CN113111710A - 基于皮肤镜的毛发图像识别方法、装置和存储介质 - Google Patents

基于皮肤镜的毛发图像识别方法、装置和存储介质 Download PDF

Info

Publication number
CN113111710A
CN113111710A CN202110265018.4A CN202110265018A CN113111710A CN 113111710 A CN113111710 A CN 113111710A CN 202110265018 A CN202110265018 A CN 202110265018A CN 113111710 A CN113111710 A CN 113111710A
Authority
CN
China
Prior art keywords
image
hair
recognized
identified
area
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
Application number
CN202110265018.4A
Other languages
English (en)
Other versions
CN113111710B (zh
Inventor
郭四稳
钟正希
曾嘉晋
叶文迪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou University
Original Assignee
Guangzhou University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangzhou University filed Critical Guangzhou University
Priority to CN202110265018.4A priority Critical patent/CN113111710B/zh
Publication of CN113111710A publication Critical patent/CN113111710A/zh
Application granted granted Critical
Publication of CN113111710B publication Critical patent/CN113111710B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
    • G06V20/693—Acquisition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
    • G06V20/698—Matching; Classification

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于皮肤镜的毛发图像识别方法、计算机装置和存储介质，毛发图像识别方法包括获取通过皮肤镜采集得到的待识别图像，对待识别图像进行预处理、二值化处理、毛发识别和毛发判别，确定成熟毛发区域和幼稚毛发区域，将位于成熟毛发区域中，并且满足像素均值阈值条件的毛发识别为成熟毛发，将其他毛发识别为幼稚毛发等步骤。本发明无需使用裸眼观察皮肤镜图像，避免了人工识别的低效率和高出错率，相比起人工通过仪器观察的技术，由于引入了计算机图形处理，能够有效应对由于光照不均、头皮油渍反光和肤色等引起的杂点、模糊等干扰因素造成的图像质量下降，维持较高的查全率和较低的漏检率。本发明广泛应用于图像处理技术领域。

Description

基于皮肤镜的毛发图像识别方法、装置和存储介质
技术领域
本发明涉及图像处理技术领域，尤其是一种基于皮肤镜的毛发图像识别方法、计算机装置和存储介质。
背景技术
将人的毛发归类为成熟毛发和幼稚毛发，是医学、化妆、美容等领域的重要手段。现有技术中，主要依赖人工通过仪器甚至裸眼观察进行识别。由于人工的低效率、高出错率，导致对成熟毛发和幼稚毛发识别工作效率低且容易出错，进一步导致后续依赖识别结果的工作效率不高并且效果不佳。即使借助仪器进行观察，由于仪器拍摄的图像容易出现光照不均、杂点和模糊等干扰因素，容易导致毛发的漏检和误检。人工识别的结果一般只能通过手工记录，难以通过直观的方式记录，不利于后期查看以及检查。
术语解释：皮肤镜或称皮表透光显微镜，是一种具有偏振光光源的皮肤放大镜，能放大10～30倍。偏振光可以减少皮肤角质层对光线的折射，能观察到皮表、表皮、表皮与真皮交界处及真皮乳头层的颜色和结构。它使用方便，具有无创性的特点。
发明内容
针对上述至少一个技术问题，本发明的目的在于提供一种基于皮肤镜的毛发图像识别方法、计算机装置和存储介质。
一方面，本发明实施例包括一种基于皮肤镜的毛发图像识别方法，包括：
获取通过皮肤镜采集得到的待识别图像；
对所述待识别图像进行预处理；所述预处理用于修复和增强所述待识别图像；
对所述待识别图像进行二值化处理；
对所述待识别图像进行毛发识别，从而确定所述待识别图像中存在毛发的区域；
对所述待识别图像进行毛发判别，从而确定成熟毛发区域和幼稚毛发区域；
将位于所述成熟毛发区域中，并且满足像素均值阈值条件的毛发识别为成熟毛发，将其他毛发识别为幼稚毛发。
进一步地，所述对所述待识别图像进行预处理，包括：
将所述待识别图像转换到HSV颜色空间，从所述待识别图像中提取出V通道图像；
对所述V通道图像进行开运算，获得第一图像数据；
对所述第一图像数据进行多重多尺度伽马补偿计算，获得第二图像数据；
对所述第二图像数据进行多次独立的开运算，其中不同的开运算使用不同的算子，每次开运算分别获得一个第三图像数据；
对各所述第三图像数据进行合成处理，获得第四图像数据；所述第四图像数据作为对所述待识别图像的预处理结果。
进一步地，所述对各所述第三图像数据进行合成处理，获得第四图像数据，所使用的公式为：
Figure BDA0002972101650000021
其中，I表示所述第三图像数据，n为所述第三图像数据的总数。
进一步地，所述对所述待识别图像进行毛发识别，从而确定所述待识别图像中存在毛发的区域，包括：
对所述待识别图像进行连通域分析，从而将所述待识别图像划分成为各第一区域；
对所述待识别图像中的所有所述第一区域按像素面积进行过滤，从而保留像素面积小于像素面积阈值的所述第一区域，消去其他所述第一区域；
对经过过滤的所述待识别图像进行闭运算；
对经过闭运算的所述待识别图像进行连通域分析，从而将所述待识别图像划分成为各第二区域；
对所述待识别图像中的所有所述第二区域按像素面积、长度和宽度进行过滤，从而消去像素面积在像素面积范围内、长度小于长度阈值、宽度小于宽度阈值的所述第二区域，保留其他所述第二区域；
将被保留的所述第二区域确定为存在毛发的区域。
进一步地，所述像素面积阈值为50000，所述像素面积范围为(30,50000)，所述长度阈值和所述宽度阈值均为10。
进一步地，所述对所述待识别图像进行毛发判别，从而确定成熟毛发区域和幼稚毛发区域，包括：
通过对所述待识别图像中存在毛发的区域进行闭运算，确定所述待识别图像中存在毛发的区域中被保留的部分和被消去的部分；
将所述待识别图像中存在毛发的区域中被保留的部分，确定为所述成熟毛发区域；
将所述待识别图像中存在毛发的区域中被消去的部分，确定为所述幼稚毛发区域。
进一步地，所述像素均值阈值条件为：像素均值小于110。
进一步地，基于皮肤镜的毛发图像识别方法还包括：
对所述待识别图像中的成熟毛发和幼稚毛发进行颜色标记；其中，成熟毛发对应的颜色与幼稚毛发对应的颜色不相同。
另一方面，本发明实施例还包括一种计算机装置，包括存储器和处理器，所述存储器用于存储至少一个程序，所述处理器用于加载所述至少一个程序以执行实施例中的基于皮肤镜的毛发图像识别方法。
另一方面，本发明实施例还包括一种存储介质，其中存储有处理器可执行的程序，所述处理器可执行的程序在由处理器执行时用于执行实施例中的基于皮肤镜的毛发图像识别方法。
本发明的有益效果是：实施例中的基于皮肤镜的毛发图像识别方法，基于计算机系统可对皮肤镜图像进行全程自动分析处理并返回结果，无需使用裸眼观察皮肤镜图像，避免了人工识别的低效率和高出错率，相比起人工通过仪器观察的技术，由于引入了计算机图形处理，能够有效应对由于光照不均、头皮油渍反光和肤色等引起的杂点、模糊等干扰因素造成的图像质量下降，维持较高的查全率和较低的漏检率。
附图说明
图1为实施例中基于皮肤镜的毛发图像识别方法的流程图；
图2为实施例中进行多重多尺度伽马补偿计算这一步骤的原理图。
具体实施方式
本实施例中，参照图1，基于皮肤镜的毛发图像识别方法，包括以下步骤：
S1.获取通过皮肤镜采集得到的待识别图像；
S2.对待识别图像进行预处理；预处理用于修复和增强待识别图像；
S3.对待识别图像进行二值化处理；
S4.对待识别图像进行毛发识别，从而确定待识别图像中存在毛发的区域；
S5.对待识别图像进行毛发判别，从而确定成熟毛发区域和幼稚毛发区域；
S6.将位于成熟毛发区域中，并且满足像素均值阈值条件的毛发识别为成熟毛发，将其他毛发识别为幼稚毛发。
步骤S1中，待识别图像可以是皮肤镜拍摄所得的带有包括头部、手臂等皮肤裸露区域，以及带有人体皮肤中的幼稚毛发和成熟毛发的图像，背景信息可以是除毛发以外的所有杂点油光等。可选地，通过将图像导入到含该算法软件的计算机上，进行毛发的识别以及分类。
步骤S2中，具体可以执行以下步骤：
S201.将待识别图像转换到HSV颜色空间，从待识别图像中提取出V通道图像；
S202.对V通道图像进行开运算，获得第一图像数据；
S203.对第一图像数据进行多重多尺度伽马补偿计算，获得第二图像数据；
S204.对第二图像数据进行多次独立的开运算，其中不同的开运算使用不同的算子，每次开运算分别获得一个第三图像数据；
S205.对各第三图像数据进行合成处理，获得第四图像数据；第四图像数据作为对待识别图像的预处理结果。
步骤S201的原理是，平时一般的图像为我们熟知的RGB三通道图像，经过公式的转换后可以转换为HSV色彩空间，其中H为色调，S为饱和度，V为亮度。执行步骤S201时，将输入的待识别图像转换到HSV颜色空间，并提取其V通道图像。
执行步骤S202时，对从待识别图像中提取出V通道图像进行开运算，开运算的结果为第一图像数据。具体地，开运算为对图像进行腐蚀后在进行膨胀。腐蚀为选定一个内核，并将内核划过图像，并将内核覆盖区域的最小值提取出来，并替代图像描点位置的像素。膨胀为选定一个内核，并将内核划过图像，并将内核覆盖区域的最大值提取出来，并替代图像描点位置的像素。
执行步骤S203时，对第一图像数据进行多重多尺度伽马补偿计算，多重多尺度伽马补偿计算的结果为第二图像数据。具体地，参照图2，在进行多重多尺度伽马补偿计算时，首先输入参数，输入的参数包括重复多尺度伽马计算的次数times，权重集weights、矫正参数集1：g1s、矫正参数集2：g2s、尺度数nums。然后执行由以下步骤P1-P3构成的循环。
步骤P1包括：
用i作为循环计算的次数，查看循环的次数i是否等于times。如果相等输出处理后的结果图像。如果不相等，若是第一次循环(也就是i＝1时)则输入步骤S202获得的图像，即第一图像数据进入步骤P2，否则输入上一次循环的结果图像进入步骤P2。
步骤P2包括：
用j作为循环计算不同尺度伽马补偿计算的次数，查看循环次数j是否等于尺度数nums。如果相等，将记录的多次循环的结果图集合I3s，经过公式
Figure BDA0002972101650000041
以权重weights相加后作为结果图像I，并将结果图像I返回步骤P1。如果不相等，输入上一步骤P1输入的图像以及矫正参数g1s[j]作为g1、矫正参数g2s[j]作为g2进入到步骤P3的伽马补偿计算。并记录经过伽马补偿后的结果图像I3到集合I3s中，返回步骤P2。
步骤P3包括：
首先计算原图像I(即通过步骤P2获得的图像)的所有像素的均值m，然后将原图像I用17x17高斯滤波算子进行卷积，得到卷积后的图像I1，再然后将图像I1的每一个像素减去均值m后再除与均值m，通过公式
Figure BDA0002972101650000051
得到图像I2。然后定义一个像素矩阵G，像素矩阵G的大小与原图像I相等，再然后遍历图像I2的每一个像素(每个位置的像素点值为I2(x，y))，如果I2(x，y)小于0，则G(x，y)为输入参数g1的I2次方。如果I2(x，y)大于0，则G(x，y)为输入参数g2的I2次方。其中，G(x，y)的形式为
Figure BDA0002972101650000052
然后定义一个像素矩阵I3，像素矩阵I3的大小与原图像I相等。最后，遍历图像I1的每一个像素，计算I3(x,y)＝m*(I(x,y)/m)G(x,y)，得到结果图像I3，并返回步骤P2。
在执行完由步骤P1-P3构成的循环后，结束执行步骤S203，将执行步骤S203的结果保存为第二图像数据，执行步骤S204。
执行步骤S204时，对执行步骤S203获得的第二图像数据分别用不同算子进行多次开运算，每次开运算都能获得一个第三图像数据Ii。如果执行n次开运算，则能一共获得n个第三图像数据。
执行步骤S205时，使用公式
Figure BDA0002972101650000053
对n个第三图像数据Ii进行合成处理，从而获得第四图像数据I4。最终获得的第四图像数据I4，作为对待识别图像的预处理结果，即第四图像数据I4是经过预处理的待识别图像。
在执行完步骤S2后，执行步骤S3，使用sauvola阈值法，对经过预处理的待识别图像进行二值化。
在执行完步骤S3后，执行步骤S4，其中步骤S4具体包括以下步骤：
S401.对待识别图像进行连通域分析，从而将待识别图像划分成为各第一区域；
S402.对待识别图像中的所有第一区域按像素面积进行过滤，从而保留像素面积小于像素面积阈值的第一区域，消去其他第一区域；
S403.对经过过滤的待识别图像进行闭运算；
S404.对经过闭运算的待识别图像进行连通域分析，从而将待识别图像划分成为各第二区域；
S405.对待识别图像中的所有第二区域按像素面积、长度和宽度进行过滤，从而消去像素面积在像素面积范围内、长度小于长度阈值、宽度小于宽度阈值的第二区域，保留其他第二区域；
S406.将被保留的第二区域确定为存在毛发的区域。
本实施例中，执行步骤S401-S406时，具体地，先执行步骤S401，对二值化图像采用连通域分析，连通域分析的结果是将待识别图像划分成为多个第一区域，确定所有毛发包括一些杂点的区域及位置。然后执行步骤S402，对所有第一区域进行过滤，设定像素面积阈值为50000，保留像素面积小于50000的第一区域，消去像素面积大于50000的第一区域。执行步骤S403，对过滤后图像进行一次闭运算(闭运算为对图像先膨胀在腐蚀)，得到闭运算处理后的图像。然后执行步骤S404，再对闭运算处理后的图像进行一次连通域分析，连通域分析的结果是将待识别图像划分成为多个第二区域，再执行步骤S405，设定像素面积范围为(30,50000)，长度阈值和宽度阈值均为10，对所有第二区域进行过滤，将像素面积小于30或大于50000和长度小于10宽度小于10的第二区域消去，从而确定所有毛发的区域及位置，即被保留的第二区域为存在毛发的区域。经过过滤后的第二区域已经几乎不含杂点。
在执行完步骤S4后，执行步骤S5，其中步骤S5具体包括以下步骤：
S501.通过对待识别图像中存在毛发的区域进行闭运算，确定待识别图像中存在毛发的区域中被保留的部分和被消去的部分；
S502.将待识别图像中存在毛发的区域中被保留的部分，确定为成熟毛发区域；
S503.将待识别图像中存在毛发的区域中被消去的部分，确定为幼稚毛发区域。
本实施例中，执行步骤S501-S503时，具体地，首先执行步骤S501，对执行上一步骤即步骤S4所获得的所有头发位置的图像进行闭运算，从而将识别出的存在毛发的区域中面积较小的区域消去。执行步骤S502和S503进行判断，此时能够保留下来的区域是成熟毛发区域，即初步判断为成熟毛发的区域，被消去的区域是幼稚毛发区域，即初步判断为幼稚毛发的区域。
最后执行步骤S6，将位于成熟毛发区域中，并且其像素均值m小于110的毛发识别为成熟毛发，将其他毛发识别为幼稚毛发，从而完成成熟毛发和幼稚毛发的识别。
本实施例中，在执行步骤S1-S6的基础上，还可以执行以下步骤：
S7.对待识别图像中的成熟毛发和幼稚毛发进行颜色标记；其中，成熟毛发对应的颜色与幼稚毛发对应的颜色不相同。
执行步骤S7可以直观地显示步骤S1-S6的识别结果，从而有利于后期查看和检查。
本实施例中的基于皮肤镜的毛发图像识别方法，基于计算机系统可对皮肤镜图像进行全程自动分析处理并返回结果，无需使用裸眼观察皮肤镜图像，避免了人工识别的低效率和高出错率，相比起人工通过仪器观察的技术，由于引入了计算机图形处理，能够有效应对由于光照不均、头皮油渍反光和肤色等引起的杂点、模糊等干扰因素造成的图像质量下降，维持较高的查全率和较低的漏检率。
可以通过编写执行本实施例中的基于皮肤镜的毛发图像识别方法的计算机程序，将该计算机程序写入至计算机装置或者存储介质中，当计算机程序被读取出来运行时，执行本实施例中的基于皮肤镜的毛发图像识别方法。
需要说明的是，如无特殊说明，当某一特征被称为“固定”、“连接”在另一个特征，它可以直接固定、连接在另一个特征上，也可以间接地固定、连接在另一个特征上。此外，本公开中所使用的上、下、左、右等描述仅仅是相对于附图中本公开各组成部分的相互位置关系来说的。在本公开中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。此外，除非另有定义，本实施例所使用的所有的技术和科学术语与本技术领域的技术人员通常理解的含义相同。本实施例说明书中所使用的术语只是为了描述具体的实施例，而不是为了限制本发明。本实施例所使用的术语“和/或”包括一个或多个相关的所列项目的任意的组合。
应当理解，尽管在本公开可能采用术语第一、第二、第三等来描述各种元件，但这些元件不应限于这些术语。这些术语仅用来将同一类型的元件彼此区分开。例如，在不脱离本公开范围的情况下，第一元件也可以被称为第二元件，类似地，第二元件也可以被称为第一元件。本实施例所提供的任何以及所有实例或示例性语言(“例如”、“如”等)的使用仅意图更好地说明本发明的实施例，并且除非另外要求，否则不会对本发明的范围施加限制。
应当认识到，本发明的实施例可以由计算机硬件、硬件和软件的组合、或者通过存储在非暂时性计算机可读存储器中的计算机指令来实现或实施。所述方法可以使用标准编程技术-包括配置有计算机程序的非暂时性计算机可读存储介质在计算机程序中实现，其中如此配置的存储介质使得计算机以特定和预定义的方式操作——根据在具体实施例中描述的方法和附图。每个程序可以以高级过程或面向对象的编程语言来实现以与计算机系统通信。然而，若需要，该程序可以以汇编或机器语言实现。在任何情况下，该语言可以是编译或解释的语言。此外，为此目的该程序能够在编程的专用集成电路上运行。
此外，可按任何合适的顺序来执行本实施例描述的过程的操作，除非本实施例另外指示或以其他方式明显地与上下文矛盾。本实施例描述的过程(或变型和/或其组合)可在配置有可执行指令的一个或多个计算机系统的控制下执行，并且可作为共同地在一个或多个处理器上执行的代码(例如，可执行指令、一个或多个计算机程序或一个或多个应用)、由硬件或其组合来实现。所述计算机程序包括可由一个或多个处理器执行的多个指令。
进一步，所述方法可以在可操作地连接至合适的任何类型的计算平台中实现，包括但不限于个人电脑、迷你计算机、主框架、工作站、网络或分布式计算环境、单独的或集成的计算机平台、或者与带电粒子工具或其它成像装置通信等等。本发明的各方面可以以存储在非暂时性存储介质或设备上的机器可读代码来实现，无论是可移动的还是集成至计算平台，如硬盘、光学读取和/或写入存储介质、RAM、ROM等，使得其可由可编程计算机读取，当存储介质或设备由计算机读取时可用于配置和操作计算机以执行在此所描述的过程。此外，机器可读代码，或其部分可以通过有线或无线网络传输。当此类媒体包括结合微处理器或其他数据处理器实现上文所述步骤的指令或程序时，本实施例所述的发明包括这些和其他不同类型的非暂时性计算机可读存储介质。当根据本发明所述的方法和技术编程时，本发明还包括计算机本身。
计算机程序能够应用于输入数据以执行本实施例所述的功能，从而转换输入数据以生成存储至非易失性存储器的输出数据。输出信息还可以应用于一个或多个输出设备如显示器。在本发明优选的实施例中，转换的数据表示物理和有形的对象，包括显示器上产生的物理和有形对象的特定视觉描绘。
以上所述，只是本发明的较佳实施例而已，本发明并不局限于上述实施方式，只要其以相同的手段达到本发明的技术效果，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。在本发明的保护范围内其技术方案和/或实施方式可以有各种不同的修改和变化。

Claims (10)

1.一种基于皮肤镜的毛发图像识别方法，其特征在于，包括：
获取通过皮肤镜采集得到的待识别图像；
对所述待识别图像进行预处理；所述预处理用于修复和增强所述待识别图像；
对所述待识别图像进行二值化处理；
对所述待识别图像进行毛发识别，从而确定所述待识别图像中存在毛发的区域；
对所述待识别图像进行毛发判别，从而确定成熟毛发区域和幼稚毛发区域；
将位于所述成熟毛发区域中，并且满足像素均值阈值条件的毛发识别为成熟毛发，将其他毛发识别为幼稚毛发。
2.根据权利要求1所述的基于皮肤镜的毛发图像识别方法，其特征在于，所述对所述待识别图像进行预处理，包括：
将所述待识别图像转换到HSV颜色空间，从所述待识别图像中提取出V通道图像；
对所述V通道图像进行开运算，获得第一图像数据；
对所述第一图像数据进行多重多尺度伽马补偿计算，获得第二图像数据；
对所述第二图像数据进行多次独立的开运算，其中不同的开运算使用不同的算子，每次开运算分别获得一个第三图像数据；
对各所述第三图像数据进行合成处理，获得第四图像数据；所述第四图像数据作为对所述待识别图像的预处理结果。
3.根据权利要求2所述的基于皮肤镜的毛发图像识别方法，其特征在于，所述对各所述第三图像数据进行合成处理，获得第四图像数据，所使用的公式为：
Figure FDA0002972101640000011
其中，I表示所述第三图像数据，n为所述第三图像数据的总数。
4.根据权利要求1所述的基于皮肤镜的毛发图像识别方法，其特征在于，所述对所述待识别图像进行毛发识别，从而确定所述待识别图像中存在毛发的区域，包括：
对所述待识别图像进行连通域分析，从而将所述待识别图像划分成为各第一区域；
对所述待识别图像中的所有所述第一区域按像素面积进行过滤，从而保留像素面积小于像素面积阈值的所述第一区域，消去其他所述第一区域；
对经过过滤的所述待识别图像进行闭运算；
对经过闭运算的所述待识别图像进行连通域分析，从而将所述待识别图像划分成为各第二区域；
对所述待识别图像中的所有所述第二区域按像素面积、长度和宽度进行过滤，从而消去像素面积在像素面积范围内、长度小于长度阈值、宽度小于宽度阈值的所述第二区域，保留其他所述第二区域；
将被保留的所述第二区域确定为存在毛发的区域。
5.根据权利要求4所述的基于皮肤镜的毛发图像识别方法，其特征在于，所述像素面积阈值为50000，所述像素面积范围为(30,50000)，所述长度阈值和所述宽度阈值均为10。
6.根据权利要求1所述的基于皮肤镜的毛发图像识别方法，其特征在于，所述对所述待识别图像进行毛发判别，从而确定成熟毛发区域和幼稚毛发区域，包括：
通过对所述待识别图像中存在毛发的区域进行闭运算，确定所述待识别图像中存在毛发的区域中被保留的部分和被消去的部分；
将所述待识别图像中存在毛发的区域中被保留的部分，确定为所述成熟毛发区域；
将所述待识别图像中存在毛发的区域中被消去的部分，确定为所述幼稚毛发区域。
7.根据权利要求1所述的基于皮肤镜的毛发图像识别方法，其特征在于，所述像素均值阈值条件为：像素均值小于110。
8.根据权利要求1-7任一项所述的基于皮肤镜的毛发图像识别方法，其特征在于，还包括：
对所述待识别图像中的成熟毛发和幼稚毛发进行颜色标记；其中，成熟毛发对应的颜色与幼稚毛发对应的颜色不相同。
9.一种计算机装置，其特征在于，包括存储器和处理器，所述存储器用于存储至少一个程序，所述处理器用于加载所述至少一个程序以执行权利要求1-8任一项所述基于皮肤镜的毛发图像识别方法。
10.一种存储介质，其中存储有处理器可执行的程序，其特征在于，所述处理器可执行的程序在由处理器执行时用于执行如权利要求1-8任一项所述基于皮肤镜的毛发图像识别方法。
CN202110265018.4A 2021-03-11 2021-03-11 基于皮肤镜的毛发图像识别方法、装置和存储介质 Active CN113111710B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110265018.4A CN113111710B (zh) 2021-03-11 2021-03-11 基于皮肤镜的毛发图像识别方法、装置和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110265018.4A CN113111710B (zh) 2021-03-11 2021-03-11 基于皮肤镜的毛发图像识别方法、装置和存储介质

Publications (2)

Publication Number Publication Date
CN113111710A true CN113111710A (zh) 2021-07-13
CN113111710B CN113111710B (zh) 2023-08-18

Family

ID=76711072

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110265018.4A Active CN113111710B (zh) 2021-03-11 2021-03-11 基于皮肤镜的毛发图像识别方法、装置和存储介质

Country Status (1)

Country Link
CN (1) CN113111710B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004246424A (ja) * 2003-02-10 2004-09-02 Masahide Kaneko 肌色領域の抽出方法
US20180018505A1 (en) * 2015-10-26 2018-01-18 Tencent Technology (Shenzhen) Company Limited Method for detecting skin region and apparatus for detecting skin region
CN107730446A (zh) * 2017-10-31 2018-02-23 广东欧珀移动通信有限公司 图像处理方法、装置、计算机设备及计算机可读存储介质
CN110533732A (zh) * 2019-09-04 2019-12-03 厦门美图之家科技有限公司 图像中肤色的识别方法、装置、电子设备及存储介质
CN110610468A (zh) * 2019-09-23 2019-12-24 厦门美图之家科技有限公司 基于皮肤镜图像的毛发识别方法、装置、设备及存储介质
US20200383631A1 (en) * 2019-06-09 2020-12-10 Canfield Scientific, Incorporated Hair analysis methods and apparatuses

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004246424A (ja) * 2003-02-10 2004-09-02 Masahide Kaneko 肌色領域の抽出方法
US20180018505A1 (en) * 2015-10-26 2018-01-18 Tencent Technology (Shenzhen) Company Limited Method for detecting skin region and apparatus for detecting skin region
CN107730446A (zh) * 2017-10-31 2018-02-23 广东欧珀移动通信有限公司 图像处理方法、装置、计算机设备及计算机可读存储介质
US20200383631A1 (en) * 2019-06-09 2020-12-10 Canfield Scientific, Incorporated Hair analysis methods and apparatuses
CN110533732A (zh) * 2019-09-04 2019-12-03 厦门美图之家科技有限公司 图像中肤色的识别方法、装置、电子设备及存储介质
CN110610468A (zh) * 2019-09-23 2019-12-24 厦门美图之家科技有限公司 基于皮肤镜图像的毛发识别方法、装置、设备及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
谢凤英;姜志国;孟如松;: "黄色人种皮肤镜图像的自动分析与识别技术", 中国体视学与图像分析, no. 03, pages 5 - 14 *

Also Published As

Publication number Publication date
CN113111710B (zh) 2023-08-18

Similar Documents

Publication Publication Date Title
JP7344568B2 (ja) ディープラーニングを使用して無標識蛍光画像をデジタル染色する方法及びシステム
CN111524080A (zh) 脸部皮肤特征的识别方法、终端及计算机设备
CN110148121A (zh) 一种皮肤图像处理方法、装置、电子设备及介质
CA3002902C (en) Systems and methods of unmixing images with varying acquisition properties
EP2780888B1 (en) Processing an image containing one or more artifacts
Kanwal et al. Quantifying the effect of color processing on blood and damaged tissue detection in whole slide images
RU2732895C1 (ru) Метод для выделения и классификации типов клеток крови с помощью глубоких сверточных нейронных сетей
Koehoorn et al. Effcient and effective automated digital hair removal from dermoscopy images
CN112215776B (zh) 人像磨皮方法、电子设备和计算机可读存储介质
CN113111710B (zh) 基于皮肤镜的毛发图像识别方法、装置和存储介质
Fablet et al. Reconstructing individual shape histories of fish otoliths: A new image-based tool for otolith growth analysis and modeling
WO2019181072A1 (ja) 画像処理方法、コンピュータプログラムおよび記録媒体
Khan et al. Segmentation of single and overlapping leaves by extracting appropriate contours
CN110910409A (zh) 一种灰度图像处理方法、装置和计算机可读存储介质
Busch et al. Morphological Operations for Color‐Coded Images
Amitha et al. Developement of computer aided system for detection and classification of mitosis using SVM
CN115705748A (zh) 一种面部特征的识别系统
Marcuzzo et al. Automatic cell segmentation from confocal microscopy images of the Arabidopsis root
Mahmoud et al. Novel feature extraction methodology based on histopathalogical images and subsequent classification by Support Vector Machine
CN113570619B (zh) 基于人工智能的计算机辅助胰腺病理图像诊断系统
RU2734575C1 (ru) Способ и система идентификации новообразований на рентгеновских изображениях
CN117171384B (zh) 高精度纹理路径检索方法、装置、计算机设备及存储介质
CN117315378B (zh) 一种尘肺病的分级判定方法及相关设备
CN113570619A (zh) 基于人工智能的计算机辅助胰腺病理图像诊断系统
Ocampo-Blandón et al. Multiscale morphological reconstruction for hair removal in dermoscopy 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