CN105787929B - 基于斑点检测的皮肤疹点提取方法 - Google Patents

基于斑点检测的皮肤疹点提取方法 Download PDF

Info

Publication number
CN105787929B
CN105787929B CN201610085987.0A CN201610085987A CN105787929B CN 105787929 B CN105787929 B CN 105787929B CN 201610085987 A CN201610085987 A CN 201610085987A CN 105787929 B CN105787929 B CN 105787929B
Authority
CN
China
Prior art keywords
skin
spot
color
point
rgb
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201610085987.0A
Other languages
English (en)
Other versions
CN105787929A (zh
Inventor
王昇
刘开华
马永涛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tianjin University
Original Assignee
Tianjin University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tianjin University filed Critical Tianjin University
Priority to CN201610085987.0A priority Critical patent/CN105787929B/zh
Publication of CN105787929A publication Critical patent/CN105787929A/zh
Application granted granted Critical
Publication of CN105787929B publication Critical patent/CN105787929B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30088—Skin; Dermal

Landscapes

  • Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Image Analysis (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明涉及一种基于斑点检测的皮肤疹点提取方法，包括：对输入皮肤图像进行预处理，检测图像中的肤色区域和非肤色区域；统计皮肤图像中肤色区域在RGB空间的三个分量值各自的颜色均值；检测斑点；将斑点分为接近肤色的斑点和与肤色差距较大的斑点；对于接近肤色的斑点及皮肤RGB分布域融合为新的皮肤颜色均值；对与肤色差距较大的斑点计算颜色均值，视为典型疹点RGB颜色均值；生成加权色彩空间距离函数，用于判别疹点/皮肤。本发明具有运行速度快，误检率和漏检率低的特点。

Description

基于斑点检测的皮肤疹点提取方法
技术领域
本发明涉及人工智能的图像识别领域，特别涉及一种基于斑点检测的在皮肤图像中提取疹点目标的方法。
背景技术
随着计算机视觉技术的不断发展，图像处理技术被人们用于各种领域中。计算机诊病就是其中重要的应用案例之一，由于具有自动、快捷等特点，能大幅提高诊病效率，被视为未来医学诊病的发展方向。考虑到皮肤病诊断主要通过观察皮肤表面症状，可以通过计算机视觉技术实现皮肤病的自动诊断过程。如何将皮肤图像中的病变区域准确提取出来是实现计算机皮肤病诊断的重要过程，有助于分析疹点数量、分布、形态大小等。本发明中认为的疹点状皮肤病包括，皮疹、荨麻疹、湿疹、水痘、痤疮等呈斑点状分布的皮肤病，可以使用同样的方法提取。由于皮肤病情况复杂，故考虑疹点的形态特征及颜色特征来实现提取过程。
计算机视觉库OpenCV(Open Source Computer Vision Library)提供了斑点检测方法类SimpleBlobDetector，该算法可由多个参数控制，算法步骤简单，运算速度快。SimpleBlobDetector提供的多个限定参数如面积、偏心率、凸度等可以从斑点检测结果中筛选出更准确的目标。但由于SimpleBlobDetector算法对于参数的敏感性较高，无法在误检率和漏检率之间达到平衡，单独使用此方法效果并不理想。肤色检测算法在人脸检测等研究中被广泛研究，能较为准确的识别皮肤区域，主要有基于RGB、Ycbcr、HIS、Lab等色彩空间的使用普通阈值、Otsu阈值等方法的肤色检测算法。若直接使用肤色检测算法排除皮肤区域、剩余部分也并不是准确的疹点区域。因为疹点类皮肤病常常会造成疹点周围正常皮肤区域泛红，对肤色检测会产生极大的干扰，并且部分疹点颜色较浅，与肤色接近难以区分，除此之外还有光照等干扰因素，所以只通过颜色特征难以准确提取出疹点。
发明内容
本发明的目的是提供一种可以快速准确提取皮肤疹点的方法。技术方案如下：
一种基于斑点检测的皮肤疹点提取方法，包括下列步骤：
1)对输入皮肤图像进行预处理，检测图像中的肤色区域和非肤色区域；
2)统计皮肤图像中肤色区域在RGB空间的三个分量值各自的颜色均值μS(k),k＝1,2,3；
3)检测输入皮肤图像中的斑点；
4)对所有斑点计算RGB颜色阈值，将斑点分为接近肤色的斑点和与肤色差距较大的斑点；
5)对于接近肤色的斑点计算RGB分量颜色均值μQ(k),k＝1,2,3，并与步骤2)中的皮肤RGB分布域融合为新的皮肤颜色均值μT(k),k＝1,2,3，μT(k)＝αμS(k)+βμQ(k)
其中α、β为权重值；
6)对于4)中与肤色差距较大的斑点计算颜色均值μB(k),k＝1,2,3，视为典型疹点RGB颜色均值；
7)结合5)和6)中的典型疹点RGB颜色均值和新的皮肤颜色均值生成加权色彩空间距离函数，用于判别疹点/皮肤，该公式如下：
其中xi(k),k＝1,2,3分别为斑点检测检测结果每个点的R、G、B分量值；δk,k＝1,2,3分别为三个分量的权重，若计算得到H>0则该斑点判定为疹点，否则该斑点判定为皮肤。
其中，对输入图像可采用OpenCV中的SimpleBlobDetector算法检测图像中的斑点。
本发明公开的基于斑点检测的皮肤疹点提取方法，利用肤色检测算法计算肤色分布，结合斑点检测结果生成基于RBG色彩空间的疹点/皮肤判别函数，从斑点检测结果中提取出疹点目标，具有运行速度快，误检率和漏检率低的特点。
附图说明
图1为本发明流程框图。
图2为本发明具体实施示例用图。
图3为斑点检测结果示例图。
图4为斑点分类结果示例图。
图5为疹点提取结果输出示例图像。
具体实施方式
为了进一步说明本发明，下面结合附图1的流程框图和附图2的实施示例用图给出一个具体实例。
图2所示为一张典型的带疹点的皮肤图像。干扰疹点提取的因素有部分疹点周围的泛红皮肤区域，以及光照阴影和皮肤自然凸起等。
参考框图1所示流程，本发明具体的皮肤疹点提取过程描述如下：
步骤一：对图2所示的输入图像进行去噪预处理。使用基于RGB色彩空间的肤色检测算法检测图像中的肤色区域和非肤色区域。肤色检测判别公式如下：
[yj(1)>95&&yj(2)>40&&yj(3)>20&&yj(1)-yj(3)>15&&yj(1)-yj(2)>15]
||[yj(1)>200&&yj(2)>210&&yj(1)>170&&abs(yj(1)-yj(3)]
<＝[15&&yj(1)>yj(3)&&yj(2)>yj(3)]
其中yj(1)，yj(2)，yj(3)分别为每个图像像素的R、G、B颜色分量值。符合上述判别式的像素点判定为皮肤区域，否则为非皮肤区域。
步骤二：统计单幅图像中皮肤区域在RGB空间的三个分量值各自的颜色均值μS(k),k＝1,2,3即其中pt(k),k＝1,2,3为步骤一中得到的皮肤区域每个点的R、G、B分量值，M为所有皮肤点的数量。
步骤三：对输入图像采用OpenCV中的SimpleBlobDetector算法检测图像中的斑点。输入的参数有值阈值步长thresholdStep＝2，最小圆度minCircularity＝0.7，最小凸度minConvexity＝0.75，最小惯性率minInertiaRatio＝0.35，最小重复次数minRepeatability＝3，其他为默认参数。图3所示为斑点检测结果图，黑色圆圈标注区域为检测到的斑点。
步骤四：对所有斑点区域计算内部所有像素的平均R、G、B值作为该斑点的R、G、B值，统计所有斑点以公式0.5R+0.3G+0.2B计算得到RGB颜色分布直方图，使用Otsu法计算直方图阈值，将斑点分为两部分。同样以上式计算步骤二中得到的皮肤颜色均值并同以上Otsu阈值比较，将两部分斑点中分为接近肤色的斑点和与肤色差距较大的斑点。
步骤五：对于接近肤色的斑点计算RGB分量颜色均值μQ(k),k＝1,2,3，计算方法见步骤二，并与步骤二中的皮肤RGB颜色均值融合为新的皮肤颜色均值μT(k),k＝1,2,3。
μT(k)＝αμS(k)+βμQ(k)
其中α、β为权重值。
步骤六：对于步骤四中与肤色差距较大的点视为典型疹点，提取颜色均值μB(k),k＝1,2,3，计算方法见步骤二。
步骤七：结合步骤五和步骤六中的疹点和皮肤的颜色均值生成加权色彩空间距离函数，用于判别疹点/皮肤，该公式如下：
其中xi(k),k＝1,2,3分别为斑点检测检测结果每个点的R、G、B分量值。δk,k＝1,2,3分别为三个分量的权重。若计算得到H>0则该斑点判定为疹点，否则该斑点判定为皮肤。
步骤八：将步骤三中的斑点检测结果用步骤七中的疹点/皮肤判别函数判别出属于疹点的斑点和非疹点的斑点。图4所示为斑点分类结果图，原图为彩色图，黑色圆圈标注的区域为疹点，蓝色标注为非疹点斑点，此图为灰度图。
步骤九：去掉非疹点斑点，保留疹点斑点。图5所示为疹点提取结果输出图像，疹点在图像中用黑色圆圈标记。

Claims (2)

1.一种基于斑点检测的皮肤疹点提取方法，包括下列步骤：
1)对输入皮肤图像进行预处理，检测图像中的肤色区域和非肤色区域；
2)统计皮肤图像中肤色区域在RGB空间的三个分量值各自的颜色均值μS(k),k＝1,2,3；
3)检测输入皮肤图像中的斑点；
4)对所有斑点计算RGB颜色阈值，将斑点分为接近肤色的斑点和与肤色差距较大的斑点；
5)对于接近肤色的斑点计算RGB分量颜色均值μQ(k),k＝1,2,3，并与步骤2)中的皮肤RGB分布域融合为新的皮肤颜色均值μT(k),k＝1,2,3，μT(k)＝αμS(k)+βμQ(k)
其中α、β为权重值；
6)对于4)中与肤色差距较大的斑点计算颜色均值μB(k),k＝1,2,3，视为典型疹点RGB颜色均值；
7)结合5)和6)中的典型疹点RGB颜色均值和新的皮肤颜色均值生成加权色彩空间距离函数H，用于判别疹点/皮肤：
其中xi(k),k＝1,2,3分别为斑点检测检测结果每个点的R、G、B分量值；δk,k＝1,2,3分别为三个分量的权重，若计算得到H>0则该斑点判定为疹点，否则该斑点判定为皮肤。
2.根据权利要求1所述的基于斑点检测的皮肤疹点提取方法，其特征在于，对输入图像采用OpenCV中的SimpleBlobDetector算法检测图像中的斑点。
CN201610085987.0A 2016-02-15 2016-02-15 基于斑点检测的皮肤疹点提取方法 Expired - Fee Related CN105787929B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610085987.0A CN105787929B (zh) 2016-02-15 2016-02-15 基于斑点检测的皮肤疹点提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610085987.0A CN105787929B (zh) 2016-02-15 2016-02-15 基于斑点检测的皮肤疹点提取方法

Publications (2)

Publication Number Publication Date
CN105787929A CN105787929A (zh) 2016-07-20
CN105787929B true CN105787929B (zh) 2018-11-27

Family

ID=56402646

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610085987.0A Expired - Fee Related CN105787929B (zh) 2016-02-15 2016-02-15 基于斑点检测的皮肤疹点提取方法

Country Status (1)

Country Link
CN (1) CN105787929B (zh)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109299634A (zh) * 2017-07-25 2019-02-01 上海中科顶信医学影像科技有限公司 斑检测方法、系统、设备及存储介质
WO2019037014A1 (zh) 2017-08-24 2019-02-28 华为技术有限公司 一种图像检测的方法、装置及终端
CN108780497B (zh) * 2017-11-14 2021-10-26 深圳和而泰智能控制股份有限公司 一种皮肤瑕疵点分类方法及电子设备
CN109978810B (zh) * 2017-12-26 2024-03-12 南通罗伯特医疗科技有限公司 痣的检测方法、系统、设备及存储介质
CN108647600B (zh) * 2018-04-27 2021-10-08 深圳爱酷智能科技有限公司 人脸识别方法、设备及计算机可读存储介质
WO2020015148A1 (zh) * 2018-07-16 2020-01-23 华为技术有限公司 一种色斑检测方法及电子设备
CN109102505A (zh) * 2018-08-17 2018-12-28 湖南超能机器人技术有限公司 基于图像的非接触式手掌疱疹检测系统及其检测方法
CN109447975A (zh) * 2018-11-01 2019-03-08 肖湘江 基于图像的手掌红色斑点检测方法
CN110009630A (zh) * 2019-04-15 2019-07-12 中国医学科学院皮肤病医院 一种基于深度学习的皮肤目标区域自动检测方法
CN110490844A (zh) * 2019-07-24 2019-11-22 广州三得医疗科技有限公司 一种电磁治疗仪罐印的识别方法、系统、装置及治疗仪
CN110464308A (zh) * 2019-08-22 2019-11-19 南京医尔仁医疗科技有限公司 智能罐印检测仪及其检测方法
CN111738984B (zh) * 2020-05-29 2023-08-18 北京工商大学 基于分水岭和种子填充的皮肤图像斑点评估方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6711286B1 (en) * 2000-10-20 2004-03-23 Eastman Kodak Company Method for blond-hair-pixel removal in image skin-color detection
CN104540445A (zh) * 2012-08-17 2015-04-22 索尼公司 图像处理装置、图像处理方法、程序和图像处理系统
CN104732200A (zh) * 2015-01-28 2015-06-24 广州远信网络科技发展有限公司 一种皮肤类型和皮肤问题的识别方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6711286B1 (en) * 2000-10-20 2004-03-23 Eastman Kodak Company Method for blond-hair-pixel removal in image skin-color detection
CN104540445A (zh) * 2012-08-17 2015-04-22 索尼公司 图像处理装置、图像处理方法、程序和图像处理系统
CN104732200A (zh) * 2015-01-28 2015-06-24 广州远信网络科技发展有限公司 一种皮肤类型和皮肤问题的识别方法

Also Published As

Publication number Publication date
CN105787929A (zh) 2016-07-20

Similar Documents

Publication Publication Date Title
CN105787929B (zh) 基于斑点检测的皮肤疹点提取方法
CN108038456B (zh) 一种人脸识别系统中的防欺骗方法
US10691947B2 (en) Monitoring device
Savkare et al. Automated system for malaria parasite identification
CN107705288A (zh) 伪目标运动强干扰下的危险气体泄漏红外视频检测方法
Ghazali et al. An innovative face detection based on skin color segmentation
Sforza et al. Using adaptive thresholding and skewness correction to detect gray areas in melanoma in situ images
CN105761260B (zh) 一种皮肤图像患处分割方法
CN106710062B (zh) 检测纸币安全线的方法及装置
Zou et al. Malaria cell counting diagnosis within large field of view
WO2019072249A1 (zh) 利用皮肤图像分析皮肤水分的方法及装置
Fatichah et al. Overlapping white blood cell segmentation and counting on microscopic blood cell images
Priyadharsini et al. Optic disc and cup segmentation in fundus retinal images using feature detection and morphological techniques
Alabbasi et al. Human face detection from images, based on skin color
Tan et al. Classification of left and right eye retinal images
Charoenpong et al. A new method for occluded face detection from single viewpoint of head
Zhou et al. A novel approach for red lesions detection using superpixel multi-feature classification in color fundus images
Mora et al. A template matching technique for artifacts detection in retinal images
Gu et al. Automatic Tongue Image Segmentation Based on Thresholding and an Improved Level Set Model
Sahak et al. Iris localization using colour segmentation and circular Hough transform
Miry Face detection based on multi facial feature using fuzzy logic
Pham et al. Hand detection and segmentation using multimodal information from Kinect
Wu et al. Real-time 2D hands detection and tracking for sign language recognition
Luangruangrong et al. Optic disc localization in complicated environment of retinal image using circular-like estimation
Park et al. A New Approach to Optic Disc Segmentation Based on Contrast Enhancement and Brightness Difference

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20181127

Termination date: 20200215