CN109859257A - 一种基于纹理方向性的皮肤图像纹理评估方法及系统 - Google Patents
一种基于纹理方向性的皮肤图像纹理评估方法及系统 Download PDFInfo
- Publication number
- CN109859257A CN109859257A CN201910143715.5A CN201910143715A CN109859257A CN 109859257 A CN109859257 A CN 109859257A CN 201910143715 A CN201910143715 A CN 201910143715A CN 109859257 A CN109859257 A CN 109859257A
- Authority
- CN
- China
- Prior art keywords
- texture
- skin
- pixel
- image
- 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
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种基于纹理方向性的皮肤图像纹理评估方法及系统。其中，该方法包括如下步骤对皮肤图像进行二值化处理，得到由纹理像素和非纹理像素组成的皮肤纹理图像；根据皮肤图像纹理方向性特征，通过统计纹理方向性计算范围内纹理像素的数量，剔除纹理像素中的伪纹理像素；统计去除伪纹理像素后的皮肤纹理图像的纹理像素数量。该方法评估皮肤图像纹理粗细准确度高，速度快。
Description
技术领域
本发明涉及一种基于纹理方向性的皮肤图像纹理评估方法，同时涉及实现该方法的系统，属于皮肤图像处理技术领域。
背景技术
随着生活水平的提高，面部皮肤的美容及护理已经受到人们的广泛关注，因此，如何客观、定量地对皮肤图像进行分析、识别和评估是近年来皮肤图像处理领域的研究热点之一，在现实中有广泛的应用价值。
皮肤图像的特征包括颜色、纹理、毛孔、光泽度等，纹理是皮肤图像特征的一个重要评估指标，为了给出皮肤图像纹理的定量数值，首先是需要从复杂的皮肤图像背景中提取皮肤纹理，随着计算机图像处理技术的飞速发展，人们开始探讨用数字图像处理技术来提取皮肤图像的纹理特征，以数字图像处理技术为手段，可以使皮肤表面状况评估方法从传统的定性分析上升为极为精确的定量分析，从而极大地提高测量的精确度。
皮肤图像纹理的分析测量与评估问题是当前的一个比较受关注的研究课题，有各种统计分析方法，如空间灰度共生矩阵法、中心距方法、游程长度法和极大极小值方法、基于数学形态学的粒度分析方法、分水岭纹理分割方法等。通过这些分析方法分析后，再计算纹理属性值来评估皮肤图像纹理特征，如空间灰度共生矩阵法分析皮肤图像纹理特征后，计算角二阶矩、对比度、相关性、熵等二次统计量数值来定量评估皮肤图像的纹理特征；基于数学形态学的粒度分析方法后，则可计算纹理斑块的表面总面积、最大面积、最小面积以及它们相应的数目。这些纹理分析统计方法都需要纹理特征明显的皮肤图像作为原始图像。
皮肤图像纹理评估前需要做图像初步处理，图像初步处理目的是为了提取纹理特征以便于后续纹理的定量评估计算，初步处理好的图像，已经是二值化的皮肤纹理特征图像。皮肤纹理图像，纹理和皮肤背景灰度(颜色)值及其相近，全局的图像初步处理方法(高斯滤波，维纳滤波等)效果都不好，对于很多皮肤图像，伪纹理像素比例及其大。对于原始的皮肤图像，纹理特征难以提取不是因为噪音的问题，是因为纹理灰度值和背景灰度值及其接近的原因，皮肤纹理灰度值接近皮肤背景灰度值，这样计算机算法很难识别出纹理，甚至同一灰度值的像素中，在图像的某处是纹理像素在另一处则是皮肤背景像素，这样就不能通过简单去噪、滤波等预处理方法解决纹理识别问题，所以皮肤图像纹理分析与评估核心问题不是纹理统计分析计算，而是如何通过计算机算法识别出纹理，然后有各种纹理统计计算方法，如最为广泛应用的是灰度共生矩阵方法。所以初步处理图像是皮肤图像纹理特征定量评估最为关键的一步。
发明内容
针对现有技术的不足，本发明所要解决的首要技术问题在于提供一种基于纹理方向性的皮肤图像纹理评估方法。
本发明所要解决的另一技术问题在于提供一种基于纹理方向性的皮肤图像纹理评估系统。
本发明所要解决的第三技术问题在于提供一种基于纹理方向性的皮肤图像纹理评估方法的皮肤图像评估系统。
为实现上述发明目的，本发明采用下述的技术方案：
根据本发明实施例的第一方面，提供一种基于纹理方向性的皮肤图像纹理评估方法，包括如下步骤：
对获取的皮肤图像进行预处理，得到去除光照影响的皮肤计算图像；
对皮肤计算图像进行二值化处理，得到由纹理像素和非纹理像素组成的皮肤纹理图像；
根据皮肤图像纹理方向性特征，通过统计纹理方向性计算范围内纹理像素的数量，剔除纹理像素中的伪纹理像素；
统计去除伪纹理像素后的皮肤纹理图像的纹理像素数量。
其中较优地，对皮肤图像进行二值化处理得到由纹理像素和非纹理像素组成的皮肤纹理图像之前，还包括如下步骤：
对获取的皮肤图像进行预处理，得到去除光照影响的皮肤计算图像。
其中较优地，对获取的皮肤图像进行预处理，得到去除光照影响的皮肤计算图像；包括如下步骤：
对获取的皮肤图像进行灰度化处理，得到皮肤灰度图像；
根据皮肤灰度图像中像素的整体亮度，剔除皮肤灰度图像中过亮和过暗的像素；
对剔除过亮和过暗像素的皮肤灰度图像进行光照不均匀处理，得到去除光照影响的皮肤计算图像。
其中较优地，根据皮肤灰度图像中像素的整体亮度，剔除皮肤灰度图像中过亮和过暗的像素；包括如下步骤：
计算皮肤灰度图像的灰度均值；
统计灰度值在0～255范围中，每个不同灰度值的像素数量；
从灰度值为0开始沿着灰度值递增的方向，查找第一个像素数量比例大于第一灰度阈值的灰度值，为下限灰度值；
从灰度值为255开始沿着灰度值递减的方向，查找第一个像素数量比例大于第二灰度阈值的灰度值，为上限灰度值；
皮肤灰度图像上，像素灰度值不在[下限灰度值，上限灰度值]范围内的像素的灰度值改写为灰度均值，剔除皮肤灰度图像中过亮和过暗的像素。
其中较优地，所述基于纹理方向性的皮肤图像纹理评估方法，在皮肤灰度图像剔除过亮和过暗的像素之后，进行光照不均匀处理之前，还包括如下步骤：
通过灰度直方图拉伸增强皮肤灰度图像的对比度；采用如下公式计算：
GRij＝(Grayij－GrayMin)×255/(GrayMax－GrayMin)；
其中Grayij、GRij分别为皮肤灰度图像的像素矩阵<i,j>位置处像素在灰度直方图拉伸增强前、后的灰度值；GrayMin为下限灰度值；GrayMax为上限灰度值。
其中较优地，对剔除过亮和过暗像素的皮肤灰度图像进行光照不均匀处理，去除光照不均匀产生的影响，得到皮肤计算图像；包括如下步骤：
计算皮肤灰度图像对应的光照不均匀背景图像的像素灰度值；
根据皮肤灰度图像的像素灰度值以及皮肤计算图像对应的光照不均匀背景图像的像素灰度值，计算去除光照影响的皮肤计算图像；采用如下公式：
GCij＝GRij－GBij+127；
其中，GRij为皮肤灰度图像的像素矩阵<i,j>位置处像素灰度值，GBij为皮肤计算图像对应的光照不均匀背景图像的像素矩阵<i,j>位置处像素灰度值，GCij为像素矩阵<i,j>位置处去除不均匀光照背景后的皮肤计算图像。
其中较优地，计算皮肤灰度图像对应的光照不均匀背景图像的像素灰度值；包括如下步骤：
将皮肤灰度图像进行分块；
对皮肤灰度图像对应的光照不均匀背景图像进行初始化；
根据皮肤灰度图像，计算每个分块的灰度均值,并作为光照不均匀背景图像对应分块正中间的像素的灰度值；
光照不均匀背景图像的所有灰度值为0的像素，根据每个分块中间像素的灰度值做双线性插值，位于边上的分块中无法做双线性插值的像素灰度值取分块中心点像素灰度值。
其中较优地，所述基于纹理方向性的皮肤图像纹理评估方法，对皮肤图像进行二值化处理，是对去除光照影响的皮肤计算图像进行二值化处理，在得到由纹理像素和非纹理像素组成的皮肤纹理图像之后，还包括如下步骤：
计算皮肤计算图像的纹理密度，根据纹理密度，剔除伪纹理像素。
其中较优地，计算皮肤计算图像的纹理密度，根据纹理密度，剔除伪纹理像素；包括如下步骤：
计算整个皮肤计算图像的纹理像素密度；
设定纹理密度计算范围，并根据纹理密度计算范围确定纹理密度阈值；
对于每个纹理像素，在该纹理像素的像素密度计算范围内，分别统计其他的纹理像素的数量，如果统计的其他的纹理像素的数量＜纹理密度阈值，则判定所述纹理像素为伪纹理像素；剔除所述伪纹理像素。
其中较优地，根据皮肤图像纹理方向性特征，通过统计纹理方向性计算范围内纹理像素数量，剔除纹理像素中的伪纹理像素；包括如下步骤：
确定纹理方向性计算范围；
对于每个纹理像素，在该纹理像素的纹理方向性计算范围内，分别统计16个方向上各自的纹理像素的数量；其中，16个方向为所述纹理像素正上方到正下方180度的角度范围均分成16个方向；
对于每个纹理像素，统计16个方向上纹理像素数量的最大值、最小值、均值以及小于均值的方向数量、大于均值的方向数量；根据统计的数值信息剔除伪纹理像素。
其中较优地，当统计的数值信息包含以下情况时，所述纹理像素为伪纹理像素，进行剔除：
1)如果最小值不为0，则判定所述纹理像素为伪纹理像素，剔除所述伪纹理像素；
2)如果大于均值的方向数量≧小于均值的方向数量,判定所述纹理像素为伪纹理像素，剔除所述伪纹理像素；
3)如果最大值﹤(均值×2),判定所述纹理像素为伪纹理像素，剔除所述伪纹理像素。
根据本发明实施例的第二方面，提供一种基于纹理方向性的皮肤图像纹理评估系统，包括处理器和存储器；所述存储器上存储有可用在所述处理器上运行的计算机程序，当所述计算机程序被所述处理器执行时实现如下步骤：
对皮肤图像进行二值化处理，得到由纹理像素和非纹理像素组成的皮肤纹理图像；
根据皮肤图像纹理方向性特征，通过统计纹理方向性计算范围内纹理像素的数量，剔除纹理像素中的伪纹理像素；
统计去除伪纹理像素后的皮肤纹理图像的纹理像素数量。
根据本发明实施例的第三方面，还提供一种基于纹理方向性的皮肤图像纹理评估方法的皮肤图像评估系统，包括采集模块、处理模块以及显示模块；
其中，所述采集模块用以采集皮肤图像；
所述传输显示模块用以将所述采集模块采集的皮肤图像传输到所述处理模块进行处理，并对处理结果进行显示；
所述处理模块用以对采集的皮肤图像进行处理，根据皮肤图像纹理方向性特征，通过统计纹理方向性计算范围内纹理像素数量，剔除纹理像素中的伪纹理像素；统计去除伪纹理后的皮肤纹理图像的纹理像素数量，并将二值化的皮肤纹理图像以及去除伪纹理后的皮肤纹理图像的纹理像素数量作为处理结果发送到传输显示模块。
本发明所提供的基于纹理方向性的皮肤图像纹理评估方法，针对不同分辨率的微距皮肤彩色数字图像做图像处理，经过彩色图像灰度化、图像增强对比度、去除过亮过暗噪声、去除不均匀光照影响、采用纹理密度方法去除伪纹理、纹理方向性特征去除伪纹理，得到较为准确的皮肤图像纹理二值化图像，在二值化的皮肤纹理图像上简单统计纹理图像数量即可定量评估皮肤图像纹理多少属性，该方法分割皮肤图像纹理准确度高，速度快，评估结果良好。
附图说明
图1为本发明所提供的基于纹理方向性的皮肤图像纹理评估方法的流程图；
图2为本发明所提供的一个实施例中，方向性计算范围示意图；
图3为本发明所提供的基于纹理方向性的皮肤图像纹理评估系统的结构示意图；
图4为本发明所提供的一个实施例中，皮肤图像纹理评估系统的硬件结构示意图；
图5为本发明所提供的一个实施例中，采用皮肤图像纹理评估系统进行皮肤图像纹理评估的流程图；
图6为本发明所提供的一个实施例中，部分皮肤图像纹理分割效果的示意图；
图7为本发明所提供的一个实施例中，皮肤图像纹理多少属性值排序效果示意图。
具体实施方式
下面结合附图和具体实施例对本发明的技术内容进行详细具体的说明。
纹理图像的方向性就是其灰度在各个方向上的变化所呈现的一致性、均匀性，从视觉上看则近似为条纹状。假设一幅纹理图像在垂直方向上具有一定的方向性，也即沿纵向呈现条纹状或近似条纹状，那么这幅纹理在垂直方向上相邻像素间的灰度变化从平均意义上要比其它方向上小。据此统计一幅纹理的像素灰度在各个方向上的变化规律是能够反映这幅纹理的方向性特征的。皮肤图像上的纹理具有方向性特征，一般来说，皮肤图像纹理的方向是指细纹的生长线。皮肤纹理不仅细小、复杂，纹理像素不连续，而且光照对图像的分割影响很大，用一般的纹理分割算法很难取得好的分割效果。本发明根据纹理方向性特征提出一种有效的分割皮肤图像纹理特征的方法，重点关注皮肤图像的初步处理过程，好的初步处理方法会得到具有明显纹理特征的皮肤图像，再通过简单统计方法即可获取皮肤图像的纹理特征定量数值。
如图1所示，本发明所提供的基于纹理方向性的皮肤图像纹理评估方法，包括如下步骤：首先，对皮肤图像进行二值化处理，得到由纹理像素和非纹理像素组成的皮肤纹理图像；然后，根据皮肤图像纹理方向性特征，通过统计纹理方向性计算范围内纹理像素的数量，剔除纹理像素中的伪纹理像素；最后，统计去除伪纹理像素后的皮肤纹理图像的纹理像素数量。下面对这一过程进行详细具体的说明。
在本发明所提供的实施例中，对皮肤图像进行二值化处理，得到由纹理像素和非纹理像素组成的皮肤纹理图像之前，还包括如下步骤：
S1，对获取的皮肤图像进行预处理，得到去除光照影响的皮肤计算图像；具体包括如下步骤：
S11，对获取的皮肤图像进行灰度化处理，得到皮肤灰度图像。
本发明提供的基于纹理方向性的皮肤图像纹理评估方法，针对不同分辨率的微距皮肤彩色数字图像做图像处理，获取彩色的皮肤图像之后，需要进行灰度化处理，即皮肤图像灰度化。皮肤图像灰度化可以采用现有的任意进行图像灰度化处理的方式，在本发明所提供的实施例中，对获取的皮肤图像进行灰度化处理得到皮肤灰度图像，包括如下步骤：
S111，对获取的皮肤图像采用灰度化公式进行灰度化处理得到初步像素灰度值：
Pij＝(Rij×0.31+Gij×0.47+Bij×0.22+0.4)；
其中，Pij为皮肤图像矩阵<i,j>位置处像素灰度化后的初步像素灰度值，Rij、Gij、Bij分别为彩色的皮肤图像矩阵<i,j>位置处像素的红色、绿色、蓝色分量，灰度化后像素灰度值范围[0，255]，灰度化后的皮肤图像为皮肤灰度图像。
S112，对得到的初步像素灰度值取整数部分作为皮肤图像灰度化后的像素灰度值，得到皮肤灰度图像。
S12，根据皮肤灰度图像中像素的整体亮度，剔除皮肤灰度图像中过亮和过暗的像素，其中，皮肤灰度图像中像素的整体亮度通过整体像素的灰度值表示，即标记图像像素灰度值过大过小的像素为图像均值(纹理像素灰度值接近皮肤灰度图像的灰度均值)，过亮和过暗的像素指像素灰度值不在灰度阈值[GrayMin,GrayMax]范围内的像素，根据皮肤灰度图像中像素的整体亮度，剔除皮肤灰度图像中过亮和过暗的像素，具体包括如下步骤：
S121，计算皮肤灰度图像的灰度均值GrayAvg，即皮肤灰度图像中每个像素的灰度值求和后除以皮肤灰度图像的所有像素数量。
S122，统计灰度值在0～255范围中，每个不同灰度值的像素数量，并计算皮肤灰度图像的直方图。
S123，从灰度值为0(黑色)开始沿着灰度值递增的方向，查找第一个像素数量比例大于第一灰度阈值(在本发明所提供的实施例中，灰度阈值设置为0.1％)的灰度值，称为下限灰度值，记为GrayMin。
S124，从灰度值为255(白色)开始沿着灰度值递减的方向，查找第一个像素数量比例大于第二灰度阈值(在本发明所提供的实施例中，灰度阈值设置为0.1％)的灰度值，称为上限灰度值，记为GrayMax。
S125，皮肤灰度图像上，像素灰度值不在[GrayMin,GrayMax]范围内的像素的灰度值改写为灰度均值GrayAvg，剔除皮肤灰度图像中过亮和过暗的像素，即剔除过亮(接近白色，灰度值接近255)、过暗(接近黑色，灰度值接近0)像素为皮肤均值(皮肤背景颜色)。
S13，对剔除过亮和过暗像素的皮肤灰度图像进行光照不均匀处理，得到去除光照影响的皮肤计算图像。
在本发明所提供的实施例中，皮肤灰度图像剔除过亮和过暗的像素之后，进行光照不均匀处理之前，还包括如下步骤：
通过灰度直方图拉伸增强皮肤灰度图像的对比度；采用如下公式计算：
GRij＝(Grayij－GrayMin)×255/(GrayMax－GrayMin)；
其中Grayij、GRij为皮肤灰度图像的像素矩阵<i,j>位置处像素在灰度直方图拉伸增强前、后的灰度值；灰度直方图拉伸后像素灰度值范围[0，255]。
对剔除过亮和过暗像素的皮肤灰度图像进行光照不均匀处理，去除光照不均匀产生的影响，得到皮肤计算图像；具体包括如下步骤：
S121，计算皮肤灰度图像对应的光照不均匀背景图像的像素灰度值；具体包括如下步骤：
S1211，将皮肤灰度图像进行分块，一般分成5*5或者6*6大小一样的分块；
S1212，对皮肤灰度图像对应的光照不均匀背景图像进行初始化，每个像素初始化为0值；
S1213，根据皮肤灰度图像，计算每个分块的灰度均值GAij,并作为光照不均匀背景图像对应分块正中间的像素的灰度值；
S1214，光照不均匀背景图像的所有灰度值为0的像素，根据每个分块中间像素的灰度值做双线性插值，位于边上的分块中无法做双线性插值的像素灰度值取分块中心点像素灰度值。其中，双线性插值为常规方法，在此便不再赘述了。
S122，根据皮肤灰度图像的像素灰度值以及皮肤计算图像对应的光照不均匀背景图像的像素灰度值，计算去除光照影响的皮肤计算图像。
具体的，剔除光照不均匀对皮肤灰度图像的影响，根据皮肤灰度图像的像素灰度值以及皮肤计算图像对应的光照不均匀背景图像的像素灰度值，得到去除光照影响的皮肤计算图像，采用如下公式：
GCij＝GRij－GBij+127；
其中，GRij为皮肤灰度图像的像素矩阵<i,j>位置处像素灰度值，GBij为皮肤计算图像对应的光照不均匀背景图像的像素矩阵<i,j>位置处像素灰度值，GCij为像素矩阵<i,j>位置处去除不均匀光照背景后的用于后续纹理算法的皮肤灰度图像，即皮肤计算图像。
S2，对皮肤图像进行二值化处理，得到由纹理像素和非纹理像素组成的皮肤纹理图像；其中，对皮肤图像进行二值化处理，得到由纹理像素和非纹理像素组成的皮肤纹理图像；可以是对获取的皮肤图像直接进行二值化处理，得到由纹理像素和非纹理像素组成的皮肤纹理图像；也可以是对预处理之后得到的消除光照不均匀影响的皮肤计算图像进行二值化处理，得到由纹理像素和非纹理像素组成的皮肤纹理图像；还可以是对灰度化处理之后的皮肤灰度图像进行二值化处理，得到由纹理像素和非纹理像素组成的皮肤纹理图像。在本发明所提供的一个实施例中，以对皮肤图像进行二值化处理，是对预处理之后得到的消除光照不均匀影响的皮肤计算图像进行二值化处理为例进行说明。对预处理之后得到的消除光照不均匀影响的皮肤计算图像进行二值化处理，得到由纹理像素和非纹理像素组成的皮肤纹理图像；具体包括如下步骤：
S21，确定纹理像素阈值范围；在本发明所提供的实施例中，根据对大量皮肤纹理图像进行分析实验，根据实验结果，确定纹理像素阈值范围为[95，117]得到较好的除纹伪纹理像素的效果。
S22，当皮肤计算图像的像素灰度值在纹理像素阈值范围内时，该像素灰度值对应的像素标记为1值；否则，像素标记为0值；得到由纹理像素和非纹理像素组成的皮肤纹理图像。
具体的，皮肤计算图像上像素灰度值在范围[95,117]的像素，二值化的皮肤纹理图像对应像素位置标记值为1，即标记该像素为纹理像素；否则标记值为0，即标记该像素为非纹理像素。
S3，根据皮肤图像纹理方向性特征，通过统计纹理方向性计算范围内纹理像素的数量，剔除纹理像素中的伪纹理像素。
在本发明所提供的实施例中，得到由纹理像素和非纹理像素组成的皮肤纹理图像之后，还包括如下步骤：
S31，计算皮肤计算图像的纹理密度，根据纹理密度，剔除伪纹理像素，具体实现步骤是：
S311，计算整个皮肤计算图像的纹理像素密度，在本发明所提供的实施例中，采用如下计算过程：
Density＝TNum/(Row×Col)；
其中，Density为皮肤计算图像的纹理像素密度，TNum为皮肤计算图像的纹理像素的数量，Row、Col分别为皮肤计算图像的纵向、横向像素的数量。
S312，设定纹理密度计算范围，并根据纹理密度计算范围确定纹理密度阈值。
其中，在本发明所提供的实施例中，设定的纹理密度计算范围，是根据对大量皮肤计算图像进行分析实验，根据实验结果，确定得到较好的剔除纹伪纹理像素的效果对应的纹理密度计算范围。
具体的，在本发明所提供的实施例中，针对每个纹理像素，设定以该纹理像素为中心点，半边长20像素的方形区域为该纹理像素密度计算范围，计算范围超出该纹理密度计算范围的纹理像素直接标定为伪纹理像素(图像边缘位置处不用考虑其纹理识别)，二值化纹理图像对应像素值由1更改为0。
在本发明所提供的实施例中，根据纹理密度计算范围确定纹理密度阈值，具体采用公式如下计算：
ThreshNum＝Density×edge×edge；
其中，ThreshNum为计算得到的纹理密度阈值，edge为纹理密度计算范围正方形的边长；Density为皮肤计算图像准纹理像素密度。
S313，对于每个纹理像素，在其像素密度计算范围内，分别统计其他的纹理像素的数量num，如果num＜ThreshNum，则判定该纹理像素为伪纹理像素(噪声点)，二值化的皮肤纹理图像上对应该像素位置标记由值1改为值0。
根据纹理密度剔除伪纹理像素之后，根据皮肤图像纹理方向性特征，通过统计纹理方向性计算范围内纹理像素数量，剔除纹理像素中的伪纹理像素；具体包括如下步骤：
S321，确定纹理方向性计算范围。
其中，在本发明所提供的实施例中，确定纹理方向性计算范围，是根据对大量皮肤纹理图像进行分析实验，根据实验结果，确定具有较好的皮肤图像纹理方向性特征对应的计算范围。
具体的，在本发明所提供的实施例中，针对每个纹理像素，设定以该纹理像素为矩形左边中心点，横向像素20个，纵向像素40个确定为第一计算矩形范围1，以该准纹理像素为矩形左边中心点，横向像素10个，纵向像素20个确定为第二计算矩形范围2；第一计算矩形范围减去第二计算矩形范围2得到的左凹形为纹理方向性计算范围，如图2所示。
S322，对于每个纹理像素，在纹理方向性计算范围内，分别统计16个方向上各自的纹理像素的数量；其中，16个方向为该纹理像素正上方到正下方180度的角度范围均分成16个方向(参见图2)。在本发明所提供的实施例中，进行纹理像素统计时该作为矩形左边中心点的纹理像素不算在任何方向上。
S323，对于每个纹理像素，统计16个方向上纹理像素数量的最大值、最小值、均值以及小于均值的方向数量、大于均值的方向数量；根据统计的数值信息剔除伪纹理像素。
具体的，对于每个纹理像素，分别统计计算16个方向上准纹理像素数量，记录最大值为Max，最小值为Min，均值为Avg，小于均值的方向数量为n1,大于均值的方向数量为n2，根据这些数值信息进一步剔除伪纹理，其中，当统计的数值信息包含以下情况时，该纹理像素为伪纹理像素，进行剔除：
1)如果Min不为0，则判定该纹理像素为伪纹理像素，在二值化的皮肤纹理图像的相应像素位置值由1更改为0，剔除伪纹理像素；
2)如果n2≧n1,判定该纹理像素为伪纹理像素，在二值化的皮肤纹理图像的相应像素位置值由1更改为0，剔除伪纹理像素；
3)如果Max﹤(Avg×2),判定该准纹理像素为伪纹理像素，在二值化的皮肤纹理图像的相应像素位置值由1更改为0，剔除伪纹理像素。
S4，统计去除伪纹理像素后的皮肤纹理图像的纹理像素数量。
纹理特征定量统计是统计去除伪纹理后的二值化的皮肤纹理图像的纹理像素数量，定量给出皮肤图像纹理多少特征属性，考虑不同大小的皮肤图像，采用纹理密度数值给出不同大小皮肤图像的统一衡量纹理数量多少属性值，即二值化的皮肤纹理图像上的纹理像素数量除以皮肤纹理图像中的像素总数量。
综上所述，本发明所提供的基于纹理方向性的皮肤图像纹理评估方法，通过皮肤图像纹理方向性特征，二值化皮肤图像为纹理像素和非纹理像素，统计纹理像素信息，评估皮肤图像的纹理特征，主要包括如下内容：(1)皮肤图像灰度化，剔除过亮过暗像素；(2)皮肤图像光照不均匀处理，去除光照不均匀的影响；(3)皮肤图像通过灰度直方图拉伸增强皮肤图像的对比度；(4)对皮肤纹理图像进行二值化，纹理像素标记值1，其他像素标记值0；(5)计算纹理密度，根据纹理密度，剔除伪纹理像素；(6)根据皮肤图像纹理方向性特征，进一步剔除伪纹理像素；(7)纹理特征定量统计。通过上述方法，可有效对一幅皮肤图像的纹理特征做二值化分割，并可给出皮肤图像的纹理评估定量数值属性。对于皮肤图像，统计分析皮肤纹理特征的方法很多，但其要求的是具有很好纹理特征的皮肤图像，本发明方法优点是根据纹理方向性，对原始皮肤图像给出分割效果很好的二值化皮肤纹理图像，再简单统计计算纹理像素数量属性值即可有效评估皮肤图像纹理多少特征，也可以用各种纹理分析方法(如灰度共生矩阵法)计算统计分析纹理的其他属性，本发明方法对皮肤图像适用性广泛，分割纹理像素效果好，因此该方法具有良好的应用前景和市场价值。
本发明还提供了一种基于纹理方向性的皮肤图像纹理评估系统。如图3所示，该系统包括处理器32以及存储有处理器32可执行指令的存储器31；
其中，处理器32可以是通用处理器，例如中央处理器(CPU)，还可以是数字信号处理器(DSP)、专用集成电路(ASIC)，或者是被配置成实施本发明实施例的一个或多个集成电路。
其中，存储器31，用于存储程序代码，并将该程序代码传输给CPU。存储器31可以包括易失性存储器，例如随机存取存储器(RAM)；存储器31也可以包括非易失性存储器，例如只读存储器、快闪存储器、硬盘或固态硬盘；存储器31还可以包括上述种类的存储器的组合。
具体地，本发明实施例所提供的一种基于纹理方向性的皮肤图像纹理评估系统，包括处理器32和存储器31；存储器31上存储有可用在处理器32上运行的计算机程序，当计算机程序被处理器22执行时实现如下步骤：
对皮肤图像进行二值化处理，得到由纹理像素和非纹理像素组成的皮肤纹理图像；
根据皮肤图像纹理方向性特征，通过统计纹理方向性计算范围内纹理像素的数量，剔除纹理像素中的伪纹理像素；
统计去除伪纹理像素后的皮肤纹理图像的纹理像素数量。
其中，对皮肤图像进行二值化处理得到由纹理像素和非纹理像素组成的皮肤纹理图像之前；计算机程序被处理器32执行时还实现如下步骤；
对获取的皮肤图像进行预处理，得到去除光照影响的皮肤计算图像。
其中，当对获取的皮肤图像进行预处理，得到去除光照影响的皮肤计算图像时；计算机程序被处理器32执行实现如下步骤；
对获取的皮肤图像进行灰度化处理，得到皮肤灰度图像；
根据皮肤灰度图像中像素的整体亮度，剔除皮肤灰度图像中过亮和过暗的像素；
对剔除过亮和过暗像素的皮肤灰度图像进行光照不均匀处理，得到去除光照影响的皮肤计算图像。
其中，当根据皮肤灰度图像中像素的整体亮度，剔除皮肤灰度图像中过亮和过暗的像素时；计算机程序被处理器32执行实现如下步骤；
计算皮肤灰度图像的灰度均值；
统计灰度值在0～255范围中，每个不同灰度值的像素数量；
从灰度值为0开始沿着灰度值递增的方向，查找第一个像素数量比例大于第一灰度阈值的灰度值，为下限灰度值；
从灰度值为255开始沿着灰度值递减的方向，查找第一个像素数量比例大于第二灰度阈值的灰度值，为上限灰度值；
皮肤灰度图像上，像素灰度值不在[下限灰度值，上限灰度值]范围内的像素的灰度值改写为灰度均值，剔除皮肤灰度图像中过亮和过暗的像素。
其中，当皮肤灰度图像剔除过亮和过暗的像素之后，进行光照不均匀处理之前；计算机程序被处理器32执行时还实现如下步骤；
通过灰度直方图拉伸增强皮肤灰度图像的对比度；采用如下公式计算：
GRij＝(Grayij－GrayMin)×255/(GrayMax－GrayMin)；
其中Grayij、GRij分别为皮肤灰度图像的像素矩阵<i,j>位置处像素在灰度直方图拉伸增强前、后的灰度值；GrayMin为下限灰度值；GrayMax为上限灰度值。
其中，当对剔除过亮和过暗像素的皮肤灰度图像进行光照不均匀处理，去除光照不均匀产生的影响，得到皮肤计算图像时；计算机程序被处理器32执行实现如下步骤；
计算皮肤灰度图像对应的光照不均匀背景图像的像素灰度值；
根据皮肤灰度图像的像素灰度值以及皮肤计算图像对应的光照不均匀背景图像的像素灰度值，计算去除光照影响的皮肤计算图像；采用如下公式：
GCij＝GRij－GBij+127；
其中，GRij为皮肤灰度图像的像素矩阵<i,j>位置处像素灰度值，GBij为皮肤计算图像对应的光照不均匀背景图像的像素矩阵<i,j>位置处像素灰度值，GCij为像素矩阵<i,j>位置处去除不均匀光照背景后的皮肤计算图像。
其中，当计算皮肤灰度图像对应的光照不均匀背景图像的像素灰度值时；计算机程序被处理器32执行实现如下步骤；
将皮肤灰度图像进行分块；
对皮肤灰度图像对应的光照不均匀背景图像进行初始化；
根据皮肤灰度图像，计算每个分块的灰度均值,并作为光照不均匀背景图像对应分块正中间的像素的灰度值；
光照不均匀背景图像的所有灰度值为0的像素，根据每个分块中间像素的灰度值做双线性插值，位于边上的分块中无法做双线性插值的像素灰度值取分块中心点像素灰度值。
其中，对皮肤图像进行二值化处理，是对去除光照影响的皮肤计算图像进行二值化处理，当得到由纹理像素和非纹理像素组成的皮肤纹理图像之后；计算机程序被处理器32执行时还实现如下步骤；
计算皮肤计算图像的纹理密度，根据纹理密度，剔除伪纹理像素。
其中，当计算皮肤计算图像的纹理密度，根据纹理密度，剔除伪纹理像素时；计算机程序被处理器32执行实现如下步骤；
计算整个皮肤计算图像的纹理像素密度；
设定纹理密度计算范围，并根据纹理密度计算范围确定纹理密度阈值；
对于每个纹理像素，在该纹理像素的像素密度计算范围内，分别统计其他的纹理像素的数量，如果统计的其他的纹理像素的数量＜纹理密度阈值，则判定该纹理像素为伪纹理像素；剔除该伪纹理像素。
其中，当根据皮肤图像纹理方向性特征，通过统计纹理方向性计算范围内纹理像素数量，剔除纹理像素中的伪纹理像素时；计算机程序被处理器32执行实现如下步骤；
确定纹理方向性计算范围；
对于每个纹理像素，在该纹理像素的纹理方向性计算范围内，分别统计16个方向上各自的纹理像素的数量；其中，16个方向为该纹理像素正上方到正下方180度的角度范围均分成16个方向；
对于每个纹理像素，统计16个方向上纹理像素数量的最大值、最小值、均值以及小于均值的方向数量、大于均值的方向数量；根据统计的数值信息剔除伪纹理像素。
其中，当统计的数值信息包含以下情况时，纹理像素为伪纹理像素，进行剔除时；计算机程序被处理器32执行实现如下步骤；
1)如果最小值不为0，则判定该纹理像素为伪纹理像素，剔除该伪纹理像素；
2)如果大于均值的方向数量≧小于均值的方向数量,判定该纹理像素为伪纹理像素，剔除该伪纹理像素；
3)如果最大值﹤(均值×2),判定该纹理像素为伪纹理像素，剔除该伪纹理像素。
本发明实施例还提供了一种计算机可读存储介质。这里的计算机可读存储介质存储有一个或者多个程序。其中，计算机可读存储介质可以包括易失性存储器，例如随机存取存储器；存储器也可以包括非易失性存储器，例如只读存储器、快闪存储器、硬盘或固态硬盘；存储器还可以包括上述种类的存储器的组合。当计算机可读存储介质中所述一个或者多个程序可被一个或者多个处理器执行，以实现上述的用于实现上述方法实施例中基于纹理方向性的皮肤图像纹理评估方法的部分步骤或者全部步骤。
本发明实施例还提供了一种皮肤图像评估系统，包括采集模块、处理模块以及传输显示模块。其中采集模块用以采集皮肤图像，传输显示模块用以将采集模块采集的皮肤图像传输到处理模块进行处理，并对该皮肤图像的二值化的皮肤纹理图像以及去除伪纹理后的皮肤纹理图像的纹理像素数量进行显示。处理模块用以对采集的皮肤图像进行处理，根据皮肤图像纹理方向性特征，通过统计纹理方向性计算范围内纹理像素数量，剔除纹理像素中的伪纹理像素；统计去除伪纹理后的皮肤纹理图像的纹理像素数量，并将二值化的皮肤纹理图像以及去除伪纹理后的皮肤纹理图像的纹理像素数量发送到传输显示模块进行显示。在本发明所提供的实施例中，采集模块和显示模块可以集中在一个设备中，也可以在不同的设备中进行处理。
下面以一个具体的实施例详细叙述采用本发明所提供的基于纹理方向性的皮肤图像纹理评估方法部署实现的一套皮肤图像评估系统，对本发明具体实施作进一步描述。皮肤图像评估系统具体配置如表1所示。
| 名称 | 设备 | 数量 |
| 皮肤采像设备 | 微距皮肤采像设备，获取不同分辨率皮肤彩色图像 | 5 |
| 云服务器 | Windows server 2012、MySql5.7.16 | 1 |
| 客户端 | 手机Android客户端 | 5 |
表1皮肤图像评估系统的设备配置
在本发明所提供的实施例中，以采集模块和显示模块集中在不同设备中为例进行说明，其中采集模块为皮肤采像设备；显示模块为手机客户端，处理模块为服务器端，其结构框图如图3所示，皮肤图像评估系统由皮肤采像设备、服务器端和手机客户端构成。对应的皮肤图像纹理评估流程如图4所示，手机客户端登录系统之后，皮肤采像设备采集彩色的皮肤图像，图像大小为900*900，1400*1400，1900*1900三种不同大小图片各30张；彩色的皮肤图像由皮肤采像设备上传到手机客户端，其中，皮肤图像可通过蓝牙或者wifi联网上传。手机客户端(wifi或者手机流量)上传彩色的皮肤图像到服务器端；服务器端算法分割彩色的皮肤图像的纹理特征得到二值化的皮肤纹理图像，并计算纹理属性值用以反映皮肤图像的纹理多少属性，同时在手机客户端显示二值化的皮肤纹理图像并给出纹理多少属性数值。
本发明提供皮肤图像纹理评估只需要一个参数，即彩色皮肤图像文件；在本系统实施实例中，皮肤采像设备经手机客户端上传彩色的皮肤图像到服务器端，服务器端数据库中记录图像的路径、日期等信息；在服务器端，后台程序直接打开彩色的皮肤图像到计算机内存；经过灰度化皮肤图像、去掉不均匀光照背景得到皮肤计算图像；根据皮肤计算图像灰度拉伸增强图像对比度；计算灰度直方图，剔除过亮过暗像素，更改它们的灰度值为灰度图像的灰度均值；给出纹理灰度阈值范围，本实施案例选定纹理灰度阈值范围为[95,117]；根据纹理灰度阈值范围，二值化灰度图像，得到二值化的皮肤纹理图像imgTex；对二值化的皮肤纹理图像imgTex计算纹理密度，根据纹理密度，剔除伪纹理像素；根据皮肤图像纹理方向性特征，统计每个纹理像素在纹理计算范围(参见图2，粗实线左凹型范围内部)的16个方向性(图2中的16条细实线所示方向)特征，进一步剔除伪纹理像素；简单统计不同大小尺寸的皮肤纹理图像的纹理像素平均密度值，可反映皮肤图像的纹理多少属性。通过上述实施案例，可有效对一幅皮肤图像的纹理特征做二值化分割，并可给出皮肤图像的纹理多少定量数值属性，可以给出多幅皮肤图像的纹理多少属性的排序，计算结果比较准确。
本发明具体实施实例中针对90幅彩色的皮肤图像的纹理多少属性做了排序，具体为5个不同微距采像设备分别连接5个手机客户端，分别登录后将采集的不同分辨率的微距彩色皮肤图像上传到服务器，针对这些图像，采用本发明方法对每幅彩色皮肤图像分割得到二值化额度皮肤纹理图像并给出纹理多少计算结果数值，参见下表，图6是部分微距皮肤彩色图像及其二值化纹理图像，针对90幅微距彩色皮肤图像按照计算得到的纹理数值做了从大到小的排序(参见图7)，其计算后纹理密度数值(百分制处理，纹理最多数值100，没有纹理数值0)部分实验结果如下表所示，从排序结果看，纹理计算准确度高，计算速度快，90幅图像计算时间不到2分钟。下表中给出了部分皮肤彩色皮肤图像实验结果：
| 序号 | 图像 | 行列尺寸 | 纹理评估数值 | 皮肤纹理人眼感官 |
| 1 | 图6第1行 | 900*900 | 45 | 少许纹理 |
| 2 | 图6第2行 | 900*900 | 31 | 纹理少较光滑 |
| 3 | 图6第3行 | 900*900 | 39 | 少许纹理 |
| 4 | 图6第4行 | 1400*1400 | 89 | 纹理多 |
| 5 | 图6第5行 | 1400*1400 | 81 | 纹理多 |
| 6 | 图6第6行 | 1400*1400 | 29 | 纹理少较光滑 |
| 7 | 图6第7行 | 1900*1900 | 62 | 少许纹理 |
| 8 | 图6第8行 | 1900*1900 | 49 | 少许纹理 |
| 9 | 图6第9行 | 1900*1900 | 76 | 纹理多 |
表2部分彩色皮肤图像实验结果展示表
上面对本发明所提供的基于纹理方向性的皮肤图像纹理评估方法及系统进行了详细的说明。对本领域的一般技术人员而言，在不背离本发明实质精神的前提下对它所做的任何显而易见的改动，都将构成对本发明专利权的侵犯，将承担相应的法律责任。
Claims (13)
1.一种基于纹理方向性的皮肤图像纹理评估方法，其特征在于包括如下步骤：
对皮肤图像进行二值化处理，得到由纹理像素和非纹理像素组成的皮肤纹理图像；
根据皮肤图像纹理方向性特征，通过统计纹理方向性计算范围内纹理像素的数量，剔除纹理像素中的伪纹理像素；
统计去除伪纹理像素后的皮肤纹理图像的纹理像素数量。
2.如权利要求1所述的基于自适应四分法的皮肤图像纹理评估方法，其特征在于对皮肤图像进行二值化处理得到由纹理像素和非纹理像素组成的皮肤纹理图像之前，还包括如下步骤：
对获取的皮肤图像进行预处理，得到去除光照影响的皮肤计算图像。
3.如权利要求2所述的基于纹理方向性的皮肤图像纹理评估方法，其特征在于对获取的皮肤图像进行预处理，得到去除光照影响的皮肤计算图像；包括如下步骤：
对获取的皮肤图像进行灰度化处理，得到皮肤灰度图像；
根据皮肤灰度图像中像素的整体亮度，剔除皮肤灰度图像中过亮和过暗的像素；
对剔除过亮和过暗像素的皮肤灰度图像进行光照不均匀处理，得到去除光照影响的皮肤计算图像。
4.如权利要求3所述的基于纹理方向性的皮肤图像纹理评估方法，其特征在于根据皮肤灰度图像中像素的整体亮度，剔除皮肤灰度图像中过亮和过暗的像素；包括如下步骤：
计算皮肤灰度图像的灰度均值；
统计灰度值在0～255范围中，每个不同灰度值的像素数量；
从灰度值为0开始沿着灰度值递增的方向，查找第一个像素数量比例大于第一灰度阈值的灰度值，为下限灰度值；
从灰度值为255开始沿着灰度值递减的方向，查找第一个像素数量比例大于第二灰度阈值的灰度值，为上限灰度值；
皮肤灰度图像上，像素灰度值不在[下限灰度值，上限灰度值]范围内的像素的灰度值改写为灰度均值，剔除皮肤灰度图像中过亮和过暗的像素。
5.如权利要求4所述的基于纹理方向性的皮肤图像纹理评估方法，其特征在于皮肤灰度图像剔除过亮和过暗的像素之后，进行光照不均匀处理之前，还包括如下步骤：
通过灰度直方图拉伸增强皮肤灰度图像的对比度；采用如下公式计算：
GRij＝(Grayij－GrayMin)×255/(GrayMax－GrayMin)；
其中Grayij、GRij分别为皮肤灰度图像的像素矩阵<i,j>位置处像素在灰度直方图拉伸增强前、后的灰度值；GrayMin为下限灰度值；GrayMax为上限灰度值。
6.如权利要求5所述的基于纹理方向性的皮肤图像纹理评估方法，其特征在于对剔除过亮和过暗像素的皮肤灰度图像进行光照不均匀处理，去除光照不均匀产生的影响，得到皮肤计算图像；包括如下步骤：
计算皮肤灰度图像对应的光照不均匀背景图像的像素灰度值；
根据皮肤灰度图像的像素灰度值以及皮肤计算图像对应的光照不均匀背景图像的像素灰度值，计算去除光照影响的皮肤计算图像；采用如下公式：
GCij＝GRij－GBij+127；
其中，GRij为皮肤灰度图像的像素矩阵<i,j>位置处像素灰度值，GBij为皮肤计算图像对应的光照不均匀背景图像的像素矩阵<i,j>位置处像素灰度值，GCij为像素矩阵<i,j>位置处去除不均匀光照背景后的皮肤计算图像。
7.如权利要求6所述的基于纹理方向性的皮肤图像纹理评估方法，其特征在于计算皮肤灰度图像对应的光照不均匀背景图像的像素灰度值；包括如下步骤：
将皮肤灰度图像进行分块；
对皮肤灰度图像对应的光照不均匀背景图像进行初始化；
根据皮肤灰度图像，计算每个分块的灰度均值,并作为光照不均匀背景图像对应分块正中间的像素的灰度值；
光照不均匀背景图像的所有灰度值为0的像素，根据每个分块中间像素的灰度值做双线性插值，位于边上的分块中无法做双线性插值的像素灰度值取分块中心点像素灰度值。
8.如权利要求1所述的基于纹理方向性的皮肤图像纹理评估方法，其特征在于对皮肤图像进行二值化处理，是对去除光照影响的皮肤计算图像进行二值化处理，得到由纹理像素和非纹理像素组成的皮肤纹理图像之后，还包括如下步骤：
计算皮肤计算图像的纹理密度，根据纹理密度，剔除伪纹理像素。
9.如权利要求8所述的基于纹理方向性的皮肤图像纹理评估方法，其特征在于计算皮肤计算图像的纹理密度，根据纹理密度，剔除伪纹理像素；包括如下步骤：
计算整个皮肤计算图像的纹理像素密度；
设定纹理密度计算范围，并根据纹理密度计算范围确定纹理密度阈值；
对于每个纹理像素，在该纹理像素的像素密度计算范围内，分别统计其他的纹理像素的数量，如果统计的其他的纹理像素的数量＜纹理密度阈值，则判定所述纹理像素为伪纹理像素；剔除所述伪纹理像素。
10.如权利要求1所述的基于纹理方向性的皮肤图像纹理评估方法，其特征在于根据皮肤图像纹理方向性特征，通过统计纹理方向性计算范围内纹理像素数量，剔除纹理像素中的伪纹理像素；包括如下步骤：
确定纹理方向性计算范围；
对于每个纹理像素，在该纹理像素的纹理方向性计算范围内，分别统计16个方向上各自的纹理像素的数量；其中，16个方向为所述纹理像素正上方到正下方180度的角度范围均分成16个方向；
对于每个纹理像素，统计16个方向上纹理像素数量的最大值、最小值、均值以及小于均值的方向数量、大于均值的方向数量；根据统计的数值信息剔除伪纹理像素。
11.如权利要求10所述的基于纹理方向性的皮肤图像纹理评估方法，其特征在于当统计的数值信息包含以下情况时，所述纹理像素为伪纹理像素，进行剔除：
1)如果最小值不为0，则判定所述纹理像素为伪纹理像素，剔除所述伪纹理像素；
2)如果大于均值的方向数量≧小于均值的方向数量,判定所述纹理像素为伪纹理像素，剔除所述伪纹理像素；
3)如果最大值﹤(均值×2),判定所述纹理像素为伪纹理像素，剔除所述伪纹理像素。
12.一种基于纹理方向性的皮肤图像纹理评估系统，其特征在于包括处理器和存储器；所述存储器上存储有可用在所述处理器上运行的计算机程序，当所述计算机程序被所述处理器执行时实现如下步骤：
对皮肤图像进行二值化处理，得到由纹理像素和非纹理像素组成的皮肤纹理图像；
根据皮肤图像纹理方向性特征，通过统计纹理方向性计算范围内纹理像素的数量，剔除纹理像素中的伪纹理像素；
统计去除伪纹理像素后的皮肤纹理图像的纹理像素数量。
13.一种皮肤图像评估系统，基于权利要求1所述的基于纹理方向性的皮肤图像纹理评估方法实现，其特征在于包括采集模块、处理模块以及显示模块；
其中，所述采集模块用以采集皮肤图像；
所述传输显示模块用以将所述采集模块采集的皮肤图像传输到所述处理模块进行处理，并对处理结果进行显示；
所述处理模块用以对采集的皮肤图像进行处理，根据皮肤图像纹理方向性特征，通过统计纹理方向性计算范围内纹理像素数量，剔除纹理像素中的伪纹理像素；统计去除伪纹理后的皮肤纹理图像的纹理像素数量，并将二值化的皮肤纹理图像以及去除伪纹理后的皮肤纹理图像的纹理像素数量作为处理结果发送到传输显示模块。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910143715.5A CN109859257B (zh) | 2019-02-25 | 2019-02-25 | 一种基于纹理方向性的皮肤图像纹理评估方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910143715.5A CN109859257B (zh) | 2019-02-25 | 2019-02-25 | 一种基于纹理方向性的皮肤图像纹理评估方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109859257A true CN109859257A (zh) | 2019-06-07 |
| CN109859257B CN109859257B (zh) | 2021-12-17 |
Family
ID=66899079
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910143715.5A Active CN109859257B (zh) | 2019-02-25 | 2019-02-25 | 一种基于纹理方向性的皮肤图像纹理评估方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109859257B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110634111A (zh) * | 2019-09-20 | 2019-12-31 | 福建工程学院 | 基于血管区域灰度和像数的皮肤光透明分析方法及系统 |
| CN111723763A (zh) * | 2020-06-29 | 2020-09-29 | 深圳市艾为智能有限公司 | 基于图像信息统计的场景识别方法 |
| CN111738984A (zh) * | 2020-05-29 | 2020-10-02 | 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 |
| CN111784636A (zh) * | 2020-05-29 | 2020-10-16 | 北京工商大学 | 一种基于纹理生长的皮肤图像纹理定量评估方法 |
| TWI716111B (zh) * | 2019-09-23 | 2021-01-11 | 大陸商北京集創北方科技股份有限公司 | 圖像採集品質評估方法及系統 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1975762A (zh) * | 2006-12-11 | 2007-06-06 | 浙江大学 | 一种皮肤检测方法 |
| CN102779277A (zh) * | 2012-06-08 | 2012-11-14 | 中山大学 | 一种基于图像处理中的主纹理提取方法 |
| CN103632154A (zh) * | 2013-12-16 | 2014-03-12 | 福建师范大学 | 基于二次谐波图像纹理分析的皮肤瘢痕诊断方法 |
| CN104657960A (zh) * | 2013-11-25 | 2015-05-27 | 中国科学院沈阳自动化研究所 | 一种灰度图像对比度拉伸方法及装置 |
| JP2016104124A (ja) * | 2014-11-19 | 2016-06-09 | 御木本製薬株式会社 | 皮膚表面のキメの画像処理方法及びこれを用いた皮膚表面のキメの評価方法 |
| CN107169960A (zh) * | 2017-05-15 | 2017-09-15 | 精诚工坊电子集成技术（北京）有限公司 | 一种基于图像颜色空间的皮肤表面毛孔大小检测方法 |
-
2019
- 2019-02-25 CN CN201910143715.5A patent/CN109859257B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1975762A (zh) * | 2006-12-11 | 2007-06-06 | 浙江大学 | 一种皮肤检测方法 |
| CN102779277A (zh) * | 2012-06-08 | 2012-11-14 | 中山大学 | 一种基于图像处理中的主纹理提取方法 |
| CN104657960A (zh) * | 2013-11-25 | 2015-05-27 | 中国科学院沈阳自动化研究所 | 一种灰度图像对比度拉伸方法及装置 |
| CN103632154A (zh) * | 2013-12-16 | 2014-03-12 | 福建师范大学 | 基于二次谐波图像纹理分析的皮肤瘢痕诊断方法 |
| JP2016104124A (ja) * | 2014-11-19 | 2016-06-09 | 御木本製薬株式会社 | 皮膚表面のキメの画像処理方法及びこれを用いた皮膚表面のキメの評価方法 |
| CN107169960A (zh) * | 2017-05-15 | 2017-09-15 | 精诚工坊电子集成技术（北京）有限公司 | 一种基于图像颜色空间的皮肤表面毛孔大小检测方法 |
Non-Patent Citations (1)
| Title |
|---|
| 王青芝等: "基于皮肤纹理方向进行纹理提取的综合算法的研究", 《首届国际医学影像学暨介入医学学术会议论文汇编》 * |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110634111A (zh) * | 2019-09-20 | 2019-12-31 | 福建工程学院 | 基于血管区域灰度和像数的皮肤光透明分析方法及系统 |
| CN110634111B (zh) * | 2019-09-20 | 2022-07-19 | 福建工程学院 | 基于血管区域灰度和像数的皮肤光透明分析方法及系统 |
| TWI716111B (zh) * | 2019-09-23 | 2021-01-11 | 大陸商北京集創北方科技股份有限公司 | 圖像採集品質評估方法及系統 |
| CN111738984A (zh) * | 2020-05-29 | 2020-10-02 | 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 |
| CN111784636A (zh) * | 2020-05-29 | 2020-10-16 | 北京工商大学 | 一种基于纹理生长的皮肤图像纹理定量评估方法 |
| CN111784636B (zh) * | 2020-05-29 | 2023-05-30 | 北京工商大学 | 一种基于纹理生长的皮肤图像纹理定量评估方法 |
| 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 |
| CN111723763A (zh) * | 2020-06-29 | 2020-09-29 | 深圳市艾为智能有限公司 | 基于图像信息统计的场景识别方法 |
| CN111723763B (zh) * | 2020-06-29 | 2024-02-13 | 深圳市艾为智能有限公司 | 基于图像信息统计的场景识别方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109859257B (zh) | 2021-12-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109859257A (zh) | 一种基于纹理方向性的皮肤图像纹理评估方法及系统 | |
| Tan et al. | Exposure based multi-histogram equalization contrast enhancement for non-uniform illumination images | |
| Kandhway et al. | An optimal adaptive thresholding based sub-histogram equalization for brightness preserving image contrast enhancement | |
| CN111275696B (zh) | 一种医学图像处理的方法、图像处理的方法及装置 | |
| CN109815893A (zh) | 基于循环生成对抗网络的彩色人脸图像光照域归一化的方法 | |
| CN106780485A (zh) | 基于超像素分割和特征学习的sar图像变化检测方法 | |
| CN102521813B (zh) | 基于双平台直方图的红外图像自适应增强方法 | |
| CN106530244B (zh) | 一种图像增强方法 | |
| Jia et al. | Blind high dynamic range image quality assessment using deep learning | |
| CN106529543B (zh) | 一种动态计算多色级二值化自适应阈值的方法及其系统 | |
| CN115063329A (zh) | 低光照环境下的可见光和红外图像融合增强方法及系统 | |
| CN104504662A (zh) | 一种基于同态滤波的图像处理方法及系统 | |
| CN106651829B (zh) | 一种基于能量和纹理分析的无参考图像客观质量评价方法 | |
| Kumar et al. | Fuzzified contrast enhancement for nearly invisible images | |
| CN110223240A (zh) | 基于颜色衰减先验的图像去雾方法、系统及存储介质 | |
| CN109035196A (zh) | 基于显著性的图像局部模糊检测方法 | |
| CN108664839A (zh) | 一种图像处理方法和设备 | |
| CN111783693A (zh) | 果蔬采摘机器人的智能识别方法 | |
| CN109919843A (zh) | 一种基于自适应四分法的皮肤图像纹理评估方法及系统 | |
| Mancas et al. | A rarity-based visual attention map-application to texture description | |
| CN115131229A (zh) | 图像降噪、滤波数据处理方法、装置和计算机设备 | |
| CN108122231A (zh) | 监控视频下基于roi拉普拉斯算法的图像质量评价方法 | |
| CN110298807A (zh) | 基于改进Retinex及量子菌群算法的NSCT域红外图像增强方法 | |
| CN109949273A (zh) | 一种基于纹理对称性的皮肤图像纹理分割方法及系统 | |
| CN115908155A (zh) | Nsst域结合gan及尺度相关系数的低照度图像增强及去噪方法 |
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 |