CN106937864A - 皮肤组织估计方法及应用其的系统 - Google Patents
皮肤组织估计方法及应用其的系统 Download PDFInfo
- Publication number
- CN106937864A CN106937864A CN201611169461.7A CN201611169461A CN106937864A CN 106937864 A CN106937864 A CN 106937864A CN 201611169461 A CN201611169461 A CN 201611169461A CN 106937864 A CN106937864 A CN 106937864A
- Authority
- CN
- China
- Prior art keywords
- image
- skin
- bright spot
- value
- height value
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000013139 quantization Methods 0.000 claims abstract description 49
- 210000003491 skin Anatomy 0.000 claims description 285
- 210000002615 epidermis Anatomy 0.000 claims description 74
- 238000001914 filtration Methods 0.000 claims description 33
- 210000001519 tissue Anatomy 0.000 claims description 33
- 102000008186 Collagen Human genes 0.000 claims description 17
- 108010035532 Collagen Proteins 0.000 claims description 17
- 229920001436 collagen Polymers 0.000 claims description 17
- 238000013519 translation Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 15
- 238000001514 detection method Methods 0.000 claims description 10
- 238000010606 normalization Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 7
- 241000023320 Luma <angiosperm> Species 0.000 claims description 6
- OSWPMRLSEDHDFF-UHFFFAOYSA-N methyl salicylate Chemical compound COC(=O)C1=CC=CC=C1O OSWPMRLSEDHDFF-UHFFFAOYSA-N 0.000 claims description 6
- 238000005260 corrosion Methods 0.000 claims description 4
- 230000007797 corrosion Effects 0.000 claims description 4
- 230000003247 decreasing effect Effects 0.000 claims description 3
- 230000010339 dilation Effects 0.000 claims description 2
- 230000003628 erosive effect Effects 0.000 claims description 2
- 239000000284 extract Substances 0.000 claims description 2
- 238000013427 histology analysis Methods 0.000 claims 4
- QCVGEOXPDFCNHA-UHFFFAOYSA-N 5,5-dimethyl-2,4-dioxo-1,3-oxazolidine-3-carboxamide Chemical compound CC1(C)OC(=O)N(C(N)=O)C1=O QCVGEOXPDFCNHA-UHFFFAOYSA-N 0.000 claims 2
- 102000002322 Egg Proteins Human genes 0.000 claims 2
- 108010000912 Egg Proteins Proteins 0.000 claims 2
- 235000014103 egg white Nutrition 0.000 claims 2
- 210000000969 egg white Anatomy 0.000 claims 2
- 238000012876 topography Methods 0.000 description 18
- 238000010586 diagram Methods 0.000 description 12
- 238000006243 chemical reaction Methods 0.000 description 8
- 238000012014 optical coherence tomography Methods 0.000 description 7
- 230000007246 mechanism Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 4
- 238000009499 grossing Methods 0.000 description 4
- 230000002441 reversible effect Effects 0.000 description 3
- 230000036548 skin texture Effects 0.000 description 3
- 239000003086 colorant Substances 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 210000005257 cortical tissue Anatomy 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000002500 effect on skin Effects 0.000 description 1
- 239000003292 glue Substances 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/44—Detecting, measuring or recording for evaluating the integumentary system, e.g. skin, hair or nails
- A61B5/441—Skin evaluation, e.g. for skin disorder diagnosis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0073—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence by tomography, i.e. reconstruction of 3D images from 2D projections
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
- A61B5/1075—Measuring physical dimensions, e.g. size of the entire body or parts thereof for measuring dimensions by non-invasive methods, e.g. for determining thickness of tissue layer
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
- A61B5/1079—Measuring physical dimensions, e.g. size of the entire body or parts thereof using optical or photographic means
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Veterinary Medicine (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Dermatology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Image Processing (AREA)
Abstract
一种皮肤组织估计方法及应用其的系统。该皮肤组织估计方法包括:取得皮肤断层图像;将皮肤断层图像的亮度值量化成多个亮度位阶,以产生量化后图像;依据第一亮度阈值区间二值化量化后图像的各图像点的亮度值,以产生第一过滤后图像;依据第二亮度阈值区间二值化量化后图像的各图像点的亮度值,以产生第二过滤后图像;依据第一过滤后图像中的亮点分布,取得第一组织边界估计值;依据第二过滤后图像中的亮点分布,取得第二组织边界估计值;依据第一组织边界估计值与第二组织边界估计值的差值,估计皮肤组织厚度。
Description
技术领域
本发明涉及一种皮肤组织估计方法及应用其的系统。
背景技术
伴随皮肤科及医美领域的庞大市场需求,在评估受测者的皮肤状况时,有时会通过断层图像成像技术(如光学同调断层扫描(Optical Coherence Tomography,OCT)成像技术)来产生受测者的皮肤断层图像,以作为判断受测者皮肤状况的依据。
然而,传统的皮肤断层图像需经由医师或其他专业人士利用其经验、专业知识进行肉眼判读,才能理解皮肤断层图像中所呈现的组织信息。而这对于一般无相关医学背景、但有皮肤检测需求的民众而言,是相当不便利的。
因此,如何提出一种简单、有效的皮肤组织估计方法及应用其的装置,乃本领域待解的议题之一。
发明内容
本发明涉及一种皮肤组织估计方法及应用其的系统,可基于皮肤断层图像的图像处理结果,估计出受测者皮肤组织的相关参数。
根据本发明的一方面,提出一种皮肤组织估计方法,包括:取得皮肤断层图像;将皮肤断层图像的亮度值量化成多个亮度位阶,以产生量化后图像;依据第一亮度阈值区间二值化量化后图像的各图像点的亮度值,以产生第一过滤后图像,其中量化后图像中亮度值落在第一亮度阈值区间内的图像点在第一过滤后图像中被设为亮点,量化后图像中亮度值落在第一亮度阈值区间外的图像点在第一过滤后图像中被设为暗点;依据第二亮度阈值区间二值化量化后图像的各图像点的亮度值,以产生第二过滤后图像,其中量化后图像中亮度值落在第二亮度阈值区间内的图像点在第二过滤后图像中被设为亮点,量化后图像中亮度值落在第二亮度阈值区间外的图像点在第二过滤后图像中被设为暗点;依据第一过滤后图像中的亮点分布,取得第一组织边界估计值;依据第二过滤后图像中的亮点分布,取得第二组织边界估计值;依据第一组织边界估计值与第二组织边界估计值的差值,估计皮肤组织厚度。
根据本发明的一方面,提出一种皮肤组织估计方法,包括:取得皮肤断层图像;对皮肤断层图像作杂点消除处理,以产生杂点消除图像;二值化杂点消除图像的各图像点的亮度值,以产生二值化后图像,二值化后图像包括多个由亮点聚集而成的亮部区块;滤除二值化图像中面积低于面积阈值的亮度区块,以产生参考图像;检测参考图像中各图像直行中的底部亮点,以取得真皮层底部轮廓线,其中各底部亮点在参考图像的对应图像直行中相较于对应图像直行中的其他亮点具有最小的高度值;检测参考图像中各图像直行中的顶部亮点,以取得表皮层顶部轮廓线,其中各顶部亮点在参考图像的对应图像直行中相较于对应图像直行中的其他亮点具有最大的高度值;依据表皮层顶部轮廓线推得一真皮层顶部轮廓线;以及依据表皮层顶部轮廓线、真皮层底部轮廓线以及真皮层顶部轮廓线计算至少一皮肤特征参数。
为了对本发明的上述及其他方面有更佳的了解,下文特举优选实施例,并配合附图,作详细说明如下:
附图说明
图1绘示本发明的一实施例的皮肤组织估计系统的方块图。
图2绘示依据本发明的一实施例的皮肤组织估计方法的流程图。
图3绘示依据本发明的一实施例的皮肤组织估计方法的流程图。
图4A绘示一例示的皮肤断层图像。
图4B绘示一例示的量化后图像。
图5绘示一例示的过滤后图像。
图6绘示一例示的修补图像。
图7绘示修补图像中的一局部图像示意图。
图8绘示一例示的过滤后图像。
图9绘示过滤后图像中的一局部图像示意图。
图10绘示一例示的过滤后图像。
图11绘示过滤后图像的局部图像示意图。
图12绘示各组织边界估计值与皮肤断层图像的关系图。
图13绘示依据本发明的一实施例的皮肤组织估计方法的流程图。
图14绘示一例示的皮肤断层图像。
图15绘示一例示的预处理图像。
图16绘示一例示的杂点消除图像。
图17绘示一例示的二值化后图像。
图18绘示一例示的参考图像。
图19绘示自参考图像检测出的一例示的真皮层底部轮廓线。
图20绘示自参考图像检测出的一例表皮层顶部轮廓线。
图21绘示藉由平移表皮层顶部轮廓线所得出的一例真皮层顶部轮廓线。
图22绘示皮肤断层图像中的一局部图像示意图。
图23绘示根据真皮层顶部轮廓线与真皮层底部轮廓线所建立的一例真皮层区域。
图24绘示一例示的图形化使用者界面。
【符号说明】
100:皮肤组织估计系统
102:取像装置
104:存储器
106:图像处理器
108:显示装置
202、204、206、208、210、212、214、302、304、306A~306C、308A~308C、310、1302、1304、1306、1308、1310、1312、1314、1316:步骤
I、I’:皮肤断层图像
AA、AA’:表皮反光区
QI:量化后图像
FI1、FI2、FI3:过滤后图像
FI1’:修补图像
700、900、1100、2200:局部图像
D1:第一方向
D2:第二方向
702:水平线
902、904、1102、1104、1202、1204、1206、OL1~OL7:曲线
PI:预处理图像
FI:杂点消除图像
BI:二值化后图像
RI:参考图像
OLderbon:真皮层底部轮廓线
OLepitop:表皮层顶部轮廓线
OLdertop:真皮层顶部轮廓线
P:直方图的最大切线斜率点
DA:真皮层区域
2400:图形化使用者界面
具体实施方式
在本文中,参照附图仔细地描述本公开的一些实施例,但不是所有实施例都有表示在图示中。实际上,这些发明可使用多种不同的变形,且并不限于本文中的实施例。相对的,本公开提供这些实施例以满足应用的法定要求。图式中相同的参考符号用来表示相同或相似的元件。
图1绘示本发明的一实施例的皮肤组织估计系统100的方块图。皮肤组织估计系统100主要包括取像装置102、存储器104以及图像处理器106,并可选择性地包括显示装置108。
取像装置102可扫描受测者的皮肤以取得输入图像。取像装置102例如是光学同调断层扫描(Optical Coherence Tomography,OCT)装置、超声波扫描装置、或其它可通过非侵入扫描方式取得生物组织图像的装置。
存储器104可存储程序代码,以供图像处理器106执行本发明实施例的皮肤组织估计方法。存储器104可由任一形式的非易失性存储器来实现。
图像处理器106耦接取像装置102以及存储器104,可对取像装置102所提取的输入图像执行本发明实施例的皮肤组织估计方法,以产生对应的皮肤特征参数。图像处理器106可由中央处理单元、微处理器、或其它具备图像处理能力的电子电路来实现。
在一实施例中,皮肤组织估计系统100还包括一显示装置108。显示装置108可以是位在本地端与图像处理器106连接的显示器,也可是一远端装置的显示屏幕。显示装置108可提供一人机接口,如图形化使用者界面,以视觉化地呈现受测者皮肤状况的相关信息,如皮肤特征参数。
图2绘示依据本发明的一实施例的皮肤组织估计方法的流程图。所述的皮肤组织估计方法可例如由皮肤组织估计系统100的图像处理器106经配置后执行。
在步骤202,图像处理器106取得皮肤断层图像。所述的皮肤断层图像例如是取像装置102扫描受测者皮肤后所得到的输入图像,如皮肤OCT图像、超声波图像等,取决于取像装置102的装置类型。
在一实施例中,使用者可自输入图像定义一欲处理的范围,并以输入图像中欲处理范围内的图像部分作为此处所述的皮肤断层图像。
在一实施例中,图像处理器106会先对输入图像作一亮度正规化(intensitynormalization)处理,并以经亮度正规化处理后的输入图像可作为皮肤断层图像。
所述的亮度正规化处理例如包括:图像处理器106检测输入图像中对应表皮反光区(如图4A所示的区域AA)的平均亮度值,以及平移输入图像的整体亮度值,使平均亮度值被调整至一预设值。以亮度值范围为0~255为例,可设定预设值为(但不限于)230。
由于输入图像中对应表皮反光区的部分通常是图像中最亮的部分,故藉由设定部分的亮度值,可将输入图像的整体亮度调整至一适当的范围,以利后续基于预设的亮度阈值条件自图像分析出皮肤组织特征。
在步骤204,图像处理器106将皮肤断层图像的亮度值量化成多个亮度位阶,以产生量化后图像。举例来说,若原本皮肤断层图像的亮度值范围为0~255,其在被量化成k个亮度位阶后,亮度值范围0~255将被平分成k个区间,其中亮度值落在同一区间的图像点将被归类在同一亮度位阶而被设成具有相同的亮度值。因此,量化后图像变成只有k个可能的亮度值。在一实施例中,图像处理器106可利用Kmeans算法将皮肤断层图像的亮度值量化成k个亮度位阶,以产生量化后图像。
在步骤206,图像处理器106依据第一亮度阈值区间二值化量化后图像的各图像点的亮度值,以产生第一过滤后图像,其中量化后图像中亮度值落在第一亮度阈值区间内的图像点在第一过滤后图像中被设为亮点,量化后图像中亮度值落在第一亮度阈值区间外的图像点在第一过滤后图像中被设为暗点。
举例来说,若量化后图像具有8(即k等于8)个亮度位阶,且第一亮度阈值区间涵盖第5~7个亮度位阶,此时,量化后图像中亮度值落在第5~7个亮度位阶的图像点将被设为亮点,而亮度值落在第1、2、3、4、8个亮度位阶的图像点将被设为暗点,以形成第一过滤后图像。
基于二值化处理机制,亮点的亮度值被设为最大亮度值(如255),暗点的亮度值被设为最小亮度值(如0)。
在步骤208,图像处理器106依据第二亮度阈值区间二值化量化后图像的各图像点的亮度值,以产生第二过滤后图像,其中量化后图像中亮度值落在第二亮度阈值区间内的图像点在第二过滤后图像中被设为亮点,量化后图像中亮度值落在第二亮度阈值区间外的图像点在第二过滤后图像中被设为暗点。
第二亮度阈值区间例如是与第一亮度阈值区间不同的区间。举例来说,若量化后图像具有8个亮度位阶,且第二亮度阈值区间涵盖第2~8个亮度位阶,此时,量化后图像中亮度值落在第2~8个亮度位阶的图像点将被设为亮点,而亮度值落在第1个亮度位阶的图像点将被设为暗点,以形成第二过滤后图像。
同样地,基于二值化处理机制,亮点的亮度值被设为最大亮度值(如255),暗点的亮度值被设为最小亮度值(如0)。
由于皮肤的各层组织(如表皮层、真皮层)在一灰阶图像中会呈现不同的明暗变化,利用此一特性,经由第一、二亮度阈值区间二值化处理后所产生的第一、二过滤后图像,其亮点分布将具备皮肤组织的特征信息。
如步骤210及212所示,图像处理器106依据第一过滤后图像中的亮点分布,取得第一组织边界估计值,并依据第二过滤后图像中的亮点分布,取得第二组织边界估计值。
所述的第一组织边界估计值及第二组织边界估计值可以是一真皮层顶部位置估计值、一真皮层底部位置估计值、或一表皮层顶部位置估计值。
在步骤214,图像处理器106依据第一组织边界估计值与第二组织边界估计值的差值,估计皮肤组织厚度。举例来说,若第一组织边界估计值及第二组织边界估计值分别代表真皮层顶部位置估计值以及真皮层底部位置估计值,两者的差值将代表真皮层厚度。
须注意的是,虽然图2实施例基于第一、二亮度阈值区间对量化后图像作处理,以分别取得第一及第二组织边界估计值,然本发明并不以此为限。在一实施例中,图像处理器106更可采用第三亮度阈值区间对量化后图像作处理,并基于处理结果取得第三组织边界估计值。所述的第三组织边界估计值可以是一真皮层顶部位置估计值、一真皮层底部位置估计值、或一表皮层顶部位置估计值。
进一步说,图像处理器106可依据第三亮度阈值区间二值化量化后图像的各图像点的亮度值,以产生第三过滤后图像,其中量化后图像中亮度值落在第三亮度阈值区间内的图像点在第三过滤后图像中被设为亮点,量化后图像中亮度值落在第三亮度阈值区间外的图像点在第三过滤后图像中被设为暗点。接着,图像处理器106依据第三过滤后图像中的亮点分布,取得第三组织边界估计值,并依据第三组织边界估计值与第一组织边界估计值的差值,或是第三组织边界估计值与第二组织边界估计值的差值,估计另一皮肤组织厚度。举例来说,若第一组织边界估计值及第三组织边界估计值分别代表真皮层顶部位置估计值以及表皮层顶部位置估计值,两者的差值将代表表皮层厚度。
为帮助理解本发明,以下将配合第3至12图说明一例示的皮肤组织估计方法。
图3绘示依据本发明的一实施例的皮肤组织估计方法的流程图。所述的皮肤组织估计方法可例如由皮肤组织估计系统100的图像处理器106经配置后执行。
在步骤302,图像处理器106取得皮肤断层图像I。皮肤断层图像I例如是经亮度正规化处理后的皮肤OCT灰阶图像,如图4A所示。
在步骤304,图像处理器106执行量化处理(如Kmeans算法)将皮肤断层图像I的亮度值量化成k个亮度位阶,以产生量化后图像QI,其中亮度值由低至高依序为第1个亮度位阶、第2个亮度位阶、第3个亮度位阶、...、第k个亮度位阶。如图4B所示,其绘示被量化成8个亮度位阶的量化后图像QI。
在取得量化后图像QI后,图像处理器106可通过步骤306A、308A以取得真皮层顶部的特征信息,并通过步骤306B、308B以取得真皮层底部的特征信息,以及通过步骤306C、308C以取得表皮层顶部的特征信息。
须注意的是,虽上述步骤以并列的方式绘示,但此并非用以限定这些步骤的执行顺序。依据实际应用的不同,图像处理器106可同步执行这些步骤、或是依序执行这些步骤,或是同步执行部分之这些步骤,并依序执行另一部分之这些步骤。
在步骤306A,图像处理器106基于亮度阈值区间TH1对量化后图像QI作二值化处理,以产生过滤后图像FI1(第一亮度阈值区间)。如图5所示,其绘示当亮度阈值区间TH1涵盖第5~7个亮度位阶时,对量化后图像QI作二值化处理所取得的过滤后图像FI1,其中量化后图像QI中亮度值落在第5~7个亮度位阶的图像点被设为亮点,而亮度值落在第1、2、3、4、8个亮度位阶的图像点被设为暗点。
在此例中,将亮度阈值区间TH1设为第5~7个亮度位阶的原因在于,研究发现,真皮层组织在图像中通常会对应较亮的部分,也就是较高的亮度位阶,但因表皮层顶部常会因界面反射光而在图像中呈现最亮的部分,故此实施例中使亮度阈值区间TH1排除最高的亮度位阶(此例中为第8个亮度位阶),以避免表皮层顶部的亮度信息对真皮层组织特征的分析产生干扰。
在步骤308A,图像处理器106对过滤后图像FI1执行膨胀(dilation)及腐蚀(erosion)处理,以产生修补图像FI1’,并依据修补图像FI1’计算出真皮层顶部位置估计值(第一组织边界估计值)。如图6所示,其绘示过滤后图像FI1经膨胀及腐蚀处理后所产生的修补图像FI1’。
基于膨胀及腐蚀处理的算法机制,修补图像FI1’包括多个由亮点聚集而成的亮部区块。图像处理器106可依据亮部区块在修补图像FI1’中的顶部平均高度,计算出真皮层顶部位置的估计值。
进一步说,由于修补图像FI1’中亮部区块的分布大致可呈现真皮层组织的分布,因此,亮部区块在修补图像FI1’中的顶部平均高度可用来估计真皮层顶部的位置。
以下,将配合图7所呈现的非限定实施例,例示性地说明如何藉由修补图像FI1’中的亮部区块的分布计算真皮层顶部位置估计值。
图7绘示修补图像FI1’中的一局部图像700示意图。局部图像700包括多个图像点,每个图像点以一方格表示,其中具有斜线网底的方格表示亮点,不具有斜线网底的方格表示暗点。
在图7的例子中,局部图像700沿着第一方向D1定义有6个图像直行,并沿着第二方向D2定义有8个图像横列。
为使本发明实施例所提出的算法的文字表达具一致性,本文定义当一图像被摆设成其下半部对应皮肤组织的取像部分时(如图4A所示,皮肤组织的取像部分在图像下半部,上半部则为空气),图像的水平方向为第一方向D1,而图像由下往上的垂直方向为第二方向D2。也因此,本文所使用的“上方”与“下方”等位置表示用语基于所述的第二方向D2来定义。
此外,本文亦定义一图像点在一图像直行中沿着第二方向D2的横列位置为其高度值。举例来说,在局部图像700中位在第1个图像直行、第4个横列的图像点(坐标(1,4))的高度值为4,而位在第2个图像直行、第7个横列的图像点(坐标(2,7))的高度值为7,以此类推。
然须注意的是,本文中定义高度值一词仅是方便指明特定位置的图像点,并非用以限制算法中所采用的参数。在一些实施例中,也可基于其他坐标来表示相同位置的图像点。举例来说,当采用一原点在局部图像700左上角的X-Y坐标(X轴定义为第一方向D1,Y轴为第二方向D2的反向)来定义各图像点的坐标,此时,在原D1-D2坐标中坐标为(1,1)的图像点,在此X-Y坐标中的坐标变为(1,8),而在原D1-D2坐标中坐标为(2,3)的图像点,在此X-Y坐标中的坐标变为(2,6),以此类推。
在此实施例中,图像处理器106可基于下列式子来计算真皮层顶部位置估计值(DermToA):
其中,N表示图像中的总亮点数,ni表示第i个图像直行中的亮点数量,Hi表示第i个图像直行中位在最顶端的亮点的高度值。
以图7为例,局部图像700包括20个亮点,其中第1个图像直行占5个亮点,第2个图像直行占4个亮点,第3个图像直行占2个亮点,第4个图像直行占1个亮点、第5个图像直行占4个亮点、第6个图像直行占4个亮点。又,第1个图像直行中最顶端的亮点位在坐标(1,6),其高度值为6;第2个图像直行中最顶端的亮点位在坐标(2,6),其高度值为6;第3个图像直行中最顶端的亮点位在坐标(3,5),其高度值为5;第4个图像直行中最顶端的亮点位在坐标(4,6),其高度值为6;第5个图像直行中最顶端的亮点位在坐标(5,7),其高度值为7;第6个图像直行中最顶端的亮点位在坐标(6,6),其高度值为6。
图像处理器106可藉由检测图像中亮点并进行计数以获得上述信息,进而运算获得真皮层顶部位置估计值如下:
这表示在图7的例子中,真皮层的顶部边界约在图像中高度值为6.1的位置。图中高度值为6.1的水平线702即表示估计出的真皮层顶部位置。
请再参考图3。在步骤306B,图像处理器106基于亮度阈值区间TH2(如第二亮度阈值区间)对量化后图像作二值化处理,以产生过滤后图像FI2。如图8所示,其绘示当亮度阈值区间TH2为第2~8个亮度位阶时,对量化后图像QI作二值化处理所取得的过滤后图像FI2,其中量化后图像QI中亮度值落在第2~8个亮度位阶的图像点在过滤后图像FI2中被设为亮点,而亮度值落在第1个亮度位阶的图像点在过滤后图像FI2中被设为暗点。
在此例中,将亮度阈值区间TH2设为第2~8个亮度位阶的原因在于,通过亮度阈值区间TH2以排除图像中呈现低亮度值的杂点。
在步骤308B,图像处理器106自过滤后图像FI2中检测并修正真皮层底部轮廓线,以取得真皮层底部位置估计值(如第二组织边界估计值)。所述的真皮层底部轮廓线由过滤后图像FI2中各图像直行的底部亮点逐一连线构成。各底部亮点在过滤后图像FI2的对应图像直行中相较于对应图像直行中的其他亮点具有最小的高度值。
图像处理器106可检测过滤后图像FI2中多个底部亮点的高度值,再基于底部亮点的高度值计算真皮层底部位置估计值。举例来说,在检测并修正真皮层底部轮廓线之后,图像处理器106可基于真皮层底部轮廓线中底部亮点的高度信息,如平均高度值、最大高度值、最小高度值等,计算出真皮层底部位置估计值。例如是基于真皮层底部轮廓线中底部亮点的高度信息,依据底部亮点的平均高度值、最大高度值以及最小高度值作加权平均,产生真皮层底部位置估计值。
在一实施例中,图像处理器106可依据下列式子计算真皮层底部位置估计值(DermBoA):
DermBoA=w1×平均高度值+w2×最大高度值+w3×最小高度值
其中w1、w2、w3为权重系数。在一例子中,w1的范围在0.4~0.6、w2的范围在0.2~0.3、w3的范围在0.2~0.3,例如,可设定w1=0.5、w2=0.25、w3=0.25。
在一实施例中,图像处理器106可基于一或多个判断条件来修正真皮层底部轮廓线,使其更贴近真实的真皮层底部起伏变化。
举例来说,由于真皮层底部的高度值并不会超过真皮层顶部的高度值,因此,图像处理器106可藉由判断底部亮点的一第一底部亮点的高度值是否大于真皮层顶部位置估计值,并在判断结果为“是”时,将第一底部亮点的高度值调整至小于真皮层顶部位置估计值。若判断结果为“否”,则可维持第一底部亮点的高度值,或是再基于其他判断条件决定是否需修正其高度值。
举例来说,图像处理器106可藉由判断第一底部亮点的高度值与底部亮点的一第二底部亮点的高度值相差是否大于一高度阈值,以初步判断第一底部亮点是否为可能的图像杂点。所述的第一底部亮点与第二底部亮点例如分别位在过滤后图像FI2中的两相邻图像直行。
若第一底部亮点与相邻图像直行(如前一图像直行)中的第二底部亮点两者高度值差异过大(超过高度阈值),则表示第一底部亮点可能是未被滤除的图像杂点。此时,图像处理器106将进一步判断第一底部亮点在所处图像直行中,其上方的一段预设区段中的亮点数量是否大于一数量阈值,以确认第一底部亮点上方的亮点数量是否充足(例如占预设区段50%以上)。若是,则表示第一底部亮点属于真皮组织图像的一部分,此时将不对第一底部亮点的高度值作修正。反之,图像处理器106将认定第一底部亮点为图像杂点,并将第一底部亮点的高度值调整至第二底部亮点的高度值。
以下,将配合图9所呈现的非限定实施例,例示性地说明如何自过滤后图像FI2检测并修正真皮层底部轮廓线。
图9绘示过滤后图像FI2中的一局部图像900示意图。局部图像900包括多个图像点,每个图像点以一方格表示,其中具有斜线网底的方格表示亮点,不具有斜线网底的方格表示暗点。
在修正前,底部亮点为各图像直行中高度值最小的亮点。如图9所示,各图像直行的底部亮点分别位于坐标(1,7)、(2,1)、(3,2)、(4,7)、(5,1)、(6,4)。各图像直行的底部亮点依序连线后形成曲线902,其表示未经修正的真皮层底部轮廓线。
曲线904表示经前述机制修正后的真皮层底部轮廓线。以高度阈值=5个图像点(像素点)为例,第2个图像直行的底部亮点(坐标(2,1))与第1个图像直行的底部亮点(坐标(1,7))两者高度值虽相差6而超过高度阈值,但由于第2个图像直行的底部亮点上方的亮点数量充足,故尚不需进行修正。
反之,第5个图像直行的底部亮点与第4个图像直行的底部亮点两者高度值虽同样相差6,但由于第5个图像直行的底部亮点上方仅有一亮点,亮点数量并不充足,故图像处理器106将对其作修正,改以与第4个图像直行的底部亮点有相同高度值的亮点(坐标(5,7))作为新底部亮点。经修正后,各图像直行的底部亮点依序连线后形成修正后的真皮层底部轮廓线,如曲线904所示。
请再回到图3。在步骤306C,图像处理器106基于亮度阈值区间TH3(如第三亮度阈值区间)对量化后图像QI作二值化处理,以产生过滤后图像FI3(如第三过滤后图像)。如图10所示,其绘示当亮度阈值区间TH3涵盖第4~8个亮度位阶时,对量化后图像QI作二值化处理所产生的过滤后图像FI3,其中量化后图像QI中亮度值落在第4~8个亮度位阶的图像点在过滤后图像FI3中被设为亮点,而亮度值落在第1~3个亮度位阶的图像点在过滤后图像FI3中被设为暗点。
在步骤308C,图像处理器106自过滤后图像FI3中检测并修正表皮层顶部轮廓线,以取得表皮层顶部位置估计值(如第三组织边界估计值)。
所述的表皮层顶部轮廓线由过滤后图像FI3中各图像直行的顶部亮点逐一连线构成。各顶部亮点在过滤后图像FI3的对应图像直行中相较于对应图像直行中的其他亮点具有最大的高度值。
图像处理器106可检测过滤后图像FI3中多个顶部亮点的高度值,再基于顶部亮点的高度值计算表皮层顶部位置估计值。举例来说,在检测并修正表皮层顶部轮廓线之后,图像处理器106可基于表皮层顶部轮廓线中顶部亮点的高度信息,如平均高度值、最大高度值、最小高度值等,计算出表皮层顶部位置估计值。例如是基于表皮层顶部轮廓线中顶部亮点的高度信息,依据底部亮点的平均高度值、最大高度值以及最小高度值作加权平均,产生表皮层顶部位置估计值。
在一实施例中,图像处理器106可依据下列式子计算表皮层顶部位置估计值(EpidermToA):
EpidermToA=w1×平均高度值+w2×最大高度值+w3×最小高度值
其中w1、w2、w3为权重系数。计算表皮层顶部位置估计值时所采用的权重系数w1、w2、w3例如与前述计算真皮层底部位置估计值时所采用的权重系数相同。
在一实施例中,图像处理器106可基于一或多个判断条件修正表皮层顶部轮廓线,使其更贴近真实的表皮层顶部起伏变化。
举例来说,图像处理器106可藉由判断顶部亮点的一第一顶部亮点的高度值与顶部亮点的一第二顶部亮点的高度值相差是否大于一高度阈值,以判断第一顶部亮点是否为图像杂点。所述的第一顶部亮点与第二顶部亮点例如分别位在过滤后图像FI3中的两相邻图像直行。
当第一顶部亮点的高度值与第二顶部亮点的高度值相差大于高度阈值,第一顶部亮点将被视为图像杂点,此时图像处理器106将调整第一顶部亮点的高度值,使其与第二顶部亮点的高度值相差小于高度阈值。
在一实施例中,当第一顶部亮点的高度值与第二顶部亮点的高度值相差大于高度阈值,图像处理器106将判断第一顶部亮点在所处图像直行下方的一预设区间(例如5个图像点)内是否存在亮点,若是,则将第一顶部亮点更新为预设区间中具有最大高度值的亮点;若否,则将第一顶部亮点的高度值调整至第二顶部亮点的高度值。
以下,将配合图11所呈现的非限定实施例,例示性地说明如何自过滤后图像FI3检测并修正表皮层顶部轮廓线。
图11绘示过滤后图像FI3的局部图像1100示意图。局部图像1100包括多个图像点,每个图像点以一方格表示,其中具有斜线网底的方格表示亮点,不具有斜线网底的方格表示暗点。
顶部亮点为各图像直行中高度值最小的亮点。如图11所示,各图像直行的底部亮点分别位于坐标(1,3)、(2,1)、(3,8)、(4,2)、(5,3)、(6,2)。各图像直行的顶部亮点依序连线后形成曲线1102,其表示未经修正的表皮层顶部轮廓线。
曲线1104则是表示经前述机制修正后的表皮层顶部轮廓线。以高度阈值=5个图像点(像素点)为例,第3个图像直行的顶部亮点(坐标(3,8))与第2个图像直行的顶部亮点(坐标(2,1))两者高度值相差7而超过高度阈值,此时,由于第3个图像直行的顶部亮点下方的一预设区间(5个图像点)内存在亮点(位在坐标(3,3)及(3,4)),故以预设区间内具有最大高度值的亮点(坐标(3,4))作为新的顶部亮点。经修正后,各图像直行的顶部亮点依序连线后形成修正后的表皮层顶部轮廓线,如曲线1104所示。
图12绘示各组织边界估计值与皮肤断层图像I的关系图。在图12中,水平线1202、1204以及1206的高度分别为表皮层顶部位置估计值、真皮层顶部位置估计值以及真皮层底部位置估计值。可看出,即便皮肤断层图像I中表皮层组织与真皮层组织呈现不规则的起伏变化,各层组织间的厚度关系仍可通过水平线1202、1204、1206间的高度值差异清楚呈现。
请再回到图3。在步骤310,图像处理器106将依据真皮层顶部位置估计值、真皮层底部位置估计值以及表皮层顶部位置估计值,计算至少一皮肤特征参数,如表皮层厚度、真皮层厚度等。
举例来说,图像处理器106可依据表皮层顶部位置估计值(EpidermToA)与真皮层顶部位置估计值(DermToA)的差值计算出表皮层厚度(EpidermTh):
EpidermTh=EpidermToA-DermToA
图像处理器106也可依据真皮层顶部位置估计值(DermToA)与真皮层底部位置估计值(DermBoA)的差值计算出真皮层厚度(DermTh):
DermTh=DermToA-DermBoA
此外,图像处理器106也可依据真皮层顶部位置估计值以及真皮层底部位置估计值(或是真皮层底部轮廓线)在皮肤断层图像I上定义出真皮层区域,并在滤除真皮层区域中亮度低于一阈值的图像点后,计算真皮层区域的平均亮度值,以取得与真皮层胶原蛋白密度呈正相关的胶原蛋白指标。
简述图3的流程,图像处理器106在取得皮肤断层图像的量化后图像之后,可基于不同的亮度区间分别对量化后图像作二值化处理,以对应取得过滤后图像,再分别依据此些过滤后图像计算出各层的组织边界估计值,如真皮层顶部位置估计值、真皮层底部位置估计值以及表皮层顶部位置估计值。取得的组织边界估计值将可用于计算至少一皮肤特征参数。
图13绘示依据本发明的一实施例的皮肤组织估计方法的流程图。所述的皮肤组织估计方法可例如由皮肤组织估计系统100的图像处理器106经配置后执行。
在步骤1302,图像处理器106取得皮肤断层图像I’。如图14所示,皮肤断层图像I’例如是提取自一皮肤OCT灰阶图像的一欲处理范围内的图像部分。
在步骤1304,图像处理器106对皮肤断层图像I’作一杂点消除处理,以产生杂点消除图像FI。
在一实施例中,杂点消除处理可包括:图像处理器106自皮肤断层图像I’检测一表皮反光区AA’,并将皮肤断层图像I’中位在表皮反光区AA’上方的图像点设为暗点,以产生预处理图像PI,以及对预处理图像PI作空间滤波处理,以产生杂点消除图像FI。其中,表皮反光区AA’中图像点的亮度值大于一亮度阈值(如亮度值245)。
请配合参考图14~16。图像处理器106可自皮肤断层图像I’的各图像直行由上至下(即高度值递减的方向)搜寻发生亮度值大于亮度阈值的第一个图像点,并将其视为表皮反光区AA’的顶部图像点。由于表皮反光区AA’的上方即非皮肤组织的图像(如空气),因此,图像处理器106可藉由将各图像直行中表皮反光区AA’顶部图像点上方的图像点皆设为暗点,以滤除表皮的界面反射光所造成的线状杂纹。如图15所示,其绘示基于上述机制所产生的一例预处理图像PI。
考虑到可能有部分的图像直行并不存在亮度值大于亮度阈值的图像点(即表皮反光区AA’的顶部图像点),故部分杂点或细线仍可能存在于预处理图像PI中。因此,图像处理器106更可进一步对预处理图像PI作一空间滤波处理(如中值滤波(medium filter)),以进一步滤除预处理图像PI中不属于皮肤组织结构的独立杂点或细线。如图16所示,其绘示对预处理图像PI作中值滤波后所产生的一例杂点消除图像FI。
在步骤1306,图像处理器106二值化杂点消除图像FI中各图像点的亮度值,以产生二值化后图像BI。举例来说,图像处理器106可将杂点消除图像FI中亮度值不为0的图像点设为亮点,并将剩余的图像点设为暗点,以产生二值化后图像BI。如图17所示,二值化后图像BI包括多个由亮点聚集而成的亮部区块。
在步骤1308,图像处理器106滤除二值化图像BI中面积低于一面积阈值的亮度区块,以产生参考图像RI。
面积阈值可依据皮肤组织结构在二值化图像BI中可能呈现的最小面积来决定。举例来说,可设定面积阈值=100个图像点。由于面积小于100个图像点的亮度区块很可能不属于皮肤组织结构,故藉由将面积小于100个图像点的亮度区块设为暗点并保留面积大于100个图像点的亮度区块,可进一步滤除仍存在于二值化图像BI中的杂点或细线。如图18所示,其绘示当面积阈值=100个图像点时,滤除二值化图像BI中部分亮度区块后所产生的一例参考图像RI。
从图18可看出,参考图像RI中的亮部区块实质上涵盖了从表皮层顶部至真皮层底部的区域。换句话说,参考图像RI中亮部区块的上、下边界即分别对应了表皮层顶部的轮廓以及真皮层底部的轮廓。此外,由于表皮层与真皮层在皮肤断层图像中会呈现不同的明暗特征,且真皮层顶部的轮廓近乎与表皮层顶部的轮廓平行,故可藉由表皮层顶部轮廓线进一步推得真皮层顶部轮廓线。
以下,将配合图示及步骤1310、1312、1314及1316作说明。
在步骤1310,图像处理器106检测参考图像RI中各图像直行中的底部亮点,以取得真皮层底部轮廓线,其中各底部亮点在参考图像RI的对应图像直行中相较于对应图像直行中的其他亮点具有最小的高度值。如图19所示,其绘示自参考图像RI检测出的一例真皮层底部轮廓线OLderbon。
在一实施例中,图像处理器106可对测得的真皮层底部轮廓线作一平滑处理(例如每N个图像直行作平均),以得到较平滑的真皮层底部轮廓线OLderbon。
在步骤1312,图像处理器106检测参考图像RI中各图像直行中的顶部亮点,以取得表皮层顶部轮廓线,其中各顶部亮点在参考图像RI的对应图像直行中相较于对应图像直行中的其他亮点具有最大的高度值。如图20所示,其绘示自参考图像RI检测出的一例表皮层顶部轮廓线OLepitop。
在一实施例中,图像处理器106可对测得的表皮层顶部轮廓线作一平滑处理(例如每N个图像直行作平均),以得到较平滑的表皮层顶部轮廓线OLepitop。
在步骤1314,图像处理器106依据表皮层顶部轮廓线推得真皮层顶部轮廓线。
举例来说,图像处理器106可在皮肤断层图像I’或杂点消除图像FI中(或其它尚未二值化的图像,如预处理图像PI),以表皮层顶部轮廓线的位置为起始,朝高度值递减的方向(即第二方向D2的反向)依次平移表皮层顶部轮廓线,以取得多条平移后轮廓线,并依据各平移后轮廓线的平均亮度值,以自平移后轮廓线中挑选其一作为真皮层顶部轮廓线,其中,真皮层顶部轮廓线与前一平移后轮廓线之间具有最大的平均亮度值变化量。如图21所示,其绘示藉由平移表皮层顶部轮廓线OLepitop所得出的一例真皮层顶部轮廓线OLdertop。
在一实施例中,图像处理器106可藉由建立各平移后轮廓线的高度值对平均亮度值的一直方图(histogram),并自直方图检测一最大切线斜率点,以自平移后轮廓线中挑选对应最大切线斜率点中的一个作为真皮层顶部轮廓线OLdertop。
在一实施例中,图像处理器106也可对取得的真皮层顶部轮廓线作一平滑处理(例如每N个图像直行作平均),以得到较平滑的真皮层顶部轮廓线。如图21所示,图像处理器106执行平滑处理以得到一条较表皮层顶部轮廓线OLepitop平滑的真皮层顶部轮廓线OLdertop。
以下,将配合图22所呈现的非限定实施例,例示性地说明如何藉由平移表皮层顶部轮廓线来找出真皮层顶部轮廓线。
图22绘示皮肤断层图像I’中的一局部图像2200示意图。局部图像2200包括多个图像点,每个图像点以一方格表示。由于皮肤断层图像I’属于尚未二值化的图像,故各图像点的亮度值在一连续范围内,如0~255。
曲线OL1为呈现在皮肤断层图像I’上的一表皮层顶部轮廓线。也就是说,构成曲线OL1的图像点与在参考图像RI中构成表皮层顶部轮廓线的图像点具有相同的位置。
将曲线OL1往高度值递减的方向(即第二方向D2的反向)依次平移可得到曲线OL2~OL7。
曲线OL1~OL7的高度值对其平均亮度值的直方图绘示于图22中右半部。其中,曲线OL1~OL7的高度值基于一选定的图像直行来定义。以图22为例,各曲线OL1~OL7的高度值由各曲线在第1个图像直行上的图像点的高度值来决定。因此,曲线OL1、OL2、OL3、OL4、OL5、OL6、OL7的高度值分别为8、7、6、5、4、3、2。另一方面,一曲线的平均亮度值表示曲线上所有图像点的亮度值的平均值。以曲线OL1为例,其平均亮度值表示位在坐标(1,8)、(2,7)、(3,7)、(4,8)、(5,7)、(6,7)的图像点的亮度值的平均值。
在图22的例子中,直方图的最大切线斜率点发生在点P的位置,其对应高度值为6的曲线OL3。这表示曲线OL3位在局部图像2200中明暗变化的交界处。由于在皮肤断层图像I’中,真皮层组织相较于表皮层组织会呈现较高的亮度,故当一曲线的平均亮度值较前一曲线的平均亮度值明显提升(即具有最大的平均亮度值变化率),曲线将被视为真皮层与表皮层的边界,也就是真皮层顶部轮廓线。因此,此例中图像处理器106将以曲线OL3作为真皮层顶部轮廓线。
请再回到图13。在步骤1316,图像处理器106将依据表皮层顶部轮廓线、真皮层底部轮廓线以及真皮层顶部轮廓线计算至少一皮肤特征参数。
皮肤特征参数可包括表皮层厚度、真皮层厚度、胶原蛋白分布面积比例、胶原蛋白含量指标至少其一。
在一实施例中,图像处理器106可计算表皮层顶部轮廓线与真皮层顶部轮廓线在各图像直行上的高度值差,并平均高度值差,以取得表皮层厚度。
在一实施例中,图像处理器106可计算真皮层顶部轮廓线与真皮层底部轮廓线在各图像直行上的高度值差,并平均高度值差,以取得真皮层厚度。
在一实施例中,图像处理器106可依据真皮层顶部轮廓线与真皮层底部轮廓线,自皮肤断层图像I’或杂点消除图像FI中建立真皮层区域,并自真皮层区域中检测亮度值大于一亮度阈值的多个目标图像点,以及计算目标图像点占真皮层区域的面积比例,以取得胶原蛋白分布面积比例。
又一实施例中,图像处理器106更可计算目标图像点的平均亮度值,以取得与真皮层胶原蛋白密度呈正相关的胶原蛋白含量指标。
如图23所示,在取得真皮层顶部轮廓线OLdertop与真皮层底部轮廓线OLderbon后,图像处理器106可将两轮廓线OLdertop、OLderbon之间的区域视为真皮层区域DA(以斜线区域表示)。由于真皮层组织的胶原蛋白含量与其在皮肤断层图像I’中的亮度值呈正相关,故图像处理器106可藉由检测亮度值大于一亮度阈值的图像点(目标图像点),以找出真皮层组织中富含胶原蛋白的区域,进而计算胶原蛋白在真皮层区域DA中的分布面积比例。图像处理器106也可计算目标图像点的平均亮度值,以评估真皮层组织的胶原蛋白富含程度。一般而言,若目标图像点的平均亮度值越高,表示胶原蛋白富含程度越高。
图24绘示一例示的图形化使用者界面2400。图形化使用者界面2400用以呈现依据本发明实施例的皮肤组织估计方法所产生的一或多个皮肤估计参数。所述的图形化使用者界面2400可例如显示于显示装置108的显示屏幕。
如图24所示,图形化使用者界面2400可在一“分析结果”字段中显示估计出的表皮层厚度、真皮层厚度、胶原蛋白分布面积以及胶原蛋白含量指标等皮肤特征参数。
在一实施例中,图形化使用者界面2400也可基于真皮层顶部轮廓线、真皮层底部轮廓线与表皮层顶部轮廓线自原皮肤断层图像中标记出表皮层区域以及真皮层区域,并针对各区域采用不同的颜色进行配色,以辅助使用者了解皮肤组织的分布情形。
综上所述,本发明提出一种皮肤组织估计方法及应用其的系统,可基于皮肤断层图像的图像处理结果,估计受测者皮肤组织的相关参数。
虽然本发明已以优选实施例公开如上,然其并非用以限定本发明。本发明所属领域技术人员,在不脱离本发明的精神和范围内,当可作各种的更动与润饰。因此,本发明的保护范围当视所附权利要求书界定范围为准。
Claims (21)
1.一种皮肤组织估计方法,包括:
取得皮肤断层图像;
将该皮肤断层图像的亮度值量化成多个亮度位阶,以产生量化后图像;
依据第一亮度阈值区间二值化该量化后图像的各图像点的亮度值,以产生第一过滤后图像,其中该量化后图像中亮度值落在该第一亮度阈值区间内的图像点在该第一过滤后图像中被设为亮点,该量化后图像中亮度值落在该第一亮度阈值区间外的图像点在该第一过滤后图像中被设为暗点;
依据第二亮度阈值区间二值化该量化后图像的各图像点的亮度值,以产生第二过滤后图像,其中该量化后图像中亮度值落在该第二亮度阈值区间内的图像点在该第二过滤后图像中被设为亮点,该量化后图像中亮度值落在该第二亮度阈值区间外的图像点在该第二过滤后图像中被设为暗点;
依据该第一过滤后图像中的亮点分布,取得第一组织边界估计值;
依据该第二过滤后图像中的亮点分布,取得第二组织边界估计值;以及
依据该第一组织边界估计值与该第二组织边界估计值的差值,估计皮肤组织厚度。
2.如权利要求1所述的皮肤组织估计方法,其中取得该第一组织边界估计值的步骤还包括:
对该第一过滤图像执行膨胀(dilation)及腐蚀(erosion)处理,以产生修补图像,其中该修补图像包括多个由亮点聚集而成的亮部区块;以及
依据这些亮部区块在该修补图像中的顶部平均高度,计算真皮层顶部位置的估计值以作为该第一组织边界估计值。
3.如权利要求1所述的皮肤组织估计方法,其中取得该第二组织边界估计值的步骤还包括:
检测该第二过滤后图像中多个底部亮点的高度值,其中各该底部亮点在该第二过滤后图像的对应图像直行中相较于该对应图像直行中的其他亮点具有最小的高度值;以及
依据这些底部亮点的高度值计算该第二组织边界估计值。
4.如权利要求3所述的皮肤组织估计方法,还包括:
判断这些底部亮点的第一底部亮点的高度值是否大于该第一组织边界估计值;以及
当该第一底部亮点的高度值大于该第一组织边界估计值,将该第一底部亮点的高度值调整至小于该第一组织边界估计值。
5.如权利要求3所述的皮肤组织估计方法,还包括:
判断这些底部亮点的第一底部亮点的高度值与这些底部亮点的第二底部亮点的高度值相差是否大于高度阈值,其中该第一底部亮点与该第二底部亮点分别位在该第二过滤后图像中的两相邻图像直行;以及
当该第二底部亮点的高度值与该第一底部亮点的高度值相差大于该高度阈值,判断该第一底部亮点在所处图像直行中,该第一底部亮点上方的预设区段中的亮点数量是否大于一数量阈值;以及
当该预设区段中的亮点数量小于该数量阈值,将该第一底部亮点的高度值调整至该二底部亮点的高度值。
6.如权利要求3所述的皮肤组织估计方法,还包括:
依据这些底部亮点的平均高度值、最大高度值以及最小高度值作加权平均,产生该第二组织边界估计值。
7.如权利要求1所述的皮肤组织估计方法,还包括:
依据第三亮度阈值区间二值化该量化后图像的各图像点的亮度值,以产生第三过滤后图像,其中该量化后图像中亮度值落在该第三亮度阈值区间内的图像点在该第三过滤后图像中被设为亮点,该量化后图像中亮度值落在该第三亮度阈值区间外的图像点在该第三过滤后图像中被设为暗点;
依据该第三过滤后图像中的亮点分布,取得第三组织边界估计值;以及
依据该第三组织边界估计值与该第一组织边界估计值的差值,估计另一皮肤组织厚度。
8.如权利要求7所述的皮肤组织估计方法,其中取得该第三组织边界估计值的步骤还包括:
检测该第三过滤后图像中多个顶部亮点的高度值,其中各该顶部亮点在该第三过滤后图像的对应图像直行中相较于该对应图像直行中的其他亮点具有最大的高度值;以及
依据这些顶部亮点的高度值计算该第三组织边界估计值。
9.如权利要求8所述的皮肤组织估计方法,还包括:
判断这些顶部亮点的第一顶部亮点的高度值与这些顶部亮点的第二顶部亮点的高度值相差是否大于高度阈值,其中该第一顶部亮点与该第二顶部亮点分别位在该第三过滤后图像中的两相邻图像直行;以及
当该第一顶部亮点的高度值与该第二顶部亮点的高度值相差大于该高度阈值,调整该第一顶部亮点的高度值,使该第一顶部亮点的高度值与该第二顶部亮点的高度值相差小于该高度阈值。
10.如权利要求9所述的皮肤组织估计方法,其中调整该第一顶部亮点的高度值的步骤还包括:
判断该第一顶部亮点在所处图像直行下方的预设区间内是否存在亮点;
当该预设区间内存在亮点,将该第一顶部亮点更新为该预设区间中具有最大高度值的亮点;以及
当该预设区间内不存在亮点,将该第一顶部亮点的高度值调整至该第二顶部亮点的高度值。
11.如权利要求8所述的皮肤组织估计方法,还包括:
依据这些顶部亮点的平均高度值、最大高度值以及最小高度值作加权平均,产生该第三组织边界估计值。
12.如权利要求1所述的皮肤组织估计方法,还包括:
自取像装置取得输入图像;以及
对该输入图像作亮度正规化处理,并以经该亮度正规化处理后的该输入图像可作为该皮肤断层图像,
其中该亮度正规化处理包括:
检测该输入图像中对应表皮反光区的平均亮度值;以及
平移该输入图像的整体亮度值,使该平均亮度值被调整至预设值。
13.一种皮肤组织估计方法,包括:
取得皮肤断层图像;
对该皮肤断层图像作杂点消除处理,以产生杂点消除图像;
二值化该杂点消除图像的各图像点的亮度值,以产生二值化后图像,该二值化后图像包括多个由亮点聚集而成的亮部区块;
滤除该二值化图像中面积低于面积阈值的亮度区块,以产生参考图像;
检测该参考图像中各图像直行中的底部亮点,以取得真皮层底部轮廓线,其中各该底部亮点在该参考图像的对应图像直行中相较于该对应图像直行中的其他亮点具有最小的高度值;
检测该参考图像中各图像直行中的顶部亮点,以取得表皮层顶部轮廓线,其中各该顶部亮点在该参考图像的对应图像直行中相较于该对应图像直行中的其他亮点具有最大的高度值;
依据该表皮层顶部轮廓线推得真皮层顶部轮廓线;以及
依据该表皮层顶部轮廓线、该真皮层底部轮廓线以及该真皮层顶部轮廓线计算至少一皮肤特征参数。
14.如权利要求13所述的皮肤组织估计方法,其中依据该表皮层顶部轮廓线推得该真皮层顶部轮廓线的步骤还包括:
在该皮肤断层图像或该杂点消除图像中,以该表皮层顶部轮廓线的位置为起始,朝高度值递减的方向依次平移该表皮层顶部轮廓线,以取得多条平移后轮廓线;
依据各该平移后轮廓线的平均亮度值,以自这些平移后轮廓线中挑选其一作为该真皮层顶部轮廓线,其中该真皮层顶部轮廓线与前一平移后轮廓线之间具有最大的平均亮度值变化量。
15.如权利要求14所述的皮肤组织估计方法,其中自这些平移后轮廓线中挑选其一作为该真皮层顶部轮廓线的步骤还包括:
建立各该平移后轮廓线的高度值对平均亮度值的直方图;
自该直方图检测最大切线斜率点;以及
自这些平移后轮廓线中挑选对应该最大切线斜率点中的一个作为该真皮层顶部轮廓线。
16.如权利要求13所述的皮肤组织估计方法,其中该杂点消除处理包括:
自该皮肤断层图像检测表皮反光区,其中该表皮反光区中的图像点的亮度值皆大于亮度阈值;
将该皮肤断层图像中位在该表皮反光区上方的图像点设为暗点,以产生预处理图像;以及
对该预处理图像执行空间滤波处理,以产生该杂点消除图像。
17.如权利要求13所述的皮肤组织估计方法,其中该至少一皮肤特征参数包括表皮层厚度,该皮肤组织分析方法还包括:
计算该表皮层顶部轮廓线与该真皮层顶部轮廓线在各图像直行上的高度值差;以及
平均这些高度值差,以取得该表皮层厚度。
18.如权利要求13所述的皮肤组织估计方法,其中该至少一皮肤特征参数包括真皮层厚度,该皮肤组织分析方法还包括:
计算该真皮层顶部轮廓线与该真皮层底部轮廓线在各图像直行上的高度值差;以及
平均这些高度值差,以取得该真皮层厚度。
19.如权利要求13所述的皮肤组织估计方法,其中该至少一皮肤特征参数包括胶原蛋白分布面积比例,该皮肤组织分析方法还包括:
依据该真皮层顶部轮廓线与该真皮层底部轮廓线,自该皮肤断层图像或该杂点消除图像中建立真皮层区域;
自该真皮层区域中检测亮度值大于亮度阈值的多个目标图像点;
计算这些目标图像点占该真皮层区域的面积比例,以取得该胶原蛋白分布面积比例。
20.如权利要求13所述的皮肤组织估计方法,其中该至少一皮肤特征参数包括胶原蛋白含量指标,该皮肤组织分析方法还包括:
依据该真皮层顶部轮廓线与该真皮层底部轮廓线,自该皮肤断层图像或该杂点消除图像中建立真皮层区域;
自该真皮层区域中检测亮度值大于亮度阈值的多个目标图像点;
计算这些目标图像点的平均亮度值,以取得该胶原蛋白含量指标。
21.一种皮肤组织估计系统,包括:
取像装置,提取输入图像;
存储器,存储程序代码;以及
图像处理器,耦接该取像装置以及该存储器,并经配置而用以:
自该取像装置取得该输入图像;
对该输入图像作亮度正规化处理,以产生皮肤断层图像;
将该皮肤断层图像的亮度值量化成多个亮度位阶,以产生量化后图像;
依据第一亮度阈值区间二值化该量化后图像的各图像点的亮度值,以产生第一过滤后图像,其中该量化后图像中亮度值落在该第一亮度阈值区间内的图像点在该第一过滤后图像中被设为亮点,该量化后图像中亮度值落在该第一亮度阈值区间外的图像点在该第一过滤后图像中被设为暗点;
依据第二亮度阈值区间二值化该量化后图像的各图像点的亮度值,以产生第二过滤后图像,其中该量化后图像中亮度值落在该第二亮度阈值区间内的图像点在该第二过滤后图像中被设为亮点,该量化后图像中亮度值落在该第二亮度阈值区间外的图像点在该第二过滤后图像中被设为暗点;
依据该第一过滤后图像中的亮点分布,取得第一组织边界估计值;
依据该第二过滤后图像中的亮点分布,取得第二组织边界估计值;以及
依据该第一组织边界估计值与该第二组织边界估计值的差值,估计皮肤组织厚度。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201662275191P | 2016-01-05 | 2016-01-05 | |
US62/275,191 | 2016-01-05 | ||
TW105138870A TWI584225B (zh) | 2016-01-05 | 2016-11-25 | 皮膚組織估測方法及應用其之系統 |
TW105138870 | 2016-11-25 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106937864A true CN106937864A (zh) | 2017-07-11 |
CN106937864B CN106937864B (zh) | 2019-12-10 |
Family
ID=59367350
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611169461.7A Active CN106937864B (zh) | 2016-01-05 | 2016-12-16 | 皮肤组织估计方法及应用其的系统 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN106937864B (zh) |
TW (1) | TWI584225B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107967466A (zh) * | 2018-01-03 | 2018-04-27 | 深圳市句点志能电子有限公司 | 一种突显血管的图像处理算法 |
WO2021018108A1 (zh) * | 2019-08-01 | 2021-02-04 | 无锡海斯凯尔医学技术有限公司 | 皮下组织厚度测量方法、装置、设备及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI259765B (en) * | 2004-05-24 | 2006-08-11 | Ming-Yih Lee | Noninvasive digital sampling and comparing color method for medical treatment |
CN1879553A (zh) * | 2005-06-15 | 2006-12-20 | 佳能株式会社 | 检测心脏、胸廓和横隔膜边界的方法、装置和存储介质 |
EP2581878A2 (de) * | 2011-10-11 | 2013-04-17 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Verfahren und Vorrichtung zur Quantifizierung einer Schädigung eines Hautgewebeschnittes |
CN103366170A (zh) * | 2012-04-02 | 2013-10-23 | 鸿富锦精密工业(深圳)有限公司 | 图像二值化处理装置及其方法 |
CN103646398A (zh) * | 2013-12-04 | 2014-03-19 | 山西大学 | 一种皮肤镜病灶自动分割方法 |
CN103886576A (zh) * | 2013-11-22 | 2014-06-25 | 沈阳东软医疗系统有限公司 | 一种腺体组织特征灰度检测方法及装置 |
CN104794711A (zh) * | 2015-04-13 | 2015-07-22 | 上海泽煜实验设备有限公司 | 一种图像处理方法及装置 |
CN104933729A (zh) * | 2014-03-18 | 2015-09-23 | 上海联影医疗科技有限公司 | 一种颅内脑组织的提取方法和装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7072515B2 (en) * | 2001-01-26 | 2006-07-04 | Rensselaer Polytechnic Institute | Method and apparatus for automatically tracing line-structure images |
DE102004043694B4 (de) * | 2004-09-09 | 2006-09-28 | Siemens Ag | Verfahren zur Segmentierung anatomischer Strukturen aus 3D-Bilddaten unter Nutzung topologischer Information |
TWI415029B (zh) * | 2009-12-25 | 2013-11-11 | Academia Sinica | 連續結構影像的量化分析自動追蹤演算法 |
-
2016
- 2016-11-25 TW TW105138870A patent/TWI584225B/zh active
- 2016-12-16 CN CN201611169461.7A patent/CN106937864B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI259765B (en) * | 2004-05-24 | 2006-08-11 | Ming-Yih Lee | Noninvasive digital sampling and comparing color method for medical treatment |
CN1879553A (zh) * | 2005-06-15 | 2006-12-20 | 佳能株式会社 | 检测心脏、胸廓和横隔膜边界的方法、装置和存储介质 |
EP2581878A2 (de) * | 2011-10-11 | 2013-04-17 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Verfahren und Vorrichtung zur Quantifizierung einer Schädigung eines Hautgewebeschnittes |
CN103366170A (zh) * | 2012-04-02 | 2013-10-23 | 鸿富锦精密工业(深圳)有限公司 | 图像二值化处理装置及其方法 |
CN103886576A (zh) * | 2013-11-22 | 2014-06-25 | 沈阳东软医疗系统有限公司 | 一种腺体组织特征灰度检测方法及装置 |
CN103646398A (zh) * | 2013-12-04 | 2014-03-19 | 山西大学 | 一种皮肤镜病灶自动分割方法 |
CN104933729A (zh) * | 2014-03-18 | 2015-09-23 | 上海联影医疗科技有限公司 | 一种颅内脑组织的提取方法和装置 |
CN104794711A (zh) * | 2015-04-13 | 2015-07-22 | 上海泽煜实验设备有限公司 | 一种图像处理方法及装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107967466A (zh) * | 2018-01-03 | 2018-04-27 | 深圳市句点志能电子有限公司 | 一种突显血管的图像处理算法 |
WO2021018108A1 (zh) * | 2019-08-01 | 2021-02-04 | 无锡海斯凯尔医学技术有限公司 | 皮下组织厚度测量方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
TW201810182A (zh) | 2018-03-16 |
TWI584225B (zh) | 2017-05-21 |
CN106937864B (zh) | 2019-12-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10127661B2 (en) | Method for evaluating skin tissue and system using the same | |
CN116758077B (zh) | 一种冲浪板表面平整度在线检测方法及系统 | |
WO2011151821A1 (en) | Inspection of region of interest | |
WO2015076406A1 (ja) | 骨粗鬆症診断支援装置 | |
US20030169915A1 (en) | Abnormal shadow detecting system | |
CN116363021B (zh) | 一种创伤患者护理评估智能采集系统 | |
CN106937864A (zh) | 皮肤组织估计方法及应用其的系统 | |
CN108280448A (zh) | 指静脉按压图的判别方法及装置、指静脉识别方法 | |
CN112270667A (zh) | 一种基于ti-rads的集成深度学习多标签识别方法 | |
CN110910317A (zh) | 一种舌象图像增强方法 | |
CN117522719B (zh) | 基于机器学习的支气管镜图像辅助优化系统 | |
CN113091915B (zh) | 基于人脸识别的自动体温信息采集系统 | |
CN116993764B (zh) | 一种胃部ct智能分割提取方法 | |
CN117152092B (zh) | 全参考图像评价方法、装置、电子设备和计算机存储介质 | |
CN116596879A (zh) | 基于边界样本分位数的葡萄霜霉病自适应识别方法 | |
CN116342591A (zh) | 一种建筑物参数的视觉解析方法 | |
CN112232307B (zh) | 夜视环境下的安全帽佩戴检测方法 | |
CN113989214A (zh) | 基于分割区域方法的足迹压力特征分析系统 | |
JP6351550B2 (ja) | ハリ感評価装置、ハリ感評価方法およびハリ感評価プログラム | |
CN114862762A (zh) | 人体扫描图像的质量评估方法及其装置 | |
CN114387247A (zh) | 一种基于frfcm和区域生长法的水下目标检测方法 | |
CN113870197A (zh) | 一种基于小波多层分解的齿轮裂纹检测方法 | |
CN117593591B (zh) | 一种基于医学图像分割的舌象分类方法 | |
CN117557587B (zh) | 一种内窥镜冷光源亮度自动调节系统 | |
CN117115174B (zh) | 一种钳子外形自动检测方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |