CN112603259B - 一种皮肤粗糙度检测方法及电子设备 - Google Patents
一种皮肤粗糙度检测方法及电子设备 Download PDFInfo
- Publication number
- CN112603259B CN112603259B CN201910882738.8A CN201910882738A CN112603259B CN 112603259 B CN112603259 B CN 112603259B CN 201910882738 A CN201910882738 A CN 201910882738A CN 112603259 B CN112603259 B CN 112603259B
- Authority
- CN
- China
- Prior art keywords
- texture
- image
- connected domain
- image blocks
- skin
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 60
- 206010013786 Dry skin Diseases 0.000 title claims abstract description 34
- 238000000034 method Methods 0.000 claims abstract description 35
- 238000004891 communication Methods 0.000 claims description 42
- 238000012545 processing Methods 0.000 claims description 38
- 230000006870 function Effects 0.000 claims description 30
- 238000004422 calculation algorithm Methods 0.000 claims description 19
- 238000001914 filtration Methods 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 11
- 238000005260 corrosion Methods 0.000 claims description 5
- 230000007797 corrosion Effects 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 claims 1
- 230000000007 visual effect Effects 0.000 abstract description 2
- 238000010801 machine learning Methods 0.000 abstract 1
- 238000013461 design Methods 0.000 description 27
- 238000007726 management method Methods 0.000 description 15
- 238000012360 testing method Methods 0.000 description 15
- 238000010295 mobile communication Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 8
- 230000005236 sound signal Effects 0.000 description 8
- 230000003287 optical effect Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000003628 erosive effect Effects 0.000 description 5
- 239000000284 extract Substances 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 229920001621 AMOLED Polymers 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 3
- 210000001142 back Anatomy 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 230000036548 skin texture Effects 0.000 description 3
- 206010000496 acne Diseases 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 239000011148 porous material Substances 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000037303 wrinkles Effects 0.000 description 2
- 206010015150 Erythema Diseases 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 230000003416 augmentation Effects 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 238000013529 biological neural network Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 231100000321 erythema Toxicity 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000002096 quantum dot Substances 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000004439 roughness measurement Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0077—Devices for viewing the surface of the body, e.g. camera, magnifying lens
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
-
- 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
- A61B5/442—Evaluating skin mechanical properties, e.g. elasticity, hardness, texture, wrinkle assessment
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/30—Measuring arrangements characterised by the use of optical techniques for measuring roughness or irregularity of surfaces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G06T7/40—Analysis of texture
-
- 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
- G06T2207/10016—Video; Image sequence
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20036—Morphological image processing
-
- 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
-
- 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
- G06T2207/30196—Human being; Person
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Biomedical Technology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Quality & Reliability (AREA)
- Radiology & Medical Imaging (AREA)
- Dermatology (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本申请公开了一种皮肤粗糙度检测方法及电子设备,用以实现由终端设备执行皮肤粗糙度检测得到检测结果。该方法为:通过从待检测皮肤中提取的纹理深度、纹理宽度、宽纹理密度和纹理密度,利用机器学习模型的方法得到皮肤粗糙度的检测结果,得到更准确更直观的皮肤粗糙度的检测结果。
Description
技术领域
本申请实施例涉及图像处理技术领域,尤其涉及一种皮肤粗糙度检测方法及电子设备。
背景技术
人体皮肤表层因年龄、病症以及外界环境等因素的影响,容易导致皮嵴(Peaks)和皮沟(Valleys)的形成且呈现出不同深度和走向,从而形成了多种多样的皮肤纹理。皮肤粗糙程度(Skin Roughness)作为一项重要的皮肤纹理分析手段,可以在一定程度上反映出人体机能的健康状况。
现有,一般是采用专业检测设备通过分析皮肤图像来检测及评价皮肤状况。专业检测设备售价较高,一般由专业机构采用,不适用普通大众。如今,随着移动终端成像能力的提高,基于移动终端的皮肤检测成为了可能,从而普通大众能够采用移动终端检测皮肤状态。但是目前并没有一种适用于移动终端的且有效的检测皮肤粗糙度的方式。
发明内容
本申请实施例提供一种皮肤粗糙度检测方法及电子设备,用以实现通过电子设备检测皮肤的粗糙度。
第一方面,本申请实施例提供一种皮肤粗糙度检测方法,该方法应用于电子设备或应用于电子设备中的芯片,该方法包括:获取待处理皮肤图像的灰度图像;然后从所述灰度图像中提取纹理特征,所述纹理特征中包括纹理深度、纹理宽度、宽纹理密度和纹理密度中的至少一项;所述纹理深度用于表征皮肤上纹路的深度,所述纹理宽度用于表征皮肤上纹路的宽度,所述宽纹理密度用于表征纹路宽度达到预设阈值的纹路在皮肤中的密度,所述纹理密度用于表征纹路在皮肤中的密度;进一步地根据所述纹理特征确定所述待处理皮肤图像中皮肤的粗糙度。上述方案,通过电子设备基于纹理特征来确定皮肤的粗糙度,使用简便,并不是使用简单的参数阈值来判断皮肤的粗糙度,稳定性较强,准确度较高。
在一种可能的设计中,在提取所述灰度图像中的纹理特征,可以通过如下方式实现:将所述灰度图像划分为K个图像块,从所述K个图像块中获取灰度均值位于预设灰度范围内的N个图像块,从所述N个图像块中分别提取所述纹理特征,K和N均为正整数,N小于或者等于K;或者,将所述灰度图像划分为K个图像块,对所述K个图像块的灰度均值大小进行排序,获取排序在预设名次范围内的N个图像块,从所述N个图像块中提取所述纹理特征。通过上述设计从多个图像块中选择几个图像块用来提取纹理特征,降低环境光对提取纹理特征的影响,提高准确度。
在一种可能的设计中,从所述N个图像块中提取纹理特征,可以通过如下方式实现:分别对所述N个图像块进行二值化处理得到N个二值化图像;对所述N个二值化图像进行连通域分析得到至少一个第一连通域,所述至少一个第一连通域用于指示皮肤的纹路区域在所述N个图像块中的位置;从所述N个图像块中所述至少一个第一连通域所在区域提取所述纹理特征。上述设计提供一种简单且有效的提取纹理特征的方式。
在一种可能的设计中,分别对所述N个图像块进行二值化处理得到N个二值化图像,包括:分别对所述N个图像块进行滤波,并对滤波后的N个图像块进行二值化处理得到N个二值化图像。上述设计,在二值化之前进行滤波处理,可以对图像平滑、去噪。
在一种可能的设计中,所述对所述N个二值化图像进行连通域分析得到至少一个第一连通域,包括:对所述N个二值化图像进行腐蚀和/或膨胀处理,并对腐蚀和/或膨胀处理后的N个二值化图像进行连通域分析得到所述至少一个第一连通域。
上述设计,通过对二值化图像进行腐蚀和/或膨胀处理,可以使得确定的皮肤纹路更清晰准确。
在一种可能的设计中,所述纹理深度可以是根据所述N个图像块中至少一个第一连通域所在区域的灰度均值与所述N个图像块的灰度均值确定的。
在一种可能的设计中,所述纹理深度可以符合如下公式要求:
F1=abs(M-M1)/M;
其中,F1表示纹理深度,M1表示所述N个图像块中所述至少一个第一连通域所在区域的灰度均值,M表示N个图像块的灰度均值。上述设计提供一种简单且有效的提取纹理深度的方式。
在一种可能的设计中,从所述N个图像块中所述至少一个第一连通域所在区域提取所述纹理宽度,包括:根据至少一个第一连通域中的第二连通域的外轮廓长度以及面积确定所述纹理宽度;其中,所述第二连通域为所述至少一个第一连通域中外轮廓长度最长或者面积最大的第一连通域。上述设计提供一种简单且有效的提取纹理宽度的方式。
在一种可能的设计中,根据至少一个第一连通域中的第二连通域的外轮廓长度以及面积确定所述纹理宽度,可以通过如下方式实现:
当所述第二连通域为多连通域时,通过如下公式确定所述纹理宽度:
F2=F1×S1/(L1+L0);或者,F2=S1/(L1+L0);
其中,F2表示所述纹理宽度,F1表示纹理深度,S1表示第二连通域的面积,L1表示第二连通域的外轮廓长度,L0表示第二连通域的内轮廓的长度和;
当所述第二连通域为单连通域时,通过如下公式确定所述纹理宽度:
F2=F1×S1/L1;或者,F2=S1/L1;
其中,F2表示所述纹理宽度,F1表示纹理深度,S1表示第二连通域的面积,L1表示第二连通域的外轮廓长度。
上述设计提供一种简单且有效的提取纹理宽度的方式。
在一种可能的设计中,从所述N个图像块中所述至少一个第一连通域所在区域提取所述宽纹理密度,可以通过如下方式实现:
从所述至少一个第一连通域中确定外轮廓长度大于预设阈值的至少一个第三连通域;确定N个图像块中包含所述第三连通域的K1个图像块,其中K1为正整数;确定所述K1个图像块中所包括的第三连通域的面积和,与所述N个图像块的面积和之间的第一比值;将所述第一比值乘上所述纹理深度确定为所述宽纹理密度,或者,将所述第一比值确定为所述宽纹理密度。上述设计提供一种简单且有效的提取宽纹理密度的方式。
在一种可能的设计中,从所述N个图像块中所述至少一个第一连通域所在区域提取所述纹理密度,可以通过如下方式实现:确定所述N个图像块所包括的第一连通域的面积和,与所述N个图像块的面积和之间的第二比值;将所述第二比值乘上所述纹理深度确定为所述纹理密度,或者,将所述第二比值确定为所述纹理密度。上述设计提供一种简单且有效的提取纹理密度的方式。
在一种可能的设计中,所述提取所述灰度图像中的纹理特征,可以通过如下方式实现:对所述灰度图像进行直方图均衡化处理得到均衡化图像,提取所述均衡化图像中的纹理特征,可以防止光照不均对检测结果的影响。
在一种可能的设计中,根据所述纹理特征确定所述待处理皮肤图像中皮肤的粗糙度,可以通过如下方式实现:根据所述纹理特征采用集成学习算法模型确定所述待处理皮肤图像中皮肤的粗糙度。
第二方面,本申请实施例提供了一种皮肤粗糙度检测装置,包括分别用于执行第一方面或第一方面的任一设计所述的方法的单元。
第三方面,本申请实施例提供了一种电子设备,包括处理器、存储器;其中处理器与存储器相耦合;其中,存储器用于存储程序指令;处理器用于读取存储器中存储的程序指令,以实现第一方面及其任一可能的设计的方法。
第四方面,本申请实施例提供的一种计算机存储介质,该计算机存储介质存储有程序指令,当程序指令在电子设备上运行时,使得电子设备执行第一方面及其任一可能的设计的方法。
第五方面,本申请实施例提供的一种计算机程序产品,当计算机程序产品在电子设备上运行时,使得电子设备执行第一方面及其任一可能的设计的方法。
第六方面,本申请实施例提供的一种芯片,所述芯片与电子设备中的存储器耦合,执行第一方面及其任一可能的设计的方法。
另外,第二方面至第六方面所带来的技术效果可参见上述第一方面的描述,此处不再赘述。
需要说明的是,本申请实施例中“耦合”是指两个部件彼此直接或间接地结合。
附图说明
图1为本申请实施例中终端设备100结构示意图;
图2为本申请实施例中手背粗糙度检测方法流程示意图;
图3为本申请实施例中一种预览用户界面的示意图;
图4为本申请实施例中手背图像中用于提取纹理特征的图像块示意图;
图5为本申请实施例中二值化处理示意图;
图6为本申请实施例中连通域示意图;
图7和图8为本申请实施例中采用本申请提供的方式的检测结果示意图;
图9为本申请实施例中皮肤粗糙度检测报告示意图;
图10为本申请实施例提供的电子设备1000示意图。
具体实施方式
本申请实施例提出一种皮肤粗糙度检测方案,适用于电子设备,电子设备可以是终端设备。本申请实施例提供的皮肤粗糙度检测功能可以集成在终端设备的一个或多个应用中,比如集成在相机应用中。以相机应用为例,终端设备启动相机应用,显示取景界面,取景界面中可以包括一控件,该控件被激活时,终端设备可以启动本申请实施例提供的皮肤粗糙度检测功能。本申请实施例提供的皮肤粗糙度检测功能还可以集成在终端设备中的专门用于皮肤检测的应用中。作为一种示例,用于皮肤检测的应用不仅可以实现皮肤粗糙度检测功能,还可以实现面部皮肤的皱纹、毛孔、黑头等检测。皮肤粗糙度可以颈部粗糙度、面部粗糙度或者手背粗糙度。完成皮肤检测后,于皮肤检测的应用还可以为用户提供检测结果报告。以手背粗糙度检测为例,检测结果报告可以但不限于包括针对手背上各个特征的打分、对手背的综合分析等,还可以根据手背的打分给出相应的护理或者治疗建议。可以理解的是,检测结果报告可以通过用户界面呈现给用户。
在本申请一些实施例中,终端设备可以是包含诸如个人数字助理和/或音乐播放器等功能的便携式终端设备,诸如手机、平板电脑、具备无线通讯功能的可穿戴设备(如智能手表)、车载设备等。便携式终端设备的示例性实施例包括但不限于搭载 或者其它操作系统的便携式终端设备。上述便携式终端设备也可以是诸如具有触敏表面(例如触控面板)的膝上型计算机(Laptop)等。还应当理解的是,在本申请其他一些实施例中,上述终端设备也可以是具有触敏表面(例如触控面板)的台式计算机。
在本申请另一些实施例中,终端设备还可以具有算法运算能力(能够运行本申请实施例提供的皮肤粗糙度检测算法)和通信功能,而无需具有图像采集功能。比如,终端设备接收其它设备发送的图像,然后运行本申请实施例提供的皮肤粗糙度检测算法检测所述图像中皮肤的粗糙度。在下文中,以终端设备自身具有图像采集功能和算法运算功能为例。
图1示出了一种可能的终端设备100的结构示意图。终端设备100可以包括处理器110、外部存储器接口120、内部存储器121、通用串行总线(universal serial bus,USB)接口130、充电管理模块140、电源管理模块141、电池142、天线2、无线通信模块160、音频模块170、扬声器170A、受话器170B、麦克风170C、耳机接口170D、传感器模块180、按键190、马达191、指示器192、摄像头193、以及显示屏194等。在另一些实施例中,本申请实施例中的终端设备100还可以包括天线1、移动通信模块150、以及用户标识模块(subscriberidentification module,SIM)卡接口195等。
处理器110可以包括一个或多个处理单元。例如:处理器110可以包括应用处理器(application processor,AP)、调制解调处理器、图形处理器(graphics processingunit,GPU)、图像信号处理器(image signal processor,ISP)、控制器、存储器、视频编解码器、数字信号处理器(digital signal processor,DSP)、基带处理器、和/或神经网络处理器(neural-network processing unit,NPU)等。其中,不同的处理单元可以是独立的器件,也可以集成在一个或多个处理器中。
在一些实施例中,处理器110中还可以设置存储器,用于存储指令和数据。示例的,处理器110中的存储器可以为高速缓冲存储器。该存储器可以保存处理器110刚用过或循环使用的指令或数据。如果处理器110需要再次使用该指令或数据,可从所述存储器中直接调用。避免了重复存取,减少了处理器110的等待时间,因而提高了系统的效率。处理器110可以运行本申请实施例提供的皮肤粗糙度检测算法,以检测图像上皮肤的粗糙度。
在另一些实施例中,处理器110还可以包括一个或多个接口。例如,接口可以为通用串行总线(universal serial bus,USB)接口130。又例如,接口还可以为集成电路(inter-integrated circuit,I2C)接口、集成电路内置音频(inter-integrated circuitsound,I2S)接口、脉冲编码调制(pulse code modulation,PCM)接口、通用异步收发传输器(universal asynchronous receiver/transmitter,UART)接口、移动产业处理器接口(mobile industry processor interface,MIPI)、通用输入输出(general-purposeinput/output,GPIO)接口、用户标识模块(subscriber identity module,SIM)接口等。可以理解的是,本申请实施例可以通过接口连接终端设备100的不同模块,从而使得终端设备100能够实现不同的功能。例如拍照、处理等。需要说明的是,本申请实施例对终端设备100中接口的连接方式不作限定。
其中,USB接口130是符合USB标准规范的接口。例如,USB接口130可以包括MiniUSB接口、Micro USB接口、USB Type C接口等。USB接口130可以用于连接充电器为终端设备100充电,也可以用于终端设备100与外围设备之间传输数据。也可以用于连接耳机,通过耳机播放音频。该接口还可以用于连接其他终端设备,例如AR设备等。
充电管理模块140用于从充电器接收充电输入。其中,充电器可以是无线充电器,也可以是有线充电器。在一些有线充电的实施例中,充电管理模块140可以通过USB接口130接收有线充电器的充电输入。在一些无线充电的实施例中,充电管理模块140可以通过终端设备100的无线充电线圈接收无线充电输入。充电管理模块140为电池142充电的同时,还可以通过电源管理模块141为终端设备供电。
电源管理模块141用于连接电池142,充电管理模块140与处理器110。电源管理模块141接收电池142和/或充电管理模块140的输入,为处理器110、内部存储器121、外部存储器、显示屏194、摄像头193和无线通信模块160等供电。电源管理模块141还可以用于监测电池容量,电池循环次数,电池健康状态(漏电、阻抗)等参数。在其他一些实施例中,电源管理模块141也可以设置于处理器110中。在另一些实施例中,电源管理模块141和充电管理模块140也可以设置于同一个器件中。
终端设备100的无线通信功能可以通过天线1、天线2、移动通信模块150、无线通信模块160、调制解调处理器以及基带处理器等实现。
天线1和天线2用于发射和接收电磁波信号。终端设备100中的每个天线可用于覆盖单个或多个通信频带。不同的天线还可以复用,以提高天线的利用率。例如:可以将天线1复用为无线局域网的分集天线。在另外一些实施例中,天线可以和调谐开关结合使用。
移动通信模块150可以提供应用在终端设备100上的包括2G/3G/4G/5G等无线通信的解决方案。移动通信模块150可以包括至少一个滤波器、开关、功率放大器、低噪声放大器(low noise amplifier,LNA)等。移动通信模块150可以由天线1接收电磁波,并对接收的电磁波进行滤波、放大等处理,传送至调制解调处理器进行解调。移动通信模块150还可以对经调制解调处理器调制后的信号放大,经天线1转为电磁波辐射出去。在一些实施例中,移动通信模块150的至少部分功能模块可以被设置于处理器110中。在一些实施例中,移动通信模块150的至少部分功能模块可以与处理器110的至少部分模块被设置在同一个器件中。
调制解调处理器可以包括调制器和解调器。其中,调制器用于将待发送的低频基带信号调制成中高频信号。解调器用于将接收的电磁波信号解调为低频基带信号。随后解调器将解调得到的低频基带信号传送至基带处理器处理。低频基带信号经基带处理器处理后,被传递给应用处理器。应用处理器通过音频设备(不限于扬声器170A、受话器170B等)输出声音信号,或通过显示屏194显示图像或视频。在一些实施例中,调制解调处理器可以是独立的器件。在另一些实施例中,调制解调处理器可以独立于处理器110,与移动通信模块150或其他功能模块设置在同一个器件中。
无线通信模块160可以提供应用在终端设备100上的包括无线局域网(wirelesslocal area networks,WLAN)(如无线保真(wireless fidelity,Wi-Fi)网络)、蓝牙(bluetooth,BT)、全球导航卫星系统(global navigation satellite system,GNSS)、调频(frequency modulation,FM)、近距离无线通信技术(near field communication,NFC)、红外技术(infrared,IR)等无线通信的解决方案。无线通信模块160可以是集成至少一个通信处理模块的一个或多个器件。无线通信模块160经由天线2接收电磁波信号,将电磁波信号调频以及滤波处理,将处理后的信号发送到处理器110。无线通信模块160还可以从处理器110接收待发送的信号,对其进行调频,放大,经天线2转为电磁波辐射出去。
在一些实施例中,终端设备100的天线1和移动通信模块150耦合,天线2和无线通信模块160耦合,使得终端设备100可以通过无线通信技术与网络以及其他设备通信。所述无线通信技术可以包括全球移动通讯系统(global system for mobile communications,GSM)、通用分组无线服务(general packet radio service,GPRS)、码分多址接入(codedivision multiple access,CDMA)、宽带码分多址(wideband code division multipleaccess,WCDMA)、时分码分多址(time-division code division multiple access,TD-SCDMA)、长期演进(long term evolution,LTE)、BT、GNSS、WLAN、NFC、FM、和/或IR技术等。所述GNSS可以包括全球卫星定位系统(global positioning system,GPS)、全球导航卫星系统(global navigation satellite system,GLONASS)、北斗卫星导航系统(beidounavigation satellite system,BDS)、准天顶卫星系统(quasi-zenith satellitesystem,QZSS)和/或星基增强系统(satellite based augmentation systems,SBAS)。
终端设备100通过GPU、显示屏194、以及应用处理器等实现显示功能。GPU为图像处理的微处理器,连接显示屏194和应用处理器。GPU用于执行数学和几何计算,用于图形渲染。处理器110可包括一个或多个GPU,其执行程序指令以生成或改变显示信息。
显示屏194用于显示图像、视频等。显示屏194包括显示面板。显示面板可以采用液晶显示屏(liquid crystal display,LCD)、有机发光二极管(organic light-emittingdiode,OLED)、有源矩阵有机发光二极体或主动矩阵有机发光二极体(active-matrixorganic light emitting diode的,AMOLED)、柔性发光二极管(flex light-emittingdiode,FLED)、Miniled、MicroLed、Micro-oLed、量子点发光二极管(quantum dot lightemitting diodes,QLED)等。在一些实施例中,终端设备100可以包括1个或N个显示屏194,N为大于1的正整数。
终端设备100可以通过ISP、摄像头193、视频编解码器、GPU、显示屏194以及应用处理器等实现拍摄功能。
ISP用于处理摄像头193反馈的数据。例如,拍照时,打开快门,光线通过镜头被传递到摄像头感光元件上,光信号转换为电信号,摄像头感光元件将所述电信号传递给ISP处理,转化为肉眼可见的图像。ISP还可以对图像的噪点、亮度、肤色进行算法优化。ISP还可以对拍摄场景的曝光、色温等参数优化。在一些实施例中,ISP可以设置在摄像头193中。
摄像头193用于捕获静态图像或视频。通常,摄像头193可以包括感光元件比如镜头组和图像传感器,其中,镜头组包括多个透镜(凸透镜或凹透镜),用于采集待拍摄物体(比如手背)反射的光信号,并将采集的光信号传递给图像传感器。图像传感器根据所述光信号生成待拍摄物体的图像(比如手背图像)。以手背图像为例,摄像头193采集到手背图像后,可以将手背图像发送给处理器110,处理器110运行本申请实施例提供的皮肤粗糙度检测算法,检测手背图像中手背的粗糙度。处理器110确定出手背图像的手背粗糙度之后,显示屏194可以显示该手背粗糙度的检测报告。图1所示的摄像头193可以包括1-N个摄像头,本申请对摄像头的数量不作限定。
数字信号处理器用于处理数字信号,除了可以处理数字图像信号,还可以处理其他数字信号。例如,当终端设备100在频点选择时,数字信号处理器用于对频点能量进行傅里叶变换等。
视频编解码器用于对数字视频压缩或解压缩。终端设备100可以支持一种或多种视频编解码器。这样,终端设备100可以播放或录制多种编码格式的视频,例如:动态图像专家组(moving picture experts group,MPEG)1、MPEG2、MPEG3、MPEG4等。
NPU为神经网络(neural-network,NN)计算处理器,通过借鉴生物神经网络结构,例如借鉴人脑神经元之间传递模式,对输入信息快速处理,还可以不断的自学习。通过NPU可以实现终端设备100的智能认知等应用,例如:图像识别、人脸识别、语音识别、文本理解等。
外部存储器接口120可以用于连接外部存储卡(例如,Micro SD卡),实现扩展终端设备100的存储能力。外部存储卡通过外部存储器接口120与处理器110通信,实现数据存储功能。例如将音乐、视频等文件保存在外部存储卡中。
内部存储器121可以用于存储计算机可执行程序代码,所述可执行程序代码包括指令。处理器110通过运行存储在内部存储器121的指令,从而执行终端设备100的各种功能应用以及数据处理。内部存储器121可以包括存储程序区和存储数据区。其中,存储程序区可存储操作系统,至少一个功能所需的应用程序(比如相机应用、皮肤检测应用等)等。存储数据区可存储终端设备100使用过程中所创建的数据(比如摄像头采集的图像等)等。此外,内部存储器121可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、通用闪存存储器(universal flash storage,UFS)等。内部存储器121还可以存储本申请实施例提供的皮肤粗糙度检测算法的代码。当内部存储器121中存储的皮肤粗糙度检测算法的代码被处理器110运行时,实现皮肤粗糙度检测功能。当然,本申请实施例提供的皮肤粗糙度检测算法的代码还可以存储在外部存储器中。这种情况下,处理器110可以通过外部存储器接口120运行存储在外部存储器中的皮肤粗糙度检测算法的代码,以实现相应的皱纹检测功能。
终端设备100可以通过音频模块170、扬声器170A、受话器170B、麦克风170C、耳机接口170D以及应用处理器等实现音频功能。例如音乐播放、录音等。
音频模块170用于将数字音频信息转换成模拟音频信号输出,也用于将模拟音频输入转换为数字音频信号。音频模块170还可以用于对音频信号编码和解码。在一些实施例中,音频模块170可以设置于处理器110中,或将音频模块170的部分功能模块设置于处理器110中。
扬声器170A,也称“喇叭”,用于将音频电信号转换为声音信号。终端设备100可以通过扬声器170A收听音乐、或收听免提通话。
受话器170B,也称“听筒”,用于将音频电信号转换成声音信号。当终端设备100接听电话或语音信息时,可以通过将受话器170B靠近人耳接听语音。
麦克风170C,也称“话筒”,“传声器”,用于将声音信号转换为电信号。当拨打电话或发送语音信息时,用户可以通过人嘴靠近麦克风170C发声,将声音信号输入到麦克风170C。终端设备100可以设置至少一个麦克风170C。在另一些实施例中,终端设备100可以设置两个麦克风170C,除了采集声音信号,还可以实现降噪功能。在另一些实施例中,终端设备100还可以设置三个、四个或更多麦克风170C,实现声音信号采集、降噪、还可以识别声音来源,实现定向录音功能等。
耳机接口170D用于连接有线耳机。耳机接口170D可以是USB接口130,也可以是3.5mm的开放移动终端设备平台(open mobile terminal platform,OMTP)标准接口、美国蜂窝电信工业协会(cellular telecommunications industry association of the USA,CTIA)标准接口等。
传感器模块180包括环境光传感器180L。此外,传感器模块180还可以包括压力传感器180A、陀螺仪传感器180B、气压传感器180C、磁传感器180D、加速度传感器180E、距离传感器180F、接近光传感器180G、指纹传感器180H、温度传感器180J、触摸传感器180K、骨传导传感器180M等。
压力传感器180A用于感受压力信号,可以将压力信号转换成电信号。在一些实施例中,压力传感器180A可以设置于显示屏194。压力传感器180A的种类很多,如电阻式压力传感器,电感式压力传感器,电容式压力传感器等。电容式压力传感器可以是包括至少两个具有导电材料的平行板。当有力作用于压力传感器180A,电极之间的电容改变。终端设备100根据电容的变化确定压力的强度。当有触摸操作作用于显示屏194,终端设备100根据压力传感器180A检测所述触摸操作强度。终端设备100也可以根据压力传感器180A的检测信号计算触摸的位置。在一些实施例中,作用于相同触摸位置,但不同触摸操作强度的触摸操作,可以对应不同的操作指令。例如:当有触摸操作强度小于第一压力阈值的触摸操作作用于短消息应用图标时,执行查看短消息的指令。当有触摸操作强度大于或等于第一压力阈值的触摸操作作用于短消息应用图标时,执行新建短消息的指令。
陀螺仪传感器180B可以用于确定终端设备100的运动姿态。气压传感器180C用于测量气压。磁传感器180D包括霍尔传感器。终端设备100可以利用磁传感器180D检测翻盖皮套的开合。加速度传感器180E可检测终端设备100在各个方向上(一般为三轴)加速度的大小。距离传感器180F,用于测量距离。终端设备100可以通过红外或激光测量距离。在一些实施例中,拍摄场景,终端设备100可以利用距离传感器180F测距以实现快速对焦。接近光传感器180G可以包括例如发光二极管(LED)和光检测器,例如光电二极管。环境光传感器180L用于感知环境光亮度。指纹传感器180H用于采集指纹。终端设备100可以利用采集的指纹特性实现指纹解锁,访问应用锁,指纹拍照,指纹接听来电等。温度传感器180J用于检测温度。
触摸传感器180K,也称“触控面板”。触摸传感器180K可以设置于显示屏194,由触摸传感器180K与显示屏194组成触摸屏,也称“触控屏”。触摸传感器180K用于检测作用于其上或附近的触摸操作。触摸传感器可以将检测到的触摸操作传递给应用处理器,以确定触摸事件类型。可以通过显示屏194提供与触摸操作相关的视觉输出。在另一些实施例中,触摸传感器180K也可以设置于终端设备100的表面,与显示屏194所处的位置不同。按键190可以包括开机键、音量键等。按键190可以是机械按键。也可以是触摸式按键。终端设备100可以接收按键输入,产生与终端设备100的用户设置以及功能控制有关的键信号输入。
马达191可以产生振动提示。马达191可以用于来电振动提示,也可以用于触摸振动反馈。例如,作用于不同应用(例如拍照、音频播放等)的触摸操作,可以对应不同的振动反馈效果。作用于显示屏194不同区域的触摸操作,马达191也可对应不同的振动反馈效果。不同的应用场景(例如:时间提醒、接收信息、闹钟、游戏等)也可以对应不同的振动反馈效果。触摸振动反馈效果还可以支持自定义。
指示器192可以是指示灯,可以用于指示充电状态、电量变化,也可以用于指示消息、未接来电、通知等。
SIM卡接口195用于连接SIM卡。SIM卡可以通过插入SIM卡接口195,或从SIM卡接口195拔出,实现和终端设备100的接触和分离。
可以理解的是,本申请实施例示意的结构并不构成对终端设备100的具体限定。在本申请另一些实施例中,终端设备100可以包括比图示更多或更少的部件,或者组合某些部件,或者拆分某些部件,或者不同的部件布置。图示的部件可以以硬件、软件或软件和硬件的组合实现。
另外,需要说明的是,本申请中,“至少一个”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B的情况,其中A,B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达,是指的这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b,或c中的至少一项(个),可以表示:a,b,c,a-b,a-c,b-c,或a-b-c,其中a,b,c可以是单个,也可以是多个。另外,需要理解的是,在本申请的描述中,“第一”、“第二”等词汇,仅用于区分描述的目的,而不能理解为指示或暗示相对重要性,也不能理解为指示或暗示顺序。
本申请实施例涉及到的单连通域是指:属于一区域D内任一简单闭曲线的内部都属于D,则称D为单连通区域,单连通域也可以这样描述:D内任一封闭曲线所围成的区域内只含有D中的点。更通俗地说,单连通区域是没有“洞”的区域。多连通域是指,复平面上的一个区域B,如果在其中任作一条简单闭曲线,而曲线的内部不总属于B,就称为多连通域。
为了方便描述本申请实施例提供的皮肤粗糙度检测算法,如下以手背粗糙度检测为例进行说明。手背粗糙度检测方法可以由终端设备100执行,比如由终端设备100中的处理器110来执行。
在本申请一些实施例中,参见图2所示,通过图1所示的终端设备100检测手背粗糙度可以是如下的过程:
S201,终端设备100获取待处理手背图像的灰度图像。S201可以通过如下两步来实现:
A1,获取待处理手背图像。
以手背粗糙度检测功能集成于专门用于皮肤检测的应用中,后续为了描述方便,将该专门用于皮肤检测的应用称为“测肤应用”。测肤应用可以仅集成皮肤粗糙度检测功能。还可以在集成皮肤粗糙度检测功能的基础上,集成人脸的皮肤检测,比如黑头检测、毛孔检测、红斑检测等。通过测肤应用获取手背图像,并基于手背图像执行本申请实施例提供的皮肤检测方法。如图3所示,终端设备100的显示屏194显示测肤应用的图标300。终端设备100检测到对图标300的操作,则响应于对图标300的操作,在显示屏194显示测肤应用的用户界面310。其中测肤应用的用户界面310包括检测按钮311。终端设备100检测到对检测按钮311的操作。则响应于对检测按钮311的操作,打开摄像头193,显示屏194显示拍照预览界面320。拍照预览界面320用于显示摄像头193采集的图像。示例的,拍照预览界面320可以包括预览区域321,预览区域321用于显示摄像头193采集的图像。应理解,摄像头193采集的图像可以为用户的手背图像。另外,摄像头193可以为终端设备100的前置摄像头,可以为终端设备100的后置摄像头。在一些实施例中,为了提高拍照的质量,在前置摄像头的像素低于后置摄像头的像素的情况下,摄像头193为终端设备100的后置摄像头。为了进一步提高拍照的质量,终端设备100当环境光照满足拍摄条件时,自动对摄像头193采集的图像进行拍照得到手背图像。需要说明是,本申请实施例中的检测按钮311又可称之为拍照按钮,或者其它名称,本申请实施例对检测按钮311的名称不作限定。
在另一种可能的示例中,手背图像还可以是终端设备100中已存储有的图像,比如存储在内部存储器121中,从而终端设备100从内部存储器121中获取手背图像。再比如,存储在外部存储器中,从而终端设备100通过外部存储器接口120从外部存储器中获取手背图像。
A2,终端设备100在获取到手背图像后,将手背图像转换为灰度图像。
终端设备100通过摄像头采集的手背图像为彩色图像,在A2中将彩色的手背图像转换为灰度图像。
S202,终端设备100提取灰度图像中的纹理特征,纹理特征中包括纹理深度、纹理宽度、宽纹理密度和纹理密度中的至少一项;
其中,纹理深度用于表征手背上纹路的深度,纹理宽度用于表征手背上纹路的宽度,宽纹理密度用于表征纹路宽度达到预设阈值的纹路在手背中的密度,纹理密度用于表征纹路在手背中的密度。
S203,终端设备100根据纹理特征确定待处理手背图像中手背的粗糙度。
作为一种示例,终端设备100在提取灰度图像中的纹理特征时,可以对先对灰度图像进行预处理,然后从预处理后的图像中提取纹理特征。预处理,比如可以是直方图均衡化处理,可以防止光照不均对提取纹理特征的影响,再比如对灰度图像进行放大、缩小或者分割等处理,例如,可以将灰度图像分割为多个图像块,然后从多个图像块中选择纹理特征较明显的几个图像块,用于后续提取纹理特征的处理。
以终端设备100对灰度图像进行直方图均衡化处理以及分割处理为例,对灰度图像进行预处理的过程如下:
B1,终端设备100对灰度图像进行直方图均衡化处理得到均衡化图像。
B2,终端设备100将均衡化图像划分为K个图像块,比如将均衡化图像划分为10×10的图像块。
B3,终端设备100对所述K个图像块的灰度均值大小进行排序,获取排序在预设名次范围内的N个图像块。比如,灰度均值排序在第20-28的9个图像块,参见图4所示。
示例性地,终端设备100在从K个图像块中获取N个图像块,除了采用B3所示的方式外,从所述K个图像块中获取灰度均值位于预设范围内的N个图像块。如果灰度均值在预设范围内的图像块不足N个时,可以以实际数量的图像块作为后续提取纹理特征的基准。如果灰度均值在预设范围内的图像块超过N个时,可以从随机除去几个图像块,使得数量达到N个,当然,如果灰度均值在预设范围内的图像块超过N个时,也可以以实际数量的图像块作为后续提取纹理特征的基准。
B4,终端设备100从所述N个图像块中提取所述纹理特征,K和N均为正整数,N小于或者等于K。
在从N个图像块提取纹理特征时,可以通过如下几个步骤来实现:
C1,终端设备100分别对所述N个图像块进行二值化处理得到N个二值化图像。
可选地,在分别对所述N个图像块进行二值化处理得到N个二值化图像时,可以先对N个图像块进行滤波,用于对N个图像块分别进行平滑、去噪。滤波采用的方式可以是均值滤波、中值滤波、高斯滤波、双边滤波等方法。以均值滤波为例,可以采用模糊核91×91进行均值滤波。然后对滤波后的N个图像块进行二值化处理得到N个二值化图像。二值化处理后纹路区域的灰度值设置为255,其它区域的灰度值设置为0。例如,参见图5所示,为图像块经过二值化处理后的二值化图像示意图。
C2,终端设备100对所述N个二值化图像进行连通域分析得到至少一个第一连通域,所述至少一个第一连通域用于指示皮肤的纹路区域在所述N个图像块中的位置。
可选地,在执行对所述N个二值化图像进行连通域分析得到至少一个第一连通域时,可以先对N个二值化图像进行腐蚀和/或膨胀处理,然后再对腐蚀和/或膨胀处理后的N个二值化图像进行连通域分析得到所述至少一个第一连通域。例如,可以采用5×5的腐蚀核分别对N个二值化图像进行腐蚀处理,然后再对腐蚀处理后的N个二值化图像进行连通域分析得到至少一个第一连通域。
C3,终端设备100从所述N个图像块中所述至少一个第一连通域所在区域提取所述纹理特征。
如下示例性地对分别确定纹理特征中的纹理深度、纹理宽度、宽纹理密度或者纹理密度的实现方式进行说明。
1)纹理深度:
终端设备100可以根据所述N个图像块中至少一个第一连通域所在区域的灰度均值与所述N个图像块的灰度均值确定的。比如,所述纹理深度可以通过如下公式(1)确定:
F1=abs(M-M1)/M 公式(1)
其中,F1表示纹理深度,M1表示所述N个图像块中的所述至少一个第一连通域所在区域的灰度均值,M表示所述N个图像块的灰度均值。
终端设备100在提取灰度图像中的纹理深度时,可以提取N个图像块中每个图像块的纹理深度,然后将N个图像块的纹理深度的平均值作为所述灰度图像的纹理深度。例如,以第一图像块为例,第一图像块为所述N个图像块中的任一个。
第一图像块的纹理深度可以通过如下公式(2)确定:
E1=abs(X-X1)/X 公式(2)
其中,E1表示第一图像块的纹理深度,X表示所述第一图像块中的第一连通域所在区域的灰度均值,X1表示所述第一图像块的灰度均值。通过上述公式(2)分别确定N个图像块的纹理深度后,确定N个图像块的纹理深度的平均值。
终端设备100在提取灰度图像中的纹理深度时,还可以将N个图像块看成一个整体,直接确定N个图像块中的第一连通域所在区域的灰度均值,并确定N个图像块的灰度均值,从而基于上述公式(1)确定灰度图像的纹理深度。
2)纹理宽度:
终端设备100可以根据至少一个第一连通域中的第二连通域的外轮廓长度以及面积确定所述纹理宽度。其中,所述第二连通域为所述至少一个第一连通域中外轮廓长度最长或者面积最大的第一连通域。
比如,当所述第二连通域为多连通域时,可以通过如下公式(3)或者公式(4)确定所述纹理宽度:
F2=F1×S1/(L1+L0) 公式(3)
F2=S1/(L1+L0) 公式(4)
其中,F2表示所述纹理宽度,F1表示纹理深度,S1表示第二连通域的面积,L1表示第二连通域的外轮廓长度,L0表示第二连通域的内轮廓的长度和。
参见图6(1)所示,白色区域为第二连通域,则L2为白色区域的外环长度,L0等于白色区域的内环长度,即白色区域所包围的黑色椭圆的长度。第一连通域的面积为白色区域部分的面积,即环状区域的面积。参见图6(2)所示,白色区域为第二连通域,则L2为白色区域的外环长度,L0等于白色区域所包围的两个黑色椭圆的长度和,即L3和L4的和。
当所述第一连通域为单连通时,可以通过如下公式(5)或者公式(6)确定所述纹理宽度:
F2=F1×S1/L1 公式(5)
F2=S1/L1 公式(6)
其中,F2表示所述纹理宽度,F1表示纹理深度,S1表示第二连通域的面积,L1表示第二连通域的外轮廓长度,例如参见图6(3)所示,S1为白色区域的面积,L1为白色区域的轮廓周长。
3)宽纹理密度:
终端设备100可以从所述至少一个第一连通域中确定外轮廓长度大于预设阈值的至少一个第三连通域,然后确定N个图像块中包含所述第三连通域的K1个图像块,进一步地分别确定所述K1个图像块中每个图像块包括的第三连通域的面积和,与N个图像块的面积和比值得到K1个比值;最后将所述K1个比值的平均值乘上所述纹理深度确定为所述宽纹理密度,或者,将所述K1个比值的平均值确定为所述宽纹理密度。
比如,可以通过如下公式(7)或者公式(8)确定所述宽纹理密度:
F3=F1×S2/S 公式(7)
F3=S2/S 公式(8)
其中,F3表示宽纹理密度,S2表示K1个图像块中所包括的第三连通域的面积和。比如有3个图像块包括第三连通域,分别为图像块1、图像块2和图像块3,图像块1包括2个第三连通域、图像块2包括1个第三连通域,图像块3包括3个第三连通域,则S2为图像块1中的2个第三连通域的面积、图像块2中的1个第三连通域的面积以及图像块3中的3个第三连通域的面积之和,即6个第三连通域的面积之和。S表示N个图像块的面积和。
3)纹理密度:
确定所述N个图像块所包括的第一连通域的面积和,与所述N个图像块的面积和之间的第二比值;然后将所述第二比值乘上所述纹理深度确定为所述纹理密度,或者,将所述第二比值确定为所述宽纹理密度。
比如,可以通过如下公式(9)或者公式(10)确定所述纹理密度:
F4=F1×S3/S 公式(9)
F4=S3/S 公式(10)
其中,F4表示纹理密度,S3表示N个图像块中所包括的第一连通域的面积和,S为N个图像块的面积和。比如N为4,分别为图像块1-图像块4,图像块1包括2个第一连通域、图像块2包括3个第一连通域、图像块3包括3个第一连通域、图像块4包括1个第一连通域,则S3为图像块1中的2个第一连通域的面积、图像块2中的3个第一连通域的面积、图像块3中的3个第一连通域的面积,以及图像块4中的1个第一连通域的面积之和,即9个第一连通域的面积之和。S表示N个图像块的面积和。
作为一种示例,在终端设备100不对灰度图像分割处理时,可以通过如下方式确定灰度图像的纹理特征。针对灰度图像进行均值滤波,并对均值滤波后的灰度图像进行二值化处理,对所述二值化图像进行连通域分析得到至少一个连通域,然后至少一个连通域所在区域提取所述纹理特征。比如确定纹理深度时,可以将灰度图像中连通域位置的灰度均值与灰度图像的灰度均值的比值作为纹理深度。确定纹理宽度时,可以根据至少一个连通域中面积最大或者外轮廓长度最长的连通域来确定,具体确定方式参见公式(3)或公式(4)。在确定宽纹理密度时,可以从所述至少一个连通域中确定外轮廓长度大于预设阈值的连通域,确定外轮廓长度大于预设阈值的连通域的面积和,与所述灰度图像的面积之间的比值为宽纹理密度,或者确定外轮廓长度大于预设阈值的连通域的面积和,与所述灰度图像的面积之间的比值乘上所述纹理深度确定为所述宽纹理密度。在确定纹理密度时,可以将至少一个连通域的面积和,与所述灰度图像的面积之间的比值确定为纹理密度,或者将可以将至少一个连通域的面积和,与所述灰度图像的面积之间的比值乘上上述纹理深度确定为纹理密度。
作为一种示例,终端设备100在根据所述纹理特征确定所述待处理皮肤图像中皮肤的粗糙度时,可以采用集成学习算法模型,根据纹理特征确定待处理皮肤图像中皮肤的粗糙度。集成学习算法比如可以是Adaboost、或者Boosting、或者套袋法(bootstrapaggregating,bagging)。
集成学习算法模型可以采用如下方式训练得到:
采集在由多个年龄段构成的人群的手背图像,构成训练样本。由多个“皮肤专家”分别确定人群中每个人的手背粗糙度,即对手背情况进行打分,可以采用百分制或者10分制或者1分制等等。多个皮肤专家对某个人打分的平均值,作为某个人的手背粗糙度值的标签。基于训练样本以及对应的手背粗糙度标签,对预设的集成学习算法模型进行训练,训练得到的集成学习算法模型,则可以作为本申请实施例检测待处理皮肤图像中皮肤的粗糙度的模型。
申请人以150人构成的人群进行实验、根据“皮肤专家”打分制,选择三位真人专家分别对150人的手背粗糙度进行盲评打分,每个人对应的三位真人专家的打分平均值作为该个人的粗糙度得分。以150人手背图像作为训练样本,以94人作为验证样本进行模型验证。实验利用AdaBoost,通过交叉验证的方式得到测试集相关系数0.88,初步验证了本算法的可行性,测试结果参见图7和图8所示。图7为采用分割图像块的方式的测试结果,图8为未采用分割图像块的方式的测试结果。图7和图8中x轴代表皮肤专家对测试集数据打分结果,y轴为模型测试结果。图7和图8中的线条为理想拟合结果,黑色点集越接近红线,代表相关性越高。图7中的相关性测试结果为0.73,图8中的相关性测试结果为0.88,分割图像块的方式对比非分割图像块的方式,测试结果更佳。
进一步地,终端设备100在确定手背图像中手背的粗糙度后,在显示屏上显示粗糙度值(即打分结果),还可以显示对手背皮肤的护理建议等。比如,参见图9所示。
上述涉及的各个实施例可以相互结合使用,也可以单独使用。
上述本申请提供的实施例中,从电子设备作为执行主体的角度对本申请实施例提供的方法进行了介绍。为了实现上述本申请实施例提供的方法中的各功能,电子设备可以包括硬件结构和/或软件模块,以硬件结构、软件模块、或硬件结构加软件模块的形式来实现上述各功能。上述各功能中的某个功能以硬件结构、软件模块、还是硬件结构加软件模块的方式来执行,取决于技术方案的特定应用和设计约束条件。
基于相同的构思,图10所示为本申请提供的一种电子设备1000。示例的,电子设备1000包括至少一个处理器1010、存储器1020,还可以包括显示屏1030和摄像头1040。其中,处理器1010与存储器1020、显示屏1030和摄像头1040耦合,本申请实施例中的耦合是装置、单元或模块之间的间接耦合或通信连接,可以是电性,机械或其它的形式,用于装置、单元或模块之间的信息交互。
具体的,存储器1020用于存储程序指令,摄像头1040用于拍摄图像,显示屏1030用于在摄像头1040启动拍摄时显示拍照预览界面,拍照预览界面包括摄像头1040采集的图像。显示屏1030还可以用于显示上述实施例中所涉及的用户界面,如图3所示的用户界面、图9所示的界面等等。处理器1010用于调用并执行存储器1020中存储的程序指令,执行上述图3所示的色斑检测方法中的步骤。
应理解,该电子设备1000可以用于实现本申请实施例的如图2所示的皮肤粗糙度检测方法,相关特征可以参照上文,此处不再赘述。
所属领域的技术人员可以清楚地了解到本申请实施例可以用硬件实现,或固件实现,或它们的组合方式来实现。当使用软件实现时,可以将上述功能存储在计算机可读介质中或作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质,其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是计算机能够存取的任何可用介质。以此为例但不限于:计算机可读介质可以包括RAM、ROM、电可擦可编程只读存储器(electrically erasableprogrammable read only memory,EEPROM)、只读光盘(compact disc read-Only memory,CD-ROM)或其他光盘存储、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质。此外。任何连接可以适当的成为计算机可读介质。例如,如果软件是使用同轴电缆、光纤光缆、双绞线、数字用户线(digital subscriber line,DSL)或者诸如红外线、无线电和微波之类的无线技术从网站、服务器或者其他远程源传输的,那么同轴电缆、光纤光缆、双绞线、DSL或者诸如红外线、无线和微波之类的无线技术包括在所属介质的定影中。如本申请实施例所使用的,盘(disk)和碟(disc)包括压缩光碟(compact disc,CD)、激光碟、光碟、数字通用光碟(digital video disc,DVD)、软盘和蓝光光碟,其中盘通常磁性的复制数据,而碟则用激光来光学的复制数据。上面的组合也应当包括在计算机可读介质的保护范围之内。
总之,以上所述仅为本申请的实施例而已,并非用于限定本申请的保护范围。凡根据本申请的揭露,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (14)
1.一种皮肤粗糙度检测方法,其特征在于,应用于电子设备中,包括:
获取待处理皮肤图像的灰度图像;
提取所述灰度图像中的纹理特征,所述纹理特征中包括宽纹理密度;根据所述纹理特征确定所述待处理皮肤图像中皮肤的粗糙度;
所述提取所述灰度图像中的纹理特征,包括:将所述灰度图像划分为K个图像块,从所述K个图像块中获取灰度均值位于预设灰度范围内的N个图像块,从所述N个图像块中分别提取所述纹理特征,K和N均为正整数,N小于或者等于K;或者,将所述灰度图像划分为K个图像块,对所述K个图像块的灰度均值大小进行排序,获取排序在预设名次范围内的N个图像块,从所述N个图像块中提取所述纹理特征;
所述从所述N个图像块中提取纹理特征,包括:分别对所述N个图像块进行二值化处理得到N个二值化图像;对所述N个二值化图像进行连通域分析得到至少一个第一连通域,所述至少一个第一连通域用于指示皮肤的纹路区域在所述N个图像块中的位置;从所述N个图像块中所述至少一个第一连通域所在区域提取所述纹理特征;
从所述N个图像块中所述至少一个第一连通域所在区域提取所述宽纹理密度,包括:从所述至少一个第一连通域中确定外轮廓长度大于预设阈值的至少一个第三连通域;确定N个图像块中包含第三连通域的K1个图像块,其中K1为正整数;确定所述K1个图像块中所包括的第三连通域的面积和,与所述N个图像块的面积和之间的第一比值;将所述第一比值乘上纹理深度确定为所述宽纹理密度,或者,将所述第一比值确定为所述宽纹理密度。
2.如权利要求1所述的方法,其特征在于,分别对所述N个图像块进行二值化处理得到N个二值化图像,包括:
分别对所述N个图像块进行滤波,并对滤波后的N个图像块进行二值化处理得到N个二值化图像。
3.如权利要求1或2所述的方法,其特征在于,所述对所述N个二值化图像进行连通域分析得到至少一个第一连通域,包括:
对所述N个二值化图像进行腐蚀和/或膨胀处理,并对腐蚀和/或膨胀处理后的N个二值化图像进行连通域分析得到所述至少一个第一连通域。
4.如权利要求1或2所述的方法,其特征在于,所述纹理特征还包括纹理深度、纹理宽度或者纹理密度中的一项或者多项;
所述纹理深度用于表征皮肤上纹路的深度,所述纹理宽度用于表征皮肤上纹路的宽度,所述纹理密度用于表征纹路在皮肤中的密度。
5.如权利要求4所述的方法,其特征在于,所述纹理深度是根据所述N个图像块中至少一个第一连通域所在区域的灰度均值与所述N个图像块的灰度均值确定的。
6.如权利要求5所述的方法,其特征在于,所述纹理深度符合如下公式要求:
F1=abs(M-M1)/M;
其中,F1表示纹理深度,M1表示所述N个图像块中所述至少一个第一连通域所在区域的灰度均值,M表示N个图像块的灰度均值。
7.如权利要求4所述的方法,其特征在于,从所述N个图像块中所述至少一个第一连通域所在区域提取所述纹理宽度,包括:
根据至少一个第一连通域中的第二连通域的外轮廓长度以及面积确定所述纹理宽度;
其中,所述第二连通域为所述至少一个第一连通域中外轮廓长度最长或者面积最大的第一连通域。
8.如权利要求7所述的方法,其特征在于,根据至少一个第一连通域中的第二连通域的外轮廓长度以及面积确定所述纹理宽度,包括:
当所述第二连通域为多连通域时,所述纹理宽度符合如下公式要求:
F2=F1×S1/(L1+L0);或者,F2=S1/(L1+L0);
其中,F2表示所述纹理宽度,F1表示纹理深度,S1表示第二连通域的面积,L1表示第二连通域的外轮廓长度,L0表示第二连通域的内轮廓的长度和;
当所述第二连通域为单连通域时,所述纹理宽度符合如下公式要求:
F2=F1×S1/L1;或者,F2=S1/L1;
其中,F2表示所述纹理宽度,F1表示纹理深度,S1表示第二连通域的面积,L1表示第二连通域的外轮廓长度。
9.如权利要求4所述的方法,其特征在于,从所述N个图像块中所述至少一个第一连通域所在区域提取所述纹理密度,包括:
确定所述N个图像块所包括的第一连通域的面积和,与所述N个图像块的面积和之间的第二比值;
将所述第二比值乘上所述纹理深度确定为所述纹理密度,或者,将所述第二比值确定为所述宽纹理密度。
10.如权利要求1或2所述的方法,其特征在于,所述提取所述灰度图像中的纹理特征,包括:
对所述灰度图像进行直方图均衡化处理得到均衡化图像,提取所述均衡化图像中的纹理特征。
11.如权利要求1或2所述的方法,其特征在于,根据所述纹理特征确定所述待处理皮肤图像中皮肤的粗糙度,包括:
根据所述纹理特征采用集成学习算法模型确定所述待处理皮肤图像中皮肤的粗糙度。
12.一种终端设备,其特征在于,包括处理器、存储器;其中所述处理器与所述存储器耦合;
所述存储器,用于存储程序指令;
所述处理器,用于读取所述存储器中存储的所述程序指令,以实现如权利要求1至11任一所述的方法。
13.一种计算机存储介质,其特征在于,所述计算机存储介质存储有程序指令,当所述程序指令在电子设备上运行时,使得所述电子设备执行权利要求1至11任一所述的方法。
14.一种芯片,其特征在于,所述芯片与电子设备中的存储器耦合,所述芯片读取并执行所述存储器中存储的程序指令时,使得所述电子设备执行权利要求1至11任一所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910882738.8A CN112603259B (zh) | 2019-09-18 | 2019-09-18 | 一种皮肤粗糙度检测方法及电子设备 |
PCT/CN2020/115973 WO2021052436A1 (zh) | 2019-09-18 | 2020-09-17 | 一种皮肤粗糙度检测方法及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910882738.8A CN112603259B (zh) | 2019-09-18 | 2019-09-18 | 一种皮肤粗糙度检测方法及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112603259A CN112603259A (zh) | 2021-04-06 |
CN112603259B true CN112603259B (zh) | 2022-04-19 |
Family
ID=74883387
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910882738.8A Active CN112603259B (zh) | 2019-09-18 | 2019-09-18 | 一种皮肤粗糙度检测方法及电子设备 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN112603259B (zh) |
WO (1) | WO2021052436A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117392121B (zh) * | 2023-12-07 | 2024-03-08 | 西安鼎福十方网络智能科技有限公司 | 一种基于图像识别的经皮给药治疗控制方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008061892A (ja) * | 2006-09-08 | 2008-03-21 | Tokyo Univ Of Science | 表皮組織定量化装置及びプログラム |
CN102036607A (zh) * | 2008-05-23 | 2011-04-27 | 宝丽化学工业有限公司 | 用于自动判断皮肤肌理和/或皱纹的方法 |
CN107157447A (zh) * | 2017-05-15 | 2017-09-15 | 精诚工坊电子集成技术(北京)有限公司 | 基于图像rgb颜色空间的皮肤表面粗糙度的检测方法 |
CN108154510A (zh) * | 2018-01-17 | 2018-06-12 | 深圳市亿图视觉自动化技术有限公司 | 产品表面缺陷检测方法、装置及计算机可读存储介质 |
CN109299632A (zh) * | 2017-07-25 | 2019-02-01 | 上海中科顶信医学影像科技有限公司 | 皮肤检测方法、系统、设备及存储介质 |
CN110210448A (zh) * | 2019-06-13 | 2019-09-06 | 广州纳丽生物科技有限公司 | 一种智能人脸皮肤老化程度的识别与评估方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4141288B2 (ja) * | 2003-01-30 | 2008-08-27 | ポーラ化成工業株式会社 | シワ・レプリカ像の鑑別法 |
US10281267B2 (en) * | 2014-11-10 | 2019-05-07 | Shiseido Company, Ltd. | Method for evaluating flow of skin, method for examining skin glow improvers, and skin glow improver |
KR102429838B1 (ko) * | 2016-03-11 | 2022-08-05 | (주)아모레퍼시픽 | 피부결 블랍을 기초로한 피부결 평가 장치 및 그 방법 |
CN105844236B (zh) * | 2016-03-22 | 2019-09-06 | 重庆医科大学 | 基于皮肤图像信息处理的年龄测试方法 |
KR102049040B1 (ko) * | 2017-08-07 | 2019-11-27 | (재)예수병원유지재단 | 생체용 거칠기 진단장치 |
CN109325468B (zh) * | 2018-10-18 | 2022-06-03 | 广州智颜科技有限公司 | 一种图像处理方法、装置、计算机设备和存储介质 |
CN110008925A (zh) * | 2019-04-15 | 2019-07-12 | 中国医学科学院皮肤病医院 | 一种基于集成学习的皮肤自动检测方法 |
-
2019
- 2019-09-18 CN CN201910882738.8A patent/CN112603259B/zh active Active
-
2020
- 2020-09-17 WO PCT/CN2020/115973 patent/WO2021052436A1/zh active Application Filing
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008061892A (ja) * | 2006-09-08 | 2008-03-21 | Tokyo Univ Of Science | 表皮組織定量化装置及びプログラム |
CN102036607A (zh) * | 2008-05-23 | 2011-04-27 | 宝丽化学工业有限公司 | 用于自动判断皮肤肌理和/或皱纹的方法 |
CN107157447A (zh) * | 2017-05-15 | 2017-09-15 | 精诚工坊电子集成技术(北京)有限公司 | 基于图像rgb颜色空间的皮肤表面粗糙度的检测方法 |
CN109299632A (zh) * | 2017-07-25 | 2019-02-01 | 上海中科顶信医学影像科技有限公司 | 皮肤检测方法、系统、设备及存储介质 |
CN108154510A (zh) * | 2018-01-17 | 2018-06-12 | 深圳市亿图视觉自动化技术有限公司 | 产品表面缺陷检测方法、装置及计算机可读存储介质 |
CN110210448A (zh) * | 2019-06-13 | 2019-09-06 | 广州纳丽生物科技有限公司 | 一种智能人脸皮肤老化程度的识别与评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112603259A (zh) | 2021-04-06 |
WO2021052436A1 (zh) | 2021-03-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112215802B (zh) | 一种皮肤检测方法和电子设备 | |
US20220180485A1 (en) | Image Processing Method and Electronic Device | |
CN112037162B (zh) | 一种面部痤疮的检测方法及设备 | |
WO2022033556A1 (zh) | 电子设备及其语音识别方法和介质 | |
CN111566693B (zh) | 一种皱纹检测方法及电子设备 | |
CN111543049B (zh) | 一种拍照方法及电子设备 | |
CN112603259B (zh) | 一种皮肤粗糙度检测方法及电子设备 | |
CN111417982B (zh) | 一种色斑检测方法及电子设备 | |
CN111557007B (zh) | 一种检测眼睛睁闭状态的方法及电子设备 | |
CN114241347A (zh) | 皮肤敏感度的显示方法、装置、电子设备及可读存储介质 | |
CN115437601B (zh) | 图像排序方法、电子设备、程序产品及介质 | |
CN114943976B (zh) | 模型生成的方法、装置、电子设备和存储介质 | |
CN111460942B (zh) | 接近检测方法及装置、计算机可读介质及终端设备 | |
CN115633114A (zh) | 通信录字母的显示方法、装置和终端设备 | |
CN117710701B (zh) | 一种追踪物体的方法、装置和电子设备 | |
CN117726543B (zh) | 图像处理方法和装置 | |
WO2024082976A1 (zh) | 文本图像的ocr识别方法、电子设备及介质 | |
CN117710695A (zh) | 图像数据的处理方法及电子设备 | |
CN116030787A (zh) | 基于年龄的声音生成方法和装置 | |
CN114253446A (zh) | 一种内容的显示方法和电子设备 | |
CN117523077A (zh) | 一种虚拟形象生成方法及装置 | |
CN113129220A (zh) | 图像处理方法及电子设备 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20210506 Address after: Unit 3401, unit a, building 6, Shenye Zhongcheng, No. 8089, Hongli West Road, Donghai community, Xiangmihu street, Futian District, Shenzhen, Guangdong 518040 Applicant after: Honor Device Co.,Ltd. Address before: 518129 Bantian HUAWEI headquarters office building, Longgang District, Guangdong, Shenzhen Applicant before: HUAWEI TECHNOLOGIES Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |