CN112274110B - 一种基于皮肤荧光图像的毛孔检测系统、装置及方法 - Google Patents
一种基于皮肤荧光图像的毛孔检测系统、装置及方法 Download PDFInfo
- Publication number
- CN112274110B CN112274110B CN202011076543.3A CN202011076543A CN112274110B CN 112274110 B CN112274110 B CN 112274110B CN 202011076543 A CN202011076543 A CN 202011076543A CN 112274110 B CN112274110 B CN 112274110B
- Authority
- CN
- China
- Prior art keywords
- skin
- image
- pore
- pores
- light source
- 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.)
- Active
Links
Images
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
- A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
-
- 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
- A61B5/0062—Arrangements for scanning
- A61B5/0064—Body surface scanning
-
- 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
- A61B5/0071—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence by measuring fluorescence emission
-
- 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
- G06T7/11—Region-based segmentation
-
- 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
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- 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
- G06T2207/10064—Fluorescence 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30088—Skin; Dermal
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Surgery (AREA)
- Heart & Thoracic Surgery (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Animal Behavior & Ethology (AREA)
- Molecular Biology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Dermatology (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明涉及一种基于皮肤荧光图像的毛孔检测系统、装置及方法,该系统包括服务器端、PC端和皮肤图像采集模块,所述皮肤图像采集模块采集到皮肤图片,传送给服务器,服务器处理图片后,与PC机数据交互;该装置包括照明光源、作用光源、光学偏振单元、光学成像部件和壳体;该方法包括获得皮肤图像的RGB色彩空间像素矩阵;实现种子点的自动选取;实现区域生长并规定生长条件分割来标定毛孔,同时设置幅度阈值和颜色距离阈值对区域生长进行修正;连通域方法对标定的毛孔大小划分等级并统计个数;由个数和大小得到毛孔大小均值;计算区域毛孔半径均值,两种评价体系综合评判皮肤毛孔的状态;本发明结果准确。
Description
技术领域
本发明涉及一种基于皮肤荧光图像的毛孔检测系统、装置及方法,特别是利用皮肤荧光图像进行种子点的自动选取的区域生长算法对毛孔的精确标定方法。
背景技术
随着人们生活水平的提高,人们对皮肤护理越来越重视,现在很多美容院都配有皮肤测试仪—可用数值的方式反馈肌肤情况的专业肌肤检测设备。如何定量的对皮肤进行分析是近年来皮肤图像处理的热点问题之一,其中的一个重要的方向就是对皮肤毛孔的检测分析。
目前国内外市场上的人脸皮肤检测产品主要分为两类,一类是基于生物电阻抗测量法的金属探测式肤质检测仪,这类产品价格便宜但检测功能单一,精度也较低,另外一类是基于图像处理的大型检测仪,这类产品功能齐全但操作复杂,价格昂贵且体积巨大,往往适用于大型美容院和医疗机构,不适用于个体群众。
皮肤对紫外线的吸收与其波长有关。波长越短,透入皮肤的深度越小,照射后黑色素较弱;波长越长,透入皮肤的深度越大,照射后黑色素沉着较强。
图像检测毛孔的算法近些年被广泛提出,主要是基于RGB颜色空间中进行逻辑运算的颜色模型,毛孔大小指标的检测是基于双阈值分割和形态学运算相结合的手段。该方法可以识别毛孔,但是没有能够提出一整套从皮肤毛孔图像得到荧光图像,从而量化评价毛孔的数值指标。不能有效的剔除毛发、黑斑等对毛孔等引起误识别毛孔。
随着图像处理技术的飞速发展,利用数字图像处理的方法来对皮肤进行检测分析已经成为热点。但是能将图像识别和特定的皮肤分析结合起来,并依据经验分析得到量化的结果始终是一个难点。
发明内容
为了解决上述技术问题,本发明提供一种基于皮肤荧光图像的毛孔检测系统、装置及方法,其具体技术方案如下:
一种基于皮肤荧光图像的毛孔检测系统,包括
服务器端、PC端和皮肤图像采集模块,所述皮肤图像采集模块采集到皮肤图片,传送给服务器,服务器处理图片后,与PC机数据交互;
所述皮肤图像采集模块包括摄像头模块、相机驱动控制模块和光源控制模块,所述光源控制模块朝向皮肤照射紫外光。
一种基于皮肤荧光图像的毛孔检测装置,该装置基于上述系统,还包括
照明光源,包括紫外灯和用以提高照度的LED灯;
作用光源,用于产生紫色灯光;
光学偏振单元,包括具有紫外透过功能的光学薄膜和偏振片;
光学成像部件,用于采集荧光图像;
壳体,所述照明光源、作用光源、光学偏振单元和光学成像部件均封装在壳体中,且所述壳体一端开设有皮肤采样孔,所述照明光源和作用光源的光线朝向皮肤采样孔发散。
所述照明光源靠近靠近壳体内壁,按照环形分布,其光源发射端朝向皮肤采样孔,并且其安装环形轴线与皮肤采样孔所在平面垂直;
所述作用光源按照环形分布,其光源发射端朝向皮肤采样孔,所述照明光源和作用光源呈同心圆分布,作用光源所在圆环位于照明光源所在圆环内部;
所述光学偏振单元位于作用光源所在圆环内部,且位于作用光源远离皮肤采样孔的一侧。
进一步的,从皮肤采样孔到CCD之间依次设置有滤光片Ⅰ、光学镜头、光学薄膜、滤光片Ⅱ和照明光源。
进一步的,所述照明光源安装于一块中部开设有圆孔的圆形底板上,所述圆形底板靠近圆孔位置设置有安装筒,安装筒轴向中部为采集通道,采集通道的圆周分割成若干个隔室,每个隔室内安装一个作用光源。
进一步的,所述光学偏振单元外部设置有镜筒,镜筒连接到光学成像部件采集口。
一种用于皮肤毛孔的检测方法,包括以下步骤:
步骤一:由上述的毛孔检测装置采样指定皮肤区域的RGB图像;
步骤二:将步骤一中所得的RGB图像进行预处理操作,采用5×5的滑动窗口对步骤一得到的图像进行均值滤波,去除非毛孔信息;
步骤三:使用最大类间方差法对步骤二所得图像进行初步分割,初步确定皮肤毛孔所在位置,选取感兴趣区域;
步骤四:自动选取种子点
步骤4.1:使用15×15滑动矩阵遍历步骤三所得的感兴趣区域,选取均值超过255*m0区域的中心点作为种子点,
步骤4.2:毛孔区域在荧光图样中的像素值明显高于非毛孔区域,并且皮肤中存在众多毛孔,通过遍历感兴趣区域,实现种子点的自动选取;
步骤五:当步骤四中种子点确定后,再确定区域生长条件,并开始区域生长分割种子点所在的图像;
步骤六:设置梯度幅度和颜色距离对区域生长出现的过分割现象进行修正,得到精确分割的皮肤毛孔图像;
步骤七:对步骤六所得的皮肤毛孔图像中每个毛孔单位的像素点个数和实际像素值得出估算的毛孔平均数值半径;
步骤八:用连通域标定方法得到步骤六所得图像中的不同大小等级的毛孔个数;
步骤九:对步骤八中得到的不同等级的毛孔个数进行加权处理,对不同毛孔等级作加权处理,毛孔等级越高,则毛孔越大,对应的权重越大,加上步骤七得到的毛孔平均数值半径,作为皮肤毛孔检测评的量化结果。
进一步的,步骤五区域生长的规则为:将感兴趣区域中待判断的像素点f(l,j)与已生长区域的像素均值T比较,当像素差值小于阈值,满足生长条件,f(l,j)作为新的种子点继续生长,并重复此过程,直至感兴趣区域遍历完成及生长结束。
进一步的,步骤六中对区域生长的过分割的修正具体步骤如下:
步骤6.1:图像中像素点的梯度为:
式中:f表示完成区域生长的图像;l,j分别表示x,y方向上的单位矢量;步骤6.2:梯度的幅度为通过梯度幅度的判定条件为|M0(x,y)-M(x,y)|≤K0,其中M0(x,y)表示当前种子点的梯度幅度,K0表示幅度阈值;
步骤6.3:定义图像的颜色距离:
式中r,g,b分别为感兴趣区域中心点的RGB图像对应的的三个像素值,r0,g0,b0分别为待验证的种子点的RGB图像对应的的三个像素值;
步骤6.4:通过颜色距离的判定条件为|L0-L|≤K1,K1表示颜色距离阈值;
步骤6.5:只有当完成区域生长的图像同时满足幅度判定条件和颜色距离判定条件时,皮肤毛孔图像标定才得以完成。
进一步的,步骤七中用每个毛孔图像的像素点个数和它的实际像素值估计毛孔的平均半径,具体方法如下:
步骤7.1:对完成区域生长的图像进行二值化运算得到二值化图像;
步骤7.2:得到的二值化图像中皮肤毛孔区域像素为255,非毛孔区域像素为0;
步骤7.3:二值化图像中毛孔区域连通,统计连通区域的像素位置和实际像素值;
步骤7.4:利用计算平均半径公式求得每个毛孔的半径,计算毛孔平均半径采用的公式为:
其中:t为每个大小等级二值图像内连通域的个数,n为连通域的像素值为255的像素点个数;
步骤7.5:根据每个毛孔的半径和所有毛孔的个数得到整个采样区域的毛孔平均数值半径。
进一步的,步骤八中先对像素255的连通区域设置经验阈值来对连通域的大小划分等级,得到皮肤毛孔的不同大小等级的分类结果,再根据不同等级图像中连通域的个数得到不同大小等级的毛孔个数。
本发明的工作原理是:
获得皮肤荧光图像,该图像由皮肤经过所述成像系统直接采集得到。目前图片存储格式多为RGB,本发明算法也是直接在RGB色彩空间对皮肤毛孔进行检测;通过图像预处理可减少或避免光照或者其它干扰因素的影响;通过对二值图像的划分等级加权处理并且辅以毛孔平均半径值策略可以对皮肤毛孔的症状有更精确的评价,并且采用分级处理对后期联调也提供了极大的方便;采用本发明方法,每一块特定的皮肤样本区域都能有与之对应的毛孔描述特征值。
本发明的有益效果是:
本发明提出了一种基于皮肤荧光图像的毛孔检测方法,利用了皮肤毛孔在紫外灯照射下会呈现出明显的荧光现象,对其他的非毛孔信息(如:毛发、黑斑、痣等)有明显的抑制作用。相对于常用的毛孔检测图像处理方法,处理对象常常是灰度图像,本发明对于皮肤RGB色彩空间图像提出了种子点的自动选取的区域生长算法,这样提高了毛孔检测的准确率。对毛孔大小的分级操作可以更加精细的评价皮肤毛孔的状况,也增强了后期设备联调的灵活性。计算指定皮肤区域的毛孔特征值,从毛孔的密度(数目)和具体的毛孔广度(半径)两个途径综合评价毛孔,这样得到的毛孔评价参数更加符合人眼的直观感受。
本发明方法算法计算速度快,成本相对低廉,并且还有简单便携的特点,拥有广阔的市场前景。
附图说明
图1是本发明的系统图,
图1中:1—待测皮肤,2—滤光片Ⅰ,3—光学镜头,4—光学薄膜,5—滤光片Ⅱ,6—光源结构,7—光学成像部件。
图2是本发明的装置图,
图3是本发明的光源结构图,
图2和3中:1—壳体,2—镜筒,3—圆形底板,4—安装筒,5—照明光源,6—作用光源,7—光学成像部件安装座,a—皮肤采样孔,b—采集通道,c—隔室。
图4是采用了本发明装置系统的结构原理图,
图5是本发明提供的毛孔检测分析方法的具体流程图,
图6是采用本发明分析方法之前由采样装置得到的皮肤荧光图像,
图7是采用了本发明方法所提取识别到的毛孔图样。
具体实施方式
现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图,仅以示意方式说明本发明的基本结构,因此其仅显示与本发明有关的构成。
本系统如图1所示,从待测皮肤1到光学成像部件7之间依次为:滤光片Ⅰ2,光学镜头3,光学薄膜4,滤光片Ⅱ5,光源结构6。光源结构6包括紫外灯和LED灯。光学成像部件7可选用CCD相机。紫外灯用于使皮肤发出荧光,(紫外)滤光片被构造用于过滤大于450nm的光,毛玻璃用于使紫外灯照射到皮肤更加均匀,CCD相机用于采集皮肤的荧光图像。
本系统的一个具体应用装置如图2-3所示,包括壳体1,壳体1朝向待测皮肤一端同轴向前、直径渐进缩小形成皮肤采样孔a,照明光源5呈圆环分布,作用光源6也呈圆环分布,两个圆环同心,作用光源所在圆环位于照明光源内。
照明光源5安装于一块中部开设有圆孔的圆形底板3上,圆形底板3靠近圆孔位置设置有安装筒4,安装筒4轴向中部为采集通道b,采集通道b的圆周分割成若干个隔室c,每个隔室c内安装一个作用光源6。
光学偏振单元外部设置有镜筒2,镜筒2连接到光学成像部件采集口,光学成像部件设置在光学成像部件安装座7上。
如图4所示,本发明在实际应用时,结合服务器端和电脑客户端,电脑客户端用于数据处理和显示数据处理结果。根据个人需要选取特定的皮肤区域,利用本发明装置采取皮肤荧光图像。当紫外灯照射脸部时间过长对皮肤有损害作用。在本发明装置中采用了滤光片和光学薄膜的光路系统设计,极大的避免了紫外灯对皮肤的损害。当紫外灯照射皮肤毛孔时会毛孔会反射橙色,并最终通过光学成像系统得到了皮肤的荧光图像。
采集得到的荧光图片可以自动保存到本地存储介质,方便以后读取调用。
图片存储格式包括但不仅限于jpg、png等常用格式。
毛孔检测方法流程图如图5所示,具体包括如下实施步骤:
通过用户操作界面登录毛孔检测客户端,测试前将毛孔采样装置连接到计算机。通过毛孔采样装置采集得到皮肤的荧光图像;荧光图像上传到服务器端,服务器端采用本发明方法计算得到皮肤毛孔的特征值;得到的毛孔分析结果在电脑客户端显示。
通过荧光图像检测毛孔具体包括以下步骤:
1)采样得到指定皮肤区域(脸颊中心处)的RGB图像;将RGB图像先进行预处理操作,减少非毛孔信息的干扰。
2)使用最大类间方差法对原始图像进行初步分割;
3)用15×15的滑动步骤窗口对步骤3)中得到的感兴趣区域进行遍历,选取均值超过255*m0区域的中心点作为种子点,实现种子点的自动选取;
4)确定区域生长的条件,利用自动选取的种子点进行区域生长,用梯度幅度和颜色距离对区域生长进行修正。对完成毛孔标定的图像进行二值化运算,得到皮肤毛孔的二值图像;
5)对毛孔大小分级,具体运算时选取的阈值范围分别为小于10,[10,165],[165,360],[360,500],大于500。遍历每个等价显示毛孔的连通区域,判定其连通域的大小属于那一个等级,并统计每个等级的连通域个数,利用毛孔计算公式计算毛孔的平均半径;
计算毛孔平均半径;
对不同毛孔等级个数和平均毛孔半径作加权处理采用的权重为[0.0061 0.16330.2909 0.4855 0.5575 0.3369];
实施例结果表明,按照本发明方法实现的基于皮肤荧光图像的毛孔检测方法,检测结果快速并且结果准确。实施例具体结果表格如下:
图像序号 | 等级1 | 等级2 | 等级3 | 等级4 | 等级5 | 平均半径 | 数值结果 | 感官结果 |
1 | 4 | 5 | 1 | 0 | 0 | 6.22 | 2.13 | 出现黑头 |
2 | 1 | 3 | 0 | 0 | 0 | 3.75 | 0.50 | 毛孔正常 |
3 | 2 | 11 | 2 | 0 | 0 | 4.85 | 3.39 | 毛孔堵塞 |
4 | 13 | 16 | 0 | 0 | 0 | 4.78 | 3.69 | 毛孔堵塞 |
5 | 3 | 10 | 0 | 0 | 0 | 5.64 | 1.65 | 出现黑头 |
6 | 1 | 1 | 2 | 0 | 0 | 3.79 | 0.75 | 毛孔正常 |
7 | 13 | 37 | 13 | 2 | 4 | 6.29 | 9.10 | 毛孔严重堵塞 |
8 | 4 | 18 | 9 | 9 | 12 | 8.52 | 9.64 | 毛孔严重堵塞 |
9 | 5 | 1 | 0 | 2 | 2 | 8.34 | 2.28 | 毛孔堵塞 |
10 | 1 | 4 | 2 | 0 | 0 | 5.8 | 1.94 | 出现黑头 |
通过人眼的感官结果和本发明方法的数值结果,毛孔的数值结果可分为四个类型,小于1判定为毛孔正常、大于1并且小于3为毛孔出现黑头、大于3小于7为毛孔堵塞、大于7为毛孔严重堵塞。
以上述依据本发明的理想实施例为启示,通过上述的说明内容,相关工作人员完全可以在不偏离本项发明技术思想的范围内,进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容,必须要根据权利要求范围来确定其技术性范围。
Claims (3)
1.一种用于皮肤毛孔的检测方法,其特征在于包括以下步骤:
步骤一:由毛孔检测装置采样指定皮肤区域的RGB图像;
步骤二:将步骤一中所得的RGB图像进行预处理操作,采用5×5的滑动窗口对步骤一得到的图像进行均值滤波,去除非毛孔信息;
步骤三:使用最大类间方差法对步骤二所得图像进行初步分割,初步确定皮肤毛孔所在位置,选取感兴趣区域;
步骤四:自动选取种子点
步骤4.1:使用15×15滑动矩阵遍历步骤三所得的感兴趣区域,选取均值超过255*m0区域的中心点作为种子点,
步骤4.2:毛孔区域在荧光图样中的像素值明显高于非毛孔区域,并且皮肤中存在众多毛孔,通过遍历感兴趣区域,实现种子点的自动选取;
步骤五:当步骤四中种子点确定后,确定区域生长条件,开始区域生长分割种子点所在图像;区域生长的规则为:将感兴趣区域中待判断的像素点f(l,j)与已生长区域的像素均值T比较,当像素差值小于阈值,满足生长条件,f(l,j)作为新的种子点继续生长,并重复此过程,直至感兴趣区域遍历完成及生长结束;
步骤六:设置梯度幅度和颜色距离对区域生长出现的过分割现象进行修正,得到精确分割的皮肤毛孔图像;对区域生长的过分割的修正具体步骤如下:
步骤6.1:图像中像素点的梯度为:
式中:f表示完成区域生长的图像;I,j分别表示x,y方向上的单位矢量;步骤6.2:梯度的幅度为通过梯度幅度的判定条件为|M0(x,y)-M(x,y)|≤K0,其中M0(x,y)表示当前种子点的梯度幅度,K0表示幅度阈值;
步骤6.3:定义图像的颜色距离:
式中r,g,b分别为感兴趣区域中心点的RGB图像对应的的三个像素值,r0,g0,b0分别为待验证的种子点的RGB图像对应的的三个像素值;
步骤6.4:通过颜色距离的判定条件为|L0-L|≤K1,K1表示颜色距离阈值;
步骤6.5:只有当完成区域生长的图像同时满足幅度判定条件和颜色距离判定条件时,皮肤毛孔图像标定才得以完成;
步骤七:对步骤六所得的皮肤毛孔图像中每个毛孔单位的像素点个数和实际像素值得出估算的毛孔平均数值半径;用每个毛孔图像的像素点个数和它的实际像素值估计毛孔的平均半径,具体方法如下:
步骤7.1:对完成区域生长的图像进行二值化运算得到二值化图像;
步骤7.2:得到的二值化图像中皮肤毛孔区域像素为255,非毛孔区域像素为0;步骤7.3:二值化图像中毛孔区域连通,统计连通区域的像素位置和实际像素值;步骤7.4:利用计算平均半径公式求得每个毛孔的半径,计算毛孔平均半径采用的公式为:
其中:t为每个大小等级二值图像内连通域的个数,n为连通域的像素值为255的像素点个数;
步骤7.5:根据每个毛孔的半径和所有毛孔的个数得到整个采样区域的毛孔平均数值半径;
步骤八:用连通域标定方法得到步骤六所得图像中的不同大小等级的毛孔个数,具体为:
先对像素255的连通区域设置经验阈值来对连通域的大小划分等级,得到皮肤毛孔的不同大小等级的分类结果,再根据不同等级图像中连通域的个数得到不同大小等级的毛孔个数;
步骤九:对步骤八中得到的不同等级的毛孔个数进行加权处理,对不同毛孔等级作加权处理,毛孔等级越高,则毛孔越大,对应的权重越大,加上步骤七得到的毛孔平均数值半径,作为皮肤毛孔检测评的量化结果。
2.一种实现权利要求1所述的用于皮肤毛孔的检测方法的毛孔检测系统,其特征在于:包括
服务器端、PC端和皮肤图像采集模块,所述皮肤图像采集模块采集到皮肤图片,传送给服务器,服务器处理图片后,与PC机数据交互;
所述皮肤图像采集模块包括摄像头模块、相机驱动控制模块和光源控制模块,所述光源控制模块朝向皮肤照射紫外光。
3.一种实现权利要求1所述的用于皮肤毛孔的检测方法的毛孔检测装置,其特征在于:该装置基于权利要求1所述的方法,还包括
照明光源,包括紫外灯和用以提高照度的LED灯;
作用光源,用于产生紫色灯光;
光学偏振单元,包括具有紫外透过功能的光学薄膜和偏振片;
光学成像部件,用于采集荧光图像;
壳体,所述照明光源、作用光源、光学偏振单元和光学成像部件均封装在壳体中,且所述壳体一端开设有皮肤采样孔,所述照明光源和作用光源的光线朝向皮肤采样孔发散;
所述照明光源靠近靠近壳体内壁,按照环形分布,其光源发射端朝向皮肤采样孔,并且其安装环形轴线与皮肤采样孔所在平面垂直;
所述作用光源按照环形分布,其光源发射端朝向皮肤采样孔,所述照明光源和作用光源呈同心圆分布,作用光源所在圆环位于照明光源所在圆环内部;
所述光学偏振单元位于作用光源所在圆环内部,且位于作用光源远离皮肤采样孔的一侧,
从皮肤采样孔到CCD之间依次设置有滤光片I、光学镜头、光学薄膜、滤光片II和照明光源;
所述照明光源安装于一块中部开设有圆孔的圆形底板上,所述圆形底板靠近圆孔位置设置有安装筒,安装筒轴向中部为采集通道,采集通道的圆周分割成若干个隔室,每个隔室内安装一个作用光源;
所述光学偏振单元外部设置有镜筒,镜筒连接到光学成像部件采集口。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011076543.3A CN112274110B (zh) | 2020-10-10 | 2020-10-10 | 一种基于皮肤荧光图像的毛孔检测系统、装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011076543.3A CN112274110B (zh) | 2020-10-10 | 2020-10-10 | 一种基于皮肤荧光图像的毛孔检测系统、装置及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112274110A CN112274110A (zh) | 2021-01-29 |
CN112274110B true CN112274110B (zh) | 2023-06-16 |
Family
ID=74421802
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011076543.3A Active CN112274110B (zh) | 2020-10-10 | 2020-10-10 | 一种基于皮肤荧光图像的毛孔检测系统、装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112274110B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113729626B (zh) * | 2021-08-03 | 2023-04-14 | 蒋登文 | 一种基于图像识别的便携式皮肤质量检测装置及系统 |
CN117542127B (zh) * | 2024-01-09 | 2024-05-24 | 南方科技大学 | 基于多光谱偏振光的皮肤检测方法及装置 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104540445B (zh) * | 2012-08-17 | 2017-05-17 | 索尼公司 | 图像处理装置、图像处理方法和图像处理系统 |
CN105069818A (zh) * | 2015-09-02 | 2015-11-18 | 泰山学院 | 一种基于图像分析的皮肤毛孔识别方法 |
CN109219389B (zh) * | 2016-04-22 | 2022-07-12 | 菲特斯津公司 | 使用电子设备进行皮肤分析的系统和方法 |
US11026581B2 (en) * | 2016-09-30 | 2021-06-08 | Industrial Technology Research Institute | Optical probe for detecting biological tissue |
CN107169960B (zh) * | 2017-05-15 | 2020-03-20 | 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 |
CN107260130A (zh) * | 2017-06-23 | 2017-10-20 | 深圳微美薇健康美容科技有限公司 | 一种检测头皮毛孔堵塞状况的装置 |
CN109300105A (zh) * | 2017-07-25 | 2019-02-01 | 上海中科顶信医学影像科技有限公司 | 毛孔检测方法、系统、设备及存储介质 |
CN107767383B (zh) * | 2017-11-01 | 2021-05-11 | 太原理工大学 | 一种基于超像素的道路图像分割方法 |
CN108765426A (zh) * | 2018-05-15 | 2018-11-06 | 南京林业大学 | 自动图像分割方法及装置 |
CN110148125A (zh) * | 2019-05-21 | 2019-08-20 | 苏州大学 | 基于颜色检测的自适应皮肤油脂检测方法 |
CN110796638B (zh) * | 2019-09-29 | 2023-03-24 | 合肥方程式电子科技有限公司 | 毛孔检测方法 |
-
2020
- 2020-10-10 CN CN202011076543.3A patent/CN112274110B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112274110A (zh) | 2021-01-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109961426B (zh) | 一种人脸皮肤肤质的检测方法 | |
US10004403B2 (en) | Three dimensional tissue imaging system and method | |
JP5997185B2 (ja) | 明細書微生物増殖を分析する方法およびソフトウェア | |
US8718363B2 (en) | Systems and methods for analyzing image data using adaptive neighborhooding | |
CN103907023A (zh) | 检测生物学样品中的异常的系统和方法 | |
US10304188B1 (en) | Apparatus and method for automated cell analysis | |
CN112274110B (zh) | 一种基于皮肤荧光图像的毛孔检测系统、装置及方法 | |
CN103034838B (zh) | 一种基于图像特征的特种车辆仪表类型识别与标定方法 | |
CN114062231A (zh) | 分析装置 | |
JP2018525746A (ja) | コロニーコントラスト収集 | |
Chalakkal et al. | Automatic detection and segmentation of optic disc and fovea in retinal images | |
US20210209754A1 (en) | Fusion of deep learning and handcrafted techniques in dermoscopy image analysis | |
CN111052180A (zh) | 用于可视化流动的使用机器学习的散斑对比度分析 | |
CN107169960A (zh) | 一种基于图像颜色空间的皮肤表面毛孔大小检测方法 | |
CN103959332B (zh) | 图像处理 | |
CN108388853B (zh) | 针对白细胞与血小板共存全息图的分步重建与计数方法 | |
CN113066064A (zh) | 基于人工智能的锥束ct图像生物结构识别及三维重建系统 | |
Zhang et al. | Multispectral heterogeneity detection based on frame accumulation and deep learning | |
CN116167964A (zh) | 基于肿瘤高光谱图像的肿瘤分类方法及系统 | |
CN109342378A (zh) | 基于多模态成像技术的菌落生长状态检测装置及方法 | |
CN116912260A (zh) | 基于人工智能的肉鸡养殖健康状态检测方法 | |
Li | Hyperspectral imaging technology used in tongue diagnosis | |
WO2010042267A2 (en) | Shape parameter for hematology instruments | |
WO2000051080A1 (en) | Computer system for analyzing images and detecting early signs of abnormalities | |
Lin et al. | A multispectral transmission image cluster analysis method based on “Terrace compression Method” and window function |
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 |