JP6918584B2 - 毛穴詰まり評価方法及び毛穴詰まり評価装置 - Google Patents
毛穴詰まり評価方法及び毛穴詰まり評価装置 Download PDFInfo
- Publication number
- JP6918584B2 JP6918584B2 JP2017113684A JP2017113684A JP6918584B2 JP 6918584 B2 JP6918584 B2 JP 6918584B2 JP 2017113684 A JP2017113684 A JP 2017113684A JP 2017113684 A JP2017113684 A JP 2017113684A JP 6918584 B2 JP6918584 B2 JP 6918584B2
- Authority
- JP
- Japan
- Prior art keywords
- keratin
- region
- keratin plug
- image
- plug region
- 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
Description
本発明は、肌画像の分析技術に関し、特に、肌画像を用いた毛穴詰まりの評価技術に関する。
特許文献１には、相互に異なる波長領域の第１及び第２の各光を照射して人の肌の撮影をそれぞれ行い、得られた第１の肌画像で毛穴の検出を行い、第２の肌画像でポルフィリン及びポルフィリンの前兆の検出を行い、異常が検出された毛穴と正常な毛穴とを区別して人の肌の毛穴の状態を示す画像を表示する装置が開示されている。
特許文献２には、フラッシュ撮影した画像を用いて毛穴解析を行い、紫外線照射下で可視光を受光して撮影した画像を用いて角栓のポルフィリン解析を行う肌状態解析方法が開示されている。毛穴解析では、ＲＧＢ成分のＧ成分又はＲ成分の画像を用いて、小さく影になっている部分を毛穴として抽出して解析する。角栓のポルフィリン解析では、ＲＧＢ成分のＲ成分の画像を用いて、ポルフィリン由来と考えられる蛍光の数と総面積を数値化する。
特許文献３には、紫外線を照射した状態で顔を撮影し、得られた顔画像から特定の色成分（特にＲ成分が好ましいと記載されている）を抽出し、抽出された色成分を所定の閾値で２値化処理することによってポルフィリンを検出する方法が開示されている。
特許文献２には、フラッシュ撮影した画像を用いて毛穴解析を行い、紫外線照射下で可視光を受光して撮影した画像を用いて角栓のポルフィリン解析を行う肌状態解析方法が開示されている。毛穴解析では、ＲＧＢ成分のＧ成分又はＲ成分の画像を用いて、小さく影になっている部分を毛穴として抽出して解析する。角栓のポルフィリン解析では、ＲＧＢ成分のＲ成分の画像を用いて、ポルフィリン由来と考えられる蛍光の数と総面積を数値化する。
特許文献３には、紫外線を照射した状態で顔を撮影し、得られた顔画像から特定の色成分（特にＲ成分が好ましいと記載されている）を抽出し、抽出された色成分を所定の閾値で２値化処理することによってポルフィリンを検出する方法が開示されている。
上述の特許文献１、２及び３に開示される手法は、紫外線照射下で撮像された肌画像から、毛穴に存在するポルフィリンの蛍光領域を検出している。特許文献１及び２によれば、ポルフィリンが蛍光している毛穴とそうでない毛穴とを区別することができる。
ポルフィリンは皮脂を好むアクネ菌の代謝物であり、角栓には皮脂が含まれるため、角栓で詰まる毛穴には基本的にはポルフィリンが存在するはずである。
ところが、角栓に塞がれポルフィリンの蛍光が適切に撮像されない毛穴や、角栓が取り除かれているにも関わらずポルフィリンが残存する毛穴が存在する。即ち、毛穴の詰まり状態とポルフィリンの蛍光状態とは完全に一致するわけではなく、上述の手法では、毛穴の詰まりを正確に評価することはできない。
本発明は、毛穴の詰まりを高精度に評価し得る技術に関する。
ポルフィリンは皮脂を好むアクネ菌の代謝物であり、角栓には皮脂が含まれるため、角栓で詰まる毛穴には基本的にはポルフィリンが存在するはずである。
ところが、角栓に塞がれポルフィリンの蛍光が適切に撮像されない毛穴や、角栓が取り除かれているにも関わらずポルフィリンが残存する毛穴が存在する。即ち、毛穴の詰まり状態とポルフィリンの蛍光状態とは完全に一致するわけではなく、上述の手法では、毛穴の詰まりを正確に評価することはできない。
本発明は、毛穴の詰まりを高精度に評価し得る技術に関する。
本発明の態様では、上述した課題を解決するために、それぞれ以下の構成を採用する。
本発明の態様は、毛穴詰まり評価方法に関する。毛穴詰まり評価方法は、少なくとも青色波長領域の一部を含む光の照射下で撮像された肌画像から青色成分画像を取得する取得工程と、前記取得された青色成分画像に基づいて角栓の状態を評価する評価工程と、を含む。
なお、本発明の別態様は、例えば、上記態様に係る毛穴詰まり評価方法を実行する毛穴詰まり評価装置（情報処理装置、コンピュータ）に関するものであり、上記態様に係る毛穴詰まり評価方法をコンピュータに実行させるプログラムに関するものであり、このようなプログラムを記録したコンピュータが読み取り可能な記憶媒体に関するものである。この記録媒体は、非一時的な有形の媒体を含む。
本発明の態様は、毛穴詰まり評価方法に関する。毛穴詰まり評価方法は、少なくとも青色波長領域の一部を含む光の照射下で撮像された肌画像から青色成分画像を取得する取得工程と、前記取得された青色成分画像に基づいて角栓の状態を評価する評価工程と、を含む。
なお、本発明の別態様は、例えば、上記態様に係る毛穴詰まり評価方法を実行する毛穴詰まり評価装置（情報処理装置、コンピュータ）に関するものであり、上記態様に係る毛穴詰まり評価方法をコンピュータに実行させるプログラムに関するものであり、このようなプログラムを記録したコンピュータが読み取り可能な記憶媒体に関するものである。この記録媒体は、非一時的な有形の媒体を含む。
上記態様によれば、毛穴の詰まりを高精度に評価し得る技術を提供することができる。
以下、本発明の好ましい実施形態の例（以降、本実施形態と表記する）について説明する。なお、以下に挙げる実施形態は例示であり、本発明は以下の実施形態の構成に限定されない。
まず、本実施形態に係る毛穴詰まり評価方法（以下、本方法と表記する）の概要について説明する。
本方法は、大きく捉えると、肌画像から青色成分画像を取得する取得工程と、取得工程で取得された青色成分画像に基づいて角栓の状態を評価する評価工程とを含む。
本方法は、大きく捉えると、肌画像から青色成分画像を取得する取得工程と、取得工程で取得された青色成分画像に基づいて角栓の状態を評価する評価工程とを含む。
「肌画像」は、少なくとも青色波長領域の一部を含む光、具体的には、３９０ｎｍにおけるパワーが、その最大値の１０％以上であるスペクトルのピーク（スペクトル成分）を含む光の照射下で被験者の肌が撮像された画像である。肌画像には、被験者の肌のうち毛穴詰まりの評価が望まれる部分が写される。例えば、当該肌画像は、少なくとも青色波長領域の一部を含む光を人の肌に照射している環境下でその肌をデジタルカメラで撮像することで得られる。このときのデジタルカメラには、可視光を撮像する一般的なデジタルカメラが用いられる。
「青色波長領域」とは、紫外線波長帯域と可視光帯域との境界からブルーライトと呼ばれる青色成分光の波長帯域に及ぶ波長帯域である。本実施形態ではこの境界となる波長を限定しない。例えば、日本工業規格ＪＩＳ Ｚ ８１２０では、可視光の波長範囲の短波長限界は３６０ｎｍから４００ｎｍ、長波長限界は７６０ｎｍから８３０ｎｍと考えてよいと規定されている。このため「青色波長領域」は、例えば、３８０ｎｍから５００ｎｍと設定される。
当該肌画像の撮像環境で照射される光は、そのような青色波長領域の一部を少なくとも含んでいる光であればよく、青色波長領域のみをスペクトル成分とする単一色光（ブルーライト）であってもよいし、青色波長領域の一部及び青色波長領域よりも長波長側の緑色波長領域の一部を主成分とする光であってもよいし、青色波長領域の一部及び紫外線波長領域の一部を主成分とする光であってもよいが、紫外線波長帯域と可視光帯域との境界の例えば３９０ｎｍにおけるパワーが、その最大値の１０％以上であるスペクトルのピーク（スペクトル成分）を含む青色波長領域の一部及び紫外線波長領域の一部を主成分とする光であることが好ましい。
「青色波長領域」とは、紫外線波長帯域と可視光帯域との境界からブルーライトと呼ばれる青色成分光の波長帯域に及ぶ波長帯域である。本実施形態ではこの境界となる波長を限定しない。例えば、日本工業規格ＪＩＳ Ｚ ８１２０では、可視光の波長範囲の短波長限界は３６０ｎｍから４００ｎｍ、長波長限界は７６０ｎｍから８３０ｎｍと考えてよいと規定されている。このため「青色波長領域」は、例えば、３８０ｎｍから５００ｎｍと設定される。
当該肌画像の撮像環境で照射される光は、そのような青色波長領域の一部を少なくとも含んでいる光であればよく、青色波長領域のみをスペクトル成分とする単一色光（ブルーライト）であってもよいし、青色波長領域の一部及び青色波長領域よりも長波長側の緑色波長領域の一部を主成分とする光であってもよいし、青色波長領域の一部及び紫外線波長領域の一部を主成分とする光であってもよいが、紫外線波長帯域と可視光帯域との境界の例えば３９０ｎｍにおけるパワーが、その最大値の１０％以上であるスペクトルのピーク（スペクトル成分）を含む青色波長領域の一部及び紫外線波長領域の一部を主成分とする光であることが好ましい。
取得工程で取得される「青色成分画像」は、上述の肌画像の各画素を、ＲＧＢ色空間における青（Ｂ）成分のみで表すようにした画像（以降、Ｂ画像と表記する場合もある）である。例えば、肌画像の各画素についてＲ値及びＧ値をそれぞれ０に設定することにより、Ｂ画像を取得することができる。肌画像がＹＣｂＣｒのようなＲＧＢ色空間以外の色空間情報を持つ場合には、取得工程では、周知の色空間変換処理を行うことによりＢ画像を取得することができる。
評価工程では、このように取得された青色成分画像に基づいて角栓の状態が評価される。
ここで「角栓の状態」とは、大きさ、数、分布など、肌に存在する角栓に関する各種の状態であり、個数、面積や分散値などの物理量で示すこともできるし、多め又は少なめといった程度情報で示すこともできる。
評価工程での評価手法については制限されない。例えば、コンピュータが、取得工程で取得された青色成分画像に基づいて、所定のアルゴリズムにより対象肌の角栓の状態を評価してもよい。この場合、コンピュータは、評価結果（「多め」、「大小が散在」、「大きいものが点在」、「少なめ」、「ほとんどない」など）を提示することもできる。また、コンピュータが取得工程で取得された青色成分画像に対して何らかの処理を適用して得られる情報を提示し、これを参照した者（被験者や評価者など）が対象肌の角栓の状態を評価してもよい。
ここで「角栓の状態」とは、大きさ、数、分布など、肌に存在する角栓に関する各種の状態であり、個数、面積や分散値などの物理量で示すこともできるし、多め又は少なめといった程度情報で示すこともできる。
評価工程での評価手法については制限されない。例えば、コンピュータが、取得工程で取得された青色成分画像に基づいて、所定のアルゴリズムにより対象肌の角栓の状態を評価してもよい。この場合、コンピュータは、評価結果（「多め」、「大小が散在」、「大きいものが点在」、「少なめ」、「ほとんどない」など）を提示することもできる。また、コンピュータが取得工程で取得された青色成分画像に対して何らかの処理を適用して得られる情報を提示し、これを参照した者（被験者や評価者など）が対象肌の角栓の状態を評価してもよい。
毛穴に存在する角栓は、皮脂などを含むため、表皮の組織部に比べて、入射光を強く反射する。このため、青色成分画像において角栓は輝度の高い局所領域として表される。
更に言えば、青色波長領域の光は肌の内部に入り難く、肌の表面で反射しているため、角栓を示す局所領域は、角栓の状態を高精度に示すと考えられる。
即ち、青色成分画像を用いることにより、角栓の状態を高精度に評価することができる。角栓は毛穴の詰まりであるため、このような方法によれば、毛穴の詰まりを高精度に評価することができる。
更に言えば、青色波長領域の光は肌の内部に入り難く、肌の表面で反射しているため、角栓を示す局所領域は、角栓の状態を高精度に示すと考えられる。
即ち、青色成分画像を用いることにより、角栓の状態を高精度に評価することができる。角栓は毛穴の詰まりであるため、このような方法によれば、毛穴の詰まりを高精度に評価することができる。
以下、上述した本方法をより詳細に説明する。
図１は、本実施形態に係る毛穴詰まり評価方法を示すフローチャートである。
本実施形態に係る毛穴詰まり評価方法（以降、本評価方法と表記する場合もある）は、工程（Ｓ１１）、工程（Ｓ１３）、工程（Ｓ１５）、工程（Ｓ１７）工程（Ｓ１９）、及び工程（Ｓ２０）を含む。
図１は、本実施形態に係る毛穴詰まり評価方法を示すフローチャートである。
本実施形態に係る毛穴詰まり評価方法（以降、本評価方法と表記する場合もある）は、工程（Ｓ１１）、工程（Ｓ１３）、工程（Ｓ１５）、工程（Ｓ１７）工程（Ｓ１９）、及び工程（Ｓ２０）を含む。
工程（Ｓ１１）は、紫外線波長領域と可視光波長領域との境界を半値幅内に含む発光スペクトルを主成分とし少なくとも青色波長領域の一部を含む光の照射下で撮像された肌画像（以降、オリジナル肌画像と表記される）を取得する工程である。紫外線波長領域と可視光波長領域との境界波長は例えば３９０ｎｍとなる。但し、日本工業規格ＪＩＳ Ｚ ８１２０では、可視光の波長範囲の短波長限界は３６０ｎｍから４００ｎｍと考えてよいと規定されていることから、当該境界波長は３６０ｎｍ以上４００ｎｍ以下の範囲で決められてもよい。「青色波長領域」については上述したとおりである。
このように青色波長領域に加えて紫外線波長領域を持つ光を用いたのは、ポルフィリンのような紫外線により発光する物質の存在を手掛かりにして毛穴詰まりを高精度に評価するためである。
毛穴には皮脂を好み代謝によりポルフィリンを産出するアクネ菌が存在し、これにより毛穴にはポルフィリンが存在することが知られている。また、ポルフィリンは、紫外線により励起されて赤色に発光する物質として知られている。もちろん、毛穴に存在し紫外線により発光する物質にはポルフィリン以外もあり得る。
そこで、青色波長領域に加えて紫外線波長領域を持つ光を肌に照射することで、青色波長領域を持つ照射光の角栓による反射成分に加えて、角栓と共に毛穴に存在するポルフィリンによる赤色発光成分を撮像した肌画像を得ることで、高精度に毛穴詰まりを評価可能とする。従来手法は、紫外線により赤色に発光するポルフィリンの特性に着目して、肌画像の赤色（Ｒ）成分を主に解析していたところ、本実施形態では、むしろそのような特性を補足的に用いる。
以降、工程（Ｓ１１）で得られるオリジナル肌画像の撮影環境で照射される光を特定光と表記する場合がある。例えば、特定光は、ピーク波長を３８０ｎｍとする紫外光とされる。
このように青色波長領域に加えて紫外線波長領域を持つ光を用いたのは、ポルフィリンのような紫外線により発光する物質の存在を手掛かりにして毛穴詰まりを高精度に評価するためである。
毛穴には皮脂を好み代謝によりポルフィリンを産出するアクネ菌が存在し、これにより毛穴にはポルフィリンが存在することが知られている。また、ポルフィリンは、紫外線により励起されて赤色に発光する物質として知られている。もちろん、毛穴に存在し紫外線により発光する物質にはポルフィリン以外もあり得る。
そこで、青色波長領域に加えて紫外線波長領域を持つ光を肌に照射することで、青色波長領域を持つ照射光の角栓による反射成分に加えて、角栓と共に毛穴に存在するポルフィリンによる赤色発光成分を撮像した肌画像を得ることで、高精度に毛穴詰まりを評価可能とする。従来手法は、紫外線により赤色に発光するポルフィリンの特性に着目して、肌画像の赤色（Ｒ）成分を主に解析していたところ、本実施形態では、むしろそのような特性を補足的に用いる。
以降、工程（Ｓ１１）で得られるオリジナル肌画像の撮影環境で照射される光を特定光と表記する場合がある。例えば、特定光は、ピーク波長を３８０ｎｍとする紫外光とされる。
工程（Ｓ１３）は、工程（Ｓ１１）で取得された肌画像から赤色成分画像（以降、Ｒ画像と表記される）、緑色成分画像（以降、Ｇ画像と表記される）及び青色成分画像（Ｂ画像）を取得する工程である。
Ｒ画像は、肌画像の各画素をＲＧＢ色空間における赤（Ｒ）成分のみで表すようにした画像であり、Ｇ画像は、肌画像の各画素を緑（Ｇ）成分のみで表すようにした画像であり、Ｂ画像は、肌画像の各画素を青（Ｂ）成分のみで表すようにした画像である。例えば、Ｒ画像は肌画像の各画素についてＧ値及びＢ値をそれぞれ０に設定して取得され、Ｇ画像は肌画像の各画素についてＲ値及びＢ値をそれぞれ０に設定して取得され、Ｂ画像は肌画像の各画素についてＲ値及びＧ値をそれぞれ０に設定して取得され得る。また、工程（Ｓ１３）では周知の色空間変換処理を行って肌画像をＲＧＢ色空間情報を持つ画像に変換することもできる。
Ｒ画像は、肌画像の各画素をＲＧＢ色空間における赤（Ｒ）成分のみで表すようにした画像であり、Ｇ画像は、肌画像の各画素を緑（Ｇ）成分のみで表すようにした画像であり、Ｂ画像は、肌画像の各画素を青（Ｂ）成分のみで表すようにした画像である。例えば、Ｒ画像は肌画像の各画素についてＧ値及びＢ値をそれぞれ０に設定して取得され、Ｇ画像は肌画像の各画素についてＲ値及びＢ値をそれぞれ０に設定して取得され、Ｂ画像は肌画像の各画素についてＲ値及びＧ値をそれぞれ０に設定して取得され得る。また、工程（Ｓ１３）では周知の色空間変換処理を行って肌画像をＲＧＢ色空間情報を持つ画像に変換することもできる。
工程（Ｓ１５）は、工程（Ｓ１３）で取得されたＲ画像、Ｇ画像及びＢ画像のそれぞれについて角栓領域を特定する工程である。
ここで「角栓領域」とは、各画像中における角栓を表すと推測される局所的な画素領域である。角栓は、他の表皮組織と比べて反射率が高いと考えられるため、Ｒ画像、Ｇ画像及びＢ画像の各画像における画素値の高い画素で表されると考えることができる。
そこで、Ｒ画像、Ｇ画像及びＢ画像の各画像において所定閾値以上の画素値を持つ画素群を角栓領域として特定することができる。所定閾値はＲ画像、Ｇ画像及びＢ画像の各画像において異なる値とされてもよい。
ここで「角栓領域」とは、各画像中における角栓を表すと推測される局所的な画素領域である。角栓は、他の表皮組織と比べて反射率が高いと考えられるため、Ｒ画像、Ｇ画像及びＢ画像の各画像における画素値の高い画素で表されると考えることができる。
そこで、Ｒ画像、Ｇ画像及びＢ画像の各画像において所定閾値以上の画素値を持つ画素群を角栓領域として特定することができる。所定閾値はＲ画像、Ｇ画像及びＢ画像の各画像において異なる値とされてもよい。
このとき、角栓に相当する画素群に対して島（塊）判定を行い、所定数以上の連続した画素の島（塊）のみが角栓領域として特定され、角栓に相当する画素のうちそれ以外の画素は角栓領域とされなくてもよい。島判定としては、例えば、角栓に相当する画素の中で縦方向又は横方向で隣接している画素群が一つの島（塊）即ち角栓領域として判定し、斜めのみで隣接している画素どうしは塊（島）として判定しないようにしてもよい。もちろん、斜めのみで隣接している画素であっても塊（島）として判定するようにしてもよい。
即ち、工程（Ｓ１５）では、島となっているか否かに関わらず、角栓に相当する個々の画素の集合が「角栓領域」として特定されてもよいし、島判定により島と判定された画素の塊の各々が「角栓領域」として特定されてもよい。
即ち、工程（Ｓ１５）では、島となっているか否かに関わらず、角栓に相当する個々の画素の集合が「角栓領域」として特定されてもよいし、島判定により島と判定された画素の塊の各々が「角栓領域」として特定されてもよい。
また、Ｒ画像、Ｇ画像及びＢ画像の各画像に対してガウシアンフィルタなどの平滑化フィルタをそれぞれ適用し、得られた各低周波画像と元画像との差分画像をそれぞれ取得し、各差分画像を二値化処理してそれぞれ得られた各画像を用いて角栓領域を特定してもよい。この場合、二値化された値のうち強い輝度に対応する値を持つ画素が角栓に相当するとして特定されればよい。
以降、Ｒ画像において特定された角栓領域をＲ角栓領域と表記し、Ｇ画像において特定された角栓領域をＧ角栓領域と表記し、Ｂ画像において特定された角栓領域をＢ角栓領域と表記する場合がある。
以降、Ｒ画像において特定された角栓領域をＲ角栓領域と表記し、Ｇ画像において特定された角栓領域をＧ角栓領域と表記し、Ｂ画像において特定された角栓領域をＢ角栓領域と表記する場合がある。
工程（Ｓ１７）は、工程（Ｓ１５）で特定されたＲ角栓領域、Ｇ角栓領域及びＢ角栓領域のサイズを演算する工程である。具体的には、角栓領域として特定された画素の数が角栓領域のサイズとして取得される。このとき、画素の塊の各々が角栓領域として特定されている場合、角栓領域ごとにサイズが取得されてもよいし、角栓領域ごとのサイズの合計が角栓領域のサイズとして取得されてもよい。
工程（Ｓ１９）は、工程（Ｓ１７）で取得されたＲ角栓領域、Ｇ角栓領域及びＢ角栓領域の各サイズを用いて、角栓の大きさ情報又は数を抽出する工程である。
工程（Ｓ１９）では、母集団の肌サンプルデータを用いた重回帰分析により予め取得された重回帰式であって、Ｒ角栓領域、Ｇ角栓領域及びＢ角栓領域の各サイズを説明変数とし角栓のサイズを目的変数とする重回帰式を用いることができる。本発明者らは、Ｒ画像、Ｇ画像及びＢ画像の各々から得られる角栓領域の情報を用いることで、実際の角栓の大きさを高精度に推定できることを見出したのである。
ここで「母集団の肌サンプルデータ」は、複数の被験者を母集団として、上述の特定光の照射下で撮像された各被験者のオリジナル肌画像に対して工程（Ｓ１１）から工程（Ｓ１７）を適用して得られるＲ角栓領域、Ｇ角栓領域及びＢ角栓領域の各サイズのデータを含む。更に、その「母集団の肌サンプルデータ」は、当該各被験者の肌を当該オリジナル肌画像と略同一の倍率によりマイクロスコープで撮像して得られる各肌画像から目視で測定される角栓のサイズのデータをグランドトゥルースデータとして含む。
当該重回帰式の説明変数及び目的変数であるＲ角栓領域、Ｇ角栓領域及びＢ角栓領域の各サイズ及び角栓のサイズは、毛穴ごとの角栓に対応するサイズとされてもよいし、各毛穴の角栓の合計サイズとされてもよい。
工程（Ｓ１９）では、このような予め取得された重回帰式に、工程（Ｓ１７）で取得されたＲ角栓領域、Ｇ角栓領域及びＢ角栓領域の各サイズを代入することにより、目的変数としての角栓のサイズを算出することができる。
工程（Ｓ１９）では、このようにして算出された角栓のサイズをそのまま角栓の大きさ情報として抽出してもよいし、算出された角栓のサイズに基づいて角栓の総面積、平均面積又は面積のばらつき情報（分散値など）を算出し、算出された値を角栓の大きさ情報として抽出してもよい。
工程（Ｓ１９）では、母集団の肌サンプルデータを用いた重回帰分析により予め取得された重回帰式であって、Ｒ角栓領域、Ｇ角栓領域及びＢ角栓領域の各サイズを説明変数とし角栓のサイズを目的変数とする重回帰式を用いることができる。本発明者らは、Ｒ画像、Ｇ画像及びＢ画像の各々から得られる角栓領域の情報を用いることで、実際の角栓の大きさを高精度に推定できることを見出したのである。
ここで「母集団の肌サンプルデータ」は、複数の被験者を母集団として、上述の特定光の照射下で撮像された各被験者のオリジナル肌画像に対して工程（Ｓ１１）から工程（Ｓ１７）を適用して得られるＲ角栓領域、Ｇ角栓領域及びＢ角栓領域の各サイズのデータを含む。更に、その「母集団の肌サンプルデータ」は、当該各被験者の肌を当該オリジナル肌画像と略同一の倍率によりマイクロスコープで撮像して得られる各肌画像から目視で測定される角栓のサイズのデータをグランドトゥルースデータとして含む。
当該重回帰式の説明変数及び目的変数であるＲ角栓領域、Ｇ角栓領域及びＢ角栓領域の各サイズ及び角栓のサイズは、毛穴ごとの角栓に対応するサイズとされてもよいし、各毛穴の角栓の合計サイズとされてもよい。
工程（Ｓ１９）では、このような予め取得された重回帰式に、工程（Ｓ１７）で取得されたＲ角栓領域、Ｇ角栓領域及びＢ角栓領域の各サイズを代入することにより、目的変数としての角栓のサイズを算出することができる。
工程（Ｓ１９）では、このようにして算出された角栓のサイズをそのまま角栓の大きさ情報として抽出してもよいし、算出された角栓のサイズに基づいて角栓の総面積、平均面積又は面積のばらつき情報（分散値など）を算出し、算出された値を角栓の大きさ情報として抽出してもよい。
角栓の数は、工程（Ｓ１５）において島と判定された画素の塊の各々が角栓領域として特定されている場合に抽出することができる。この場合、所定の閾値以上のサイズを有するＲ角栓領域、Ｇ角栓領域及びＢ角栓領域の数の平均が当該角栓の数とされてもよい。
また、母集団の肌サンプルデータを用いた重回帰分析により予め取得された重回帰式であって、Ｒ角栓領域、Ｇ角栓領域及びＢ角栓領域の各数を説明変数とし角栓の数を目的変数とする重回帰式を用いて、角栓の数を算出することもできる。具体的には、その重回帰式にＲ角栓領域、Ｇ角栓領域及びＢ角栓領域の各数を代入することにより、目的変数としての角栓の数を算出することができる。
この場合の「母集団の肌サンプルデータ」は、複数の被験者を母集団として、上述の特定光の照射下で撮像された各被験者のオリジナル肌画像に対して工程（Ｓ１１）から工程（Ｓ１７）を適用して得られるＲ角栓領域、Ｇ角栓領域及びＢ角栓領域の各サイズのデータ又は所定閾値以上のサイズを有するＲ角栓領域、Ｇ角栓領域及びＢ角栓領域の数のデータを含んでいればよい。更に、その「母集団の肌サンプルデータ」は、当該各被験者の肌を当該オリジナル肌画像と略同一の倍率によりマイクロスコープで撮像して得られる各肌画像から目視で測定される角栓の数のデータをグランドトゥルースデータとして含んでいればよい。
また、母集団の肌サンプルデータを用いた重回帰分析により予め取得された重回帰式であって、Ｒ角栓領域、Ｇ角栓領域及びＢ角栓領域の各数を説明変数とし角栓の数を目的変数とする重回帰式を用いて、角栓の数を算出することもできる。具体的には、その重回帰式にＲ角栓領域、Ｇ角栓領域及びＢ角栓領域の各数を代入することにより、目的変数としての角栓の数を算出することができる。
この場合の「母集団の肌サンプルデータ」は、複数の被験者を母集団として、上述の特定光の照射下で撮像された各被験者のオリジナル肌画像に対して工程（Ｓ１１）から工程（Ｓ１７）を適用して得られるＲ角栓領域、Ｇ角栓領域及びＢ角栓領域の各サイズのデータ又は所定閾値以上のサイズを有するＲ角栓領域、Ｇ角栓領域及びＢ角栓領域の数のデータを含んでいればよい。更に、その「母集団の肌サンプルデータ」は、当該各被験者の肌を当該オリジナル肌画像と略同一の倍率によりマイクロスコープで撮像して得られる各肌画像から目視で測定される角栓の数のデータをグランドトゥルースデータとして含んでいればよい。
工程（Ｓ２０）は、工程（Ｓ１９）で抽出された角栓の大きさ情報又は数を用いて、オリジナル肌画像に写る肌の角栓状態を評価する工程である。
工程（Ｓ２０）での具体的評価手法は制限されない。
例えば、コンピュータが工程（Ｓ１９）で抽出された角栓の大きさ情報又は数を出力し、その出力を参照した者が角栓の状態を評価してもよい。このとき、コンピュータは、評価基準とされる角栓の大きさ情報又は数を更に出力してもよいし、このような情報は予め印刷媒体などに出力されていてもよい。評価基準とされる角栓の大きさ情報又は数は、年齢層ごとの平均的な肌や理想的な肌などから本実施形態と同様の手法で取得することができる。
また、コンピュータが工程（Ｓ１９）で抽出された角栓の大きさ情報又は数を、上述の評価基準とされる角栓の大きさ情報若しくは数、又はその他の比較対象データと比較することで、評価結果を出力することもできる。
工程（Ｓ２０）での具体的評価手法は制限されない。
例えば、コンピュータが工程（Ｓ１９）で抽出された角栓の大きさ情報又は数を出力し、その出力を参照した者が角栓の状態を評価してもよい。このとき、コンピュータは、評価基準とされる角栓の大きさ情報又は数を更に出力してもよいし、このような情報は予め印刷媒体などに出力されていてもよい。評価基準とされる角栓の大きさ情報又は数は、年齢層ごとの平均的な肌や理想的な肌などから本実施形態と同様の手法で取得することができる。
また、コンピュータが工程（Ｓ１９）で抽出された角栓の大きさ情報又は数を、上述の評価基準とされる角栓の大きさ情報若しくは数、又はその他の比較対象データと比較することで、評価結果を出力することもできる。
上述の本実施形態に係る毛穴詰まり評価方法は、例えば、図２及び図３に例示される毛穴詰まり評価装置（以降、評価装置と略称される場合もある）により実行可能である。
図２は、本実施形態に係る毛穴詰まり評価装置１０のハードウェア構成例を概念的に示す図である。
評価装置１０は、いわゆるコンピュータであり、例えば、バスで相互に接続される、ＣＰＵ（Central Processing Unit）１１、メモリ１２、入出力インタフェース（Ｉ／Ｆ）１３、通信ユニット１４等を有する。評価装置１０を形成する各ハードウェア要素の数はそれぞれ制限されず、これらハードウェア要素は情報処理回路と総称することもできる。また、評価装置１０は、図２に図示されないハードウェア要素を含んでもよく、そのハードウェア構成は制限されない。
図２は、本実施形態に係る毛穴詰まり評価装置１０のハードウェア構成例を概念的に示す図である。
評価装置１０は、いわゆるコンピュータであり、例えば、バスで相互に接続される、ＣＰＵ（Central Processing Unit）１１、メモリ１２、入出力インタフェース（Ｉ／Ｆ）１３、通信ユニット１４等を有する。評価装置１０を形成する各ハードウェア要素の数はそれぞれ制限されず、これらハードウェア要素は情報処理回路と総称することもできる。また、評価装置１０は、図２に図示されないハードウェア要素を含んでもよく、そのハードウェア構成は制限されない。
ＣＰＵ１１は、一般的なＣＰＵ以外に、特定用途向け集積回路（ＡＳＩＣ）、ＤＳＰ（Digital Signal Processor）、ＧＰＵ（Graphics Processing Unit）等で構成してもよい。
メモリ１２は、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）、補助記憶装置（ハードディスク等）である。
入出力Ｉ／Ｆ１３は、出力装置１５、入力装置１６等のユーザインタフェース装置と接続可能である。出力装置１５は、ＬＣＤ（Liquid Crystal Display）やＣＲＴ（Cathode Ray Tube）ディスプレイのような、ＣＰＵ１１等により処理された描画データに対応する画面を表示する装置、印刷装置などの少なくとも一つである。入力装置１６は、キーボード、マウス等のようなユーザ操作の入力を受け付ける装置である。出力装置１５及び入力装置１６は一体化され、タッチパネルとして実現されてもよい。
通信ユニット１４は、他のコンピュータとの通信網を介した通信や、他の機器との信号のやりとり等を行う。通信ユニット１４には、可搬型記録媒体等も接続され得る。また、通信ユニット１４には、上述のオリジナル肌画像を撮影するデジタルカメラ（図示せず）が接続されてもよい。
また、評価装置１０は、そのデジタルカメラを内蔵する機器であってもよい。
メモリ１２は、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）、補助記憶装置（ハードディスク等）である。
入出力Ｉ／Ｆ１３は、出力装置１５、入力装置１６等のユーザインタフェース装置と接続可能である。出力装置１５は、ＬＣＤ（Liquid Crystal Display）やＣＲＴ（Cathode Ray Tube）ディスプレイのような、ＣＰＵ１１等により処理された描画データに対応する画面を表示する装置、印刷装置などの少なくとも一つである。入力装置１６は、キーボード、マウス等のようなユーザ操作の入力を受け付ける装置である。出力装置１５及び入力装置１６は一体化され、タッチパネルとして実現されてもよい。
通信ユニット１４は、他のコンピュータとの通信網を介した通信や、他の機器との信号のやりとり等を行う。通信ユニット１４には、可搬型記録媒体等も接続され得る。また、通信ユニット１４には、上述のオリジナル肌画像を撮影するデジタルカメラ（図示せず）が接続されてもよい。
また、評価装置１０は、そのデジタルカメラを内蔵する機器であってもよい。
図３は、本実施形態に係る毛穴詰まり評価装置１０の処理構成例を概念的に示す図である。
評価装置１０は、取得部２１、特定部２２、演算部２３、抽出部２４及び評価部２５を有する。これらは、ソフトウェア要素であり、例えば、メモリ１２に格納される評価プログラム１９がＣＰＵ１１により実行されることにより実現される。このプログラムは、例えば、ＣＤ（Compact Disc）、メモリカード等のような可搬型記録媒体やネットワーク上の他のコンピュータから入出力Ｉ／Ｆ１３又は通信ユニット１４を介してインストールされ、メモリ１２に格納されてもよい。
評価装置１０は、取得部２１、特定部２２、演算部２３、抽出部２４及び評価部２５を有する。これらは、ソフトウェア要素であり、例えば、メモリ１２に格納される評価プログラム１９がＣＰＵ１１により実行されることにより実現される。このプログラムは、例えば、ＣＤ（Compact Disc）、メモリカード等のような可搬型記録媒体やネットワーク上の他のコンピュータから入出力Ｉ／Ｆ１３又は通信ユニット１４を介してインストールされ、メモリ１２に格納されてもよい。
取得部２１は、工程（Ｓ１１）を実行する。
取得部２１は、オリジナル肌画像を外部のコンピュータ、機器、可搬型記録媒体などから入出力Ｉ／Ｆ１３又は通信ユニット１４を介して取得することができる。また、取得部２１がカメラとして実現されている場合、取得部２１が撮像しそのオリジナル肌画像を生成してもよい。
更に、取得部２１は、工程（Ｓ１３）を実行する。オリジナル肌画像からＲ画像、Ｇ画像及びＢ画像を取得する方法については上述したとおりである。
取得部２１は、オリジナル肌画像を外部のコンピュータ、機器、可搬型記録媒体などから入出力Ｉ／Ｆ１３又は通信ユニット１４を介して取得することができる。また、取得部２１がカメラとして実現されている場合、取得部２１が撮像しそのオリジナル肌画像を生成してもよい。
更に、取得部２１は、工程（Ｓ１３）を実行する。オリジナル肌画像からＲ画像、Ｇ画像及びＢ画像を取得する方法については上述したとおりである。
特定部２２は、工程（Ｓ１５）を実行する。Ｒ角栓領域、Ｇ角栓領域及びＢ角栓領域の定義及びそれらの取得手法については上述したとおりである。
演算部２３は、工程（Ｓ１７）を実行する。Ｒ角栓領域、Ｇ角栓領域及びＢ角栓領域のサイズ及びその演算手法については上述したとおりである。
抽出部２４は、工程（Ｓ１９）を実行する。角栓の大きさ情報又は数の抽出手法については上述したとおりである。抽出部２４は、角栓のサイズを算出するための重回帰式を予め保持しておけばよい。
演算部２３は、工程（Ｓ１７）を実行する。Ｒ角栓領域、Ｇ角栓領域及びＢ角栓領域のサイズ及びその演算手法については上述したとおりである。
抽出部２４は、工程（Ｓ１９）を実行する。角栓の大きさ情報又は数の抽出手法については上述したとおりである。抽出部２４は、角栓のサイズを算出するための重回帰式を予め保持しておけばよい。
評価部２５は、工程（Ｓ２０）を実行する。即ち、評価部２５は、オリジナル肌画像に写る肌の角栓状態の評価結果情報を生成し出力する。評価部２５による具体的な評価手法及び出力される評価結果の具体的内容は制限されない。
例えば、評価部２５は、抽出部２４により抽出された角栓の大きさ情報又は数の一方又は両方を評価結果としてそのまま出力してもよい。加えて、評価部２５は、評価結果と比較可能となるように、評価基準とされる角栓の大きさ情報又は数を出力してもよい。この場合、評価部２５は、評価基準とされる角栓の大きさ情報又は数を予め保持していればよい。
また、評価部２５は、そのような評価基準の情報と抽出部２４により抽出された情報とを比較することで、良好、平均、やや悪い、悪いといった程度情報を角栓状態の評価結果として出力することもできる。この場合、評価部２５は、年齢層ごと、性別ごと等でレベル分けするための閾値群を予め保持しておき、その中から被験者の年齢、性別などに対応する閾値を選択し、選択された閾値を用いて被験者の角栓状態の評価結果を生成及び出力してもよい。
例えば、評価部２５は、抽出部２４により抽出された角栓の大きさ情報又は数の一方又は両方を評価結果としてそのまま出力してもよい。加えて、評価部２５は、評価結果と比較可能となるように、評価基準とされる角栓の大きさ情報又は数を出力してもよい。この場合、評価部２５は、評価基準とされる角栓の大きさ情報又は数を予め保持していればよい。
また、評価部２５は、そのような評価基準の情報と抽出部２４により抽出された情報とを比較することで、良好、平均、やや悪い、悪いといった程度情報を角栓状態の評価結果として出力することもできる。この場合、評価部２５は、年齢層ごと、性別ごと等でレベル分けするための閾値群を予め保持しておき、その中から被験者の年齢、性別などに対応する閾値を選択し、選択された閾値を用いて被験者の角栓状態の評価結果を生成及び出力してもよい。
［変形例］
本発明は上述の実施形態に限定されるものではなく、上述の本実施形態は、本発明の目的が達成される限りにおける種々の変形、改良等されることを許容するものである。
本発明は上述の実施形態に限定されるものではなく、上述の本実施形態は、本発明の目的が達成される限りにおける種々の変形、改良等されることを許容するものである。
例えば、上述の本評価方法は工程（Ｓ１１）を含まなくてもよい。即ち、本評価方法は、オリジナル肌画像から取得されるＲ画像、Ｇ画像及びＢ画像を取得するところから開始されてもよい。同様に、評価装置１０の取得部２１は、オリジナル肌画像を取得せず、Ｒ画像、Ｇ画像及びＢ画像を外部のコンピュータ、機器、可搬型記録媒体などから入出力Ｉ／Ｆ１３又は通信ユニット１４を介して取得してもよい。
また、実施例で詳述するが、本発明者らにより、Ｂ画像のＢ角栓領域の情報のみでも角栓のサイズと高い相関を示すことが見出されている。
そのため、本評価方法はＲ画像又はＧ画像の一方又は両方を用いなくてもよい。即ち、工程（Ｓ１３）では、Ｂ画像のみが取得されてもよいし、Ｂ画像とＲ画像又はＧ画像のいずれか一方とが取得されてもよい。これに伴い、工程（Ｓ１５）では、Ｂ角栓領域のみが特定されてもよいし、Ｂ角栓領域とＲ角栓領域又はＧ角栓領域のいずれか一方とが特定されてもよい。工程（Ｓ１７）では、Ｂ角栓領域のサイズのみが算出されてもよいし、Ｂ角栓領域のサイズとＲ角栓領域又はＧ角栓領域のいずれか一方のサイズとが算出されてもよい。工程（Ｓ１９）では、工程（Ｓ１７）で算出されたＢ角栓領域のサイズのみ、又は、Ｂ角栓領域のサイズとＲ角栓領域又はＧ角栓領域のいずれか一方のサイズとから、角栓の大きさ情報又は数が抽出されればよい。この場合、工程（Ｓ１９）では、角栓のサイズを目的変数としＢ角栓領域のサイズを説明変数とする単回帰式、又は、角栓のサイズを目的変数としＢ角栓領域のサイズとＲ角栓領域又はＧ角栓領域のいずれか一方のサイズとを説明変数とする重回帰式を用いることができる。
この場合、これら各工程を実行する評価装置１０の取得部２１、特定部２２、演算部２３及び抽出部２４は、そのように変形された各工程の処理内容を実行すればよい。
また、上述の実施形態では、毛穴詰まり評価方法が例示されたが、本実施形態としては、角栓情報抽出方法が例示可能である。この角栓情報抽出方法は、青色波長領域の一部を含む光の照射下で撮像された肌画像から青色成分画像を取得する取得工程と、その取得された青色成分画像中の角栓領域を特定する特定工程と、その特定された角栓領域を用いて角栓の数又は大きさ情報を抽出する抽出工程とを含めばよい。そして、青色波長領域の一部を含む上記光は、３９０ｎｍにおけるパワーが最大値の１０％以上である発光スペクトル成分を含み、当該抽出工程では、母集団の肌サンプルデータを用いた回帰分析により予め取得された回帰式（単回帰式又は重回帰式）であって、特定された角栓領域のサイズを説明変数として含み角栓サイズを目的変数とする回帰式を用いて、角栓の大きさ情報を抽出する。
そのため、本評価方法はＲ画像又はＧ画像の一方又は両方を用いなくてもよい。即ち、工程（Ｓ１３）では、Ｂ画像のみが取得されてもよいし、Ｂ画像とＲ画像又はＧ画像のいずれか一方とが取得されてもよい。これに伴い、工程（Ｓ１５）では、Ｂ角栓領域のみが特定されてもよいし、Ｂ角栓領域とＲ角栓領域又はＧ角栓領域のいずれか一方とが特定されてもよい。工程（Ｓ１７）では、Ｂ角栓領域のサイズのみが算出されてもよいし、Ｂ角栓領域のサイズとＲ角栓領域又はＧ角栓領域のいずれか一方のサイズとが算出されてもよい。工程（Ｓ１９）では、工程（Ｓ１７）で算出されたＢ角栓領域のサイズのみ、又は、Ｂ角栓領域のサイズとＲ角栓領域又はＧ角栓領域のいずれか一方のサイズとから、角栓の大きさ情報又は数が抽出されればよい。この場合、工程（Ｓ１９）では、角栓のサイズを目的変数としＢ角栓領域のサイズを説明変数とする単回帰式、又は、角栓のサイズを目的変数としＢ角栓領域のサイズとＲ角栓領域又はＧ角栓領域のいずれか一方のサイズとを説明変数とする重回帰式を用いることができる。
この場合、これら各工程を実行する評価装置１０の取得部２１、特定部２２、演算部２３及び抽出部２４は、そのように変形された各工程の処理内容を実行すればよい。
また、上述の実施形態では、毛穴詰まり評価方法が例示されたが、本実施形態としては、角栓情報抽出方法が例示可能である。この角栓情報抽出方法は、青色波長領域の一部を含む光の照射下で撮像された肌画像から青色成分画像を取得する取得工程と、その取得された青色成分画像中の角栓領域を特定する特定工程と、その特定された角栓領域を用いて角栓の数又は大きさ情報を抽出する抽出工程とを含めばよい。そして、青色波長領域の一部を含む上記光は、３９０ｎｍにおけるパワーが最大値の１０％以上である発光スペクトル成分を含み、当該抽出工程では、母集団の肌サンプルデータを用いた回帰分析により予め取得された回帰式（単回帰式又は重回帰式）であって、特定された角栓領域のサイズを説明変数として含み角栓サイズを目的変数とする回帰式を用いて、角栓の大きさ情報を抽出する。
上記の実施形態及び変形例の一部又は全部は、次のようにも特定され得る。但し、上述の実施形態及び変形例が以下の記載に制限されるものではない。
＜１＞少なくとも青色波長領域の一部を含む光の照射下で撮像された肌画像から青色成分画像を取得する取得工程と、
前記取得された青色成分画像に基づいて角栓の状態を評価する評価工程と、
を含む毛穴詰まり評価方法。
前記取得された青色成分画像に基づいて角栓の状態を評価する評価工程と、
を含む毛穴詰まり評価方法。
＜２＞前記評価工程は、
前記取得された青色成分画像中の第一角栓領域を特定する特定工程と、
前記特定された第一角栓領域を用いて角栓の数又は大きさ情報を抽出する抽出工程と、
を含む＜１＞に記載の毛穴詰まり評価方法。
＜３＞前記評価工程は、
前記特定された第一角栓領域のサイズを演算する演算工程を更に含み、
前記抽出工程では、前記演算されたサイズを用いて角栓の大きさ情報を抽出する、
＜２＞に記載の毛穴詰まり評価方法。
＜４＞前記光は、３９０ｎｍにおけるパワーが最大値の１０％以上である発光スペクトル成分を含み、
前記取得工程では、前記肌画像から赤色成分画像又は緑色成分画像の一方又は両方を更に取得し、
前記特定工程では、前記取得された赤色成分画像の第二角栓領域を特定するか、又は、前記取得された緑色成分画像の第三角栓領域を特定するかの一方又は両方を更に実行し、
前記演算工程では、前記第二角栓領域又は前記第三角栓領域の一方又は両方のサイズを更に演算し、
前記抽出工程では、前記第二角栓領域又は前記第三角栓領域の一方又は両方のサイズと、前記第一角栓領域のサイズとを用いて、角栓の大きさ情報を抽出する、
＜３＞に記載の毛穴詰まり評価方法。
＜５＞前記抽出工程では、角栓の総面積、平均面積又は面積のばらつき情報を角栓の大きさ情報として抽出する、
＜４＞に記載の毛穴詰まり評価方法。
＜６＞前記抽出工程では、母集団の肌サンプルデータを用いた重回帰分析により予め取得された重回帰式であって、前記第一角栓領域、前記第二角栓領域及び前記第三角栓領域の各サイズを説明変数とし個々の角栓サイズを目的変数とする重回帰式を用いて、角栓の大きさ情報を抽出する、
＜４＞又は＜５＞に記載の毛穴詰まり評価方法。
＜７＞少なくとも青色波長領域の一部を含む光の照射下で撮像された肌画像から青色成分画像を取得する取得手段と、
前記取得された青色成分画像に基づいて角栓の状態の評価結果情報を生成する評価手段と、
を備える毛穴詰まり評価装置。
＜８＞前記取得手段により取得された青色成分画像中の第一角栓領域を特定する特定手段と、
前記特定手段により特定された第一角栓領域を用いて角栓の数又は大きさ情報を抽出する抽出手段と、
を更に備える＜７＞に記載の毛穴詰まり評価装置。
＜９＞前記特定手段により特定された第一角栓領域のサイズを演算する演算手段、
を更に備え、
前記抽出手段は、前記演算手段により算出されたサイズを用いて角栓の大きさ情報を抽出する、
＜８＞に記載の毛穴詰まり評価装置。
＜１０＞前記光は、３９０ｎｍにおけるパワーが最大値の１０％以上である発光スペクトル成分を含み、
前記取得手段は、前記肌画像から赤色成分画像又は緑色成分画像の一方又は両方を更に取得し、
前記特定手段は、前記取得手段により取得された赤色成分画像の第二角栓領域を特定するか、又は、前記取得手段により取得された緑色成分画像の第三角栓領域を特定するかの一方又は両方を更に実行し、
前記演算手段は、前記第二角栓領域又は前記第三角栓領域の一方又は両方のサイズを更に演算し、
前記抽出手段は、前記第二角栓領域又は前記第三角栓領域の一方又は両方のサイズと、前記第一角栓領域のサイズとを用いて、角栓の大きさ情報を抽出する、
＜９＞に記載の毛穴詰まり評価装置。
＜１１＞前記抽出手段は、角栓の総面積、平均面積又は面積のばらつき情報を角栓の大きさ情報として抽出する、
＜１０＞に記載の毛穴詰まり評価装置。
＜１２＞前記抽出手段は、母集団の肌サンプルデータを用いた重回帰分析により予め取得された重回帰式であって、前記第一角栓領域、前記第二角栓領域及び前記第三角栓領域の各サイズを説明変数とし個々の角栓サイズを目的変数とする重回帰式を用いて、角栓の大きさ情報を抽出する、
＜１０＞又は＜１１＞に記載の毛穴詰まり評価装置。
＜１３＞青色波長領域の一部を含む光の照射下で撮像された肌画像から青色成分画像を取得する取得工程と、
前記取得された青色成分画像中の角栓領域を特定する特定工程と、
前記特定された角栓領域を用いて角栓の数又は大きさ情報を抽出する抽出工程と、
を含む角栓情報抽出方法であって、
前記光は、３９０ｎｍにおけるパワーが最大値の１０％以上である発光スペクトル成分を含み、
前記抽出工程では、母集団の肌サンプルデータを用いた回帰分析により予め取得された回帰式であって、前記特定された角栓領域のサイズを説明変数として含み角栓サイズを目的変数とする回帰式を用いて、角栓の大きさ情報を抽出する、
角栓情報抽出方法。
前記取得された青色成分画像中の第一角栓領域を特定する特定工程と、
前記特定された第一角栓領域を用いて角栓の数又は大きさ情報を抽出する抽出工程と、
を含む＜１＞に記載の毛穴詰まり評価方法。
＜３＞前記評価工程は、
前記特定された第一角栓領域のサイズを演算する演算工程を更に含み、
前記抽出工程では、前記演算されたサイズを用いて角栓の大きさ情報を抽出する、
＜２＞に記載の毛穴詰まり評価方法。
＜４＞前記光は、３９０ｎｍにおけるパワーが最大値の１０％以上である発光スペクトル成分を含み、
前記取得工程では、前記肌画像から赤色成分画像又は緑色成分画像の一方又は両方を更に取得し、
前記特定工程では、前記取得された赤色成分画像の第二角栓領域を特定するか、又は、前記取得された緑色成分画像の第三角栓領域を特定するかの一方又は両方を更に実行し、
前記演算工程では、前記第二角栓領域又は前記第三角栓領域の一方又は両方のサイズを更に演算し、
前記抽出工程では、前記第二角栓領域又は前記第三角栓領域の一方又は両方のサイズと、前記第一角栓領域のサイズとを用いて、角栓の大きさ情報を抽出する、
＜３＞に記載の毛穴詰まり評価方法。
＜５＞前記抽出工程では、角栓の総面積、平均面積又は面積のばらつき情報を角栓の大きさ情報として抽出する、
＜４＞に記載の毛穴詰まり評価方法。
＜６＞前記抽出工程では、母集団の肌サンプルデータを用いた重回帰分析により予め取得された重回帰式であって、前記第一角栓領域、前記第二角栓領域及び前記第三角栓領域の各サイズを説明変数とし個々の角栓サイズを目的変数とする重回帰式を用いて、角栓の大きさ情報を抽出する、
＜４＞又は＜５＞に記載の毛穴詰まり評価方法。
＜７＞少なくとも青色波長領域の一部を含む光の照射下で撮像された肌画像から青色成分画像を取得する取得手段と、
前記取得された青色成分画像に基づいて角栓の状態の評価結果情報を生成する評価手段と、
を備える毛穴詰まり評価装置。
＜８＞前記取得手段により取得された青色成分画像中の第一角栓領域を特定する特定手段と、
前記特定手段により特定された第一角栓領域を用いて角栓の数又は大きさ情報を抽出する抽出手段と、
を更に備える＜７＞に記載の毛穴詰まり評価装置。
＜９＞前記特定手段により特定された第一角栓領域のサイズを演算する演算手段、
を更に備え、
前記抽出手段は、前記演算手段により算出されたサイズを用いて角栓の大きさ情報を抽出する、
＜８＞に記載の毛穴詰まり評価装置。
＜１０＞前記光は、３９０ｎｍにおけるパワーが最大値の１０％以上である発光スペクトル成分を含み、
前記取得手段は、前記肌画像から赤色成分画像又は緑色成分画像の一方又は両方を更に取得し、
前記特定手段は、前記取得手段により取得された赤色成分画像の第二角栓領域を特定するか、又は、前記取得手段により取得された緑色成分画像の第三角栓領域を特定するかの一方又は両方を更に実行し、
前記演算手段は、前記第二角栓領域又は前記第三角栓領域の一方又は両方のサイズを更に演算し、
前記抽出手段は、前記第二角栓領域又は前記第三角栓領域の一方又は両方のサイズと、前記第一角栓領域のサイズとを用いて、角栓の大きさ情報を抽出する、
＜９＞に記載の毛穴詰まり評価装置。
＜１１＞前記抽出手段は、角栓の総面積、平均面積又は面積のばらつき情報を角栓の大きさ情報として抽出する、
＜１０＞に記載の毛穴詰まり評価装置。
＜１２＞前記抽出手段は、母集団の肌サンプルデータを用いた重回帰分析により予め取得された重回帰式であって、前記第一角栓領域、前記第二角栓領域及び前記第三角栓領域の各サイズを説明変数とし個々の角栓サイズを目的変数とする重回帰式を用いて、角栓の大きさ情報を抽出する、
＜１０＞又は＜１１＞に記載の毛穴詰まり評価装置。
＜１３＞青色波長領域の一部を含む光の照射下で撮像された肌画像から青色成分画像を取得する取得工程と、
前記取得された青色成分画像中の角栓領域を特定する特定工程と、
前記特定された角栓領域を用いて角栓の数又は大きさ情報を抽出する抽出工程と、
を含む角栓情報抽出方法であって、
前記光は、３９０ｎｍにおけるパワーが最大値の１０％以上である発光スペクトル成分を含み、
前記抽出工程では、母集団の肌サンプルデータを用いた回帰分析により予め取得された回帰式であって、前記特定された角栓領域のサイズを説明変数として含み角栓サイズを目的変数とする回帰式を用いて、角栓の大きさ情報を抽出する、
角栓情報抽出方法。
以下に実施例を挙げ、上述の内容を更に詳細に説明する。但し、以下の実施例の記載は、上述の内容に何ら限定を加えるものではない。
本実施例では、５名の被験者を母集団として、発光ピーク波長３８０ｎｍで青色成分波長の４５０ｎｍ程度まで幅のある波長スペクトルの特定光を照射している環境下で、各被験者の肌をデジタルカメラでそれぞれ撮像することで、５名分のオリジナル肌画像が取得された（図４（ａ）参照）。
一方で、当該各被験者の肌におけるオリジナル肌画像の撮像箇所と同一箇所をマイクロスコープでそれぞれ撮影して、５名分のグランドトゥルース肌画像が取得された（図４（ｂ）参照）。
図４（ａ）は、オリジナル肌画像の例を示す図であり、図４（ｂ）は、グランドトゥルース肌画像の例を示す図である。
一方で、当該各被験者の肌におけるオリジナル肌画像の撮像箇所と同一箇所をマイクロスコープでそれぞれ撮影して、５名分のグランドトゥルース肌画像が取得された（図４（ｂ）参照）。
図４（ａ）は、オリジナル肌画像の例を示す図であり、図４（ｂ）は、グランドトゥルース肌画像の例を示す図である。
担当者は、各被験者のグランドトゥルース肌画像において７個から８個の角栓をそれぞれ特定し、個々の角栓の長径を計測した。これにより、５名分の各肌について合計３８個の角栓ごとの長径がグランドトゥルースデータとして取得された。
上述のように取得された５名分のオリジナル肌画像からＲ画像、Ｇ画像及びＢ画像がそれぞれ取得され、Ｒ画像、Ｇ画像及びＢ画像の各画像についてそれぞれ次のような処理が施された。元の画像に対して平滑化フィルタを適用し、得られた平滑化画像と元の画像との差分画像を取得し、その差分画像が２値化された。これにより、Ｒ画像、Ｇ画像及びＢ画像に対して、２値化Ｒ画像、２値化Ｇ画像及び２値化Ｂ画像が取得された。
取得された２値化Ｒ画像、２値化Ｇ画像及び２値化Ｂ画像に対して角栓領域の特定が行われ、Ｒ角栓領域、Ｇ角栓領域及びＢ角栓領域が特定された。本実施例では、角栓領域の特定にあたり島判定を行い、角栓に相当する画素の中で縦方向又は横方向で隣接している画素群が一つの角栓領域として特定された。
続いて、各角栓領域について画素の数がその角栓領域の面積として算出された。
結果、５名分の肌に関して、Ｒ角栓領域の数及びＲ角栓領域ごとの面積、Ｇ角栓領域の数及びＧ角栓領域ごとの面積、並びに、Ｂ角栓領域の数及びＢ角栓領域ごとの面積が取得され、これらデータと上述のグランドトゥルースデータとを合わせて、５名の母集団の肌サンプルデータとされた。
取得された２値化Ｒ画像、２値化Ｇ画像及び２値化Ｂ画像に対して角栓領域の特定が行われ、Ｒ角栓領域、Ｇ角栓領域及びＢ角栓領域が特定された。本実施例では、角栓領域の特定にあたり島判定を行い、角栓に相当する画素の中で縦方向又は横方向で隣接している画素群が一つの角栓領域として特定された。
続いて、各角栓領域について画素の数がその角栓領域の面積として算出された。
結果、５名分の肌に関して、Ｒ角栓領域の数及びＲ角栓領域ごとの面積、Ｇ角栓領域の数及びＧ角栓領域ごとの面積、並びに、Ｂ角栓領域の数及びＢ角栓領域ごとの面積が取得され、これらデータと上述のグランドトゥルースデータとを合わせて、５名の母集団の肌サンプルデータとされた。
このように取得された肌サンプルデータを重回帰分析することにより、以下のような重回帰式及び決定係数Ｒ２が得られ、本結果は、有意水準１％未満で有意である。
角栓の長径＝１００．４６９９−０．２５９２３×（Ｒ角栓領域の面積）−０．０４２０９×（Ｇ角栓領域の面積）＋１．５１４４０２（Ｂ角栓領域の面積）
決定係数Ｒ２＝０．５５００６２
このような重回帰式を用いることで、被験者のオリジナル肌画像から目視計測などをすることなく、角栓の個数（所定の大きさ以上など）、個々の角栓の長径、角栓の平均長径、角栓の長径の分散値など、角栓の大きさ情報又は数を高精度に推定することができる。
上述の実施形態では、このような重回帰式が予め取得され用いられればよい。
また、本実施例では、グランドトゥルースデータとして角栓の長径が計測されたが、角栓の面積が計測されてもよい。また、角栓領域の画素数が面積として取得されたが、角栓領域の長径に並ぶ画素数が角栓領域のサイズとして取得されてもよい。
角栓の長径＝１００．４６９９−０．２５９２３×（Ｒ角栓領域の面積）−０．０４２０９×（Ｇ角栓領域の面積）＋１．５１４４０２（Ｂ角栓領域の面積）
決定係数Ｒ２＝０．５５００６２
このような重回帰式を用いることで、被験者のオリジナル肌画像から目視計測などをすることなく、角栓の個数（所定の大きさ以上など）、個々の角栓の長径、角栓の平均長径、角栓の長径の分散値など、角栓の大きさ情報又は数を高精度に推定することができる。
上述の実施形態では、このような重回帰式が予め取得され用いられればよい。
また、本実施例では、グランドトゥルースデータとして角栓の長径が計測されたが、角栓の面積が計測されてもよい。また、角栓領域の画素数が面積として取得されたが、角栓領域の長径に並ぶ画素数が角栓領域のサイズとして取得されてもよい。
更に、本実施例では、上述のような肌サンプルデータを用いて、Ｒ角栓領域、Ｇ角栓領域及びＢ角栓領域の各々について、角栓領域の面積と実際の角栓のサイズとの関係性が調査された。
図５は、Ｒ角栓領域の面積と角栓の長径との関係を示すグラフであり、図６は、Ｇ角栓領域の面積と角栓の長径との関係を示すグラフであり、図７は、Ｂ角栓領域の面積と角栓の長径との関係を示すグラフである。
図５、図６及び図７に示される決定係数Ｒ２によれば、Ｒ角栓領域、Ｇ角栓領域及びＢ角栓領域の全ての情報を使う形態（決定係数Ｒ２＝０．５５００６２）よりは精度は落ちるものの、Ｂ画像のＢ角栓領域の情報のみでも角栓の大きさ情報又は数を十分高い精度で推定できることが実証されている。
また、実施例として例示されないものの、Ｂ角栓領域の情報と、Ｒ角栓領域又はＧ角栓領域のいずれか一方の情報とからでも、角栓の大きさ情報又は数を十分高い精度で推定できることは実証されている。
図５は、Ｒ角栓領域の面積と角栓の長径との関係を示すグラフであり、図６は、Ｇ角栓領域の面積と角栓の長径との関係を示すグラフであり、図７は、Ｂ角栓領域の面積と角栓の長径との関係を示すグラフである。
図５、図６及び図７に示される決定係数Ｒ２によれば、Ｒ角栓領域、Ｇ角栓領域及びＢ角栓領域の全ての情報を使う形態（決定係数Ｒ２＝０．５５００６２）よりは精度は落ちるものの、Ｂ画像のＢ角栓領域の情報のみでも角栓の大きさ情報又は数を十分高い精度で推定できることが実証されている。
また、実施例として例示されないものの、Ｂ角栓領域の情報と、Ｒ角栓領域又はＧ角栓領域のいずれか一方の情報とからでも、角栓の大きさ情報又は数を十分高い精度で推定できることは実証されている。
更に、比較例として、Ｒ画像、Ｇ画像及びＢ画像を取得せず、上述の５名分のオリジナル肌画像（ＲＧＢ画像）から角栓領域のサイズを抽出する手法が調査された。
本比較例では、５名分のオリジナル肌画像（ＲＧＢ画像）の各々に対して平滑化フィルタを適用し、得られた平滑化画像と元の画像との差分画像が取得され、この差分画像に対して２値化が行われた。そして、この２値化で得られた画像において角栓領域（ＲＧＢ角栓領域と表記される）が特定され、このＲＧＢ角栓領域の面積が算出された。
図８は、比較例としてのＲＧＢ角栓領域の面積と角栓の長径との関係を示すグラフである。
図８に示されるように、本比較例では、上述の実施例の手法に比べて、角栓領域の面積と角栓の長径との相関性が低くなった。つまり、この比較例により、本実施例の手法のほうが高精度に角栓の大きさ情報又は数を推定できることが実証されたこととなる。
本比較例では、５名分のオリジナル肌画像（ＲＧＢ画像）の各々に対して平滑化フィルタを適用し、得られた平滑化画像と元の画像との差分画像が取得され、この差分画像に対して２値化が行われた。そして、この２値化で得られた画像において角栓領域（ＲＧＢ角栓領域と表記される）が特定され、このＲＧＢ角栓領域の面積が算出された。
図８は、比較例としてのＲＧＢ角栓領域の面積と角栓の長径との関係を示すグラフである。
図８に示されるように、本比較例では、上述の実施例の手法に比べて、角栓領域の面積と角栓の長径との相関性が低くなった。つまり、この比較例により、本実施例の手法のほうが高精度に角栓の大きさ情報又は数を推定できることが実証されたこととなる。
１０ 毛穴詰まり評価装置（評価装置）
１１ ＣＰＵ
１２ メモリ
１３ 入出力Ｉ／Ｆ
１４ 通信ユニット
１５ 出力装置
１６ 入力装置
１９ 評価プログラム
２１ 取得部
２２ 特定部
２３ 演算部
２４ 抽出部
２５ 評価部
１１ ＣＰＵ
１２ メモリ
１３ 入出力Ｉ／Ｆ
１４ 通信ユニット
１５ 出力装置
１６ 入力装置
１９ 評価プログラム
２１ 取得部
２２ 特定部
２３ 演算部
２４ 抽出部
２５ 評価部
Claims (4)
- 可視光波長領域であってかつ青色波長領域でもある波長領域の一部及び紫外線波長領域の一部を主成分とする光の照射下で撮像された肌画像から、赤色成分画像若しくは緑色成分画像の一方又は両方と青色成分画像とを取得する取得工程と、
前記取得された青色成分画像中の第一角栓領域を特定すると共に、前記取得された赤色成分画像中の第二角栓領域を特定するか若しくは前記取得された緑色成分画像中の第三角栓領域を特定するかの一方又は両方を行う特定工程と、
前記特定された第一角栓領域のサイズに加えて、前記特定された第二角栓領域若しくは前記特定された第三角栓領域の一方又は両方のサイズを演算する演算工程と、
前記第二角栓領域若しくは前記第三角栓領域の一方又は両方のサイズと、前記第一角栓領域のサイズとを用いて、角栓の大きさ情報を抽出する抽出工程と、
を含み、
前記抽出工程では、母集団の肌サンプルデータを用いた重回帰分析により予め取得された重回帰式であって、前記第一角栓領域のサイズと、前記第二角栓領域若しくは前記第三角栓領域の一方又は両方のサイズとを説明変数とし、個々の角栓サイズを目的変数とする重回帰式を用いて、角栓の大きさ情報を抽出する、
毛穴詰まり評価方法。 - 前記光は、３９０ｎｍにおけるパワーが最大値の１０％以上である発光スペクトル成分を含む、
請求項１に記載の毛穴詰まり評価方法。 - 前記抽出工程では、角栓の総面積、平均面積又は面積のばらつき情報を角栓の大きさ情報として抽出する、
請求項１又は２に記載の毛穴詰まり評価方法。 - ＣＰＵ（Central Processing Unit）及びメモリを備えた毛穴詰まり評価装置であって、
請求項１から３のいずれか一項に記載の毛穴詰まり評価方法を実行する毛穴詰まり評価装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2017113684A JP6918584B2 (ja) | 2017-06-08 | 2017-06-08 | 毛穴詰まり評価方法及び毛穴詰まり評価装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2017113684A JP6918584B2 (ja) | 2017-06-08 | 2017-06-08 | 毛穴詰まり評価方法及び毛穴詰まり評価装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2018202044A JP2018202044A (ja) | 2018-12-27 |
| JP6918584B2 true JP6918584B2 (ja) | 2021-08-11 |
Family
ID=64954582
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2017113684A Active JP6918584B2 (ja) | 2017-06-08 | 2017-06-08 | 毛穴詰まり評価方法及び毛穴詰まり評価装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6918584B2 (ja) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7044120B2 (ja) * | 2020-02-07 | 2022-03-30 | カシオ計算機株式会社 | 識別装置、識別器学習方法、識別方法及びプログラム |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7233693B2 (en) * | 2003-04-29 | 2007-06-19 | Inforward, Inc. | Methods and systems for computer analysis of skin image |
| JPWO2006057314A1 (ja) * | 2004-11-25 | 2008-06-05 | 株式会社インフォワード | 画像処理装置および画像処理方法 |
| JP2009000494A (ja) * | 2007-05-23 | 2009-01-08 | Noritsu Koki Co Ltd | ポルフィリン検出方法、ポルフィリンの表示方法、およびポルフィリン検出装置 |
| JP2009082338A (ja) * | 2007-09-28 | 2009-04-23 | Masahiro Nakagawa | エントロピーを用いた肌の鑑別方法 |
| JP5733032B2 (ja) * | 2011-06-06 | 2015-06-10 | ソニー株式会社 | 画像処理装置および方法、画像処理システム、プログラム、および、記録媒体 |
| JP2014087641A (ja) * | 2012-10-05 | 2014-05-15 | Rohto Pharmaceut Co Ltd | 肌の状態の評価方法 |
| TWI696450B (zh) * | 2014-04-16 | 2020-06-21 | 日商新力股份有限公司 | 資訊處理裝置、資訊處理系統、及資訊處理程式 |
-
2017
- 2017-06-08 JP JP2017113684A patent/JP6918584B2/ja active Active
Also Published As
| Publication number | Publication date |
|---|---|
| JP2018202044A (ja) | 2018-12-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11612350B2 (en) | Enhancing pigmentation in dermoscopy images | |
| JP6086573B2 (ja) | 色素斑を特性化する方法及び装置、並びに化粧製品、皮膚製品又は薬剤製品の着色効果又は脱色効果を評価する方法におけるその応用 | |
| JP5656162B2 (ja) | 皮膚欠陥を特性化する方法及び装置、並びに化粧用薬剤、外皮用薬剤、又は薬剤を使用する皮膚欠陥のための処置の有効性を評価する方法 | |
| JP5885344B2 (ja) | 皮膚又は外皮の色調を特徴付けるための方法 | |
| US8155413B2 (en) | Method and system for analyzing skin conditions using digital images | |
| US8401258B2 (en) | Method to provide automated quality feedback to imaging devices to achieve standardized imaging data | |
| US7970456B2 (en) | Method and apparatus for detecting the presence of dermal melanin in epithelial tissue | |
| WO2016080266A1 (ja) | シミ評価装置、シミ評価方法、及びプログラム | |
| US11278236B2 (en) | Imaging-based methods and apparatuses for assessing skin pigmentation | |
| JP5426475B2 (ja) | 肌の色ムラ解析装置、肌の色ムラ解析方法、及び肌の色ムラ解析プログラム | |
| JP4599520B2 (ja) | マルチスペクトル画像処理方法 | |
| JP2009082338A (ja) | エントロピーを用いた肌の鑑別方法 | |
| CA2915651C (en) | Diagnostic apparatus for lesion, image processing method in the same apparatus, and medium storing program associated with the same method | |
| JP6918584B2 (ja) | 毛穴詰まり評価方法及び毛穴詰まり評価装置 | |
| JP2006061170A (ja) | 皮膚の鑑別法 | |
| JP6898150B2 (ja) | 毛穴検出方法及び毛穴検出装置 | |
| US20220375043A1 (en) | Specular reflection reduction in endoscope visualization | |
| JP2017012384A (ja) | シワ状態分析装置及びシワ状態分析方法 | |
| JP2018171516A (ja) | 画像処理方法、診断装置、並びにプログラム | |
| JP2007252892A (ja) | 皮膚表面の立体形状の目視評価値の推定方法 | |
| Mishra et al. | Automatic separation of basal cell carcinoma from benign lesions in dermoscopy images with border thresholding techniques | |
| Ohtsuki et al. | Appearance analysis of human skin with cosmetic foundation | |
| JP6503733B2 (ja) | 診断支援装置並びに当該診断支援装置における画像処理方法及びそのプログラム | |
| Liu et al. | Facial Spot Contour Extraction based on Color Image Processing | |
| JP6459410B2 (ja) | 診断装置並びに当該診断装置における画像処理方法及びそのプログラム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200318 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210129 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210209 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210412 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20210629 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210721 |
|
| R151 | Written notification of patent or utility model registration |
Ref document number: 6918584 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |