CN104000593B - 一种测试皮肤的方法 - Google Patents

Abstract

本发明提供了一种测试皮肤的方法。包括：将色卡置于皮肤上，并获取色卡和待测试皮肤的图像；对已获取的所述色卡和待测试皮肤的图像进行识别与颜色提取；检测色卡中环形区域在图像中的颜色；计算色卡的中心位置；从色卡的中心位置向周围平均发射至少8条射线，检测出每条射线中包含的色块的颜色；查询非肌肤颜色色块的位置；对检测失败的射线进行过滤；根据得出的非肌肤颜色色块的位置以及过滤结果，分别计算其它肌肤颜色色块在图像中的颜色；对提取的颜色进行校正；根据校正后的颜色计算得出待测试皮肤的属性参数；根据所述属性参数对待测试皮肤进行属性归类，并得出测试结果。

Description

一种测试皮肤的方法

【技术领域】

本发明涉及软件应用领域，尤其是一种测试皮肤的方法。

【背景技术】

爱美是人类的天性，但是目前市场上的皮肤诊断类工具有两大类：硬件+软件的仪器类和仅有软件的问答类。专柜或美容院的仪器类诊断工具的成本高、使用复杂、需要维护；问答类诊断工具依赖用户主观判断、准确度低、问题繁琐。

专柜或美容院的仪器类诊断工具的成本高、使用复杂、需要维护；问答类诊断工具依赖用户主观判断、准确度低、问题繁琐。

【发明内容】

本发明提供了一种测试皮肤的方法，用以解决现有测试皮肤的方法和系统成本较高，使用复杂，准确度较低的问题。

本发明的测试皮肤的方法，包括下列步骤：S01、将色卡置于皮肤上，并获取色卡和待测试皮肤的图像；S02、对已获取的所述色卡和待测试皮肤的图像进行识别与颜色提取；S03、对提取的颜色进行校正；S04、根据校正后的颜色计算得出待测试皮肤的属性参数；S05、根据所述属性参数对待测试皮肤进行属性归类，并得出测试结果；其中，步骤S02中具体包括：S021、检测色卡中环形区域在图像中的颜色；S022、计算色卡的中心位置；S023、从色卡的中心位置向周围平均发射至少8条射线，检测出每条射线中包含的色块的颜色；查询非肌肤颜色色块的位置；对检测失败的射线进行过滤；根据得出的非肌肤颜色色块的位置以及过滤结果，分别计算其它肌肤颜色色块在图像中的颜色。

其中，步骤S022中具体包括：S0221、从图像中心点向上下左右四个方向各发射一条射线；S0222、逐个像素计算该像素点的颜色；S0223、通过预设的亮度变化阈值，查找最内侧色环与空心区域之间的环形区域，与各射线的交叉像素点；S0224、根据图像中心点与各交叉像素点的距离，调整获得色卡的中心位置。

其中，步骤S023中所述的分别计算其它肌肤颜色色块在图像中的颜色，包括：对所述检测出的每条射线中包含的色块颜色进行聚类；根据预设的色卡上色块颜色的亮度排列顺序，以所述非肌肤颜色为最暗颜色，确定其它所述的肌肤颜色的顺序。

其中，步骤S03中包括：S031、根据所述检测得到的各肌肤颜色值和预设的色卡上色块颜色值，采用最小二乘优化法计算得出颜色变换矩阵；S032、从待测试皮肤的图像中截取皮肤样本；S033、根据所述的颜色变换矩阵，对所述皮肤样本逐像素进行颜色校正。

其中，步骤S04中包括：对待测试皮肤图像的每个像素进行3种半径的平滑，得到3张平滑后的图像，所述的平滑是指对每个像素周围一定半径的小正方形内的像素值进行平均；如果所述待测试皮肤的属性参数为噪声图像，则以待测试皮肤图像减去小半径平滑后的图像，得到噪声图像；如果所述待测试皮肤的属性参数为毛孔图，则以小半径平滑后的图像减去中半径平滑后的图像，得到高频图像，用以表示毛孔图；如果所述待测试皮肤的属性参数为色斑图，则以中半径平滑后的图像减去大半径平滑后的图像，得到中频图像，用以表示色斑图；如果所述待测试皮肤的属性参数为皮肤颜色或均匀度，则以大半径平滑后的图像表示皮肤颜色或均匀度信息。

其中，通过SAT方法加速计算所述的待测试皮肤的属性参数，所述的SAT方法是预计算一个SAT图像，所述SAT图像的每个像素值表示从SAT图像左上角到该像素点为对角线所形成的矩形内部的所有像素的颜色值的和；在对待测试皮肤图像的每个像素进行3种半径的平滑时，从所述SAT图像中取出矩阵四个顶点对应的值，进行运算。

本发明的测试皮肤的方法，实现了移动设备对肌肤进行测试，帮助用户用自己的手机3秒钟就可自行完成专业的皮肤测试，操作简便。从此，每个用户都可以拥有专业、简便又有趣的测肤工具，随时随地轻松进行皮肤测试。

【附图说明】

图1是本发明实施例1的色卡；

图2是本发明实施例2的色卡；

图3是本发明实施例3的方法流程图；

图4是本发明实施例4的系统结构示意图。

【具体实施方式】

为了使用户可自行完成专业的皮肤测试，提升用户体验，本发明提供了一种测试皮肤的方法，以下通过实施例详细说明。

实施例1、本实施例的色卡用于测试皮肤，以圆形色环为例，参见图1所示，主要包括：内色环11、外色环12、内色环11内部的圆形空心区域10。本实施例中，将内色环11等分成8个色块111，将外色环12等分成8个色块121，两层色环共16个色块区域。本实施例中对称的使用了8种颜色来填充上述16个色块。这8种颜色包括但不限于7种基本皮肤颜色(图1中以白色表示，实际产品为7种基本皮肤颜色)和黑色(即非肌肤颜色，图1中以斜线填充表示)。关于上述7种基本皮肤颜色，可以随机采集7名实验者即可，为了达到更准确的测试效果，在具体产品的研发中，发明人对1000名实验者进行了皮肤颜色的采集，将得到的皮肤颜色通过算法进行分析，得出了7种基本的皮肤颜色，这些颜色的搭配混合可以涵盖大部分人的皮肤颜色。在实际使用时，将测试者的皮肤颜色和这7种基本皮肤颜色进行对比计算，得到测试者皮肤颜色的7种基本颜色的混合系数，以达到对测试者皮肤进行分析的目的。使用黑色色块便于精确定位和确定不同颜色色块的位置。在内色环11与空心区域10之间，内色环11与外色环12之间，外色环12以外有三个环形黑色(即非肌肤颜色)区域13，在具体产品中每个环形黑色区域13的宽度是色环(内色环11或外色环12)宽度的20％为佳，使用黑色环形区域13便于精确计算出色环及色块的位置。在测试时将色卡紧贴皮肤之后，皮肤区域和整个色环可以很方便的被摄像头所捕捉。

实施例2、本实施例的色卡用于测试皮肤，以方形色环为例，参见图2所示，主要包括：内色环21、外色环22、内色环21内部的方形空心区域20。本实施例中，将内色环21等分成8个色块211，将外色环22等分成8个色块221，两层色环共16个色块区域。本实施例中对称的使用了8种颜色来填充上述16个色块。这8种颜色包括但不限于7种基本皮肤颜色(图2中以白色表示，实际产品为7种基本皮肤颜色)和蓝色(即非肌肤颜色，图2中以斜线填充表示)。关于上述7种基本皮肤颜色，可以随机采集7名实验者即可，为了达到更准确的测试效果，在具体产品的研发中，发明人对1000名实验者进行了皮肤颜色的采集，将得到的皮肤颜色通过算法进行分析，得出了7种基本的皮肤颜色，这些颜色的搭配混合可以涵盖大部分人的皮肤颜色。在实际使用时，将测试者的皮肤颜色和这7种基本皮肤颜色进行对比计算，得到测试者皮肤颜色的7种基本颜色的混合系数，以达到对测试者皮肤进行分析的目的。使用蓝色色块便于精确定位和确定不同颜色色块的位置。在内色环21与空心区域20之间，内色环21与外色环22之间，外色环22以外有三个环形蓝色(即非肌肤颜色)区域23，在具体产品中每个环形蓝色区域23的宽度是色环(内色环21或外色环22)宽度的20％为佳，使用蓝色环形区域23便于精确计算出色环及色块的位置。在测试时将色卡紧贴皮肤之后，皮肤区域和整个色环可以很方便的被摄像头所捕捉。

实施例3、本实施例提供了一种测试皮肤的方法，采用上述实施例1或2个色卡实施，为了方便描述以使用实施例1的色卡为例，参见图3所示，包括下列主要步骤：

S31、将色卡置于皮肤上，并获取色卡和待测试皮肤的图像。

在具体实现中，采用智能手机完成拍照。将拍照屏幕的红色色环与色卡的色环进行吻合，当拍照屏幕的红色色环基本套到色卡色环并且聚焦成功的时候，设备会自动拍照。

S32、对已获取的所述色卡和待测试皮肤的图像进行识别与颜色提取。

对获取图像采样(放缩)。因为原始图像分辨率在8M左右，计算性能较差，而提取颜色并不需要如此高的分辨率，所以通过图片等比缩放，把图片进行压缩，以减小计算原始图片的大小，提高效率。在该实现中会将图像等比例放缩到宽度为720px。如果输入图像高度小于宽度，会进行翻转，以保证高度大于宽度。

为了准确计算出色环及色块的位置，优选的，检测色卡上环形黑色区域在图像中的颜色值。

校正图像中色卡的中心位置。要求图像的中心点必须在色卡的中空区域内。从图像中心点向上下左右四个方向各发射一条射线，逐个像素计算该像素点的颜色，通过预定义阈值过滤找到该条射线色卡内环的黑色像素点。具体过程可通过从图像中心往相应方向发射射线，依次往外遍历射线中的每个点，找到像素亮度突然降低的位置即为找到的色卡内环的位置。为了迅速完成遍历过程，优选的，不遍历射线中的每个点，而是隔step个点检查一次。thres是黑色亮度的阈值，当从内向外遍历时，当遍历到的点比上一个点的亮度低了thres以上时，便认为找到了最内侧的环形黑色区域，进一步通过上下左右移动中心点的位置计算出准确的色卡中心点。

图像色卡颜色识别，并且排除噪声。从色卡中心均匀的往周围40个(至少8个方向，兼顾计算准确度以及计算效率，经测试40个方向为最佳)方向进行寻找。通过射线往searchAngle方向进行查找，返回所有获得的色块的颜色，最大查找距离为searchRadius(默认是162个像素，图像宽度的0.9)，该函数会置全局变量tempB为是否包含黑色色块，计算每个方向上每个像素点的颜色值并且根据这段区间上点的亮度值(保存在pointColorNorms数组中)计算出色块的颜色值(所有的稳定的颜色值被保存在stillColors中)。在点从里到外的遍历过程中，如果连续几个点(lengthThres像素，默认为15像素，step为3，就是连续5个点)的亮度值差不多(误差不超过normThres，默认是20)，就认为识别出了一个稳定的颜色，找到色卡内环之外出现的最均匀的两种颜色。本实施例用了40个方向，是为了避免因旋转，倾斜，噪声带来的误差。

从上述图像色卡颜色识别的输出中找到黑色色块的位置(即色环的黑色色块在哪个方向)，进一步对检测失败的射线进行过滤，计算七个颜色的色块分别在图像中的颜色。具体的，对上述找到的40条射线对应的80个颜色(至少8条射线对应16个颜色)进行聚类，把相近的颜色计算，去掉误差较大的颜色值，聚成色卡对应的8类颜色。根据已知色卡上色环的颜色排列顺序，通过最暗的颜色(即黑色色块)确定另外7种颜色的顺序。到此，完成了颜色的提取过程。考虑到实际因素，本实施例中并没有全图寻找黑色色块，原因是色卡之外的某些阴影会比黑色色块更暗，从而造成识别错误。

S33、对提取的颜色进行校正。

对原始皮肤样例进行颜色校正，得到颜色校正后的皮肤图。函数执行结束后tempPixels数组保存了颜色校正后的皮肤像素数据，skinAfterCaliUI为生成的可供显示的颜色矫正后的皮肤图。具体的，根据上述提取出的7种颜色值和印刷时指定的7种颜色值，使用最小二乘优化计算颜色变换矩阵(4*3)。

对采样之前的高分辨率的图像在色卡中心点进行范围截取，截取皮肤样本。在具体实现中，皮肤样本为方形，宽度为输入图像宽度的5/36。

根据计算得出的颜色变换矩阵，对皮肤样本逐像素进行颜色校正，校正是为了去除不同光线条件的影响，使得结果尽可能的准确。

S34、根据校正后的颜色计算得出待测试皮肤的属性参数。

对校正后的皮肤图进行分频率的滤波，并计算皮肤的各项属性的值。

首先对皮肤图的每个像素进行不同半径的平滑(freq0～2)得到三张平滑后的图，所述的平滑是指对每个像素周围一定半径的小正方形内的像素值进行平均。

原始皮肤图减去小半径平滑后的图(hifres，滤去了超高频信息)得到的是噪声图像。

小半径平滑后的图(hifres，滤去了超高频信息)减去中半径平滑后的图(hfres，滤去了高频信息)得到的是高频图像(hfImg)，表示的是毛孔图。

中半径平滑后的图(hfres，滤去了高频信息)减去大半径平滑后的图(mfres，滤去了高中频信息)得到的是中频图像(mfImg)，表示的是色斑图。

大半径平滑后的图(mfres，滤去了高中频信息)只包含低频信息，表示皮肤的基本颜色，用来计算皮肤颜色，均匀度等信息。

为了能高速的计算出图像中任意一个矩形的平均颜色值，使用了SAT(SummedArea Table)方法进行加速：预计算了一个SAT图像(satImg)，这张图的每个像素值表示图像左上角到该点形成的矩形内部的所有像素的颜色值的和。这样在计算图像中任意一个矩形的平均颜色值的时候，只需要从SAT图像中取出矩阵四个顶点对应的值，简单运算即可得到。具体的，以毛孔，色斑的提取和计算为例，首先取图像的灰度，然后使用SAT加速技术计算皮肤图像的频谱，去掉超高频噪声(0.03)，提取高频分量(0.03-0.15)作为毛孔图，中频分量(0.15-1.0)作为色斑图。在毛孔和色斑之外的像素视为正常的皮肤。并由此计算毛孔的密度，色斑的颜色和比例，以及余下的皮肤颜色。对皮肤图像进行不同半径的平滑，并根据这些均值计算出毛孔和色斑的像素数据，计算出平均噪声(用来判断光照)和皮肤的光滑度(去掉高频分量之后的皮肤像素的光滑度)。

S35、根据所述属性参数对待测试皮肤进行属性归类，并得出测试结果。

根据步骤S34中得到的颜色图像(即大半径平滑后的图)，毛孔图像，色斑图像，计算出该次提取图像的美白，水份，肤色，毛孔，色斑。肤色即为颜色图像的平均颜色。肤色是一个RGB的颜色值，美白即为肤色的亮度值。水分即为颜色图像的光滑度，皮肤越光滑认为其水分越充足。毛孔值为毛孔图像的平均亮度。色斑值为色斑图像的平均亮度。最后，根据预设的标准值进行美白，水份，肤色，毛孔，色斑描述，得出测试结果。

实施例4、本实施例提供了一种测试皮肤的系统，通过上述实施例1或2的色卡，以及实施例3的测试皮肤的方法实施，参见图4所示，包括：色卡41和测试皮肤装置42，其中的测试皮肤装置42包括：获取单元421、识别提取单元422、校正单元423、参数计算单元424和属性归类单元425。

获取单元421，具体可以是智能手机的摄像装置，用于获取色卡和待测试皮肤的图像。

识别提取单元422，用于对已获取的所述色卡和待测试皮肤的图像进行识别与颜色提取。

校正单元423，用于对提取的颜色进行校正。

参数计算单元424，用于根据校正后的颜色计算得出待测试皮肤的属性参数。

属性归类单元425，用于根据所述属性参数对待测试皮肤进行属性归类，并得出测试结果。

综上所述，当前市场上测肤仪器体积大，价格较高，不便于普及，不能做到自己测试皮肤。各类测肤软件，问答过程繁琐，给出结果基本上基于用户的主观意识，不具有科学性。然而本发明帮助用户使用自己的手机3秒钟就可自行完成专业的皮肤测试，操作简便。

这里本发明的描述和应用都只是说明性和示意性的，并非是想要将本发明的范围限制在上述实施例中。

本发明不局限于实施例中的色卡设计，使用不同形状、不同个数的色环和色块，不同个数、不同颜色值的基本颜色，皆在本发明的保护范围之内，相应的在测试皮肤方法中，本软件所实现的算法不局限于所提到的色卡的产品设计，使用不同形状、不同个数的色环和色块，不同个数、不同颜色值的基本颜色的色卡设计都在本发明(软件/算法)的处理范围之内。另外，本领域技术人员还应该清楚的是，在不脱离本发明的精神或本质特征的情况下，本发明可以以其它形式、结构、布置、比例，以及用其它组件、材料和部件来实现，以及在不脱离本发明范围和精神的情况下，可以对这里所披露的实施例进行其它变形和改变。

Claims (6)

1.一种测试皮肤的方法，其特征在于，包括下列步骤：

S01、将色卡置于皮肤上，并获取色卡和待测试皮肤的图像；

S02、对已获取的所述色卡和待测试皮肤的图像进行识别与颜色提取；具体包括：S021、检测色卡中环形区域在图像中的颜色；S022、计算色卡的中心位置；S023、从色卡的中心位置向周围平均发射至少8条射线，检测出每条射线中包含的色块的颜色；查询非肌肤颜色色块的位置；对检测失败的射线进行过滤；根据得出的非肌肤颜色色块的位置以及过滤结果，分别计算其它肌肤颜色色块在图像中的颜色；

S03、对提取的颜色进行校正；

S04、根据校正后的颜色计算得出待测试皮肤的属性参数；

S05、根据所述属性参数对待测试皮肤进行属性归类，并得出测试结果。

2.如权利要求1所述的测试皮肤的方法，其特征在于，步骤S022中具体包括：

S0221、从图像中心点向上下左右四个方向各发射一条射线；

S0222、逐个像素计算该像素点的颜色；

S0223、通过预设的亮度变化阈值，查找最内侧色环与空心区域之间的环形区域，与各射线的交叉像素点；

S0224、根据图像中心点与各交叉像素点的距离，调整获得色卡的中心位置。

3.如权利要求1所述的测试皮肤的方法，其特征在于，步骤S023中所述的分别计算其它肌肤颜色色块在图像中的颜色，包括：

对所述检测出的每条射线中包含的色块颜色进行聚类；

根据预设的色卡上色块颜色的亮度排列顺序，以所述非肌肤颜色为最暗颜色，确定其它所述的肌肤颜色的顺序。

4.如权利要求3所述的测试皮肤的方法，其特征在于，步骤S03中包括：

S031、根据所述检测得到的各肌肤颜色值和预设的色卡上色块颜色值，采用最小二乘优化法计算得出颜色变换矩阵；

S032、从待测试皮肤的图像中截取皮肤样本；

S033、根据所述的颜色变换矩阵，对所述皮肤样本逐像素进行颜色校正。

5.如权利要求1所述的测试皮肤的方法，其特征在于，步骤S04中包括：

对待测试皮肤图像的每个像素进行3种半径的平滑，得到3张平滑后的图像，所述的平滑是指对每个像素周围一定半径的小正方形内的像素值进行平均；

如果所述待测试皮肤的属性参数为噪声图像，则以待测试皮肤图像减去小半径平滑后的图像，得到噪声图像；

如果所述待测试皮肤的属性参数为毛孔图，则以小半径平滑后的图像减去中半径平滑后的图像，得到高频图像，用以表示毛孔图；

如果所述待测试皮肤的属性参数为色斑图，则以中半径平滑后的图像减去大半径平滑后的图像，得到中频图像，用以表示色斑图；

如果所述待测试皮肤的属性参数为皮肤颜色或均匀度，则以大半径平滑后的图像表示皮肤颜色或均匀度信息。

6.如权利要求5所述的测试皮肤的方法，其特征在于，通过SAT方法加速计算所述的待测试皮肤的属性参数，所述的SAT方法是预计算一个SAT图像，所述SAT图像的每个像素值表示从SAT图像左上角到该像素点为对角线所形成的矩形内部的所有像素的颜色值的和；在对待测试皮肤图像的每个像素进行3种半径的平滑时，从所述SAT图像中取出矩阵四个顶点对应的值，进行运算。