JP4579046B2 - 肌状態解析方法、肌状態解析装置、肌状態解析プログラム、及び該プログラムが記録された記録媒体 - Google Patents

Description

本発明は、肌状態解析方法、肌状態解析装置、肌状態解析プログラム、及び該プログラムが記録された記録媒体に係り、特に被験者の肌のキメ又は毛穴の解析を高精度に行うための肌状態解析方法、肌状態解析装置、肌状態解析プログラム、及び該プログラムが記録された記録媒体に関する。

従来、被験者が肌の診断や美容カウンセリング等を受けたい場合には、専門家のいる場所まで出向いて直接肌の診断等を行っていた。しかしながら、被験者が専門家のいる場所まで行く面倒や専門家毎に異なるアドバイスをする場合もあるため、被験者が正しい対応が取れないことがあった。

そこで、近年では、被験者の顔の撮像画像を用いて、予め蓄積された複数の基準画像と比較することで、専門家以外でも客観的に被験者の肌状態を評価する手法がある（例えば、特許文献１参照。）。

また、肌状態を解析する他の手法としては、予め肌のレプリカを作成し、作成したレプリカにより被験者の肌丘や毛穴の状態等を判断する手法がある（例えば、特許文献２参照。）。
特許第３５３０５２３号公報 特開平９−１５４８３２号公報

ところで、肌状態の診断する際には、特に肌のキメ又は毛穴の解析は重要な診断要素であり、そのような場合には、被験者の肌の毛穴や皮溝、皮丘等の微細な形状等について明確に把握する必要がある。

しかしながら、上述したような従来の手法においては、解析前の入力画像において、上述したような部分の微細な形状を高精度に画像抽出する技術はない。また、レプリカを用いて肌の解析を行う場合には、レプリカを作成する手間がとコストがかかると共に、レプリカを介して間接的に被験者の肌の診断等を行うため、高精度な診断を行うことができない。

本発明は、上記の問題点に鑑みてなされたものであって、被験者の肌のキメ又は毛穴の解析を高精度に行うための肌状態解析方法、肌状態解析装置、肌状態解析プログラム、及び該プログラムが記録された記録媒体を提供することを目的とする。

上記課題を解決するために、本件発明は、以下の特徴を有する課題を解決するための手段を採用している。

請求項１に記載された発明は、被験者の肌が撮影された画像を用いて肌のキメ又は毛穴の解析を行うための肌状態解析方法において、前記画像からＲ成分、Ｇ成分、及びＢ成分を抽出するＲＧＢ成分抽出ステップと、前記ＲＧＢ成分抽出ステップにより得られるＲ成分と、Ｂ成分あるいはＧ成分とから毛穴画像を抽出する毛穴画像抽出ステップと、前記毛穴画像から毛穴の大きさをパラメータ化する毛穴パラメータ生成ステップと、前記ＲＧＢ成分抽出ステップにより得られるＧ成分から皮溝画像を抽出する皮溝画像抽出ステップと、前記皮溝画像から皮溝の鮮明さをパラメータ化する皮溝パラメータ生成ステップと、前記毛穴画像及び前記皮溝画像から皮丘画像を抽出する皮丘画像抽出ステップと、前記皮丘画像から皮丘の細かさ及び／又は皮丘の形状をパラメータ化する皮丘パラメータ生成ステップと、前記毛穴パラメータ生成ステップ、前記皮溝パラメータ生成ステップ、及び前記皮丘パラメータ生成ステップにより得られるパラメータのうち、少なくとも１つを用いて肌のキメ又は毛穴の解析を行う解析ステップとを有し、前記毛穴画像抽出ステップは、前記Ｒ成分と、前記Ｂ成分あるいは前記Ｇ成分とから差分画像を生成し、生成した差分画像から皮溝の除去を行い、前記毛穴画像を抽出することを特徴とする。

請求項１記載の発明によれば、被験者の肌のキメ又は毛穴の解析を高精度に行うことができる。これにより、専門家でなくても被験者に対して高精度な診断や美容カウンセリング等を行うことができる。また、Ｒ成分と、前記Ｂ成分あるいは前記Ｇ成分とから生成される差分画像を用いることにより、毛穴画像を高精度に抽出することができる。

請求項２に記載された発明は、前記毛穴パラメータ生成ステップは、前記毛穴画像における毛穴の平均面積及び／又は総面積を算出し、算出された面積に基づいて毛穴パラメータを生成することを特徴とする。

請求項２記載の発明によれば、毛穴に基づく数値化されたパラメータを高精度に取得することができる。また、パラメータの内容から専門家でなくとも均一的な解析を行うことができる。

請求項３に記載された発明は、前記皮溝画像抽出ステップは、前記Ｇ成分の画像について前記皮溝の形状を強調する微分フィルターを用いてフィルタリングを行い、前記皮溝画像を抽出することを特徴とする。

請求項３記載の発明によれば、Ｇ成分を用いて皮溝の形状を強調する微分フィルターによるフィルタリングを行うことにより、毛穴除去及び皮溝の強調を高精度に行うことができる。これにより、皮溝画像を高精度に取得することができる。

請求項４に記載された発明は、前記皮溝パラメータ生成ステップは、前記皮溝画像から得られる皮溝の幅に基づいて、皮溝パラメータを生成することを特徴とする。

請求項４記載の発明によれば、皮溝に基づく数値化されたパラメータを高精度に取得することができる。また、パラメータの内容から専門家でなくとも均一的な解析を行うことができる。

請求項５に記載された発明は、前記皮丘画像抽出ステップは、前記皮溝画像から皮丘部分を取得し、取得した複数の皮丘画像の周辺を所定の画素数分縮小させて画像を皮丘画像の離散を行い、離散した皮丘画像を前記毛穴画像に基づいて毛穴部分を除去することにより、皮丘画像を抽出することを特徴とする。

請求項５記載の発明によれば、連結している複数の皮丘が１つの皮丘として誤判断及び誤解析されることがなく、皮丘の数又は平均面積、形状を高精度に取得することができる。

請求項６に記載された発明は、前記皮丘パラメータ生成ステップは、前記皮丘画像により得られる所定の画像領域中における皮丘の数又は平均面積、あるいは前記皮丘の数又は平均面積を前記被験者の顔の表面積に対応させた場合の数、及び／又は皮丘の円形度に基づいて皮丘パラメータを生成することを特徴とする。

請求項６記載の発明によれば、皮丘の数又は平均面積あるいは皮丘の数又は平均面積を前記被験者の顔の表面積に対応させた数、及び／又は皮丘の円形度により数値化されたパラメータを高精度に取得することができる。また、パラメータの内容から専門家でなくとも均一的な解析を行うことができる。

請求項７に記載された発明は、前記解析ステップは、前記毛穴パラメータ、前記皮溝パラメータ、及び前記皮丘パラメータ、前記毛穴画像、前記皮溝画像、及び前記皮丘画像のうち、少なくとも１つを色分けして表示し、それぞれの隣接間の前記毛穴、前記皮溝、及び前記皮丘を異ならせた色で表示することを特徴とする。

請求項７記載の発明によれば、異なる毛穴部分や皮溝部分、皮丘部分においては、それぞれが個々に視覚上明確に表示させることができる。これにより、ユーザは、毛穴や皮丘等の形状や大きさ、数等を容易に把握することができる。

請求項８に記載された発明は、被験者の肌が撮影された画像を用いて肌のキメ又は毛穴の解析を行うための肌状態解析装置において、前記画像からＲ成分、Ｇ成分、及びＢ成分を抽出するＲＧＢ成分抽出手段と、前記ＲＧＢ成分抽出手段により得られるＲ成分と、Ｂ成分あるいはＧ成分とから毛穴画像を抽出する毛穴画像抽出手段と、前記毛穴画像から毛穴の大きさをパラメータ化する毛穴パラメータ生成手段と、前記ＲＧＢ成分抽出手段により得られるＧ成分から皮溝画像を抽出する皮溝画像抽出手段と、前記皮溝画像から皮溝の鮮明さをパラメータ化する皮溝パラメータ生成手段と、前記毛穴画像及び前記皮溝画像から皮丘画像を抽出する皮丘画像抽出手段と、前記皮丘画像から皮丘の細かさ及び／又は皮丘の形状をパラメータ化する皮丘パラメータ生成手段と、前記毛穴パラメータ生成手段、前記皮溝パラメータ生成手段、及び前記皮丘パラメータ生成手段により得られるパラメータのうち、少なくとも１つを用いて肌のキメ又は毛穴の解析を行う解析手段とを有し、前記毛穴画像抽出手段は、前記Ｒ成分と、前記Ｂ成分あるいは前記Ｇ成分とから差分画像を生成し、生成した差分画像から皮溝の除去を行い、前記毛穴画像を抽出することを特徴とする。

請求項８記載の発明によれば、被験者の肌のキメ又は毛穴の解析を高精度に行うことができる。これにより、専門家でなくても被験者に対して高精度な診断や美容カウンセリング等を行うことができる。また、Ｒ成分及びＢ成分から生成される差分画像を用いることにより、毛穴画像を高精度に抽出することができる。

請求項９に記載された発明は、前記毛穴パラメータ生成手段は、前記毛穴画像における毛穴の平均面積及び／又は総面積を算出し、算出された面積に基づいて毛穴パラメータを生成することを特徴とする。

請求項９記載の発明によれば、毛穴に基づく数値化されたパラメータを高精度に取得することができる。また、パラメータの内容から専門家でなくとも均一的な解析を行うことができる。

請求項１０に記載された発明は、前記皮溝画像抽出手段は、前記Ｇ成分の画像について前記皮溝の形状を強調する微分フィルターを用いてフィルタリングを行い、前記皮溝画像を抽出することを特徴とする。

請求項１０記載の発明によれば、Ｇ成分を用いて皮溝の形状を強調する微分フィルターによるフィルタリングを行うことにより、毛穴除去及び皮溝の強調を高精度に行うことができる。これにより、皮溝画像を高精度に取得することができる。

請求項１１に記載された発明は、前記皮溝パラメータ生成手段は、前記皮溝画像から得られる皮溝の幅に基づいて、皮溝パラメータを生成することを特徴とする。

請求項１１記載の発明によれば、皮溝に基づく数値化されたパラメータを高精度に取得することができる。また、パラメータの内容から専門家でなくとも均一的な解析を行うことができる。

請求項１２に記載された発明は、前記皮丘画像抽出手段は、前記皮溝画像から皮丘部分を取得し、取得した複数の皮丘画像の周辺を所定の画素数分縮小させて画像を皮丘画像の離散を行い、離散した皮丘画像を前記毛穴画像に基づいて毛穴部分を除去することにより、皮丘画像を抽出することを特徴とする。

請求項１２記載の発明によれば、連結している複数の皮丘が１つの皮丘として誤判断及び誤解析されることがなく、皮丘の数又は平均面積、形状を高精度に取得することができる。

請求項１３に記載された発明は、前記皮丘パラメータ生成手段は、前記皮丘画像により得られる所定の画像領域中における皮丘の数又は平均面積、あるいは前記皮丘の数又は平均面積を前記被験者の顔の表面積に対応させた場合の数、及び／又は皮丘の円形度に基づいて皮丘パラメータを生成することを特徴とする。

請求項１３記載の発明によれば、皮丘の数又は平均面積あるいは皮丘の数又は平均面積を前記被験者の顔の表面積に対応させた数、及び／又は皮丘の円形度により数値化されたパラメータを高精度に取得することができる。また、パラメータの内容から専門家でなくとも均一的な解析を行うことができる。

請求項１４に記載された発明は、前記解析手段は、前記毛穴パラメータ、前記皮溝パラメータ、及び前記皮丘パラメータ、前記毛穴画像、前記皮溝画像、及び前記皮丘画像のうち、少なくとも１つを色分けして表示し、それぞれの隣接間の前記毛穴、前記皮溝、及び前記皮丘を異ならせた色で表示することを特徴とする。

請求項１４記載の発明によれば、異なる毛穴部分や皮溝部分、皮丘部分においては、それぞれが個々に視覚上明確に表示させることができる。これにより、ユーザは、毛穴や皮丘等の形状や大きさ、数等を容易に把握することができる。

請求項１５に記載された発明は、被験者の肌が撮影された画像を用いて肌のキメ又は毛穴の解析を行うための肌状態解析プログラムにおいて、コンピュータを、前記画像からＲ成分、Ｇ成分、及びＢ成分を抽出するＲＧＢ成分抽出手段、前記ＲＧＢ成分抽出手段により得られるＲ成分と、Ｂ成分あるいはＧ成分とから毛穴画像を抽出する毛穴画像抽出手段、前記毛穴画像から毛穴の大きさをパラメータ化する毛穴パラメータ生成手段、前記ＲＧＢ成分抽出手段により得られるＧ成分から皮溝画像を抽出する皮溝画像抽出手段、前記皮溝画像から皮溝の鮮明さをパラメータ化する皮溝パラメータ生成手段、前記毛穴画像及び前記皮溝画像から皮丘画像を抽出する皮丘画像抽出手段、前記皮丘画像から皮丘の細かさ及び／又は皮丘の形状をパラメータ化する皮丘パラメータ生成手段、前記毛穴パラメータ生成手段、前記皮溝パラメータ生成手段、及び前記皮丘パラメータ生成手段により得られるパラメータのうち、少なくとも１つを用いて肌のキメ又は毛穴の解析を行う解析手段として機能させ、前記毛穴画像抽出手段は、前記Ｒ成分と、前記Ｂ成分あるいは前記Ｇ成分とから差分画像を生成し、生成した差分画像から皮溝の除去を行い、前記毛穴画像を抽出することを特徴とする。

請求項１５記載の発明によれば、被験者の肌のキメ又は毛穴の解析を高精度に行うことができる。これにより、専門家でなくても被験者に対して高精度な診断や美容カウンセリング等を行うことができる。また、Ｒ成分及びＢ成分から生成される差分画像を用いることにより、毛穴画像を高精度に抽出することができる。また、プログラムをインストールすることにより、汎用のパーソナルコンピュータ等で本発明における肌状態の解析を容易に実現することができる。

請求項１６に記載された発明は、前記毛穴パラメータ生成手段は、前記毛穴画像における毛穴の平均面積及び／又は総面積を算出し、算出された面積に基づいて毛穴パラメータを生成することを特徴とする。

請求項１６記載の発明によれば、毛穴に基づく数値化されたパラメータを高精度に取得することができる。また、パラメータの内容から専門家でなくとも均一的な解析を行うことができる。

請求項１７に記載された発明は、前記皮溝画像抽出手段は、前記Ｇ成分の画像について前記皮溝の形状を強調する微分フィルターを用いてフィルタリング行い、前記皮溝画像を抽出することを特徴とする。

請求項１７記載の発明によれば、Ｇ成分を用いて前記皮溝の形状を強調する微分フィルターによるフィルタリングを行うことにより、毛穴除去及び皮溝の強調を高精度に行うことができる。これにより、皮溝画像を高精度に取得することができる。

請求項１８に記載された発明は、前記皮溝パラメータ生成手段は、前記皮溝画像から得られる皮溝の幅に基づいて、皮溝パラメータを生成することを特徴とする。

請求項１８記載の発明によれば、皮溝に基づく数値化されたパラメータを高精度に取得することができる。また、パラメータの内容から専門家でなくとも均一的な解析を行うことができる。

請求項１９に記載された発明は、前記皮丘画像抽出手段は、前記皮溝画像から皮丘部分を取得し、取得した複数の皮丘画像の周辺を所定の画素数分縮小させて画像を皮丘画像の離散を行い、離散した皮丘画像を前記毛穴画像に基づいて毛穴部分を除去することにより、皮丘画像を抽出することを特徴とする。

請求項１９記載の発明によれば、連結している複数の皮丘が１つの皮丘として誤判断及び誤解析されることがなく、皮丘の数又は平均面積、形状を高精度に取得することができる。

請求項２０に記載された発明は、前記皮丘パラメータ生成手段は、前記皮丘画像により得られる所定の画像領域中における皮丘の数又は平均面積、あるいは前記皮丘の数又は平均面積を前記被験者の顔の表面積に対応させた場合の数、及び／又は皮丘の円形度に基づいて皮丘パラメータを生成することを特徴とする。

請求項２０記載の発明によれば、皮丘の数又は平均面積あるいは皮丘の数又は平均面積を前記被験者の顔の表面積に対応させた数、及び／又は皮丘の円形度により数値化されたパラメータを高精度に取得することができる。また、パラメータの内容から専門家でなくとも均一的な解析を行うことができる。

請求項２１に記載された発明は、前記解析手段は、前記毛穴パラメータ、前記皮溝パラメータ、及び前記皮丘パラメータ、前記毛穴画像、前記皮溝画像、及び前記皮丘画像のうち、少なくとも１つを色分けして表示し、それぞれの隣接間の前記毛穴、前記皮溝、及び前記皮丘を異ならせた色で表示することを特徴とする。

請求項２１記載の発明によれば、異なる毛穴部分や皮溝部分、皮丘部分においては、それぞれが個々に視覚上明確に表示させることができる。これにより、ユーザは、毛穴や皮丘等の形状や大きさ、数等を容易に把握することができる。

請求項２２に記載された発明は、前記請求項１５乃至前記請求項２１の何れか１項に記載の肌状態解析プログラムが記録されたコンピュータ読み取り可能な記録媒体である。

請求項２２記載の発明によれば、被験者の肌のキメ又は毛穴の解析を高精度に行うことができる。これにより、専門家でなくても被験者に対して高精度な診断や美容カウンセリング等を行うことができる。また、Ｒ成分及びＢ成分から生成される差分画像を用いることにより、毛穴画像を高精度に抽出することができる。また、記録媒体により他の複数のコンピュータに容易にインストールすることができ、これにより、本発明における肌状態の解析を容易に実現することができる。

本発明によれば、被験者の肌のキメ又は毛穴の解析を高精度に行うことができる。

＜本発明の概要＞
本発明は、肌に関するキメ又は毛穴の特徴を示す数値等を用いてパラメータ化することにより、高精度な肌状態の解析を実現する。具体的には、撮影した被験者の肌画像情報を三原色（赤（Ｒｅｄ）、緑（Ｇｒｅｅｎ）、青（Ｂｌｕｅ））のそれぞれの成分に分け、それぞれの成分情報を用いて肌の解析を行う。また、本発明では、キメ又は毛穴の解析を行うためのパラメータとしてキメ又は毛穴の特徴を現す４つの項目（毛穴の大きさ、皮溝の鮮明さ、皮丘の細かさ、皮丘の形状）を用いる。これらの値を数値等によりパラメータ化し、そのパラメータ化された値の少なくとも１つを用いて肌の表面状態の解析を行う。

以下に、本発明における肌状態解析方法、肌状態解析装置、肌状態解析プログラム、及び該プログラムが記録された記録媒体を好適に実施した形態について、図面を用いて説明する。

＜システム構成＞
図１は、本発明における肌状態解析システムの概略構成の一例を示す図である。図１に示す肌状態解析システム１０は、肌観察装置１１と、肌状態解析装置１２とを有するよう構成されており、肌観察装置１１及び肌状態解析装置１２は、インターネットやＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）等に代表される通信ネットワーク１３によりデータの送受信が可能な状態で接続されている。

肌観察装置１１は、例えばＣＣＤ（Ｃｈａｒｇｅ Ｃｏｕｐｌｅｄ Ｄｅｖｉｃｅ）カメラ等を用いて被験者の撮像等を行い、顔全体や肌局部等の画像又は拡大画像等を取得する。なお、本発明において顔や肌を撮影するための手法としては、例えば特許第３４１０８３６号公報に示されている肌観察装置を用いることができるが、本発明においてはこれに限定されない。また、肌観察装置１１は、撮影した画像を通信ネットワーク１３を介して肌状態解析装置１２に送信する。

肌状態解析装置１２は、肌観察装置１１から送信された画像に基づいて、毛穴の大きさ、皮溝の鮮明さ、皮丘の細かさ、及び皮丘の形状うち、少なくとも１つをパラメータ化する。また、肌状態解析装置１２は、生成したパラメータのうち、少なくとも１つを用いて被験者のキメ又は毛穴の解析を行う。

なお、図１に示すシステム構成は、概略的に肌観察装置１１及び肌状態解析装置１２をそれぞれ１台有する構成となっているが、本発明においてはこれに限定されるものではなく、例えば肌観察装置１１及び／又は肌状態解析装置１２が複数台有するよう構成されていてもよい。また、肌観察装置１１における被験者の肌を撮像するための各構成を肌状態解析装置１２内に設けてもよく、肌状態を解析する元画像がすでに存在する場合には、肌観察装置１１を設けなくてよい。

＜肌状態解析装置１２＞
次に、本発明に係る肌状態解析装置１２の機能構成例について図を用いて説明する。図２は、本発明における肌状態解析装置の機能構成の一例を示す図である。図２に示す肌状態解析装置１２は、画像入力手段２１と、ＲＧＢ成分抽出手段２２と、毛穴画像抽出手段２３と、毛穴パラメータ生成手段２４と、皮溝画像抽出手段２５と、皮溝パラメータ生成手段２６と、皮丘画像抽出手段２７と、皮丘パラメータ生成手段２８と、解析手段２９と、表示出力手段３０とを有するよう構成されている。

画像入力手段２１は、上述した肌観察装置１１等からの画像を入力する。なお、入力される画像は、高画質カメラ等により撮影された画像でもよいが、例えばビデオマイクロスコープ（ＶＭＳ：Ｖｉｄｅｏ Ｍｉｃｒｏ Ｓｃｏｐｅ）等のような顕微鏡等により撮影された高画質画像が好ましい。なお、画像入力手段２１は、取得した画像が肌の局部の画像である場合には入力した画像をそのまま、ＲＧＢ成分抽出手段２２に出力する。また、画像入力手段２１は、取得した画像が顔全体の画像である場合は、予め設定された画像サイズ（領域）毎に分離し、分離した画像又は分離した画像の中からユーザ等により選択された画像をＲＧＢ成分抽出手段２２に出力する。

ＲＧＢ成分抽出手段２２は、入力画像を三原色であるＲ（Ｒｅｄ）成分、Ｇ（Ｇｒｅｅｎ）成分、Ｂ（Ｂｌｕｅ）成分の画像を抽出する。また、ＲＧＢ成分抽出手段２２は、それぞれのＲ、Ｇ、Ｂ成分のそれぞれの歪み補正を行う。ここで、各成分の歪み補正は、ガウシアンフィルター（Ｇａｕｓｓｉａｎ Ｆｉｌｔｅｒ）等の補正手法を用いることができる。また、ＲＧＢ成分抽出手段２２は、Ｒ成分、及び、Ｂ成分あるいはＧ成分の画像を毛穴画像抽出手段２３に出力する。また、ＲＧＢ成分抽出手段２２は、皮溝の画像抽出に用いられる成分の画像（例えば、Ｇ画像）を皮溝画像抽出手段２５に出力する。

毛穴画像抽出手段２３は、ＲＧＢ成分抽出手段２２により得られるＲ成分、及び、Ｂ成分あるいはＧ成分の画像から毛穴画像の抽出を行う。具体的には、毛穴画像抽出手段２３は、例えばＲ成分及びＢ成分の差分画像を生成し、生成した差分画像を二値化して平滑化処理等を行い毛穴画像の抽出を行う。なお、差分画像は、Ｒ成分からＢ成分を差分した画像（Ｒ−Ｂ画像）を用いることが好ましいが、その逆であってもよい。

また、毛穴画像抽出手段２３は、Ｒ成分及びＧ成分の差分画像を生成し、生成した差分画像を二値化して平滑化処理等を行い毛穴画像の抽出を行ってもよい。なお、Ｒ成分及びＢ成分を用いた差分画像の方がコントラストがよく、抽出がしやすい。また、以下の説明では、主にＲ成分及びＢ成分による差分画像を用いた例について説明するが、本発明においてはこれに限定されず、上述したようにＲ成分及びＧ成分による差分画像を用いてもよい。毛穴画像抽出手段２３は、抽出された画像を毛穴パラメータ生成手段２４及び皮丘画像抽出手段２７に出力する。

毛穴パラメータ生成手段２４は、毛穴抽出画像に基づいて毛穴の大きさを算出し、算出した結果に基づいてパラメータを生成する。なお、毛穴画像の抽出、毛穴パラメータの生成内容についての詳細は後述する。また、毛穴パラメータ生成手段２４は、生成された毛穴パラメータを解析手段２９に出力する。

一方、皮溝画像抽出手段２５は、入力されたＧ成分の画像のノイズ除去を行う。また、皮溝画像抽出手段２５は、ノイズ除去したＧ成分についてガウシアンフィルターによる画像の微分処理や、微分した画像の二値化等を行い、皮溝画像の抽出を行う。なお、皮溝画像抽出手段２５は、Ｇ成分の画像に限定されず、Ｒ成分の画像やＢ成分の画像、あるいはＲ，Ｇ，Ｂの各成分のうち複数の成分を合成した画像等を用いて皮溝画像を抽出してもよい。

更に、皮溝画像抽出手段２５は、皮溝画像を皮溝パラメータ生成手段２６及び皮丘画像抽出手段２７に出力する。皮溝パラメータ生成手段２６は、皮溝の鮮明さについてのパラメータを算出する。また、皮溝パラメータ生成手段２６は、生成した皮溝パラメータを解析手段２９に出力する。なお、皮溝画像の抽出、皮溝パラメータの生成内容についての詳細は後述する。

次に、皮丘画像抽出手段２７は、毛穴画像抽出手段２３及び皮溝画像抽出手段２５により得られる画像に基づいて、皮丘画像を抽出する。具体的には、皮溝画像抽出手段２５により得られる画像を白黒反転させ、更に毛穴画像抽出手段２３により得られる画像も用いて画像中における毛穴部分を除去して、ノイズ除去処理等を行い、皮丘抽出画像を抽出する。更に、皮丘画像抽出手段２７は、抽出された皮丘画像を皮丘パラメータ生成手段２８に出力する。皮丘パラメータ生成手段２８は、皮丘の細かさ、皮丘の形状におけるパラメータを生成する。また、皮丘パラメータ生成手段２８は、生成したパラメータを解析手段２９に出力する。

解析手段２９は、毛穴パラメータ生成手段２４、皮溝パラメータ生成手段２６、及び皮丘パラメータ生成手段２８から得られるパラメータのうち、少なくとも１つのパラメータに基づいて肌状態の解析を行う。なお、解析手段２９は、毛穴パラメータ、皮溝パラメータ、及び皮丘パラメータ、毛穴画像、皮溝画像、及び皮丘画像のうち、少なくとも１つを色分けして表示し、それぞれの隣接間の毛穴、皮溝、及び皮丘を異ならせた色で表示する。これにより、異なる毛穴部分や皮溝部分、皮丘部分においては、それぞれが個々に視覚上明確に表示させることができる。したがって、ユーザは、毛穴や皮丘等の形状や大きさ、数等を容易に把握することができる。また、色分けの他にも、斜線や網線等によりその場所が何を示すものかが容易に把握できるような表示処理が行われてもよい。

これにより、被験者の肌の状態を、毛穴の大きさ、皮溝の鮮明さ、皮丘の細かさ、皮丘の形状のうち少なくとも１つの情報（パラメータ）に基づいて、被験者の肌状態、特に肌のキメ又は毛穴を高精度に解析することができる。

なお、上述した肌状態解析装置１２は、上述した機能を有する専用の装置構成により制御を行うこともできるが、各機能をコンピュータに実行させることができる実行プログラムを生成し、例えば、汎用のパーソナルコンピュータ、ワークステーション等にその実行プログラムをインストールすることにより、本発明における肌状態解析処理を実現することができる。

＜ハードウェア構成＞
ここで、本発明における肌状態解析が実現可能なコンピュータのハードウェア構成例について図を用いて説明する。図３は、本発明における肌状態解析が実現可能なハードウェア構成の一例を示す図である。

図３におけるコンピュータ本体には、入力装置３１と、出力装置３２と、ドライブ装置３３と、補助記憶装置３４と、メモリ装置３５と、各種制御を行うＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）３６と、ネットワーク接続装置３７とを有するよう構成されており、これらはシステムバスＢで相互に接続されている。

入力装置３１は、ユーザが操作するキーボード及びマウス等のポインティングデバイスを有しており、ユーザからのプログラムの実行等、各種操作信号を入力する。出力装置３２は、本発明における処理を行うためのコンピュータ本体を操作するのに必要な各種ウィンドウやデータ等を表示するモニタを有し、ＣＰＵ３６が有する制御プログラムによりプログラムの実行経過や結果等を表示することができる。

ここで、本発明において、コンピュータ本体にインストールされる実行プログラムは、例えば、ＣＤ−ＲＯＭ等の記録媒体３８等により提供される。プログラムを記録した記録媒体３８は、ドライブ装置３３にセット可能であり、記録媒体３８に含まれる実行プログラムが、記録媒体３８からドライブ装置３３を介して補助記憶装置３４にインストールされる。

補助記憶装置３４は、ハードディスク等のストレージ手段であり、本発明における実行プログラムや、コンピュータに設けられた制御プログラム等を蓄積し必要に応じて入出力を行うことができる。

ＣＰＵ３６は、ＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）等の制御プログラム、及びメモリ装置３５により読み出され格納されている実行プログラムに基づいて、各種演算や各ハードウェア構成部とのデータの入出力等、コンピュータ全体の処理を制御して、肌状態解析等における各処理を実現することができる。プログラムの実行中に必要な元画像等の各種情報等は、補助記憶装置３４から取得することができ、また実行結果等を格納することもできる。

ネットワーク接続装置３７は、通信ネットワーク等と接続することにより、実行プログラムを通信ネットワーク１３に接続されている他の端末等から取得したり、プログラムを実行することで得られた実行結果又は本発明における実行プログラム自体を他の端末等に提供することができる。上述したようなハードウェア構成により、本発明における肌状態解析処理を実行することができる。また、プログラムをインストールすることにより、汎用のパーソナルコンピュータ等で本発明における肌画像の解析を容易に実現することができる。次に、肌状態解析処理の具体的な内容について説明する。

＜肌状態解析処理手順＞
図４は、本発明における肌状態解析処理手順を示す一例のフローチャートである。図４に示すフローチャートにおいて、まず、肌画像を入力し（Ｓ０１）、ＲＧＢ成分の抽出を行う（Ｓ０２）。ここで、元画像として入力される画像としては、例えば上述したＶＭＳ（Ｖｉｄｅｏ Ｍｉｃｒｏ Ｓｃｏｐｅ）により取得される肌の局部画像を用いることとするが、被験者の顔の全体画像であってもよい。その場合には、所定の画像領域に分離して、分離された画像毎にＳ０２の処理を行うようにすることができる。

次に、Ｓ０２において、抽出されたＲ成分、Ｇ成分、及びＢ成分の画像を用いて、毛穴の大きさ、皮溝の鮮明さ、皮丘の細かさ、及び皮丘の形状うち、少なくとも１つをパラメータ化する（Ｓ０３）。次に、Ｓ０３にて生成されるパラメータのうち、少なくとも１つを用いてＳ０１により入力した肌画像に対するキメ又は毛穴の解析を行う（Ｓ０４）。

なお、Ｓ０３におけるパラメータの生成については、図４に示すように、Ｓ０２から得られるＲ成分及びＢ成分の画像を用いて毛穴画像を抽出し（Ｓ１１）、抽出された毛穴画像から毛穴の大きさを数値等を用いてパラメータ化して、毛穴パラメータを生成する（Ｓ１２）。

また、Ｓ０２から得られるＧ成分の画像を用いて皮溝画像を抽出し（Ｓ１３）、抽出された皮溝画像から皮溝の鮮明さを数値等を用いてパラメータ化して、皮溝パラメータを生成する（Ｓ１４）。なお、皮溝の鮮明さは、所定の画像サイズ中に含まれる皮溝の幅等により表現される。

更に、Ｓ１１の処理により得られる毛穴画像及びＳ１３の処理により得られる皮溝画像に基づいて、皮丘画像を抽出し（Ｓ１５）、抽出した皮丘画像から皮丘の細かさ及び皮丘の形状を数値等を用いてパラメータ化して、皮丘パラメータを生成する（Ｓ１６）。

また、Ｓ０４では、毛穴パラメータ、皮溝パラメータ、及び皮丘パラメータ、毛穴画像、皮溝画像、及び皮丘画像のうち、少なくとも１つを色分けして表示し、それぞれの隣接間の前記毛穴、前記皮溝、及び前記皮丘を異ならせた色で表示する。これにより、異なる毛穴部分や皮溝部分、皮丘部分においては、それぞれが個々に視覚上明確に表示させることができる。したがって、ユーザは、毛穴や皮丘等の形状や大きさ、数等を容易に把握することができる。また、色分けの他にも、斜線や網線等によりその場所が何を示すものかが容易に把握できるような表示処理が行われてもよい。

＜毛穴画像抽出、毛穴パラメータ生成＞
次に、上述したＳ１１、Ｓ１２における毛穴画像抽出、及び毛穴パラメータ生成について、具体的に説明する。図５は、本発明における毛穴画像抽出及び毛穴パラメータ生成処理手順の一例を示すフローチャートである。また、図６は、毛穴画像の抽出過程における各画像の一例を示す図である。

図５に示すフローチャートでは、上述したように、まず入力画像である元画像（図６における元画像４１）からＲＧＢ成分を抽出することにより得られるＲ画像及びＢ画像を入力する（Ｓ２１）。また、それぞれの画像の周辺部の歪みを取り除くため、ガウシアンフィルター等により歪み補正を行う（Ｓ２２）。

ここで、歪み補正は、例えば平滑化フィルターとしてガウシアンフィルターを用いる。なお、ガウシアンフィルター等の平滑化フィルターは、カットオフ周波数を大きめに設定すると歪みを補正することができず、またカットオフ周波数を小さめに設定すると、歪みを補正することができるが、本来キメである部分までもが補正により削除されてしまう。したがって、肌画像の倍率、解像度等に基づいて適切な値を設定する。例えば、入力画像が５０倍のマイクロスコープを用いて６４０×４８０画素の８ｂｉｔの画像を用いた場合、ガウシアンフィルターのカットオフ周波数は、１．６〜１．８ｍｍとすることが好ましい。

次に、歪み補正された画像（図６におけるＲ画像４２、Ｂ画像４３）について、Ｒ画像からＢ画像を差分演算して毛穴の強調を行う（Ｓ２３）。ここで、差分演算は、画像内容により種々の演算方式があるが、Ｒ−Ｂ差分演算式の一例として、“Ｒ−Ｂ＊Ｒ＿ａｖｅ／Ｂ＿ａｖｅ×ａ”を用いる。なお、Ｒ＿ａｖｅは、Ｒ成分の平均値を示し、Ｂ＿ａｖｅは、Ｂ成分の平均値を示す。また、ａは、肌画像の画像サイズや解像度等により任意に設定される値を示すがａの値は１．３〜１．５であることが好ましい。

また、算出されたＲ−Ｂ差分画像の２値化を行い（図６における画像４４）、毛穴部分の抽出を行う（Ｓ２４）。更に、Ｓ２４により得られたＲ−Ｂ差分画像から細い皮溝を除去し、ノイズの除去を行った部分の穴埋め処理を行う（Ｓ２５）。具体的には、例えばメディアンフィルター等を用いて平滑化を行う。この場合、フィルタリングとしては、例えば３×３画素の矩形画像について縮小及び拡大を１〜１０回繰り返したり、５×５画素の矩形画像について縮小及び拡大を１〜５回繰り返すことにより細い皮溝のフィルタリングを行う。これにより、細い皮溝部分を除去する（Ｓ２６）。なお、上述したＲ−Ｂ差分画像は、上述したようにＲ−Ｇ差分画像であってもよい。

上述したような処理を行うことで、ある程度の大きさを有する皮溝を肌状態の解析の対象とすることにより、細い皮溝又はノイズによる誤差を無くして均一的に高精度な肌状態の解析を実現することができる。

また、Ｓ２６により抽出された細い皮溝を除去した画像を用いて、皮溝毎にラベリング処理を行うことによりノイズを除去し（Ｓ２７）、更にＳ２７により取得した画像（図６における画像４５）から太い皮溝部分を削除することにより、毛穴抽出後の画像（図６における画像４６）を抽出する（Ｓ２８）。なお、Ｓ２７におけるノイズ除去処理は、例えば、５０〜４００画素以下（０．００５ｍｍ^２〜０．０４ｍｍ^２以下）を基準として毛穴を抽出することにより、それ以外の毛穴部分や皮溝を削除することでノイズ除去を行う。

次に、本発明における毛穴パラメータの生成において、毛穴パラメータとして用いられる毛穴の大きさは、毛穴の平均面積を指標とする。具体的には、所定画像領域中における毛穴平均面積又は毛穴の総面積を算出して（Ｓ２９）、算出された面積を指標として毛穴の大きさのパラメータを生成して出力する（Ｓ３０）。

＜皮溝画像抽出、皮溝パラメータ生成＞
次に、上述したＳ１３、Ｓ１４における皮溝画像抽出、及び皮溝パラメータ生成について、具体的に説明する。図７は、本発明における皮溝抽出及び皮溝パラメータ生成処理手順の一例を示すフローチャートである。また、図８は、皮溝画像の抽出過程における各画像の一例を示す図である。

図７に示すフローチャートにおいて、上述したように、まず入力画像である元画像（図８における元画像４１）からＲＧＢ成分を抽出することにより得られるＧ画像を入力する（Ｓ３１）。また、画像の周辺部の歪みを取り除くため、ガウシアンフィルター等により歪み補正を行う（Ｓ３２）。例えば、５０倍のマイクロスコープを用いて６４０×４８０画素の８ｂｉｔの画像を用いた場合、ガウシアンフィルターのカットオフ周波数を１．６〜１．８ｍｍとして画像のフィルタリングを行う。

次に、歪み補正した画像（図８におけるＧ画像５１）のノイズ除去を行う（Ｓ３３）。なお、ここでのノイズ除去は、平滑化フィルターを用いる。ここで、例えば、平滑化フィルターとして、形は主に十字型で大きさは３×３画素（０．０３×０．０３ｍｍ）〜５×５画素（０．０５×０．０５ｍｍ）を用いる。

次に、ノイズ除去された画像を用いて微分フィルターによる皮溝の強調を行う（Ｓ３４）。なお、微分フィルターは、皮溝の幅や皮溝の分布の特徴を活かして、微分フィルターの最適なサイズを設定する。具体的には、各画素に対して適切な大きさ（例えば、５×５画素（０．０５×０．０５ｍｍ）〜４５×４５画素（０．４５×０．４５ｍｍ））の微分フィルター処理を行う。このため、サイズが小さすぎることによりノイズが多くなることなく、またサイズが大きすぎることにより皮溝の他に毛穴が抽出されてしまうことを防止することができる。これにより、皮溝を強調し毛穴を削除した画像（図８における画像５２）を取得することができる。更に、Ｓ３４の処理により得られる画像を二値化することにより、皮溝の画像（図８における画像５３）を抽出する（Ｓ３５）。

また、Ｓ３５により抽出された皮溝画像を用いて、皮溝毎にラベリング処理を行うことによりノイズを除去する（Ｓ３６）。具体的には、５０〜４００画素以下（０．００５ｍｍ^２〜０．０４ｍｍ^２以下）を基準として毛穴や所定の幅の皮溝をノイズとして除去して、ノイズ除去された皮溝画像（図８における画像５４）を抽出する（Ｓ３７）。

更に、Ｓ３７により得られる皮溝画像について細線化処理を行い（Ｓ３８）、細線化された皮溝解析画像（図８における画像５５）を抽出する（Ｓ３９）。

次に、本発明における皮溝パラメータの生成において、皮溝パラメータとして用いられる皮溝の鮮明さは、所定画像中に含まれる皮溝の平均幅を指標とする。具体的には、Ｓ３７により得られる皮溝の面積をＳ３９により得られる皮溝細線化画像における皮溝の面積で除算（皮溝面積／皮溝細線化画像の面積）し（Ｓ４０）、算出された値により皮溝の幅（太さ）をパラメータ化することにより、皮溝の鮮明さのパラメータを生成して出力する（Ｓ４１）。

＜皮丘画像抽出、皮丘パラメータ生成＞
次に、上述したＳ１５、Ｓ１６における皮丘画像抽出、及び皮丘パラメータ生成について、具体的に説明する。図９は、本発明における皮丘抽出及び皮丘パラメータ生成処理手順の一例を示すフローチャートである。また、図１０は、皮丘画像の抽出過程における各画像の一例を示す図である。

図９に示すフローチャートにおいて、上述したように、まずＳ３７で得られる皮溝画像（図１０における画像６１）を入力する（Ｓ５１）。また、入力した皮溝画像を白黒反転し、得られた反転画像のうち、皮丘毎にラベリング処理を行うことによりノイズを除去する（Ｓ５２）。

ここで、ラベリングされた皮丘のうち、複数の皮丘が連結していることにより１つの皮丘としてラベリングされている可能性がある。この場合には、後の処理で皮丘の数をパラメータの指標とするため、皮丘毎に正確にラベリングされている必要がある。そのため、Ｓ５２により得られた画像（図１０における画像６２）を用いて皮丘離散を行う（Ｓ５３）。

具体的には、Ｓ５２により得られた皮丘毎における各画像領域に対して画像を周辺部から所定の画素分（例えば、１〜２画素分）を縮小させた画像を生成することで、皮丘の分離を行う。図１１は、画像中における皮丘を分離させる一例を説明するための図である。図１１（ａ）に示すように、Ｓ５２によりラベリングされた皮丘は、複数の皮丘が連結して１つの皮丘としてラベリングされる可能性がある。そこで、図１１（ｂ）に示すように、ラベリングされたそれぞれの皮丘画像の周辺を１画素分縮小して皮丘離散させた画像（図１０における画像６３）を抽出する。なお、画像の周辺部分を縮小させる画素数は、１画素に限定されるものではなく、例えば２画素や３画素等であってもよい。

次に、上述したＳ２８により得られる毛穴画像を入力し（Ｓ５４）、入力した毛穴画像の毛穴部分の除去を行う（Ｓ５５）。具体的には、Ｓ５３の処理により抽出された皮丘離散と、Ｓ５４により入力した毛穴画像の差分画像を求めて皮丘解析画像（図１１において画像６４）を生成する。

次に、皮丘毎にラベリング処理によるノイズ除去を行い（Ｓ５６）、ノイズ除去された画像を皮丘画像として出力する（Ｓ５７）。ここで、ノイズ除去は、例えば１〜１００画素以下（０．００１ｍｍ^２〜０．０１ｍｍ^２以下）を基準として所定の大きさの皮丘画像を取得する。

次に、本発明における皮丘パラメータの生成において、皮丘パラメータとして用いられる皮丘の細かさは、顔の表面積や１００ｃｍ^２等の所定の画像領域中に含まれる皮丘の数又は皮丘の平均面積を指標とする。具体的には、Ｓ５７により得られる皮丘画像からラベル数の算出を行う（Ｓ５８）。ここで、ラベル数は、上述したように画像中に含まれるラベリングされた皮丘の数を示す。この皮丘の数を皮丘の細かさの指標として数値等を用いてパラメータ化して出力する（Ｓ５９）。なお、皮丘の数の算出手法としては、例えば４．８ｍｍ四方の画像領域中に皮丘が何個あるかをカウントしてもよく、その数値を顔の表面積に対応させて合計何個になるかを算出してもよい。なお、皮丘の数のカウント手法については、これに限定されるものではなく、例えば画像から手計算もしくは他の方法で皮丘をカウントして顔の表面積に対応させてもよい。

また、所定の画像領域中に含まれる皮丘の平均面積を算出してその値を皮丘の細かさを表してもよい。その場合には、その平均面積を顔の表面積に対応させて皮丘の数が合計何個になるかを算出してもよい。

また、本発明におけるパラメータの生成において、皮丘の細かさ以外の皮丘パラメータとして用いられる皮丘の形状は、所定画像中に含まれる皮丘の円形度を指標とする。具体的には、Ｓ５７により得られる皮丘画像の形状から円形度を算出し（Ｓ６０）、算出した円形度を数値等を用いてパラメータ化して出力する（Ｓ６１）。ここで、Ｓ６１における円形度は、例えば取得した皮丘画像について、“４π×皮丘の面積／（皮丘の周囲長×皮丘の周囲長）”により算出することができる。なお、算出手法については、これに限定されるものではない。

このように、上述にて得られたパラメータに示すように、肌のキメ又は毛穴を解析するための条件（指標）として「毛穴の大きさ」、「皮溝の鮮明さ」、「皮丘の細かさ」、及び「皮丘の形状」の４つのパラメータを用いることにより数値化された肌状態の解析を高精度に行うことができる。

また、本発明によれば、上述したパラメータについては、「毛穴の大きさ」を肌画像から得られる毛穴の面積に基づいて生成し、「皮溝の鮮明さ」を肌画像から得られる皮溝の平均幅に基づいてパラメータを生成し、「皮溝の鮮明さ」を肌画像から得られる皮丘のラベル数（皮丘の数）に基づいて生成し、「皮丘の形状」を肌画像から得られる皮丘の円形度に基づいて生成する。これにより、高精度なキメ又は毛穴の解析を実現することができる。

ここで、上述した肌状態解析処理は、実行プログラムをＰＣ等にインストールすることで、ソフトウェアとして容易に実現することができる。ここで、肌状態解析プログラムが実行されると、上述したＣＰＵ３６によりメモリ装置３５にプログラムが読み出され、ユーザが上述した肌状態解析処理を実行するための画面がモニタ上に表示され、ユーザがマウスやキーボード等の入力装置３１により所定の操作を行うことにより、肌状態解析処理が実行される。ここで、本発明における肌状態解析処理を実行するための画面構成例について図を用いて説明する。

＜肌状態解析実行画面例＞
図１２は、本発明における肌状態解析実行画面の一例を示す図である。図１２に示す肌状態解析実行画面７０は、メイン操作ボタン領域７１と、元画像表示領域７２と、解析結果画像表示領域７３と、解析結果画像設定領域７４と、解析結果表示領域７５とを有するよう構成されている。

メイン操作ボタン領域７１は、元画像の入力（Ｌｏａｄ）や、肌状態の解析の実行（Ａｎａｌｙｚｅｄ）等の操作を行う。なお、肌状態の解析処理は、上述した「毛穴の大きさ」、「皮溝の鮮明さ」、「皮溝の鮮明さ」、及び「皮丘の形状」に対応するそれぞれのパラメータのうち、少なくとも１つをパラメータ化する処理を実行させる。したがって、例えば、毛穴パラメータのみを生成したり、全てのパラメータを生成する処理を実行させることができる。

また、画像の入力においては、フォルダ単位やドライブ単位等の所定の記憶領域を選択し、選択された記憶領域中に含まれる複数の画像について肌状態の解析を連続的に実行する（ＭａｌｔｉＬｏａｄ）こともできる。

また、元画像表示領域７２には、処理対象の元画像が表示され、解析結果画像表示領域７３には、上述した肌画像の解析結果の画像が表示される。ここで、解析結果の肌画像は、毛穴部分、皮溝部分、皮丘部分等がそれぞれ強調表示される。つまり、異なる毛穴部分や皮溝部分、皮丘部分においては、それぞれが個々に視覚上明確に表示させるために、複数の色を用いて色分けされて表示するようにする。特に、隣接間は異なる色で表示する。

これにより、ユーザは、毛穴や皮丘等の形状や大きさ、数等を容易に把握することができる。つまり、例えば隣接する毛穴や皮溝、皮丘が１画素分しか離れていないような場合でも分離しているか否かを容易に把握することができる。また、色分けの他にも、斜線や網線等によりその場所が何を示すものかが容易に把握できるような表示処理が行われる。更に、パラメータの値によって色や斜線等の表示の仕方を変え、色と解析結果とを対応付けて表示させてもよい。これにより、例えば、所定の面積の大きさの場合には、その領域を赤色で表示する等の処理を行ってもよい。

また、解析結果画像設定領域７４は、解析結果画像の各部分（皮溝（Ｆｕｒｒｏｗ）、皮丘（Ｒｉｄｇｅ）、（毛穴）Ｐｏｒｅ、（それらの合成）Ｃｏｍｐｏｓｉｔｉｏｎ）のそれぞれを表示させることができる。なお、表示させる画像は、上述した図６、図８、図１０に示すような各処理において抽出された画像を用いる。ここで、表示される画像は、上述したように強調表示させることができる。また、解析結果設定領域７４は、解析結果画像のみの保存（Ｓａｖｅ）等を行う。

また、解析結果表示領域７５は、皮溝の鮮明さ（Ｆｕｒｒｏｗ ｖｉｖｉｄｎｅｓｓ）、皮丘の細かさ（Ｒｉｄｇｅ Ｆｉｎｅｎｅｓｓ）、皮丘の形状（Ｒｉｄｇｅ Ｓｈａｐｅ） 毛穴の大きさ（Ｐｏｒｅ Ｓｉｚｅ）の結果（パラメータ）を表示する。なお、図１２では、数値化された値が表示されているが、本発明におけるパラメータ表示はこれに限定されるものではなく、例えば数値に対応して予め設定された、「良い」、「普通」、「悪い」等の多数の区分を設けて、それぞれ対応する文字を表示させてもよい。また、２０〜２３才の肌、３０代の肌等、予めパラメータに対応して設定された肌年齢等を表示させるようにしてもよい。また、解析結果表示領域７５は、表示された結果（パラメータデータ）を保存する（Ｄａｔａ Ｓａｖｅ）ことができる。

ここで、図１２に示す肌状態解析実行画面７０は、終了ボタン（Ｅｘｉｔ）７６を選択することにより画面を閉じて処理を終了する。なお、上述した肌状態解析実行画面７０における各領域の大きさや配置は、図１２に限定されるものではなく、例えば、それぞれの領域が別の画面（ウィンドウ）に表示させるような構成であってもよい。

上述したように、本発明によれば、被験者の肌のキメ又は毛穴の解析を高精度に行うことができる。具体的には、撮影した被験者の肌画像情報を三原色（赤（Ｒｅｄ）、緑（Ｇｒｅｅｎ）、青（Ｂｌｕｅ））のそれぞれの成分に分け、それぞれの成分情報を用いて肌の解析を行う。

また、本発明では、キメ又は毛穴の解析を行うためのパラメータとしてキメ又は毛穴の特徴を現す４つの項目（毛穴の大きさ、皮溝の鮮明さ、皮丘の細かさ、皮丘の形状）を用いる。これらの値を数値等によりパラメータ化し、そのパラメータ化された値の少なくとも１つを用いて肌の表面状態、特に肌のキメ又は毛穴の解析を高精度に行うことができる。

なお、上述した肌状態解析システムは、特に肌のキメ又は毛穴を解析するものであるが、上述したパラメータを用いて肌のくすみやしわ、しみ等、キメ又は毛穴以外の解析を行ってもよい。また、肌の診断として、例えば皮脂量や、肌の弾力、肌色の分析、色素の沈着状態等を解析してこれらの解析結果と本発明における肌状態解析結果とを組み合わせて肌状態の診断等を行ってもよい。

このように、本発明を適用することにより、例えば、医療や化粧品の販売等において、専門家に限らず、本発明における数値等で表現されたパラメータを用いて均一的に高精度な肌診断又は美容カウンセリング等を実現することができる。

以上本発明の好ましい実施例について詳述したが、本発明は係る特定の実施形態に限定されるものではなく、特許請求の範囲に記載された本発明の要旨の範囲内において、種々の変形、変更が可能である。

本発明における肌状態解析システムの概略構成の一例を示す図である。 本発明における肌状態解析装置の機能構成の一例を示す図である。 本発明における肌状態解析が実現可能なハードウェア構成の一例を示す図である。 本発明における肌状態解析処理手順を示す一例のフローチャートである。 本発明における毛穴画像抽出及び毛穴パラメータ生成処理手順の一例を示すフローチャートである。 毛穴画像の抽出過程における各画像の一例を示す図である。 本発明における皮溝抽出及び皮溝パラメータ生成処理手順の一例を示すフローチャートである。 皮溝画像の抽出過程における各画像の一例を示す図である。 本発明における皮丘抽出及び皮丘パラメータ生成処理手順の一例を示すフローチャートである。 皮丘画像の抽出過程における各画像の一例を示す図である。 画像中における皮丘を分離させる一例を説明するための図である。 本発明における肌状態解析実行画面の一例を示す図である。

符号の説明

１０ 肌状態解析システム
１１ 肌観察装置
１２ 肌状態解析装置
１３ 通信ネットワーク
２１ 画像入力手段
２２ ＲＧＢ成分抽出手段
２３ 毛穴画像抽出手段
２４ 毛穴パラメータ生成手段
２５ 皮溝画像抽出手段
２６ 皮溝パラメータ生成手段
２７ 皮丘画像抽出手段
２８ 皮丘パラメータ生成手段
２９ 解析手段
３１ 入力装置
３２ 出力装置
３３ ドライブ装置
３４ 補助記憶装置
３５ メモリ装置
３６ ＣＰＵ
３７ ネットワーク接続装置
３８ 記録媒体
４１ 元画像
４２ Ｒ画像
４３ Ｂ画像
４４〜４６，５２〜５５，６１〜６４画像
５１ Ｇ画像
７０ 肌状態解析実行画面
７１ メイン操作ボタン領域
７２ 元画像表示領域
７３ 解析結果画像表示領域
７４ 解析結果画像設定領域
７５ 解析結果表示領域
７６ 終了ボタン

Claims (22)

1. 被験者の肌が撮影された画像を用いて肌のキメ又は毛穴の解析を行うための肌状態解析方法において、
   前記画像からＲ成分、Ｇ成分、及びＢ成分を抽出するＲＧＢ成分抽出ステップと、
   前記ＲＧＢ成分抽出ステップにより得られるＲ成分と、Ｂ成分あるいはＧ成分とから毛穴画像を抽出する毛穴画像抽出ステップと、
   前記毛穴画像から毛穴の大きさをパラメータ化する毛穴パラメータ生成ステップと、
   前記ＲＧＢ成分抽出ステップにより得られるＧ成分から皮溝画像を抽出する皮溝画像抽出ステップと、
   前記皮溝画像から皮溝の鮮明さをパラメータ化する皮溝パラメータ生成ステップと、
   前記毛穴画像及び前記皮溝画像から皮丘画像を抽出する皮丘画像抽出ステップと、
   前記皮丘画像から皮丘の細かさ及び／又は皮丘の形状をパラメータ化する皮丘パラメータ生成ステップと、
   前記毛穴パラメータ生成ステップ、前記皮溝パラメータ生成ステップ、及び前記皮丘パラメータ生成ステップにより得られるパラメータのうち、少なくとも１つを用いて肌のキメ又は毛穴の解析を行う解析ステップとを有し、
   前記毛穴画像抽出ステップは、
   前記Ｒ成分と、前記Ｂ成分あるいは前記Ｇ成分とから差分画像を生成し、生成した差分画像から皮溝の除去を行い、前記毛穴画像を抽出することを特徴とする肌状態解析方法。
2. 前記毛穴パラメータ生成ステップは、
   前記毛穴画像における毛穴の平均面積及び／又は総面積を算出し、算出された面積に基づいて毛穴パラメータを生成することを特徴とする請求項１に記載の肌状態解析方法。
3. 前記皮溝画像抽出ステップは、
   前記Ｇ成分の画像について前記皮溝の形状を強調する微分フィルターを用いてフィルタリングを行い、前記皮溝画像を抽出することを特徴とする請求項１又は２に記載の肌状態解析方法。
4. 前記皮溝パラメータ生成ステップは、
   前記皮溝画像から得られる皮溝の幅に基づいて、皮溝パラメータを生成することを特徴とする請求項１乃至３の何れか１項に記載の肌状態解析方法。
5. 前記皮丘画像抽出ステップは、
   前記皮溝画像から皮丘部分を取得し、取得した複数の皮丘画像の周辺を所定の画素数分縮小させて画像を皮丘画像の離散を行い、離散した皮丘画像を前記毛穴画像に基づいて毛穴部分を除去することにより、皮丘画像を抽出することを特徴とする請求項１乃至４の何れか１項に記載の肌状態解析方法。
6. 前記皮丘パラメータ生成ステップは、
   前記皮丘画像により得られる所定の画像領域中における皮丘の数又は平均面積、あるいは前記皮丘の数又は平均面積を前記被験者の顔の表面積に対応させた場合の数、及び／又は皮丘の円形度に基づいて皮丘パラメータを生成することを特徴とする請求項１乃至５の何れか１項に記載の肌状態解析方法。
7. 前記解析ステップは、
   前記毛穴パラメータ、前記皮溝パラメータ、及び前記皮丘パラメータ、前記毛穴画像、前記皮溝画像、及び前記皮丘画像のうち、少なくとも１つを色分けして表示し、それぞれの隣接間の前記毛穴、前記皮溝、及び前記皮丘を異ならせた色で表示することを特徴とする請求項１乃至６の何れか１項に記載の肌状態解析方法。
8. 被験者の肌が撮影された画像を用いて肌のキメ又は毛穴の解析を行うための肌状態解析装置において、
   前記画像からＲ成分、Ｇ成分、及びＢ成分を抽出するＲＧＢ成分抽出手段と、
   前記ＲＧＢ成分抽出手段により得られるＲ成分と、Ｂ成分あるいはＧ成分とから毛穴画像を抽出する毛穴画像抽出手段と、
   前記毛穴画像から毛穴の大きさをパラメータ化する毛穴パラメータ生成手段と、
   前記ＲＧＢ成分抽出手段により得られるＧ成分から皮溝画像を抽出する皮溝画像抽出手段と、
   前記皮溝画像から皮溝の鮮明さをパラメータ化する皮溝パラメータ生成手段と、
   前記毛穴画像及び前記皮溝画像から皮丘画像を抽出する皮丘画像抽出手段と、
   前記皮丘画像から皮丘の細かさ及び／又は皮丘の形状をパラメータ化する皮丘パラメータ生成手段と、
   前記毛穴パラメータ生成手段、前記皮溝パラメータ生成手段、及び前記皮丘パラメータ生成手段により得られるパラメータのうち、少なくとも１つを用いて肌のキメ又は毛穴の解析を行う解析手段とを有し、
   前記毛穴画像抽出手段は、
   前記Ｒ成分と、前記Ｂ成分あるいは前記Ｇ成分とから差分画像を生成し、生成した差分画像から皮溝の除去を行い、前記毛穴画像を抽出することを特徴とする肌状態解析装置。
9. 前記毛穴パラメータ生成手段は、
   前記毛穴画像における毛穴の平均面積及び／又は総面積を算出し、算出された面積に基づいて毛穴パラメータを生成することを特徴とする請求項８に記載の肌状態解析装置。
10. 前記皮溝画像抽出手段は、
    前記Ｇ成分の画像について前記皮溝の形状を強調する微分フィルターを用いてフィルタリングを行い、前記皮溝画像を抽出することを特徴とする請求項８又は９に記載の肌状態解析装置。
11. 前記皮溝パラメータ生成手段は、
    前記皮溝画像から得られる皮溝の幅に基づいて、皮溝パラメータを生成することを特徴とする請求項８乃至１０の何れか１項に記載の肌状態解析装置。
12. 前記皮丘画像抽出手段は、
    前記皮溝画像から皮丘部分を取得し、取得した複数の皮丘画像の周辺を所定の画素数分縮小させて画像を皮丘画像の離散を行い、離散した皮丘画像を前記毛穴画像に基づいて毛穴部分を除去することにより、皮丘画像を抽出することを特徴とする請求項８乃至１１の何れか１項に記載の肌状態解析装置。
13. 前記皮丘パラメータ生成手段は、
    前記皮丘画像により得られる所定の画像領域中における皮丘の数又は平均面積、あるいは前記皮丘の数又は平均面積を前記被験者の顔の表面積に対応させた場合の数、及び／又は皮丘の円形度に基づいて皮丘パラメータを生成することを特徴とする請求項８乃至１２の何れか１項に記載の肌状態解析装置。
14. 前記解析手段は、
    前記毛穴パラメータ、前記皮溝パラメータ、及び前記皮丘パラメータ、前記毛穴画像、前記皮溝画像、及び前記皮丘画像のうち、少なくとも１つを色分けして表示し、それぞれの隣接間の前記毛穴、前記皮溝、及び前記皮丘を異ならせた色で表示することを特徴とする請求項８乃至１３の何れか１項に記載の肌状態解析装置。
15. 被験者の肌が撮影された画像を用いて肌のキメ又は毛穴の解析を行うための肌状態解析プログラムにおいて、
    コンピュータを、
    前記画像からＲ成分、Ｇ成分、及びＢ成分を抽出するＲＧＢ成分抽出手段、
    前記ＲＧＢ成分抽出手段により得られるＲ成分と、Ｂ成分あるいはＧ成分とから毛穴画像を抽出する毛穴画像抽出手段、
    前記毛穴画像から毛穴の大きさをパラメータ化する毛穴パラメータ生成手段、
    前記ＲＧＢ成分抽出手段により得られるＧ成分から皮溝画像を抽出する皮溝画像抽出手段、
    前記皮溝画像から皮溝の鮮明さをパラメータ化する皮溝パラメータ生成手段、
    前記毛穴画像及び前記皮溝画像から皮丘画像を抽出する皮丘画像抽出手段、
    前記皮丘画像から皮丘の細かさ及び／又は皮丘の形状をパラメータ化する皮丘パラメータ生成手段、
    前記毛穴パラメータ生成手段、前記皮溝パラメータ生成手段、及び前記皮丘パラメータ生成手段により得られるパラメータのうち、少なくとも１つを用いて肌のキメ又は毛穴の解析を行う解析手段として機能させ、
    前記毛穴画像抽出手段は、
    前記Ｒ成分と、前記Ｂ成分あるいは前記Ｇ成分とから差分画像を生成し、生成した差分画像から皮溝の除去を行い、前記毛穴画像を抽出することを特徴とする肌状態解析プログラム。
16. 前記毛穴パラメータ生成手段は、
    前記毛穴画像における毛穴の平均面積及び／又は総面積を算出し、算出された面積に基づいて毛穴パラメータを生成することを特徴とする請求項１５に記載の肌状態解析プログラム。
17. 前記皮溝画像抽出手段は、
    前記Ｇ成分の画像について前記皮溝の形状を強調する微分フィルターを用いてフィルタリング行い、前記皮溝画像を抽出することを特徴とする請求項１５又は１６に記載の肌状態解析プログラム。
18. 前記皮溝パラメータ生成手段は、
    前記皮溝画像から得られる皮溝の幅に基づいて、皮溝パラメータを生成することを特徴とする請求項１５乃至１７の何れか１項に記載の肌状態解析プログラム。
19. 前記皮丘画像抽出手段は、
    前記皮溝画像から皮丘部分を取得し、取得した複数の皮丘画像の周辺を所定の画素数分縮小させて画像を皮丘画像の離散を行い、離散した皮丘画像を前記毛穴画像に基づいて毛穴部分を除去することにより、皮丘画像を抽出することを特徴とする請求項１５乃至１８の何れか１項に記載の肌状態解析プログラム。
20. 前記皮丘パラメータ生成手段は、
    前記皮丘画像により得られる所定の画像領域中における皮丘の数又は平均面積、あるいは前記皮丘の数又は平均面積を前記被験者の顔の表面積に対応させた場合の数、及び／又は皮丘の円形度に基づいて皮丘パラメータを生成することを特徴とする請求項１５乃至１９の何れか１項に記載の肌状態解析プログラム。
21. 前記解析手段は、
    前記毛穴パラメータ、前記皮溝パラメータ、及び前記皮丘パラメータ、前記毛穴画像、前記皮溝画像、及び前記皮丘画像のうち、少なくとも１つを色分けして表示し、それぞれの隣接間の前記毛穴、前記皮溝、及び前記皮丘を異ならせた色で表示することを特徴とする請求項１５乃至２０の何れか１項に記載の肌状態解析プログラム。
22. 前記請求項１５乃至前記請求項２１の何れか１項に記載の肌状態解析プログラムが記録されたコンピュータ読み取り可能な記録媒体。