，选择仅包含增湿组分的外用皮肤制剂。

10.权利要求9的选择外用皮肤制剂的方法，其中该外用皮肤制剂是化妆品。

11.权利要求10的选择外用皮肤制剂的方法，其中该化妆品包含选自由增湿组分、胶原合成促进剂、角质层剥落促进剂和胶原纤维束重组剂构成的组中的一种或两种或多种。

Images