CN109919843A - 一种基于自适应四分法的皮肤图像纹理评估方法及系统 - Google Patents
一种基于自适应四分法的皮肤图像纹理评估方法及系统 Download PDFInfo
- Publication number
- CN109919843A CN109919843A CN201910138874.6A CN201910138874A CN109919843A CN 109919843 A CN109919843 A CN 109919843A CN 201910138874 A CN201910138874 A CN 201910138874A CN 109919843 A CN109919843 A CN 109919843A
- Authority
- CN
- China
- Prior art keywords
- skin
- image
- texture
- pixel
- adaptive
- 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)
- 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自适应四分法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,得到皮肤纹理图像;基于自适应四分法构建皮肤纹理图像对应的四叉树,根据四叉树每层节点数量评估皮肤图像的纹理特征。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自适应四分法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精确的定量分析,从而极大地提高评估的精确度。
皮肤图像纹理的分析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之后,再计算纹理属性值来评估皮肤图像的纹理特征,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,已经是二值化的具有纹理特征的图像。皮肤纹理图像,纹理和皮肤背景灰度(颜色)值及其相近,全局的图像预处理方法(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,然后再通过各种纹理统计计算方法进行处理。所以初步处理皮肤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自适应四分法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自适应四分法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自适应四分法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,提供一种基于自适应四分法的皮肤图像纹理评估方法,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;
基于自适应四分法构建皮肤纹理图像对应的四叉树,根据四叉树每层节点数量评估皮肤图像的纹理特征。
其中较优地,所述基于自适应四分法的皮肤图像纹理评估方法,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;
对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,对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,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,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,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,包括如下步骤:
计算皮肤计算图像的灰度均值;
根据灰度均值确定纹理像素判定阈值范围;
当皮肤计算图像的像素灰度值在纹理像素判定阈值范围内时,所述像素灰度值对应的像素标记为1值;否则,所述像素标记为0值;
皮肤计算图像的每个像素根据其灰度值分别标记1值或者0值,得到由纹理像素和非纹理像素组成的皮肤纹理图像。
其中较优地,基于自适应四分法构建皮肤纹理图像对应的四叉树,根据四叉树每层节点数量评估皮肤图像的纹理特征;包括如下步骤:
基于自适应四分法构建二值化的皮肤纹理图像对应的四叉树;
统计四叉树上,除叶子节点之外,每层节点的数量;
对除了叶子节点之外的每层节点的数量百分比求和得到皮肤图像的纹理粗细属性百分比数值,根据皮肤图像的纹理粗细属性百分比数值评估皮肤图像的纹理特征。
其中较优地,基于自适应四分法构建二值化的皮肤纹理图像对应的四叉树;包括如下步骤:
S311,将整幅长宽相同的二值化的皮肤纹理图像作为四叉树的第1层根节点;
S312,均匀四分正方形的二值化的皮肤纹理图像,将分成的四个部分作为树的下一层节点,并记录当前4个分块的边长;
S313,分别统计4个部分的纹理像素数量,并记录4个统计数值的最大值、最小值和均值;
S314,如果最大值/最小值<明显不均匀性阈值,并且当前分块的边长>长度阈值,则转向步骤S315;否则,不再继续分割当前的分块,四叉树构建完成;
S315,针对每一个分块,重复步骤S312~S314。
根据本发明实施例的第二方面,提供一种基于自适应四分法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;
基于自适应四分法构建皮肤纹理图像对应的四叉树,根据四叉树每层节点数量评估皮肤图像的纹理特征。
根据本发明实施例的第三方面,还提供一种基于自适应四分法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、处理模块以及传输显示模块;
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上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,并对所述皮肤图像的纹理粗细属性百分比数值进行显示;
所述处理模块用以对采集的皮肤图像进行处理,基于自适应四分法构建皮肤纹理图像对应的四叉树,根据四叉树每层节点数量评估皮肤图像的纹理特征,并将该皮肤图像的纹理粗细属性百分比数值发送到传输显示模块进行显示。
本发明所提供的基于自适应四分法的皮肤图像纹理评估方法,针对不同分辨率的微距彩色皮肤图像做图像处理,经过彩色图像灰度化、去除不均匀光照影响、预处理后得到二值化的皮肤纹理图像,在二值化的皮肤纹理图像上构建四叉树,简单统计四叉树每层节点个数后,做简单百分比求和后的数值即可定量评估皮肤图像纹理粗细属性,该方法评估皮肤图像纹理粗细准确度高,速度快。
附图说明
图1为本发明所提供的基于自适应四分法的皮肤图像纹理评估方法的流程图;
图2为本发明所提供的基于自适应四分法的皮肤图像纹理评估系统的结构示意图;
图3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4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5为本发明所提供的一个实施例中,基于自适应四分法构建的四叉树的结构示意图;
图6为本发明所提供的一个实施例中,用于纹理粗细属性计算的部分图像的示意图;
图7本发明所提供的一个实施例中,皮肤图像纹理粗细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。
皮肤图像的纹理眼观具有线条性质,某一个纹理像素其周围各个方向上的纹理像素密度是不同的,皮肤纹理有的粗大,有的细小,粗大的纹理在较大的方形范围内会出现各个方向纹理密度不均匀性,而细小的纹理则在较小的范围内才表现为各个方向的纹理密度不均匀性;皮肤图像来自于光照下产生的图像,光照效果对皮肤图像的影响也是非常大的,需要去除光照明暗的影响;纹理像素和皮肤背景像素的灰度及其接近且纹理像素也不是连续的,导致不能用图形学的线条方法分析纹理;对于一幅皮肤图像,某个灰度值在图像某个点处是纹理像素,在另一个点处可能是皮肤背景像素。以上这些特征导致用皮肤图像的纹理评估方法一直没有适用性好的高效算法,本发明根据纹理密度不同特征提出一种有效的评估皮肤图像纹理粗细属性的方法,即一种基于自适应四分法的皮肤图像纹理评估方法,将正方形尺寸的原始彩色的皮肤图像通过灰化、剔除光照影响、初步分割得到二值化的皮肤纹理图像后,通过自适应四分法的统计方法进一步剔除伪纹理像素影响后得到纹理粗细评估结果,得到评估皮肤图像的纹理粗大特征的定量数值。
如图1所示,本发明所提供的基于自适应四分法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,基于自适应四分法构建皮肤纹理图像对应的四叉树,根据四叉树每层节点数量评估皮肤图像的纹理特征。其中,基于自适应四分法构建皮肤纹理图像对应的四叉树即通过均匀四分正方形的皮肤纹理图像构建四叉树。根据四叉树每层节点数量评估皮肤图像的纹理特征即根据四叉树每层节点数量计算皮肤图像的纹理粗细属性百分比数值,根据该皮肤图像的纹理粗细属性百分比数值评估皮肤图像的纹理特征。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。
本发明提供的基于自适应四分法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,对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。
对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。
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。二值化皮肤计算图像,纹理像素标记值1,其他像素标记值0,即可将皮肤计算图像转化为由纹理像素和非纹理像素组成的皮肤纹理图像。具体的,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,包括如下步骤:
S21,计算皮肤计算图像的灰度均值,记为avg;
S22,根据灰度均值确定纹理像素判定阈值范围。
皮肤计算图像为灰度图像,在灰度图像上,纹理表现为灰度值要小于灰度均值。在本发明所提供的实施例中,根据灰度均值设定纹理像素确定纹理像素范围,确定的纹理像素判定阈值范围为[avg-span1,avg-span2],其中span1和span2的取值可根据实际需求进行设定,也可以根据历史图像数据处理效果挖掘进行确定。在本发明所提供的实施例中,较优地,span1取值30,span2可取值15。
S23,当皮肤计算图像的像素灰度值在纹理像素判定阈值范围内时,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。
具体的,当皮肤计算图像的一个像素灰度值在[avg-span1,avg-span2]范围内时,则该像素灰度值对应的像素标记为1值,即标记该像素为纹理像素,否则标记该像素为0值,即标记该像素为非纹理像素。
S24,皮肤计算图像的每个像素根据其灰度值分别标记1值或者0值,得到二值化的皮肤纹理图像;即得到由纹理像素和非纹理像素组成的皮肤纹理图像。
S3,基于自适应四分法构建皮肤纹理图像对应的四叉树,将四叉树每层节点数量作为粒度信息评估皮肤图像的纹理特征。其中,基于自适应四分法构建皮肤纹理图像对应的四叉树即通过均匀四分正方形的皮肤纹理图像构建四叉树。根据四叉树每层节点数量评估皮肤图像的纹理特征即根据四叉树每层节点数量计算皮肤图像的纹理粗细属性百分比数值,根据该皮肤图像的纹理粗细属性百分比数值评估皮肤图像的纹理特征。
基于自适应四分法计算纹理密度构建皮肤纹理图像对应的四叉树,根据四叉树每层节点数量作为粒度信息进行统计,根据统计结果评估皮肤纹理粗细特征,即基于自适应四分法构建皮肤纹理图像对应的四叉树,根据四叉树每层节点数量,评估皮肤图像的纹理特征,具体包括如下步骤:
S31,基于自适应四分法构建二值化的皮肤纹理图像对应的四叉树,具体包括如下步骤:
S311,将整幅长宽相同的二值化的皮肤纹理图像作为四叉树的第1层(根节点);
S312,均匀四分正方形的二值化的皮肤纹理图像(相当于在皮肤纹理图像的正中心画个十字把皮肤纹理图像均匀分成4个部分(四分法)),将分成的四个部分作为树的下一层节点,并记录当前4个分块的边长len,边长以单位像素为单位。
S313,分别统计4个部分的纹理像素数量(即在二值化的皮肤纹理图像上统计标记值为1的像素的数量),并记录4个统计数值的最大NumMax,最小NumMin和均值NumAvg。
S314,如果NumMax/NumMin<明显不均匀性阈值(即四个部分没有出现明显的不均匀性),并且当前分块的边长len>长度阈值,则转向步骤S315;否则,不再继续分割当前的分块,四叉树构建完成。其中,长度阈值和明显不均匀性阈值可以根据对历史数据分析获得,也可以根据需求进行设定。在本发明所提供的实施例中,长度阈值设置为8,明显不均匀性阈值为2。
S315,分别继续均匀四分当前的4个分块,即针对每一个分块,重复步骤S312~S314。
S32,统计四叉树上,除了最底层叶子节点之外,其他每层节点的数量;
S33,对除了最底层叶子节点之外的每层节点的数量百分比(100*每层节点个数/皮肤图像总像素数量)求和,根据和的值评估皮肤图像的纹理特征。
具体的,除了最底层叶子节点之外,计算每层节点的数量百分比Pi采用如下公式:
Pi=100*每层节点的数量/皮肤纹理图像的总像素数量;
其中,Pi为第i层节点的数量百分比;i=1,2,……N-1;N为四叉树的节点层数。
对除了最底层叶子节点之外的每层节点的数量百分比求和,即得到皮肤图像的纹理粗细属性百分比数值,记为sum,sum值大小能够反映纹理的粗细程度,用sum值评估皮肤图像的文理特征:sum值越小纹理越粗糙,sum值大,则纹理相对标为细小,四叉树最底层基本由伪纹理构成,统计时不考虑最底层的节点数量。
综上所述,本发明所提供的基于自适应四分法的皮肤图像纹理评估方法,通过皮肤图像纹理线条特征,二值化皮肤图像为纹理像素和非纹理像素,自适应四分法统计纹理像素密度信息,评估皮肤图像的纹理粗细特征,主要包括如下内容:(1)皮肤图像灰度化;(2)皮肤图像光照不均匀处理,去除光照不均匀的影响;(3)对皮肤纹理图像进行二值化,纹理像素标记值为1,其他像素标记值为0;(4)基于自适应四分法构建二值化的皮肤纹理图像的四叉树,根据四叉树每层节点数量作为粒度信息进行统计计算皮肤纹理粗细特征。通过上述算法,可有效对一幅彩色的皮肤图像给出定量评估纹理粗细属性数值。对于皮肤图像,统计分析皮肤纹理特征的方法很多,但因为皮肤纹理线条复杂,不连续,且纹理像素与皮肤背景像素灰度值及其接近,导致一般的图像纹理处理方法评估皮肤图像纹理效果不理想。本发明所提供的基于自适应四分法的皮肤图像纹理评估方法的优点是根据纹理线条性质所表现的各个方向的纹理密度不均匀性,对二值化的皮纹理图像基于自适应四分法构建四叉树,直至体现纹理线条特征的不均匀性出现或者伪纹理出现,从而统计纹理粗细属性,本方法对皮肤图像适用性较好,统计纹理粗细效果好,具有较好的应用前景和市场价值。
本发明还提供了一种基于自适应四分法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自适应四分法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32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;
基于自适应四分法构建皮肤纹理图像对应的四叉树,根据四叉树每层节点数量评估皮肤图像的纹理特征。
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;
对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,当对获取的皮肤图像进行灰度化处理得到皮肤灰度图像时;计算机程序被处理器32执行实现如下步骤;
对获取的皮肤图像采用灰度化公式进行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分别为皮肤图像矩阵<i,j>位置处像素的红色、绿色、蓝色分量;
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。
其中,当对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,当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时,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;计算机程序被处理器32执行实现如下步骤;
计算皮肤计算图像的灰度均值;
根据灰度均值确定纹理像素判定阈值范围;
当皮肤计算图像的像素灰度值在纹理像素判定阈值范围内时,所述像素灰度值对应的像素标记为1值;否则,所述像素标记为0值;
皮肤计算图像的每个像素根据其灰度值分别标记1值或者0值,得到由纹理像素和非纹理像素组成的皮肤纹理图像。
其中,当基于自适应四分法构建皮肤纹理图像对应的四叉树,根据四叉树每层节点数量评估皮肤图像的纹理特征时;计算机程序被处理器32执行实现如下步骤;
基于自适应四分法构建二值化的皮肤纹理图像对应的四叉树;
统计四叉树上,除叶子节点之外,每层节点的数量;
对除了叶子节点之外的每层节点的数量百分比求和得到皮肤图像的纹理粗细属性百分比数值,根据皮肤图像的纹理粗细属性百分比数值评估皮肤图像的纹理特征。
其中,当基于自适应四分法构建二值化的皮肤纹理图像对应的四叉树时;计算机程序被处理器32执行实现如下步骤;
S311,将整幅长宽相同的二值化的皮肤纹理图像作为四叉树的第1层根节点;
S312,均匀四分正方形的二值化的皮肤纹理图像,将分成的四个部分作为树的下一层节点,并记录当前4个分块的边长;
S313,分别统计4个部分的纹理像素数量,并记录4个统计数值的最大值、最小值和均值;
S314,如果最大值/最小值<明显不均匀性阈值,并且当前分块的边长>长度阈值,则转向步骤S315;否则,不再继续分割当前的分块,四叉树构建完成;
S315,针对每一个分块,重复步骤S312~S314。
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自适应四分法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,并对该皮肤图像的纹理粗细属性百分比数值进行显示。处理模块用以对采集的皮肤图像进行处理,基于自适应四分法构建皮肤纹理图像对应的四叉树,根据四叉树每层节点数量评估皮肤图像的纹理特征,并将该皮肤图像的纹理粗细属性百分比数值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自适应四分法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。
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*1900三种不同尺寸;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;服务器端算法采用自适应四分法计算皮肤图像的纹理粗细属性,同时在手机客户端给出该纹理粗细属性百分比数值。
本发明提供皮肤图像纹理粗细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后,服务器端系统程序直接打开皮肤彩色图像到计算机内存;经过灰度化彩色图像、去掉不均匀光照影响,皮肤图像二值化得到二值化的皮肤纹理图像;对二值化的皮肤纹理图像,采用自适应四分法构建二值化图像四叉树,参见图5;统计计算四叉树各层节点信息(最底层叶子节点除外),得到最后的皮肤图像纹理粗细属性百分比数值,根据皮肤图像纹理粗细属性百分比数值评估皮肤图像的纹理粗细特征。通过上述实施例,可有效对一幅皮肤图像的纹理粗细特征给出定量统计数值,并可以给出多幅皮肤图像的纹理粗细属性的排序,参见图7,计算结果比较准确。
本发明具体实施实例中针对多幅彩色的皮肤图像做了纹理分割效果实验,具体为5个不同手机客户端,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,采用本发明的基于自适应四分法的皮肤图像纹理评估方法对每幅彩色的皮肤图像分割得到皮肤纹理二值化图像,从二值化纹理图像分割效果看,本发明算法分割得到皮肤纹理二值化图像良好。
具体实施实例中针对80幅彩色的皮肤图像的纹理粗细属性做了排序,具体为5个不同微距皮肤采像设备分别连接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,针对这些皮肤图像,采用本发明的基于自适应四分法的皮肤图像纹理评估方法对每幅彩色皮肤图像分割得到二值化纹理图像并采用构建自适应四叉树方法给出纹理粗细计算结果数值,参见下表2,针对80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,其计算后纹理密度数值(百分制处理,纹理最粗数值100,没有纹理数值0)实验结果如下表2所示,从排序结果看,纹理计算准确度高,计算速度快,80幅图像计算时间不到2分钟。下表中给出了部分皮肤彩色图像实验结果:
序号 | 图像 | 行列尺寸 | 纹理评估数值 | 皮肤纹理人眼感官 |
1 | 图6a | 900*900 | 78 | 纹理粗 |
2 | 图6b | 900*900 | 56 | 纹理细 |
3 | 图6c | 900*900 | 71 | 纹理中等 |
4 | 图6d | 900*900 | 88 | 纹理粗 |
5 | 图6e | 900*900 | 83 | 纹理粗 |
6 | 图6f | 1400*1400 | 74 | 纹理中等 |
7 | 图6g | 1400*1400 | 69 | 纹理中等 |
8 | 图6h | 1400*1400 | 34 | 纹理细 |
9 | 图6i | 1400*1400 | 11 | 无纹理 |
10 | 图6j | 1900*1900 | 9 | 无纹理 |
11 | 图6k | 1900*1900 | 5 | 无纹理 |
12 | 图6l | 1900*1900 | 2 | 无纹理 |
13 | 图6m | 1900*1900 | 87 | 纹理粗 |
14 | 图6n | 1900*1900 | 26 | 纹理细 |
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自适应四分法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 (10)
1.一种基于自适应四分法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;
基于自适应四分法构建皮肤纹理图像对应的四叉树,根据四叉树每层节点数量评估皮肤图像的纹理特征。
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所述的基于自适应四分法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;
对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,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。
5.如权利要求4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。
6.如权利要求2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,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,包括如下步骤:
计算皮肤计算图像的灰度均值;
根据灰度均值确定纹理像素判定阈值范围;
当皮肤计算图像的像素灰度值在纹理像素判定阈值范围内时,所述像素灰度值对应的像素标记为1值;否则,所述像素标记为0值;
皮肤计算图像的每个像素根据其灰度值分别标记1值或者0值,得到由纹理像素和非纹理像素组成的皮肤纹理图像。
7.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,其特征在于基于自适应四分法构建皮肤纹理图像对应的四叉树,根据四叉树每层节点数量评估皮肤图像的纹理特征;包括如下步骤:
基于自适应四分法构建二值化的皮肤纹理图像对应的四叉树;
统计四叉树上,除叶子节点之外,每层节点的数量;
对除了叶子节点之外的每层节点的数量百分比求和得到皮肤图像的纹理粗细属性百分比数值,根据皮肤图像的纹理粗细属性百分比数值评估皮肤图像的纹理特征。
8.如权利要求7所述的基于自适应四分法的皮肤图像纹理评估方法,其特征在于基于自适应四分法构建二值化的皮肤纹理图像对应的四叉树;包括如下步骤:
S311,将整幅长宽相同的二值化的皮肤纹理图像作为四叉树的第1层根节点;
S312,均匀四分正方形的二值化的皮肤纹理图像,将分成的四个部分作为树的下一层节点,并记录当前4个分块的边长;
S313,分别统计4个部分的纹理像素数量,并记录4个统计数值的最大值、最小值和均值;
S314,如果最大值/最小值<明显不均匀性阈值,并且当前分块的边长>长度阈值,则转向步骤S315;否则,不再继续分割当前的分块,四叉树构建完成;
S315,针对每一个分块,重复步骤S312~S314。
9.一种基于自适应四分法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;
基于自适应四分法构建皮肤纹理图像对应的四叉树,根据四叉树每层节点数量评估皮肤图像的纹理特征。
10.一种皮肤图像评估系统,基于权利要求1所述的基于自适应四分法的皮肤图像纹理评估方法实现,其特征在于包括采集模块、处理模块以及传输显示模块;
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上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,并对所述皮肤图像的纹理粗细属性百分比数值进行显示;
所述处理模块用以对采集的皮肤图像进行处理,基于自适应四分法构建皮肤纹理图像对应的四叉树,根据四叉树每层节点数量评估皮肤图像的纹理特征,并将该皮肤图像的纹理粗细属性百分比数值发送到传输显示模块进行显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910138874.6A CN109919843B (zh) | 2019-02-25 | 2019-02-25 | 一种基于自适应四分法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 |
---|---|---|---|
CN201910138874.6A CN109919843B (zh) | 2019-02-25 | 2019-02-25 | 一种基于自适应四分法的皮肤图像纹理评估方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109919843A true CN109919843A (zh) | 2019-06-21 |
CN109919843B CN109919843B (zh) | 2022-05-13 |
Family
ID=66962239
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910138874.6A Active CN109919843B (zh) | 2019-02-25 | 2019-02-25 | 一种基于自适应四分法的皮肤图像纹理评估方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109919843B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110310223A (zh) * | 2019-07-03 | 2019-10-08 | 云南电网有限责任公司电力科学研究院 | 一种紫外光与可见光图像的融合方法 |
CN111028214A (zh) * | 2019-12-05 | 2020-04-17 | 北京美医医学技术研究院有限公司 | 一种基于云平台的皮肤检测装置 |
CN111134620A (zh) * | 2019-12-30 | 2020-05-12 | 北京美丽年华文化有限公司 | 一种基于大数据技术的肤质检测系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070217690A1 (en) * | 2006-03-20 | 2007-09-20 | Accenture Global Services Gmbh | Image processing system for skin detection and localization |
WO2015100731A1 (en) * | 2014-01-03 | 2015-07-09 | Mediatek Singapore Pte. Ltd. | Methods for determining the prediction partitions |
CN105336003A (zh) * | 2015-09-28 | 2016-02-17 | 中国人民解放军空军航空大学 | 结合gpu技术实时流畅绘制出三维地形模型的方法 |
CN106600585A (zh) * | 2016-12-08 | 2017-04-26 | 北京工商大学 | 基于灰度共生矩阵的皮肤状态定量评价方法 |
-
2019
- 2019-02-25 CN CN201910138874.6A patent/CN109919843B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070217690A1 (en) * | 2006-03-20 | 2007-09-20 | Accenture Global Services Gmbh | Image processing system for skin detection and localization |
WO2015100731A1 (en) * | 2014-01-03 | 2015-07-09 | Mediatek Singapore Pte. Ltd. | Methods for determining the prediction partitions |
CN105336003A (zh) * | 2015-09-28 | 2016-02-17 | 中国人民解放军空军航空大学 | 结合gpu技术实时流畅绘制出三维地形模型的方法 |
CN106600585A (zh) * | 2016-12-08 | 2017-04-26 | 北京工商大学 | 基于灰度共生矩阵的皮肤状态定量评价方法 |
Non-Patent Citations (3)
Title |
---|
林绵: "面部皮肤评测系统的设计与实现", 《中国优秀硕士学位论文全文数据库 (信息科技辑)》 * |
纪志鹏等: "大规模多分辨率纹理数据管理与建模研究", 《科学技术与工程》 * |
陈文睿等: "基于图像的皮肤纹理评价算法研究", 《日用化学工业》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110310223A (zh) * | 2019-07-03 | 2019-10-08 | 云南电网有限责任公司电力科学研究院 | 一种紫外光与可见光图像的融合方法 |
CN111028214A (zh) * | 2019-12-05 | 2020-04-17 | 北京美医医学技术研究院有限公司 | 一种基于云平台的皮肤检测装置 |
CN111134620A (zh) * | 2019-12-30 | 2020-05-12 | 北京美丽年华文化有限公司 | 一种基于大数据技术的肤质检测系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109919843B (zh) | 2022-05-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10552989B2 (en) | Point cloud attribute compression method based on KD tree and optimized graph transformation | |
CN108573276B (zh) | 一种基于高分辨率遥感影像的变化检测方法 | |
CN109815893B (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 | |
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 | |
Li et al. | Analyzing spatial restructuring of land use patterns in a fast growing region using remote sensing and GIS | |
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 | |
Kandhway et al. | An optimal adaptive thresholding based sub-histogram equalization for brightness preserving image contrast enhancement | |
Tedesco et al. | A scenario for impacts of water availability loss due to climate change on riverine fish extinction rates | |
Clarke | Use of shark fin trade data to estimate historic total shark removals in the Atlantic Ocean | |
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 | |
CN107808358A (zh) | 图像水印自动检测方法 | |
CN105469098A (zh) | 一种自适应特征权重合成的lidar数据地物精确分类方法 | |
CN114022872B (zh) | 基于动态神经网络的多种类农作物叶病识别方法 | |
CN109544501A (zh) | 一种基于无人机多源图像特征匹配的输电设备缺陷检测方法 | |
CN110070539A (zh) | 基于信息熵的图像质量评价方法 | |
CN104036493B (zh) | 一种基于多重分形谱的无参考图像质量评价方法 | |
CN103995860B (zh) | 一种基于颜色特征提取的图像检索系统及其方法 | |
CN111161362A (zh) | 一种茶树生长状态光谱影像鉴别方法 | |
CN110022531A (zh) | 一种本地化差分隐私城市垃圾数据报告和隐私计算方法 | |
CN110390673A (zh) | 一种监控场景下基于深度学习的香烟自动检测方法 | |
CN107657633A (zh) | 一种基于bp神经网络和传感器数据采集的土地秸秆覆盖率测算方法 | |
CN109685772A (zh) | 一种基于配准失真表示的无参照立体图像质量评估方法 | |
Villoslada et al. | A framework for habitat monitoring and climate change modelling: construction and validation of the Environmental Stratification of Estonia | |
CN115810149A (zh) | 基于超像素与图卷积的高分辨率遥感图像建筑物提取方法 | |
Singh et al. | Spatial entropy quartiles-based texture-aware fractional-order unsharp masking for visibility enhancement of remotely sensed images |
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 |