CN111784635A - 一种基于图像颜色空间的皮肤表面荧光点检测与评估方法 - Google Patents
一种基于图像颜色空间的皮肤表面荧光点检测与评估方法 Download PDFInfo
- Publication number
- CN111784635A CN111784635A CN202010474310.2A CN202010474310A CN111784635A CN 111784635 A CN111784635 A CN 111784635A CN 202010474310 A CN202010474310 A CN 202010474310A CN 111784635 A CN111784635 A CN 111784635A
- Authority
- CN
- China
- Prior art keywords
- point
- value
- fluorescent
- points
- fluorescence
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
- G06T7/41—Analysis of texture based on statistical description of texture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10064—Fluorescence image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Quality & Reliability (AREA)
- Radiology & Medical Imaging (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Geometry (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Spectrometry And Color Measurement (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本发明公布了一种基于图像颜色空间的皮肤表面荧光点检测方法,对相同分辨率的皮肤微距数字图像进行处理,得到皮肤图像荧光点的多个指标数值,用于标识微距皮肤图像表面的荧光点特征。采用本发明方法进行荧光点检测与计算,对皮肤图像荧光点的检测准确度高,具有实际应用价值。
Description
技术领域
本发明涉及皮肤荧光点检测技术,具体涉及一种基于图像颜色空间的皮肤表面荧光点检测评估方法,属于皮肤图像处理应用技术领域。
背景技术
客观、定量的对皮肤图像进行检测、识别与评估是近几年皮肤图像处理领域的研究热点之一。目前国内外皮肤表面状态检测技术还比较落后,传统采用目测方法,仅凭经验判断会带来很大的误差。随着计算机图像处理技术的飞速发展,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。
皮肤图像的特征包括颜色、纹理、荧光点、光泽度、毛孔、斑点等,其中荧光点特征是一种重要的皮肤度量指标。图像检测荧光点算法最近几年被提出,目前方法主要是对图像灰化然后对图像做阈值分割实现皮肤荧光点像素的检测,该方法可自动识别荧光点像素点,但没有荧光点区域的线面特征,不能提供评估一幅皮肤图像表面荧光点数量、大小、长度、宽度等数值指标。
发明内容
本发明的目的在于实现一种基于图像颜色空间(如RGB、HSV)的皮肤表面荧光点检测方法,根据皮肤图像像素颜色值信息,计算一幅图像的表面荧光点特征值,实现皮肤图像荧光点检测与评估。
本发明中,皮肤图像来自于数字图像采集设备,可利用微距皮肤采像设备进行采像得到或对常规图像进行预处理得到。目前图像文件多采用RGB颜色空间,本发明算法直接利用RGB颜色空间像素颜色值做荧光点检测;选取荧光点特征最明显的蓝色分量做荧光点检测;提取皮肤图像荧光点特征像素集合,填补小空洞,去除孤立噪声点,计算荧光点亮度属性和占比;计算荧光点宽度;通过四连通算法计算一个荧光点区域的面积,从而可以计算荧光点长度和荧光亮度;通过本发明方法,对一幅皮肤微距图像的计算,可得到荧光点特征值,通过这个特征值可准确度高的定量评估一幅微距皮肤图像表面荧光点特征,本发明算法计算速度快,计算的荧光点特征值指标准确度高,具有很大市场应用价值。
本发明提出的基于图像颜色空间的皮肤表面荧光点检测方法可对相同分辨率的皮肤微距数字图像做处理,得到衡量一幅皮肤图像荧光点的多个指标数值,该数值可标识微距皮肤图像表面的荧光点特征,主要包括如下步骤内容:
(1)读取皮肤图像颜色空间(RGB空间)像素颜色值矩阵到内存;
(2)提取皮肤图像荧光点特征像素集合,填补小空洞,去除孤立噪声点,计算荧光点亮度属性Light和占比Ratio;
(3)计算荧光点宽度Wavg;
(4)计算荧光点区域的平均大小Size和长度Length;
通过本发明方法提供的荧光点检测与计算方法,检测皮肤图像荧光点准确度高,具有实际应用价值,具体来说,本发明的方法包括下列步骤:
A.读取皮肤图像颜色空间(RGB空间)像素颜色值矩阵到内存,具体如下:
A1.图像文件是本发明方法的唯一参数;
A2.图像文件可以存放在本地、网络或其他媒体介质上;
A3.读取图像文件的RGB值到计算机内存作为后续算法计算的基础;
A4.图像文件格式包括但不局限于jpg、bmp、png等;
B.提取皮肤图像荧光点特征像素集合,填补小空洞,去除孤立噪声点,计算荧光点亮度属性Light和占比Ratio,具体步骤如下:
B1.彩色皮肤图像灰度化,结果为灰度图像img1;
彩色图像每个像素有RGB三个颜色分量,采用具有良好荧光效果的蓝色分量作为灰化图像img1的灰度值;
B2.提取皮肤图像荧光点特征像素集合;
B2.1计算灰度图像img1的灰度均值avg1;
B2.2灰度图像img1上,荧光点是视觉效果为高亮的像素点,设定阈值Vt,如Vt=avg1+60;
B2.3遍历灰度图像img1的每一个像素点p,p点的灰度值为v,如果v<Vt,则重新赋值v=avg1(背景像素),v≥Vt,则v值不变(荧光点像素),此方法可剔除视觉效果偏黑色的毛发、毛孔、斑点、纹理以及低亮度的脂肪点等皮肤特征,只保留高亮荧光点特征;
B2.4遍历完灰度图像img1后,每个像素的灰度值范围为[avg1,255];
B3.灰度拉伸,增强皮肤图像荧光点特征;
灰度图像img1由灰度范围[avg1,255],正比例线性拉伸到范围[0,255];
B4.灰度图像二值化,得到荧光点特征二值化图像img2;
B4.1设定阈值Vt1,如Vt1=120;
B4.2遍历灰度图像img1的每一个像素点p1,p1点的灰度值为v1,如果v<Vt1,则赋值图像img2对应像素点值为0(背景像素),否则赋值为255(荧光点像素);
B4.3遍历完成灰度图像img1后,得到二值化图像img2:0值标识背景像素,255标识荧光点像素;
B5填补小空洞,去除孤立噪声点,具体步骤如下:
B5.1逐行逐列遍历二值化图像img2的每个值为255的像素点p4(荧光点),对每个像素点p4分别处理:统计p4点的8个邻点(上、下、左、右、左上、左下、右上、右下)在图像img2上的值为0的点(背景点)的数量num,此时num值范围为[0,8],根据num值分3种情况分别处理如下:
B5.1.1当num=0(即荧光点p4的8邻点中背景点的数量=0)时,p4点周围没有空洞,继续步骤5.1遍历下一个荧光点;
B5.1.2当num=8(即荧光点p4的8邻点中背景点的数量=8)时,此时的p4为孤立荧光噪声点,直接在img2上更改p4点的值255(荧光点)为0值(背景);
B5.1.3当0<num<8(即荧光点p4的8邻点中背景点的数量范围在0~8之间)时,逐个处理p4点(荧光点)的8个邻点值为0的点p40(背景点,一共有num个),在背景点p40点的8邻点中,统计值为255(荧光点)的点的数量num1,此时num1值范围[1,8],根据num1数值,分别处理如下:
B5.1.3.1当num1<6(即背景点p40的8邻点中荧光点数量<6)时,p40点(背景点)值不改变,p40仍旧为背景点;
B5.1.3.2当num1≥6(即背景点p40的8邻点中荧光点数量≥6)时,p40点(背景点)的值由0更改为255(荧光点),此时的p40即为小空洞,更改其为荧光点,填补了小空洞;
B5.2步骤5.1中所有荧光点遍历并处理完成后,能够填补二值化图像img2上荧光点区域的很小的空洞,并且去除了孤立荧光点;
B6计算荧光点亮度属性Light和占比Ratio
B6.1所有荧光点像素(图像img2上值为255的像素)在灰度图像img1上的灰度值的均值Light,可标识皮肤图像的荧光点亮度属性;
B6.2所有荧光点像素的数量/整幅图像像素总数量的值Ratio,可标识皮肤图像的荧光点占比;
C.计算荧光点宽度Wavg,具体内容如下:
遍历二值化图像img2的每一个荧光点p4(值为255的点),每个点分别求宽度width,统计所有荧光点的宽度width的均值Wavg,Wavg可作为整幅皮肤图像的荧光点宽度指标值,具体步骤如下:
C1荧光点p4沿着4个方向分别求出宽度w1~w4,宽度采用荧光点的数量表示;具体步骤如下:
C1.1确定荧光点p4的4个方向分别为:水平方向、垂直方向、p4点左下到右上的方向以及p4点右下到左上的方向;
C1.2每个方向在荧光点p4处各被分割为2条射线,如水平方向由荧光点p4分割为水平向右的射线和水平向左的射线;
C1.3对荧光点p4的某个方向上的2条射线,分别从荧光点p4开始沿着射线逐个遍历每个像素p41,直至p41像素的值为0(背景点)或者图像边界停止,统计从荧光点p4开始到遍历停止时,荧光点p41点的数量num4(不包括p4点自身),2条射线的num4之和即为荧光点p4在该方向上的宽度值wi,其中i代表4个方向,即w1~w4;
C2取w1~w4中最小值为荧光点p4的宽度值width;
C3求所有荧光点的width的均值width_avg;
C4不统计width>2×width_avg的width,重新计算宽度均值Wavg;
C5整幅皮肤图像的荧光点宽度指标值为Wavg;
D.计算荧光点区域的大小Size和长度Length,进一步得到荧光点面积;具体步骤如下:
D1.二值化图像img2上,四连通遍历荧光点像素,得到每个荧光点区域的count值,即每个荧光点区域的像素数量,由此得到荧光点区域的面特征。
D1.1遍历二值化图像img2上值为255的一个像素点(荧光点),并入栈;
D1.2出栈一个像素点p5,更改其值为254,表示该荧光点像素已经遍历过,同时像素点数量计数count自增1;
D1.3逐个处理p5的上下左右四个邻接像素点q,如果q的值为255,入栈q点;
D1.4重复D1.2,D1.3,直到栈内无像素,此时的出栈计数count即为一个荧光点区域内的所有荧光点像素数量,可标识一个荧光点区域的大小;
D1.5重复步骤D1.1~D1.4,可得到每个荧光点区域的count值,即每个荧光点区域的像素数量;
D2.计算每个荧光点区域的大小;
一幅皮肤图像的所有荧光点区域的count值的均值Size可标识荧光点区域面积大小;
D3.计算所有荧光点区域的长度;
皮肤图像上所有荧光点区域的count值之和除以荧光点宽度值Wavg(参见C1.3),可得到标识荧光点总长度的值Length。
与现有技术相比,本发明的有益效果是:
本发明提供一种基于图像颜色空间的皮肤表面荧光点检测评估方法,根据皮肤图像颜色空间像素颜色值信息,计算一幅图像的表面荧光点特征值,实现皮肤图像荧光点的检测和评估。本发明的优点是直接利用RGB颜色空间像素颜色值做荧光点特征值计算,皮肤图像是唯一的参数;读取皮肤图像数据并且灰度化;;提取皮肤图像荧光点特征像素集合,填补小空洞,去除孤立噪声点,计算荧光点亮度属性和占比;计算荧光点区域的平均宽度;四连通遍历荧光点区域,可计算荧光点的大小、长度,本发明方法检测荧光点准确度高,速度快,因此该算法具有良好的市场应用前景和价值。
附图说明
图1是采用本发明方法的皮肤检测系统的结构框图。
图2是本发明提供的皮肤荧光点检测评估系统的流程框图。
图3是本发明提供的皮肤荧光点检测评估方法的流程图。
图4是本发明实施例中检测皮肤荧光点的部分皮肤图像界面截图。
图5是本发明实施例中按照荧光点占比排序的图像界面截图。
具体实施方式
下面结合附图,通过实施例进一步描述本发明,但不以任何方式限制本发明的范围。
本发明提供一种基于图像颜色空间的皮肤表面荧光点检测评估方法,根据皮肤图像RGB颜色空间像素颜色值信息,对一幅皮肤的表面荧光点做检测和评估计算。采用本发明方法实现了一套皮肤检测系统,该系统配置如表1:
表1本发明实施实现的皮肤表面荧光点检测系统的配置
皮肤检测系统由皮肤采像设备硬件设备,计算机服务器端和手机客户端构成,其结构框图如图1所示,皮肤荧光点检测评估流程如图2所示,具体包括如下实施步骤:(1)客户端手机登录;(2)皮肤采像设备采像,专用的皮肤采像设备,紫外线光源可保证每次采像的图像分辨率相同,都是1000*1000,光源相同,避免对皮肤图像做光源一致性预处理;(3)皮肤图像上传到计算机服务器端;(4)计算机服务器端采用本发明方法检测皮肤荧光点并计算荧光点特征数值;(5)荧光点特征数值返回给手机客户端显示;
本发明提供的皮肤荧光点检测评估方法只需要一个图像全路径作为参数,具体实施例与发明内容相同。
实施例结果表明,按照本发明的方法实现的基于图像RGB空间的皮肤表面荧光点检测方法,检测结果快速且检测结果准确度高。本实施例对83幅图像的荧光点做检测和计算,具体地,5个不同手机客户端分别登录并微距紫外线光源采像皮肤图像后上传到计算机服务器,对获取的83幅微距皮肤图像(近距离对皮肤拍摄得到的图像),计算机服务器端采用本发明方法计算了每幅图像的荧光点特征值(百分制处理,以便于手机客户能够理解数值含义),图3是本发明方法荧光点检测与计算流程图,图4是其中计算用的部分图像(系统界面截屏),相应的荧光点计算结果数值见表2;图5是按照荧光点占比排序的图像集合(系统界面截屏)。
表2采用本发明方法计算得到的每幅图像的荧光点特征值
需要注意的是,公布实施例的目的在于帮助进一步理解本发明,但是本领域的技术人员可以理解:在不脱离本发明及所附权利要求的精神和范围内,各种替换和修改都是可能的。因此,本发明不应局限于实施例所公开的内容,本发明要求保护的范围以权利要求书界定的范围为准。
Claims (4)
1.一种基于图像颜色空间的皮肤表面荧光点检测方法,对相同分辨率的皮肤微距数字图像进行处理,得到皮肤图像荧光点的多个指标数值,用于标识微距皮肤图像表面的荧光点特征,包括如下步骤:
1)读取皮肤图像RGB颜色空间的像素颜色值矩阵到内存;
2)提取皮肤图像荧光点特征像素集合,填补小空洞,去除孤立噪声点,计算荧光点的亮度属性Light和占比Ratio;包括如下操作:
B1.将彩色皮肤图像灰度化,得到灰度图像img1;具体采用具有良好荧光效果的蓝色分量作为灰化图像img1的灰度值;
B2.提取皮肤图像荧光点特征像素集合;包括:
B2.1计算得到灰度图像img1的灰度均值avg1;灰度图像img1中,荧光点是视觉效果为高亮的像素点;
B2.2设定阈值Vt,Vt取值大于avg1;
B2.3遍历灰度图像img1中的每一个像素点p;
记p点的灰度值为v,如果v<Vt,则重新赋值v为avg1,代表背景像素;若v≥Vt,则v值不变,代表荧光点像素;由此剔除皮肤中的毛发、毛孔、斑点、纹理以及低亮度脂肪点,只保留高亮荧光点;
B2.4遍历完灰度图像img1后,每个像素的灰度值范围为[avg1,255];
B3.进行灰度拉伸,增强皮肤图像荧光点特征;具体将灰度图像img1由灰度范围[avg1,255]进行正比例线性拉伸到范围[0,255];
B4.灰度图像二值化,得到荧光点特征二值化图像img2;包括如下过程:
B4.1设定阈值Vt1;
B4.2遍历灰度图像img1的每一个像素点p1,p1点的灰度值记为v1;如果v<Vt1,则将图像img2对应像素点值赋值为0,代表背景像素;否则赋值为255,代表荧光点像素;
B4.3遍历完成灰度图像img1后,得到二值化图像img2:其中的0值像素表示背景像素,255值像素表示荧光点像素;
B5填补小空洞,去除孤立噪声点;包括如下过程:
B5.1逐行逐列遍历二值化图像img2的每个值为255的像素点p4,对每个荧光点像素p4分别处理:获取p4点的8个邻点在图像img2上的值为0的点即背景点的数量,记为num;此时num的取值范围为[0,8];根据num值分情况分别处理如下:
B5.1.1当num=0,即荧光点p4的8邻点中背景点的数量=0时,p4点周围没有空洞,返回步骤B5.1处理下一个荧光点;
B5.1.2当num=8即荧光点p4的8邻点中背景点的数量=8时,此时的p4为孤立荧光噪声点,将img2中该点的值255即荧光点更改为0值背景点;
B5.1.3当0<num<8即荧光点p4的8邻点中背景点的数量范围在0~8之间时,逐个处理p4荧光点的8个邻点值为0的点p40;其中点p40为背景点,一共有num个;在背景点p40点的8邻点中,获取值为255即荧光点的点的数量num1,此时num1值范围[1,8],根据num1值,分别处理如下:
B5.1.3.1当num1<6即背景点p40的8邻点中荧光点数量<6时,p40点即背景点的值不改变,该点仍为背景点;
B5.1.3.2当num1≥6即背景点p40的8邻点中荧光点数量≥6时,将p40背景点的值由0更改为255,即荧光点;此情况的点p40即为小空洞,将其更改为荧光点,实现填补小空洞;
B5.2步骤B5.1中所有荧光点遍历并处理完成后,即完成填补二值化图像img2中荧光点区域的小空洞,并且去除了孤立荧光点;
B6计算荧光点亮度属性Light和占比Ratio;包括如下过程:
B6.1将所有荧光点像素即图像img2中值为255的像素在灰度图像img1中的灰度值的均值记为Light,作为标识皮肤图像的荧光点亮度属性;
B6.2将所有荧光点像素的数量除以整幅图像像素总数量的值,记为Ratio,用于标识皮肤图像的荧光点占比;
3)计算得到荧光点宽度Wavg:
遍历二值化图像img2的每一个荧光点p4,荧光点p4是值为255的点;对每个点分别求宽度width;计算得到所有荧光点的宽度width的均值Wavg,将Wavg作为整幅皮肤图像的荧光点宽度指标值;包括如下过程:
C1对荧光点p4沿着4个方向分别求得宽度w1~w4,宽度采用荧光点的数量表示;
C2将w1~w4中得最小值作为荧光点p4的宽度值width;
C3求得所有荧光点的宽度width的均值,记为width_avg;
C4剔除大于2×width_avg的宽度值width,重新计算得到宽度的均值,记为Wavg;
C5将Wavg作为整幅皮肤图像的荧光点宽度指标值;
4)计算荧光点区域的平均大小Size和长度Length,进一步得到荧光点面积;包括如下过程:
D1.对二值化图像img2,四连通遍历荧光点像素,得到每个荧光点区域的像素数量count值,由此得到荧光点区域的面特征;
D2.计算每个荧光点区域的大小;
计算得到皮肤图像中所有荧光点区域的像素数量count值的均值,记为Size,用于标识荧光点区域面积大小;
D3.计算得到所有荧光点区域的长度;
将皮肤图像中所有荧光点区域的像素数量count值之和除以荧光点宽度值Wavg,得到的值记为Length,用于标识荧光点总长度;
通过上述步骤,实现基于图像颜色空间的皮肤表面荧光点检测。
2.如权利要求1所述基于图像颜色空间的皮肤表面荧光点检测方法,其特征是,步骤A读取皮肤图像文件RGB颜色空间的像素颜色值矩阵到内存;所述皮肤图像文件为存放在本地、网络或其他媒体介质上;图像文件格式包括jpg、bmp、png。
3.如权利要求1所述基于图像颜色空间的皮肤表面荧光点检测方法,其特征是,步骤C1求得宽度w1~w4,具体包括如下过程:
C1.1确定荧光点p4的4个方向分别为:水平方向、垂直方向、p4点左下到右上的方向以及p4点右下到左上的方向;
C1.2每个方向在荧光点p4处被分割为2条射线;
C1.3对荧光点p4的某个方向上的2条射线,分别从荧光点p4开始,沿着射线逐个遍历每个像素p41,直至p41像素的值为0即背景点,或到达图像边界时停止;
获取到从荧光点p4开始到遍历停止时,荧光点p41点的数量num4,数量num4不包括p4点自身;2条射线的num4之和即为荧光点p4在该方向上的宽度值wi,其中i代表4个方向。
4.如权利要求1所述基于图像颜色空间的皮肤表面荧光点检测方法,其特征是,步骤D1中获取得到荧光点区域的面特征;具体包括如下过程:
D1.1遍历二值化图像img2中值为255的荧光点像素点,并入栈;
D1.2出栈一个像素点p5,更改其像素值为254,表示该荧光点像素已经遍历过,同时像素点数量计数count自增1;
D1.3逐个处理p5的上下左右四个邻接像素点q;如果q的值为255,将q点入栈;
D1.4重复执行上述过程D1.2~D1.3,直到栈内无像素,此时计数count即为一个荧光点区域内的所有荧光点像素的数量,用于标识一个荧光点区域的大小;
D1.5重复执行上述过程D1.1~D1.4,得到每个荧光点区域的count值,即每个荧光点区域的像素数量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010474310.2A CN111784635B (zh) | 2020-05-29 | 2020-05-29 | 一种基于图像颜色空间的皮肤表面荧光点检测与评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010474310.2A CN111784635B (zh) | 2020-05-29 | 2020-05-29 | 一种基于图像颜色空间的皮肤表面荧光点检测与评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111784635A true CN111784635A (zh) | 2020-10-16 |
CN111784635B CN111784635B (zh) | 2023-05-30 |
Family
ID=72754492
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010474310.2A Active CN111784635B (zh) | 2020-05-29 | 2020-05-29 | 一种基于图像颜色空间的皮肤表面荧光点检测与评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111784635B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160163028A1 (en) * | 2014-04-04 | 2016-06-09 | Beijing Kingsoft Network Technology Co., Ltd. | Method and device for image processing |
CN106846421A (zh) * | 2017-02-14 | 2017-06-13 | 深圳可思美科技有限公司 | 一种肤色检测方法及装置 |
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 |
CN107180415A (zh) * | 2017-03-30 | 2017-09-19 | 北京奇艺世纪科技有限公司 | 一种图像中皮肤美化处理方法及装置 |
US20180235534A1 (en) * | 2015-08-13 | 2018-08-23 | The Rockefeller University | Quantitative dermoscopic melanoma screening |
-
2020
- 2020-05-29 CN CN202010474310.2A patent/CN111784635B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160163028A1 (en) * | 2014-04-04 | 2016-06-09 | Beijing Kingsoft Network Technology Co., Ltd. | Method and device for image processing |
US20180235534A1 (en) * | 2015-08-13 | 2018-08-23 | The Rockefeller University | Quantitative dermoscopic melanoma screening |
CN106846421A (zh) * | 2017-02-14 | 2017-06-13 | 深圳可思美科技有限公司 | 一种肤色检测方法及装置 |
CN107180415A (zh) * | 2017-03-30 | 2017-09-19 | 北京奇艺世纪科技有限公司 | 一种图像中皮肤美化处理方法及装置 |
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 |
Also Published As
Publication number | Publication date |
---|---|
CN111784635B (zh) | 2023-05-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107169960B (zh) | 一种基于图像颜色空间的皮肤表面毛孔大小检测方法 | |
CN113554629A (zh) | 基于人工智能的带钢红锈缺陷检测方法 | |
US8340412B2 (en) | Image processing | |
CN116503388B (zh) | 缺陷检测方法、装置及存储介质 | |
CN115082451B (zh) | 一种基于图像处理的不锈钢汤勺缺陷检测方法 | |
CN114782329A (zh) | 一种基于图像处理的轴承缺陷损伤程度评估方法及系统 | |
CN117274405B (zh) | 基于机器视觉的led灯工作颜色检测方法 | |
CN114092456A (zh) | 细胞荧光图像判别方法及系统 | |
US8472716B2 (en) | Block-based noise detection and reduction method with pixel level classification granularity | |
WO2024016632A1 (zh) | 亮点定位方法、亮点定位装置、电子设备及存储介质 | |
JP2011170890A (ja) | 顔検出方法および装置並びにプログラム | |
CN111784635B (zh) | 一种基于图像颜色空间的皮肤表面荧光点检测与评估方法 | |
CN111738984A (zh) | 基于分水岭和种子填充的皮肤图像斑点评估方法及系统 | |
CN116129187A (zh) | 基于局部稳定特征点的快速目标检测方法及系统 | |
CN115880683A (zh) | 一种基于深度学习的城市内涝积水智能水位检测方法 | |
CN111539354B (zh) | 一种液基细胞玻片扫描区域识别方法 | |
CN114581901A (zh) | 一种古建墙壁受污题记文字图像边缘提取方法 | |
CN111861981B (zh) | 一种基于点线面的图像颜色空间脂肪点检测评估方法 | |
CN112950556B (zh) | 图像真实度评估方法、装置、系统及计算机可读存储介质 | |
CN113239944B (zh) | 一种图像特征提取方法、装置、电子设备及介质 | |
CN118097305B (zh) | 一种半导体发光元件质量的检测方法及系统 | |
CN112434498B (zh) | 一种基于云平台的智能表单构建方法 | |
CN111491069B (zh) | 一种文档图像的色彩模式自动设定方法 | |
CN117392083A (zh) | 一种基于复合指标的噪声鲁棒图像质量快速评价方法 | |
CN116612331A (zh) | 基于图像处理的图片质量自动检测方法、装置及存储介质 |
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 |