CN105069818A - 一种基于图像分析的皮肤毛孔识别方法 - Google Patents

Abstract

一种基于图像分析的皮肤毛孔识别方法，包括人体皮肤图像获取，进行滤波预处理，计算图像的平均亮度值，将图像平均分为n个子区域，计算每个子区域像素的平均亮度值，得到亮度差分矩阵，利用插值算法将差分矩阵扩大到原图像分辨率，融合原图像与差分矩阵得到新的图像，利用模糊C均值算法对新图像进行聚类分析，选择新图像中像素的类别数，类别数越大分割结果越精确，设置分类迭代的次数，设置单步循环最小变化值，得到分类后的图像，保存精确分割后的皮肤毛孔图像，统计皮肤毛孔数目，计算皮肤毛孔的平均像素面积。本方法处理方式简单，计算效率高，并且将皮肤图像进行精确量化分析，有利于治疗全过程的皮肤状态监测，得到更准确的治疗诊断结果。

Description

一种基于图像分析的皮肤毛孔识别方法

技术领域

本发明涉及数字图像处理领域，更具体地说涉及到基于图像分析的皮肤及其毛孔的识别处理方法。

背景技术

随着计算机辅助图像处理系统在医学领域的广泛应用，与人体皮肤相关的医学诊断、治疗效果量化评价等工作迫切需要快速有效的辅助检测方法。皮肤毛孔量化分析是人体皮肤治疗的重要问题之一，在皮肤类常见疾病，如黑鼻头、面部红斑、紫癜病、黑色素瘤、毛孔粗大等的诊断分析及治疗监测等方面发挥重要作用。

计算机辅助皮肤图像分析处理是一种新型的辅助量化诊断方法，对待处理图像质量要求较高，通常是小面积皮肤的放大效果，可以制作皮肤切片用于显微镜下的进一步观察测量。人体皮肤图像的获取一般安放设置专用的支架，受测者将受测部位置于支架之上，拍摄人员采用长焦镜头相机近距离拍摄微观状态下的皮肤，清晰度较高。由于皮肤是非刚性物体，且对光线具有较强的反射特性，通常情况下图像受光线干扰尤为强烈，在皮肤大面积区域产生不同程度的高光亮斑。采用一般的图像目标提取识别方法，可将这些高光亮斑与皮肤毛孔一同提取出来，造成识别错误，从而降低图像分析的效率。因此，有必要发明一种普遍适用的，不影响皮肤毛孔识别效率的高光亮斑去除方法。同时，皮肤疾病是一类常见多发疾病，日常诊断量较大，而且待处理图像分辨率高，其辅助图像处理过程要求做到方法简单实用且快速高效。然而，目前该领域相关成熟方法较少，一般的图像处理方法不能直接应用于皮肤的毛孔识别分析，而且处理高分辨率图像计算量大，识别效率较低。

发明内容

本发明的目的在于克服现有技术的不足，提供了一种基于图像分析的皮肤毛孔识别方法，其处理方法简单实用，快速高效，匹配对准容易，并且将皮肤图像进行精确量化分析，有利于治疗全过程的皮肤状态监测，得到更准确的治疗诊断结果。

基于图像分析的皮肤毛孔识别方法，依次包括以下步骤：

(1)获取分辨率为N×M的待处理皮肤图像，进行滤波预处理；

(2)计算图像的平均亮度值，将图像S平均分为V个子区域计算每个子区域像素的平均亮度值，得到亮度差分矩阵；

(3)利用插值算法将差分矩阵扩大到原图像分辨率N×M；

(4)融合原图像与差分矩阵得到新的图像，图像分辨率为N×M；

(5)利用改进模糊C均值算法对新图像进行聚类分析，改进后的聚类收敛计算方法如下：

$J_m(U,V,X)=\underset{i=1}{\overset{c}{\&Sigma;}}\underset{k=1}{\overset{n}{\&Sigma;}}{u}_{ik}^m\left|\right|x_k-v_i|{|}_A,1<m<\mathrm{\&infin;}$

其中，V＝(v₁,v₂,...,v_c)是未知的聚类中心向量v_i的集合，v_i∈R^p，其中p为向量的维度，向量v_i隶属于p维空间R，X是所有待分类数据的集合，c是模糊分类数，u_ik表示像素x_k属于第i类数据集的隶属度，矩阵U中每一列的元素表示所对应的图像像素隶属于C类别中各个类的隶属度，||x_k-v_i||表示像素x_k与聚类中心像素的相似度，m为模糊加权指数；

(6)选择新图像中像素的类别数，类别数越大分割结果越精确，设置分类迭代的次数，设置单步循环最小变化值，得到分类后的图像；

(7)保存精确分割后的皮肤毛孔图像，统计皮肤毛孔数目，计算皮肤毛孔的平均像素面积。

优选的，所述滤波处理采用中值滤波法。

优选地，所述步骤(2)中待处理图像分辨率为1280×720时的子区域分辨率为16×16。

优选地，所述步骤(3)中所述插值算法采用双三次差值方法。

优选地，所述步骤(5)中所述目标模糊分类数可选2～8范围内的整数。

优选地，所述步骤(6)中所述聚类收敛判定阈值设定为0.00001。

优选地，所述步骤(1)中可以在图像中手动选取待分析区域，若忽略此步，则系统将图像所有区域进行处理。

优选地，所述步骤中还包括经过处理后的皮肤图像以及步骤1-7中原图像上传至建立云数据库进行存储，供远程客户端查询。

附图说明

图1皮肤图像毛孔识别处理方法流程图

具体实施方式

基于图像分析的皮肤毛孔识别处理方法，依次包括以下步骤：

(1)获取分辨率为N×M的待处理皮肤图像，进行滤波预处理，选择3×3像素为滤波模板，模板覆盖处图像像素灰度值从小到大排列，用灰度中间值替代覆盖处图像中心像素的灰度值，遍历所有图像完成中指滤波；

(2)计算图像的平均像素值，将图像S平均分为V个子区域计算每个子区域像素的平均像素值，得到亮度差分矩阵，V为256＝16×16，则差分矩阵维度为16×16；

(3)利用双三次插值算法将差分矩阵扩大到原图像分辨率N×M，将步骤(2)中差分矩阵16×16拓展到N×M维度，选取待计算像素周围16个点的坐标，利用插值核公式分别计算出x、y方向的插值核向量，插值核公式是sin(x*π)/x的逼近，进行矩阵相乘得到插值结果；

(4)原图像与差分矩阵作差得到新的图像，图像分辨率为N×M；

(5)利用改进模糊C均值算法对新图像进行聚类分析，改进后的聚类收敛计算方法如下：

$J_m(U,V,X)=\underset{i=1}{\overset{c}{\&Sigma;}}\underset{k=1}{\overset{n}{\&Sigma;}}{u}_{ik}^m\left|\right|x_k-v_i|{|}_A,1<m<\mathrm{\&infin;}$

其中，V＝(v₁,v₂,...,v_c)是未知的聚类中心向量v_i的集合，v_i∈R^p，其中p为向量的维度，向量v_i隶属于p维空间R，X是所有待分类数据的集合，c是模糊分类数，u_ik表示像素x_k属于第i类数据集的隶属度，矩阵U中每一列的元素表示所对应的图像像素隶属于C类别中各个类的隶属度，||x_k-v_i||表示像素x_k与聚类中心像素的相似度，m为模糊加权指数；

(6)选择新图像中像素的类别数，类别数越大分割结果越精确，设置分类迭代的次数，设置单步循环最小变化值，得到分类后的图像；

(7)保存精确分割后的皮肤毛孔图像，通过遍历图像，累计非连通区域的数量统计皮肤毛孔数目，计算每个非连通图像区域的像素数，得到每个区域的像素数，采用求平均的方法计算皮肤毛孔的平均像素面积。

优选的，所述滤波处理采用中值滤波法。

优选地，所述步骤(2)中待处理图像分辨率为1280×720时的子区域分辨率为16×16。

优选地，所述步骤(3)中所述插值算法采用双三次差值方法。

优选地，所述步骤(5)中所述目标模糊分类数可选2～8范围内的整数。

优选地，所述步骤(6)中所述聚类收敛判定阈值设定为0.00001。

优选地，所述步骤(1)中可以在图像中手动选取待分析区域，若忽略此步，则系统将图像所有区域进行处理。

优选地，所述步骤中还包括经过处理后的皮肤图像以及步骤1-7中原图像上传至建立云数据库进行存储，供远程客户端查询。

本方法可将皮肤毛孔从待处理图像中提取识别出来，处理方法简单实用，快速高效，匹配对准容易，并且将皮肤图像进行精确量化分析，有利于治疗全过程的皮肤状态监测，得到更准确的治疗诊断结果。

尽管为了说明的目的，已描述了本发明的示例性实施方式，但是本领域的技术人员将理解，不脱离所附权利要求中公开的发明的范围和精神的情况下，可以在形式和细节上进行各种修改、添加和替换等的改变，而所有这些改变都应属于本发明所附权利要求的保护范围，并且本发明要求保护的产品各个部门和方法中的各个步骤，可以以任意组合的形式组合在一起。因此，对本发明中所公开的实施方式的描述并非为了限制本发明的范围，而是用于描述本发明。相应地，本发明的范围不受以上实施方式的限制，而是由权利要求或其等同物进行限定。

Claims (9)

1.一种基于图像分析的皮肤毛孔识别方法，依次包括以下步骤：

(1)获取分辨率为N×M的待处理皮肤图像，进行滤波预处理；

(2)计算图像的平均亮度值，将图像S平均分为V个子区域计算每个子区域像素的平均亮度值，得到亮度差分矩阵；

(3)利用插值算法将差分矩阵扩大到原图像分辨率N×M；

(4)融合原图像与差分矩阵得到新的图像，图像分辨率为N×M；

(5)利用改进模糊C均值算法对新图像进行聚类分析，改进后的聚类收敛计算方法如下：

其中，V＝(v₁,v₂,...,v_c)是未知的聚类中心向量v_i的集合，v_i∈R^p，其中p为向量的维度，向量v_i隶属于p维空间R，X是所有待分类数据的集合，c是模糊分类数，u_ik表示像素x_k属于第i类数据集的隶属度，矩阵U中每一列的元素表示所对应的图像像素隶属于C类别中各个类的隶属度，||x_k-v_i||表示像素x_k与聚类中心像素的相似度，m为模糊加权指数；

(6)选择新图像中像素的类别数，设置分类迭代的次数，设置单步循环最小变化值，得到分类后的图像；

(7)保存精确分割后的皮肤毛孔图像，统计皮肤毛孔数目，计算皮肤毛孔的平均像素面积。

2.如权利要求1所述的基于图像分析的皮肤毛孔识别方法，其特征在于：所述滤波处理采用中值滤波法。

3.如权利要求2所述的基于图像分析的皮肤毛孔识别方法，其特征在于：待处理图像分辨率为1280×720时的子区域分辨率为16×16。

4.如权利要求3所述的基于图像分析的皮肤毛孔识别方法，其特征在于：所述插值算法采用双三次差值方法。

5.如权利要求5所述的基于图像分析的皮肤毛孔识别方法，其特征在于：所述目标模糊分类数可选2～8范围内的整数。

6.如权利要求5所述的基于图像分析的皮肤毛孔识别方法，其特征在于：所述聚类收敛判定阈值设定为0.00001。

7.如权利要求1所述的基于图像分析的皮肤毛孔识别方法，其特征在于：在图像中手动选取待分析区域，若忽略此步，则系统将图像所有区域进行处理。

8.如权利要求1-7所述的基于图像分析的皮肤毛孔识别方法，其特征在于：原图像上传至建立云数据库进行存储，供远程客户端查询。

9.如权利要求8所述的基于图像分析的皮肤毛孔识别方法，其特征在于：远程客户端为台式机。