CN109949273A - 一种基于纹理对称性的皮肤图像纹理分割方法及系统 - Google Patents
一种基于纹理对称性的皮肤图像纹理分割方法及系统 Download PDFInfo
- Publication number
- CN109949273A CN109949273A CN201910138321.0A CN201910138321A CN109949273A CN 109949273 A CN109949273 A CN 109949273A CN 201910138321 A CN201910138321 A CN 201910138321A CN 109949273 A CN109949273 A CN 109949273A
- Authority
- CN
- China
- Prior art keywords
- texture
- pixel
- skin
- 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
Abstract
本发明公开了一种基于纹理对称性的皮肤图像纹理分割方法及系统。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;根据纹理像素对称性,统计皮肤纹理图像中每个纹理像素的对称像素对特征,剔除纹理像素中的伪纹理像素。该方法分割皮肤图像纹理准确度高,速度快,评估结果良好。
Description
技术领域
本发明涉及一种基于纹理对称性的皮肤图像纹理分割方法,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之后,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、滤波等初步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。所以初步处理皮肤图像,得到分割效果好的二值化纹理图像是皮肤图像纹理特征定量评估最为关键的初步处理步骤。
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对称性的皮肤图像纹理分割方法。
本发明所要解决的另一技术问题在于提供一种基于纹理对称性的皮肤图像纹理分割系统。
本发明所要解决的第三技术问题在于提供一种基于纹理对称性的皮肤图像纹理分割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,提供一种基于纹理对称性的皮肤图像纹理分割方法,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;
根据纹理像素对称性,统计皮肤纹理图像中每个纹理像素的对称像素对特征,剔除纹理像素中的伪纹理像素。
其中较优地,所述基于纹理对称性的皮肤图像纹理分割方法,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,为纹理像素;否则,所述像素标记为0值,为非纹理像素;
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,根据纹理像素对称性,统计皮肤纹理图像中每个纹理像素的对称像素对特征,剔除纹理像素中的伪纹理像素;包括如下步骤:
确定满足纹理像素对称性的方形区域的边长;
针对二值化的皮肤纹理图像的每一个纹理像素,根据纹理像素对称性,统计该纹理像素中有效对称点对数量;如果所述有效对称点对数量小于给定阈值,则判断所述纹理像素是伪纹理,剔除伪纹理,否则,所述纹理像素不是伪纹理。
其中较优地,针对二值化的皮肤纹理图像的每一个纹理像素,根据纹理像素对称性,统计该纹理像素中有效对称点对数量;如果所述有效对称点对数量小于给定阈值,则判断所述纹理像素是伪纹理,剔除伪纹理,否则,所述纹理像素不是伪纹理;包括如下步骤:
S321,确定纹理像素ci的方形区域,找到方形区域的正中心位置p;其中,i=1,2……N,N为皮肤纹理图像中纹理像素的个数;
S322,在方形区域的边界的4条边上,均匀确定8个点(pi,其中,i=1,2……8)用于计算对称性;
S323,方形区域中心点p作为点对称的中心点,确定步骤S322中的8个点各自的对称点,pi的对称点为qi;
S324,步骤S323中,以q1点像素为中心,q1的上、下、左、右、左上、右上、左下、右下相邻像素以及q1点像素确定9个点;
S325,在二值化的皮肤纹理图像上,根据q1的对称点p1点对应的像素和步骤S324确定的9个点分别对应的像素的纹理属性值,确定p1、q1是否有效对称点对;
S326,重复步骤S324~,S325,分别计算ci的8对有序点对(pi,qi)是否是有效对称点对,统计纹理像素ci的8个有序点对的有效对称点对数量n,如果有效对称点对数量小于给定阈值,则认为纹理像素ci为伪纹理,标记ci的值由1更改为0;
S327,判断i是否小于N;如果是,则i=1+1,重复上述步骤S321~S326;否则,剔除二值化的皮肤纹理图像中的伪纹理像素过程完成。
其中较优地,确定p1、q1是否有效对称点对,包括如下步骤:
统计q1点及其周围9个像素的标记值为1和0的数量,分别标记为n1,n0;
如果p1点像素值为1,且其对称点q1处9个像素点存在n1/n0≧2,则对称点p1、q1为一对有效的对称点对;否则p1、q1是无效的对称点对;
如果p1点像素值为0,且其对称点q1处9个像素点存在n0/n1≧2,则对称点p1、q1为一对有效的对称点对;否则p1、q1是无效的对称点对。
根据本发明实施例的第二方面,提供一种基于纹理对称性的皮肤图像纹理分割系统,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;
根据纹理像素对称性,统计皮肤纹理图像中每个纹理像素的对称像素对特征,剔除纹理像素中的伪纹理像素。
根据本发明实施例的第三方面,还提供一种基于纹理对称性的皮肤图像纹理分割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;
所述处理模块用以对采集的皮肤图像进行处理,根据纹理像素对称性,统计皮肤纹理图像中每个纹理像素的对称像素对特征,剔除纹理像素中的伪纹理像素,得到二值化纹理图像,并将二值化纹理图像发送到显示模块进行显示。
本发明所提供的基于纹理对称性的皮肤图像纹理分割方法,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、去除不均匀光照影响、二值化皮肤纹理图像、纹理对称性特征去除伪纹理,得到较为准确的皮肤纹理二值化图像,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对称性的皮肤图像纹理分割方法的流程图;
图2为本发明所提供的一个实施例中,进行对称性计算的示意图;
图3为本发明所提供的基于纹理对称性的皮肤图像纹理分割系统的结构示意图;
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分割的流程图;
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。
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。
本发明所提供的基于纹理对称性的皮肤图像纹理分割方法,重点关注皮肤图像的初步处理步骤,好的初步处理方法会得到具有明显纹理特征的皮肤纹理二值化图像,再通过简单统计方法即可获取皮肤图像的纹理特征数值。如图1所示,本发明所提供的基于纹理对称性的皮肤图像纹理分割方法,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,根据纹理像素对称性,统计皮肤纹理图像中每个纹理像素的对称像素对特征,剔除纹理像素中的伪纹理像素。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对称性的皮肤图像纹理分割方法,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,根据纹理像素对称性,统计皮肤纹理图像中每个纹理像素的对称像素对特征,剔除纹理像素中的伪纹理像素。
逐个处理二值化皮肤纹理图像的每一个标记为1值的纹理像素,根据纹理对称性,剔除伪纹理像素,具体包括如下步骤:
S31,确定满足纹理像素对称性的方形区域A的边长edge。
皮肤图像的纹理表现为各种规则或者不规则的线条形状,对于一个纹理像素,在极小范围内(如边长20像素的方形),其周围的纹理像素具有准对称性质,根据纹理像素对称性,可剔除伪纹理像素,从而更准确的得到分割后的皮肤纹理二值图像,所以在本发明所提供的实施例中,根据纹理对称性,确定满足纹理像素对称性的方形区域A的边长edge,边长以单位像素为单位,一般20~50之间的数值;其设定可以根据对历史皮肤纹理图像进行分析获得,也可以根据需求进行设定。
S32,针对二值化的皮肤纹理图像的每一个纹理像素(值等于1),根据纹理像素对称性,统计该纹理像素中有效对称点对数量;如果该有效对称点对数量小于给定阈值,则判断该纹理像素是伪纹理,剔除伪纹理,即标记该纹理像素为0值(皮肤背景像素),否则,该纹理像素不是伪纹理。如图2所示,具体包括如下步骤:
S321,确定纹理像素ci的方形区域A,找到方形区域A的正中心位置p;其中,i=1,2……N,N为皮肤纹理图像中纹理像素的个数。
S322,在方形区域A的边界的4条边上,均匀确定8个点用于计算对称性;具体的,这8个点分别是方形区域A的4条边的中心点以及方形区域A的4个顶点;
S323,方形区域A中心点p作为点对称的中心点,确定步骤S322中的8个点(pi,其中,i=1,2……8)各自的对称点(pi的对称点为qi),如p1的对称点为q1,这样的有序对称点共有8对;
S324,步骤S323中,以q1点像素为中心,q1的上、下、左、右、左上、右上、左下、右下相邻像素以及q1点像素可确定9个点;
S325,在二值化的皮肤纹理图像上,根据p1点对应的像素和q1点及其周围共9个点分别对应的像素的纹理属性值(此时,纹理像素被标记为1,背景值为0),确定p1、q1是否有效对称点对(同样方法确定8个有序点pi,qi分别是否是有效对称点对)。具体包括如下步骤:
S3251,统计q1点及其周围9个像素的标记值为1和0的数量,分别标记为n1,n0;
S3252,如果p1点像素值为1(纹理像素),且其对称点q1处9个像素点存在n1/n0≧2,则认为对称点p1、q1为一对有效的对称点对;否则认为p1、q1是无效的对称点对;
S3253,如果p1点像素值为0(背景像素),且其对称点q1处9个像素点存在n0/n1≧2,则认为对称点p1、q1为一对有效的对称点对;否则认为p1、q1是无效的对称点对;
S326,统计纹理像素ci的8个有序点对pi,qi的有效对称点对数量n,如果有效对称点对数量小于给定阈值(在本发明所提供的实施例中,以给定阈值为6进行说明,即n<6),则认为纹理像素ci为伪纹理,标记ci的值由1(纹理像素)更改为0(背景像素)。
具体的,二值化的皮肤纹理图像上,确定准纹理像素p是否伪纹理像素,根据步骤S323可确定纹理像素ci存在8个有序点对,通过步骤S325可确定每个点对是否有效对称点对,统计ci的8个有序点对的有效对称点对数量n,如果n<6,则认为准纹理像素p为伪纹理,标记ci的值由1(纹理像素)更改为0(背景像素)。
S327,判断i是否小于N;如果是,则i=1+1,重复上述步骤S321~S326;否则,剔除纹理像素中的伪纹理像素过程完成。
综上所述,本发明所提供的基于纹理对称性的皮肤图像纹理分割方法,通过皮肤图像纹理对称性特征,得到纹理像素和非纹理像素组成的皮肤纹理图像,剔除伪纹理像素之后,获得的皮肤图像的皮肤纹理二值化图像,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)逐个处理纹理像素,根据纹理对称性,剔除伪纹理像素。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,得到皮肤纹理二值化图像。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,本发明所提供的方法优点是根据皮肤图像纹理线条局部对称性,对初步获取的二值化的皮肤纹理图像,做进一步的伪纹理剔除操作,可对原始皮肤图像给出分割效果很好的皮肤纹理二值化图像。除此之外,本发明所提供的方法对皮肤图像适用性广泛,分割纹理像素效果好,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对称性的皮肤图像纹理分割系统。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对称性的皮肤图像纹理分割系统,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;
根据纹理像素对称性,统计皮肤纹理图像中每个纹理像素的对称像素对特征,剔除纹理像素中的伪纹理像素。
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,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;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,当根据纹理像素对称性,统计皮肤纹理图像中每个纹理像素的对称像素对特征,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;
确定满足纹理像素对称性的方形区域的边长;
针对二值化的皮肤纹理图像的每一个纹理像素,根据纹理像素对称性,统计该纹理像素中有效对称点对数量;如果所述有效对称点对数量小于给定阈值,则判断所述纹理像素是伪纹理,剔除伪纹理,否则,所述纹理像素不是伪纹理。
其中,当针对二值化的皮肤纹理图像的每一个纹理像素,根据纹理像素对称性,统计该纹理像素中有效对称点对数量;如果所述有效对称点对数量小于给定阈值,则判断所述纹理像素是伪纹理,剔除伪纹理,否则,所述纹理像素不是伪纹理时;计算机程序被处理器32执行实现如下步骤;
S321,确定纹理像素ci的方形区域,找到方形区域的正中心位置p;其中,i=1,2……N,N为皮肤纹理图像中纹理像素的个数;
S322,在方形区域的边界的4条边上,均匀确定8个点用于计算对称性;
S323,方形区域中心点p作为点对称的中心点,确定步骤S322中的8个点各自的对称点;
S324,步骤S323中,以q1点像素为中心,q1的上、下、左、右、左上、右上、左下、右下相邻像素以及q1点像素确定9个点;
S325,在二值化的皮肤纹理图像上,根据q1的对称点p1点对应的像素和步骤S324确定的9个点分别对应的像素的纹理属性值,并确定p1、q1是否有效对称点对,同样方法确定8个有序点对pi,qi分别是否是有效对称点对;
S326,统计纹理像素ci的8个有序点对的有效对称点对数量n,如果有效对称点对数量小于给定阈值,则认为纹理像素ci为伪纹理,标记ci的值由1更改为0;
S327,判断i是否小于N;如果是,则i=1+1,重复上述步骤S321~S326;否则,剔除纹理像素中的伪纹理像素过程完成。
其中,当确定p1、q1是否有效对称点对时;计算机程序被处理器32执行实现如下步骤;
统计q1点及其周围9个像素的标记值为1和0的数量,分别标记为n1,n0;
如果p1点像素值为1,且其对称点q1处9个像素点存在n1/n0≧2,则对称点p1、q1为一对有效的对称点对;否则p1、q1是无效的对称点对;
如果p1点像素值为0,且其对称点q1处9个像素点存在n0/n1≧2,则对称点p1、q1为一对有效的对称点对;否则p1、q1是无效的对称点对。
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对称性的皮肤图像纹理分割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、处理模块以及显示模块。其中采集模块用以采集皮肤图像,处理模块用以对采集的皮肤图像进行处理,根据纹理像素对称性,统计皮肤纹理图像中每个纹理像素的对称像素对特征,剔除纹理像素中的伪纹理像素,得到纹理清晰的二值化纹理图像,并将二值化纹理图像发送到显示模块进行显示。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对称性的皮肤图像纹理分割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 |
客户端 | 手机Android客户端 | 5 |
云服务器 | Windows server 2012、MySql5.7.16 | 1 |
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,采集模块和显示模块可以集中在不同设备中,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,则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,还可以将采集模块和显示模块集中在同一个同设备中,例如集中在手机客户端,采用手机微距拍照获取皮肤彩色图像,其结构框图如图4所示,对应的皮肤图像纹理评估流程如图5所示,手机客户端登录系统之后,手机客户端采集彩色的皮肤图像,图像可以为不同大小尺寸彩色微距图片;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;服务器端算法根据原始的彩色的皮肤图像,采用本发明的基于纹理对称性的皮肤图像纹理分割给出二值化纹理图像,同时在手机客户端显示皮肤纹理二值化图像。
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,手机客户端采像并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,系统程序直接打开彩色的皮肤图像到计算机内存;经过灰度化彩色的皮肤图像、去掉不均匀光照背景得到皮肤计算图像;皮肤图像二值化得到二值化的皮肤纹理图像;根据纹理对称性特征,统计每个准纹理像素的对称像素对特征,进一步剔除伪纹理像素。通过上述实施例,可有效对一幅皮肤图像的纹理特征做二值化分割,分割效果好,参见图6。
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,采用本发明的基于纹理对称性的皮肤图像纹理分割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,图6是部分微距彩色皮肤图像及其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。
上面对本发明所提供的基于纹理对称性的皮肤图像纹理分割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)
1.一种基于纹理对称性的皮肤图像纹理分割方法,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;
根据纹理像素对称性,统计皮肤纹理图像中每个纹理像素的对称像素对特征,剔除纹理像素中的伪纹理像素。
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。
3.如权利要求2所述的基于纹理对称性的皮肤图像纹理分割方法,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。
4.如权利要求3所述的基于纹理对称性的皮肤图像纹理分割方法,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。
5.如权利要求2所述的基于纹理对称性的皮肤图像纹理分割方法,其特征在于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,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,为纹理像素;否则,所述像素标记为0值,为非纹理像素;
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。
6.如权利要求1所述的基于纹理对称性的皮肤图像纹理分割方法,其特征在于根据纹理像素对称性,统计皮肤纹理图像中每个纹理像素的对称像素对特征,剔除纹理像素中的伪纹理像素;包括如下步骤:
确定满足纹理像素对称性的方形区域的边长;
针对二值化的皮肤纹理图像的每一个纹理像素,根据纹理像素对称性,统计该纹理像素中有效对称点对数量;如果所述有效对称点对数量小于给定阈值,则判断所述纹理像素是伪纹理,剔除伪纹理,否则,所述纹理像素不是伪纹理。
7.如权利要求6所述的基于纹理对称性的皮肤图像纹理分割方法,其特征在于针对二值化的皮肤纹理图像的每一个纹理像素,根据纹理像素对称性,统计该纹理像素中有效对称点对数量;如果所述有效对称点对数量小于给定阈值,则判断所述纹理像素是伪纹理,剔除伪纹理,否则,所述纹理像素不是伪纹理;包括如下步骤:
S321,确定纹理像素ci的方形区域,找到方形区域的正中心位置p;其中,i=1,2……N,N为皮肤纹理图像中纹理像素的个数;
S322,在方形区域的边界的4条边上,均匀确定8个点(pi,其中,i=1,2……8)用于计算对称性;
S323,方形区域中心点p作为点对称的中心点,确定步骤S322中的8个点各自的对称点,pi的对称点为qi;
S324,步骤S323中,以q1点像素为中心,q1的上、下、左、右、左上、右上、左下、右下相邻像素以及q1点像素确定9个点;
S325,在二值化的皮肤纹理图像上,根据q1的对称点p1点对应的像素和步骤S324确定的9个点分别对应的像素的纹理属性值,确定p1、q1是否有效对称点对;
S326,重复步骤S324~,S325,分别计算ci的8对有序点对(pi,qi)是否是有效对称点对,统计纹理像素ci的8个有序点对的有效对称点对数量n,如果有效对称点对数量小于给定阈值,则认为纹理像素ci为伪纹理,标记ci的值由1更改为0;
S327,判断i是否小于N;如果是,则i=1+1,重复上述步骤S321~S326;否则,剔除二值化的皮肤纹理图像中的伪纹理像素过程完成。
8.如权利要求7所述的基于纹理对称性的皮肤图像纹理分割方法,其特征在于确定p1、q1是否有效对称点对,包括如下步骤:
统计q1点及其周围9个像素的标记值为1和0的数量,分别标记为n1,n0;
如果p1点像素值为1,且其对称点q1处9个像素点存在n1/n0≧2,则对称点p1、q1为一对有效的对称点对;否则p1、q1是无效的对称点对;
如果p1点像素值为0,且其对称点q1处9个像素点存在n0/n1≧2,则对称点p1、q1为一对有效的对称点对;否则p1、q1是无效的对称点对。
9.一种基于纹理对称性的皮肤图像纹理分割系统,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;
根据纹理像素对称性,统计皮肤纹理图像中每个纹理像素的对称像素对特征,剔除纹理像素中的伪纹理像素。
10.一种皮肤图像评估系统,基于权利要求1所述的基于纹理对称性的皮肤图像纹理分割方法实现,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;
所述处理模块用以对采集的皮肤图像进行处理,根据纹理像素对称性,统计皮肤纹理图像中每个纹理像素的对称像素对特征,剔除纹理像素中的伪纹理像素,得到二值化纹理图像,并将二值化纹理图像发送到显示模块进行显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910138321.0A CN109949273B (zh) | 2019-02-25 | 2019-02-25 | 一种基于纹理对称性的皮肤图像纹理分割方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910138321.0A CN109949273B (zh) | 2019-02-25 | 2019-02-25 | 一种基于纹理对称性的皮肤图像纹理分割方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109949273A true CN109949273A (zh) | 2019-06-28 |
CN109949273B CN109949273B (zh) | 2022-05-13 |
Family
ID=67006897
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910138321.0A Active CN109949273B (zh) | 2019-02-25 | 2019-02-25 | 一种基于纹理对称性的皮肤图像纹理分割方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109949273B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111724348A (zh) * | 2020-05-29 | 2020-09-29 | 精诚工坊电子集成技术(北京)有限公司 | 一种基于纹理丘沟特征计算皮肤图像纹理属性的方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002094098A1 (en) * | 2001-05-18 | 2002-11-28 | Polartechnics Limited | Diagnostic feature extraction in dermatological examination |
CN103679136A (zh) * | 2013-10-24 | 2014-03-26 | 北方工业大学 | 基于局部宏观特征和微观特征结合的手背静脉身份识别方法 |
WO2015158604A1 (en) * | 2014-04-15 | 2015-10-22 | Alcatel Lucent | Capturing an environment with objects |
CN106228545A (zh) * | 2016-07-14 | 2016-12-14 | 西北民族大学 | 一种佛像类唐卡一致性破损区域的自动分割方法 |
-
2019
- 2019-02-25 CN CN201910138321.0A patent/CN109949273B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002094098A1 (en) * | 2001-05-18 | 2002-11-28 | Polartechnics Limited | Diagnostic feature extraction in dermatological examination |
CN103679136A (zh) * | 2013-10-24 | 2014-03-26 | 北方工业大学 | 基于局部宏观特征和微观特征结合的手背静脉身份识别方法 |
WO2015158604A1 (en) * | 2014-04-15 | 2015-10-22 | Alcatel Lucent | Capturing an environment with objects |
CN106228545A (zh) * | 2016-07-14 | 2016-12-14 | 西北民族大学 | 一种佛像类唐卡一致性破损区域的自动分割方法 |
Non-Patent Citations (4)
Title |
---|
MICHAEL BLEYER等: "Graph-cut-based stereo matching using image segmentation with symmetrical treatment of occlusions", 《SIGNAL PROCESSING: IMAGE COMMUNICATION》 * |
ZHIPING SHI等: "Symmetrical Invariant LBP Texture Descriptor and Application for Image Retrieval", 《2008 CONGRESS ON IMAGE AND SIGNAL PROCESSING》 * |
徐少平等: "基于LBP值对空间统计特征的纹理描述符", 《模式识别与人工智能》 * |
肖鸣喜: "无人驾驶汽车的交通标志图文识别与理解", 《中国优秀硕士学位论文全文数据库 (信息科技辑)》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111724348A (zh) * | 2020-05-29 | 2020-09-29 | 精诚工坊电子集成技术(北京)有限公司 | 一种基于纹理丘沟特征计算皮肤图像纹理属性的方法 |
CN111724348B (zh) * | 2020-05-29 | 2024-03-26 | 精诚工坊电子集成技术(北京)有限公司 | 一种基于纹理丘沟特征计算皮肤图像纹理属性的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109949273B (zh) | 2022-05-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yiyang | The design of glass crack detection system based on image preprocessing technology | |
CN108052980B (zh) | 基于图像的空气质量等级检测方法 | |
Hu et al. | A novel LBP based methods for pavement crack detection | |
Zhao et al. | A fast fusion scheme for infrared and visible light images in NSCT domain | |
CN101877127B (zh) | 基于梯度剖面的图像无参考质量评价方法及系统 | |
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 | |
CN107798672A (zh) | 烟丝或梗丝的宽度测定方法、系统及具有该系统的服务器 | |
CN104036493B (zh) | 一种基于多重分形谱的无参考图像质量评价方法 | |
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 | |
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 | |
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 | |
CN108830856B (zh) | 一种基于时间序列sd-oct视网膜图像的ga自动分割方法 | |
CN110070539A (zh) | 基于信息熵的图像质量评价方法 | |
CN109360192A (zh) | 一种基于全卷积网络的物联网大田作物叶部病害检测方法 | |
CN102306378A (zh) | 一种图像增强方法 | |
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 | |
CN115272303B (zh) | 基于高斯模糊的纺织物缺陷程度评估方法、装置及系统 | |
CN116630813B (zh) | 一种公路路面施工质量智能检测系统 | |
CN110047079A (zh) | 一种基于对象相似性的最优分割尺度选择方法 | |
CN1564600A (zh) | 动态场景下的运动物体检测方法 | |
CN105469358B (zh) | 一种图像处理方法 | |
CN114965316A (zh) | 一种基于高光谱多参数的水质监测方法、计算机程序产品 | |
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 | |
CN116740580A (zh) | 基于遥感技术的园林工程数据处理方法 | |
Samanta | A novel statistical approach for segmentation of SAR 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 |