TWI749696B - 皮膚檢測方法 - Google Patents
皮膚檢測方法 Download PDFInfo
- Publication number
- TWI749696B TWI749696B TW109127193A TW109127193A TWI749696B TW I749696 B TWI749696 B TW I749696B TW 109127193 A TW109127193 A TW 109127193A TW 109127193 A TW109127193 A TW 109127193A TW I749696 B TWI749696 B TW I749696B
- Authority
- TW
- Taiwan
- Prior art keywords
- image
- black
- skin
- white
- detection method
- Prior art date
Links
Images
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本發明為一種皮膚檢測方法,步驟包括輸入至少一皮膚影像,並對皮膚影像進行灰階化以產生灰階影像;將灰階影像二值化以產生黑白影像;接著分析影像物件並根據影像物件的邊界、影像物件的形狀、複數影像物件分布是否具週期性以及影像物件的黑色與白色的比例等,判斷影像物件屬於毛孔、斑點、皺紋、毛髮或粉刺。本發明透過特殊影像辨識與分析手段,能判斷皮膚上的毛孔、斑點、皺紋、毛髮、粉刺等皮膚醫學美容特徵,並能計算皮膚中多項生理參數,以提供更多面向之醫學美容檢測結果。
Description
本發明係有關一種影像檢測技術,特別是指一種辨識皮膚健康狀況之皮膚檢測方法。
智慧型手機搭配多種應用程式(APP),使得功能擴展到旅遊、運動、生理檢測及皮膚美容等日常生活中,方便了人類的生活。
以皮膚美容的領域來說,雖目前有多款應用於皮膚檢測的手機程式,但其操作多半是利用手機本身的鏡頭,將皮膚表面放大某一倍數以初步檢測皮膚的膚質特性,藉以評估皮膚的健康狀況。雖然鏡頭及像素等硬體規格對於肌膚影像的拍攝相當重要,但若能開發功能更佳的膚質檢測演算法與軟體,來搭配各種層次的硬體,則能更能完整發揮各種層次影像設備的皮膚檢測功能。
有鑑於此,本發明遂針對上述習知技術之缺失,提出一種用於進行毛孔、斑點、皺紋、毛髮與粉刺的識別與分類的演算法,其並可計算出針對各種皮膚醫學美容特徵的生理參數(如膚色指數、毛孔指數、黑斑指數、皺紋指數、毛髮指數、粉刺指數等),以建構更先進、具備主動式影像分析功能的皮膚檢測系統,以有效克服上述之該等不足。
本發明之主要目的在提供一種皮膚檢測方法,其經由特殊影像辨識與分析手段,能有效判斷皮膚上的毛孔粗細、斑點、皺紋、毛髮多寡等皮膚醫學美容特徵。
本發明之另一目的在提供一種皮膚檢測方法,能計算皮膚中多項醫學美容特徵的生理指數,並供進一步數據分析使用,以提供更多面向之檢測結果。
為達上述之目的,本發明係提供一種皮膚檢測方法,其包括下列步驟:首先輸入至少一皮膚彩色影像,並灰階化皮膚彩色影像以產生至少一灰階影像。接著二值化灰階影像以產生至少一黑白影像,並分析黑白影像中的複數個影像物件,以定義每一影像物件為一白色物件或一黑色物件。對每一影像物件,分別找出一中心點,以在每一影像物件產生穿過影像物件中心點的二直線,最後可判斷複數影像物件是否符合一預設條件,以根據預設條件判斷每一影像物件所對應的皮膚特徵。
在本實施例中,定義每一影像物件為白色物件或黑色物件之步驟,包括當影像物件之邊界畫素點為黑色畫素點,且邊界畫素點四周至少有一個白色畫素點者時,定義影像物件為黑色物件。及當影像物件之邊界畫素點為白色畫素點,且邊界畫素點四周至少有一個白色畫素點者時,定義影像物件為該黑色物件。
在本實施例中,當皮膚特徵為一粉刺,預設條件包括影像物件為白色物件;以及白色物件中至少二直線,通過白色物件的白色區域幾何中心點的兩邊界點之間的距離的差異的百分比介於一預設範圍內。
在本實施例中,當皮膚特徵為一毛孔,預設條件包括影像物件為黑色物件;黑色物件中至少二直線通過黑色物件的黑色區域幾何中心點的兩邊界點之間的距離的差異的百分比介於一預設範圍內;以及當每一黑色物件之中心點之位置座標進行快速傅立葉轉換時,所產生之傅立葉係數大於一第一預設值。
在本實施例中,當皮膚特徵為一黑斑,預設條件包括影像物件為黑色物件;黑色物件中至少二直線,通過黑色物件的黑色區域幾何中心點的兩邊界點之間的距離的差異的百分比介於一預設範圍內;及當每一黑色物件之中心點之位置座標進行快速傅立葉轉換時,所產生之傅立葉係數小於一第一預設值。
在本實施例中,快速傅立葉轉換方程式如下所示:F(k)=ʃf(r).e-jk r ‧dr;f(r)=a0+Σ(ancos(k 0nr)+bnsin(k 0nr));其中r為複數影像物件之中心點的位置座標,an與bn分別為f(r)傅立葉轉換的第n項之分項係數,a0為f(r)傅立葉轉換的第0項之係數,k 0為f(r)傅立葉轉換的第0項之空間頻率。
在本實施例中,當皮膚特徵為一皺紋,預設條件包括影像物件為黑色物件;黑色物件中至少二直線,通過黑色物件的黑色區域幾何中心點的兩邊界點之間的距離的差異的百分比不介於一預設範圍內;及任何兩邊界點間的連線上的白色畫素點的數量與黑色畫素點的數量的比值小於一第二預設值。
在本實施例中,當皮膚特徵為一毛髮,預設條件包括影像物件為黑色物件;黑色物件中至少二直線,通過黑色物件的黑色區域幾何中心點的兩邊界點之間的距離的差異的百分比不介於一預設範圍內;
及任何兩邊界點間的連線上的白色畫素點的數量與黑色畫素點的數量的比值大於一第二預設值。
在本實施例中,在灰階化皮膚彩色影像以產生至少一灰階影像之步驟中,係依據皮膚彩色影像每一畫素點中的紅原色、綠原色、藍原色之成分值帶入灰階值方程式,以將畫素點轉換成該灰階值,灰階值方程式如下:灰階值≒0.2989 * R+0.5870 * G+0.1140 * B;R為紅原色之成分值,G為綠原色之成分值,B為藍原色之成分值。
在本實施例中,二值化灰階影像以產生至少一黑白影像之步驟,包括判斷灰階影像之該等畫素點的灰階值是否大於或等於一畫素的灰階值之門檻值,若是,將該畫素點轉換為黑色畫素點;若否,將畫素點轉換為白色畫素點。
在本實施例中,皮膚檢測方法更包括根據皮膚彩色影像中皮膚特徵的數量,以產生皮膚特徵指數。
底下藉由具體實施例詳加說明,當更容易瞭解本發明之目的、技術內容、特點及其所欲達成之功效。
10:皮膚檢測裝置
12:處理器
14:取像裝置
20:皮膚檢測輔助裝置
22:光學透鏡模組
24:發光模組
240:紅光發光元件
242:藍光發光元件
244:綠光發光元件
30:影像物件
32:白色畫素點
33:邊界畫素點
34:預測線
36:中心點
38:直線
40:影像物件
50:影像物件
52:直線
60:影像物件
62:直線
70:影像物件
72:黑色畫素點
73:邊界畫素點
74:直線
S10~S20:步驟
第一圖係為本發明之系統方塊圖。
第二圖係為本發明之方法流程圖。
第三A圖至第三D圖係為本發明毛孔檢測連續狀態示意圖。
第四圖係為本發明黑斑檢測狀態示意圖。
第五圖係為本發明皺紋檢測狀態示意圖。
第六圖係為本發明毛髮檢測狀態示意圖。
第七A圖至第七B圖係為本發明粉刺檢測連續狀態示意圖。
本發明為一種皮膚檢測方法,其能有效處理皮膚影像,以辨識出皮膚的毛孔、黑斑、皺紋、毛髮或粉刺,並根據毛孔、黑斑、皺紋、毛髮或粉刺數量的多寡產生各項指數,以提供使用者針對膚況進行評估。
為能更加瞭解如何達到上述功效,在此詳述皮膚檢測方法之實施方式。首先請參照第一圖,以說明皮膚檢測方法實施時所使用以產生原始彩色皮膚影像、辨識皮膚特徵與產生皮膚特徵生理參數的系統,其包括一皮膚檢測裝置10,如智慧型手機;皮膚檢測裝置10包括有互相連接的處理器12及取像裝置14,取像裝置14可為攝影機鏡頭。
在本實施例中,皮膚檢測裝置10之取像裝置14上更安裝有一皮膚檢測輔助裝置20,皮膚檢測輔助裝置20包括光學透鏡模組22以及發光模組24,以輔助取像裝置14拍攝影像,藉此產生放大或不同深度皮膚特徵的影像。特別來說,光學透鏡模組22可為顯微鏡頭,其可提供影像放大10x至500x;發光模組24則可包括有複數紅光發光元件240、藍光發光元件242及綠光發光元件244。紅光發光元件240、藍光發光元件242及綠光發光元件244例如分別為紅、藍、綠色的LED,以提供不同波長的光線,以拍攝不同深度的皮膚特徵,如不同深度的粉刺或黑斑等。
請參照第一圖並配合第二圖,以說明本發明之皮膚檢測方法之實施方式,皮膚檢測方法可在皮膚檢測裝置10之處理器12中進行,以判斷複數影像物件是否符合一預設條件,以根據預設條件判斷每一影
像物件所對應的皮膚特徵。首先請參步驟S10,透過取像裝置14對準皮膚樣本拍攝皮膚彩色影像。由於本實施例的取像裝置14上設有皮膚檢測輔助裝置20,因此可依據使用者需求調整光學透鏡模組22的放大倍數與發光模組24的光源,藉此拍攝到所需的皮膚彩色影像,以輸入皮膚彩色影像至處理器12中。接著處理器12對皮膚彩色影像進行灰階化,以產生至少一灰階影像。在本實施例中,灰階化皮膚彩色影像之步驟,係依據皮膚彩色影像每一畫素點中的紅原色之成分值、綠原色之成分值、藍原色之成分值帶入灰階值方程式,以將畫素點轉換成灰階值。灰階值方程式如下:灰階值≒0.2989 * R+0.5870 * G+0.1140 * B;其中R為紅原色之成分值,G為綠原色之成分值,G為該藍原色之成分值。處理器針對皮膚彩色影像中的每一個畫素點進行轉換,將皮膚彩色影像轉換成灰階影像。
接著進入步驟S12,處理器12再二值化灰階影像以產生至少一黑白影像。處理器12在將灰階影像轉換成黑白影像時,係判斷灰階影像中所有畫素點的灰階值是否大於或等於畫素的灰階值之門檻值,在本實施例中,門檻值為0.5,當畫素點之灰階值大於或等於門檻值時,將畫素點轉換為1,也就是黑色畫素點,當畫素點之灰階值小於門檻值,則將畫素點傳換為0,也就是白色畫素點。以藉由上述的邏輯將灰階影像轉換成黑白影像。
將灰階影像轉換成黑白影像後,即可進入步驟S14,令處理器12針對黑白影像中的每一影像物件,搜尋每一影像物件中之複數個邊界畫素點及複數個非邊界畫素點,以定義每一影像物件為一白色物件或一黑色物件。在本實施例中,當影像物件之複數邊界畫素點為黑色畫
素點,且邊界畫素點四周至少有一個白色畫素點時,定義影像物件為黑色物件。但當影像物件之邊界畫素點為白色畫素點,且邊界畫素點四周至少有一個黑色畫素點時,定義影像物件為白色物件。
接著進入步驟S16,處理器12對每一影像物件,分別找出一中心點,每一影像物件之中心點為每一影像物件中所有畫素點的幾何平均值位置。
找到中心點後進入步驟S18,處理器12在每一影像物件產生穿過中心點的至少二直線,且複數直線除了分別通過每一影像物件之中心點,且接觸每一影像物件對應兩邊界畫素點。最後進入步驟S20,處理器12判斷複數影像物件及其至少二穿過中心點的直線之長度是否符合一預設條件,以根據預設條件判斷每一影像物件所對應的一皮膚特徵。其中皮膚特徵包括一粉刺、一毛孔、一黑斑、一皺紋以及一毛髮的至少其中之一,預設條件包括對應皮膚特徵的一粉刺預設條件、一毛孔預設條件、一黑斑預設條件、一皺紋預設條件及一毛髮預設條件的至少其中之一。
為了能更瞭解影像物件之皮膚特徵不同態樣的檢測方法,在此逐一針對影像物件所對應的皮膚特徵為毛孔、黑斑、皺紋、毛髮或粉刺時的詳細判斷步驟。首先說明影像物件之皮膚特徵為毛孔時的實施方式。當皮膚特徵為毛孔,需符合毛孔預設條件包括影像物件為黑色物件;黑色物件中至少二直線通過黑色物件的黑色區域幾何中心點的兩邊界點之間的距離的差異的百分比介於一預設範圍內;以及當每一黑色物件之中心點之位置座標進行快速傅立葉轉換時,所產生之傅立葉係數大於一第一預設值。
在判斷皮膚特徵時,會依據上述步驟S10至步驟S20對影像物件進行處理,且進行上述處理後符合毛孔預設條件,則代表為毛孔。詳細來說請配合參照第一圖、第二圖以及第三A圖至第三D圖,對影像進行步驟S10至步驟S12的灰階化與二值化後,接著進入步驟S14並請配合參照第三A圖,搜尋影像物件30的邊界。以本實施例來說,在二值化的影像中,對應毛孔的影像物件30大致呈黑色,其邊界為白色。因此,當處理器12在影像物件30的畫素點中,搜尋到影像物件30之邊界畫素點33四周至少有一個白色畫素點32,且複數邊界畫素點33為黑色畫素點時,則可定義影像物件30為黑色物件。
接著進入步驟S16同時請配合參照第三B圖,在毛孔30上產生連接影像物件30之二邊界畫素點33間的複數條預測線34,並透過複數條預測線34計算出複數條預測線34幾何平均位置,即可取得中心點36。此外,亦可藉由影像物件30中所有畫素點的幾何平均值位置,計算出中心點36的位置。
請參照步驟S18,並配合參照第三C圖,在找到影像物件30的中心點36後,即可產生複數條直線38通過影像物件30之中心點36,且接觸影像物件30之兩邊界畫素點32。
此時處理器12即可判斷多個直線38中通過黑色物件的黑色區域幾何中心點36的兩邊界點之間的距離的差異的百分比介於一預設範圍內,如介於70%~130%。換句話說,當影像物件30為對應皮膚特徵毛孔時,影像物件30會近似於圓形,此時直線38中最長的直線與最短的直線的長度差異較小。因此,若處理器12判斷直線38中最長的直線與最短的直線的長度介於預設百分比範圍內時,即可確認影像物件30近似於圓形。
最後一個條件每一黑色物件之中心點之位置座標代入快速傅立葉轉換方程式時,所產生之傅立葉係數大於一傅立葉係數之第一預設值,其用來判斷影像物件30的分布是否具有一定的週期性。請配合參照第三D圖,若影像物件30為毛孔,其分布比較會有一定的規律,因此若將影像物件30與其餘符合上述條件的影像物件30之中心點之位置座標代入快速傅立葉轉換方程式,並判斷傅立葉係數大於一傅立葉係數之第一預設值時,代表該等影像物件30之間具有一定的規律,其中快速傅立葉轉換方程式,如下所示:F(k)=ʃf(r). e -jk r ‧dr;f(r)=a0+Σ(ancos(k 0nr)+bnsin(k 0nr));其中r為複數影像物件之中心點的位置座標,an與bn分別為f(r)傅立葉轉換的第n項之分項係數,a0為f(r)傅立葉轉換的第0項之係數,k0為f(r)傅立葉轉換的第0項之空間頻率,其中an的表現方式為an=2/Rʃf(r)cos(k 0nr)dr,bn的表現方式為bn=2/Rʃf(r)sin(k 0nr)dr,a0的表現方式可為a0=1/Rʃf(r)dr。透過代入上述快速傅立葉轉換方程式產生傅立葉係數,令處理器12判斷傅立葉係數是否大於一傅立葉係數之第一預設值,在本實施例中,假設第一預設值為3,若傅立葉係數大於第一預設值,即可判定影像物件30的分布具有相當程度的週期性,而可進一步確認影像物件30為毛孔。
接著說明影像物件之皮膚特徵為黑斑時的實施方式。當皮膚特徵為黑斑,需符合黑斑預設條件,其包括影像物件為黑色物件;黑色物件中至少二直線,通過黑色物件的黑色區域幾何中心點的兩邊界點之間的距離的差異的百分比介於一預設範圍內;以及當每一黑色物件之中心點之位置座標代入快速傅立葉轉換方程式時,所產生之傅立葉
係數小於一傅立葉係數之第一預設值。請配合參照第一圖、第二圖以及第四圖,由於影像物件40與影像物件30皆為黑色,且近似圓形的特徵,故不再重複敘述上述條件之判斷步驟。影像物件40與影像物件30不同之處在於,影像物件40的分布呈現不規則的排列方式,因此當每一影像物件40之中心點之位置座標代入快速傅立葉轉換方程式時,所產生之傅立葉係數小於一傅立葉係數之第一預設值的條件,代表影像物件之間沒有一定的週期性,因此可判定影像物件40為黑斑。
接著說明影像物件之皮膚特徵為皺紋時的實施方式。當皮膚特徵為一皺紋,皮膚預設條件包括影像物件為黑色物件;黑色物件中至少二直線,通過黑色物件的黑色區域幾何中心點的兩邊界點之間的距離的差異的百分比不介於一預設範圍內;及至少二直線上的白色畫素點的數量與黑色畫素點的數量的比值小於一第二預設值。請配合參照第一圖、第二圖以及第五圖,以說明影像物件50為皺紋時的實施方式。由於對應皺紋的影像物件50與對應毛孔的影像物件30皆為黑色,故不再重複敘述上述條件之判斷步驟。接著判斷影像物件50的形狀,由於皺紋的形狀並非為圓形,因此當產生複數條通過影像物件50之中心點,並接觸影像物件50對應兩邊界的直線52時,處理器12擷取直線52中至少二直線52,通過黑色物件的黑色區域幾何中心點的兩邊界點之間的距離的差異的百分比不介於一預設範圍內,符合皺紋預設條件。最後處理器12再判斷至少二直線52上的白色畫素點的數量與黑色畫素點的數量的比值是否小於一第二預設值,如30%,以識別影像物件50是否有彎曲現象,以與彎曲的毛髮區別。影像物件50為皺紋時,則較無彎曲現象,故判定影像物件為皺紋。
接著說明影像物件之皮膚特徵為毛髮時的實施方式。當影像物件之皮膚特徵為毛髮時,毛髮預設條件包括影像物件為黑色物件;黑色物件中至少二直線,通過黑色物件的黑色區域幾何中心點的兩邊界點之間的距離的差異的百分比不介於一預設範圍內;及至少一直線上的白色畫素點的數量與黑色畫素點的數量的比值大於一第二預設值。請配合參照第一圖、第二圖以及第六圖,以說明影像物件60為毛髮時的實施方式。由於對應毛髮的影像物件60與對應皺紋的影像物件50皆為黑色且近似長條型,故不再重複相同於上述影像物件50之判斷步驟。不同的是本實施例會進一步判斷至少二直線62上的白色畫素點的數量與黑色畫素點的數量的比值是否大於一第二預設值的條件。由於毛髮較具彎曲現象,故直線62會通過有白色畫素點的位置,因此處理器12可判斷任一條直線62上的白色畫素點的數量與黑色畫素點的數量的比例是否大於一第二預設值。當影像物件60的直線62中的白色畫素點的數量與黑色畫素點的數量的比例大於一第二預設值時,即可判定影像物件為毛髮。
最後說明當影像物件之皮膚特徵為粉刺時的實施方式。粉刺預設條件包括影像物件為白色物件;以及白色物件中至少二直線,通過白色物件的白色區域幾何中心點的兩邊界點之間的距離的差異的百分比介於一預設範圍內。請配合參照第一圖、第二圖以及第七A圖至第七B圖,以說明影像物件70為粉刺時的實施方式,由於粉刺為白色,因此當處理器12判斷影像物件70之邊界畫素點73四周至少有一個黑色畫素點72,且邊界畫素點73為白色畫素點時,即可定義影像物件70為白色物件,符合粉刺預設條件之首要條件,接著處理器12更進一步確認影像物件70的形狀,以識別影像物件70是否近似圓形,來確認影像
物件70是否為粉刺。形狀的判定與上述影像物件30的判定方式相類似,請配合參照第七B圖,會在影像物件70上產生複數直線74,且複數直線74分別通過影像物件70之中心點及對應兩邊界,當複數直線74中至少二直線74通過白色物件的白色區域幾何中心點的兩邊界點之間的距離的差異的百分比介於一預設範圍內,如介於70%~130%,則能確定影像物件70的形狀為圓形,符合粉刺預設條件,故判斷影像物件70的皮膚特徵為粉刺。
雖然上述實施例是分別以不同的影像物件進行說明,但本領域具有通常知識者可以明白,上述的判斷影像物件的各實施例可以整合在一起,進而判斷出對應的皮膚特徵是粉刺、毛孔、黑斑、皺紋或毛髮,並不以此為限。
進行完上述影像物件的種類判定後,處理器12更可判斷皮膚特徵的數量,以產生皮膚特徵指數,如判斷皮膚彩色影像中粉刺、毛孔、黑斑、皺紋或毛髮的數量,並根據而產生粉刺指數、毛孔指數、黑斑指數、皺紋指數或毛髮指數,並將上述指數上傳至遠端伺服器(圖中未示),以供美容師或醫師等相關人員知曉樣本者皮膚的各項指數,以供進行進一步美容諮詢或療程。
綜上所述,本發明經由特殊影像辨識與分析手段,能有效判斷皮膚上的毛孔粗細、斑點、皺紋、毛髮等皮膚醫學美容特徵,並能計算皮膚中多項醫學美容特徵的生理指數,並供進一步數據分析使用,以提供更多面向之檢測結果。
唯以上所述者,僅為本發明之較佳實施例而已,並非用來限定本發明實施之範圍。故即凡依本發明申請範圍所述之特徵及精神所為之均等變化或修飾,均應包括於本發明之申請專利範圍內。
S10~S20:步驟
Claims (14)
- 一種皮膚檢測方法,包括下列步驟:輸入至少一皮膚彩色影像,並灰階化該皮膚彩色影像以產生至少一灰階影像;二值化該灰階影像以產生至少一黑白影像;分析該黑白影像中的複數個影像物件,以定義每一該影像物件為一白色物件或一黑色物件;對每一該影像物件,分別找出一中心點;在每一該影像物件產生穿過該影像物件中心點的至少二直線;以及判斷該等影像物件是否符合一預設條件,以根據該預設條件判斷每一該影像物件所對應的一皮膚特徵。
- 如請求項1所述之皮膚檢測方法,其中定義每一該影像物件為該白色物件或該黑色物件之步驟,包括:當該影像物件之邊界畫素點為黑色畫素點,且該邊界畫素點四周至少有一個白色畫素點時,定義該影像物件為該黑色物件;以及當該影像物件之邊界畫素點為白色畫素點,且該邊界畫素點四周至少有一個黑色畫素點時,定義該影像物件為該白色物件。
- 如請求項1所述之皮膚檢測方法,其中該皮膚特徵為一粉刺,該預設條件包括:該影像物件為該白色物件;以及該白色物件中該至少二直線,通過該白色物件的白色區域幾何該中心點的兩邊界點之間的距離的差異的百分比介於一預設範圍內。
- 如請求項1所述之皮膚檢測方法,其中該皮膚特徵為一毛孔,該預設條件包括: 該影像物件為該黑色物件;該黑色物件中該至少二直線,通過該黑色物件的黑色區域幾何該中心點的兩邊界點之間的距離的差異的百分比介於一預設範圍內;以及當每一該黑色物件之該中心點之位置座標代入快速傅立葉轉換方程式時,所產生之傅立葉係數大於一傅立葉係數之第一預設值。
- 如請求項1所述之皮膚檢測方法,其中該皮膚特徵為一黑斑,該預設條件包括:該影像物件為該黑色物件;該黑色物件中該至少二直線,通過該黑色物件的黑色區域幾何該中心點的兩邊界點之間的距離的差異的百分比介於一預設範圍內;以及當每一該黑色物件之該中心點之位置座標代入快速傅立葉轉換方程式時,所產生之傅立葉係數小於一傅立葉係數之第一預設值。
- 如請求項4或5所述之皮膚檢測方法,其中該快速傅立葉轉換方程式如下所示:F(k)=ʃf(r).e-jk r ‧dr;f(r)=a0+Σ(ancos(k 0nr)+bnsin(k 0nr));其中r為複數影像物件之中心點的位置座標,an與bn分別為f(r)傅立葉轉換的第n項之分項係數,a0為f(r)傅立葉轉換的第0項之係數,k 0為f(r)傅立葉轉換的第0項之空間頻率。
- 如請求項4或5所述之皮膚檢測方法,其中該傅立葉係數之第一預設值可為3。
- 如請求項1所述之皮膚檢測方法,其中該皮膚特徵為一皺紋,該預設條件包括:該影像物件為該黑色物件; 該黑色物件中該至少二直線,通過該黑色物件的黑色區域幾何該中心點的兩邊界點之間的距離的差異的百分比不介於一預設範圍內;以及該至少二直線上的白色畫素點的數量與黑色畫素點的數量的比值小於一第二預設值。
- 如請求項1所述之皮膚檢測方法,其中該皮膚特徵為一毛髮,該預設條件包括:該影像物件為該黑色物件;該黑色物件中該至少二直線,通過該黑色物件的黑色區域幾何該中心點的兩邊界點之間的距離的差異的百分比不介於一預設範圍內;以及該至少二直線上的白色畫素點的數量與黑色畫素點的數量的比值大於一第二預設值。
- 如請求項8或9所述之皮膚檢測方法,其中該第二預設值為30%。
- 如請求項3、4、5、8或9所述之皮膚檢測方法,其中該預設範圍之百分比值為70%~130%。
- 如請求項1所述之皮膚檢測方法,其中在該灰階化該皮膚彩色影像以產生至少一該灰階影像之步驟,係依據該皮膚彩色影像每一畫素點中的紅原色之成分值、綠原色之成分值、藍原色之成分值帶入灰階值方程式,以將該畫素點轉換成該灰階值,該灰階值方程式如下:灰階值≒0.2989 * R+0.5870 * G+0.1140 * B;該R為該紅原色之成分值,該G為該綠原色之成分值,該B為該藍原色之成分值。
- 如請求項12所述之皮膚檢測方法,其中該二值化該灰階影像以產生至少一黑白影像之步驟,包括: 判斷該灰階影像之該等畫素點的灰階值是否大於或等於一灰階值的門檻值:若是,將該畫素點轉換為黑色畫素點;及若否,將該畫素點轉換為白色畫素點。
- 如請求項1所述之皮膚檢測方法,更包括根據一該皮膚彩色影像中該皮膚特徵的數量,以產生皮膚特徵指數。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW109127193A TWI749696B (zh) | 2020-08-11 | 2020-08-11 | 皮膚檢測方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW109127193A TWI749696B (zh) | 2020-08-11 | 2020-08-11 | 皮膚檢測方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI749696B true TWI749696B (zh) | 2021-12-11 |
TW202206018A TW202206018A (zh) | 2022-02-16 |
Family
ID=80680989
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW109127193A TWI749696B (zh) | 2020-08-11 | 2020-08-11 | 皮膚檢測方法 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI749696B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110755074A (zh) * | 2019-12-27 | 2020-02-07 | 深圳市中医院 | 基于大数据的颈椎理疗装置 |
CN210520958U (zh) * | 2018-04-25 | 2020-05-15 | 王海光 | 可穿戴式人体体温、血氧、心率监测终端 |
TW202018466A (zh) * | 2018-06-15 | 2020-05-16 | 美商普羅托斯數位健康公司 | 用於體內通道感測與具有漂移頻率之可攝入感測器檢測之低功率接收器 |
US10720044B2 (en) * | 2011-07-21 | 2020-07-21 | Proteus Digital Health, Inc. | Headwear device for detection and communication of information received from an ingestible device |
US10722164B2 (en) * | 2016-06-24 | 2020-07-28 | Tata Consultancy Services Limited | Method and system for detection and analysis of cognitive flow |
-
2020
- 2020-08-11 TW TW109127193A patent/TWI749696B/zh active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10720044B2 (en) * | 2011-07-21 | 2020-07-21 | Proteus Digital Health, Inc. | Headwear device for detection and communication of information received from an ingestible device |
US10722164B2 (en) * | 2016-06-24 | 2020-07-28 | Tata Consultancy Services Limited | Method and system for detection and analysis of cognitive flow |
CN210520958U (zh) * | 2018-04-25 | 2020-05-15 | 王海光 | 可穿戴式人体体温、血氧、心率监测终端 |
TW202018466A (zh) * | 2018-06-15 | 2020-05-16 | 美商普羅托斯數位健康公司 | 用於體內通道感測與具有漂移頻率之可攝入感測器檢測之低功率接收器 |
CN110755074A (zh) * | 2019-12-27 | 2020-02-07 | 深圳市中医院 | 基于大数据的颈椎理疗装置 |
Also Published As
Publication number | Publication date |
---|---|
TW202206018A (zh) | 2022-02-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yang et al. | Finger-vein image matching based on adaptive curve transformation | |
Ramlakhan et al. | A mobile automated skin lesion classification system | |
WO2019100282A1 (zh) | 一种人脸肤色识别方法、装置和智能终端 | |
Frucci et al. | WIRE: Watershed based iris recognition | |
CN104732200B (zh) | 一种皮肤类型和皮肤问题的识别方法 | |
Fu et al. | Learning to detect specular highlights from real-world images | |
CN110991389B (zh) | 判断目标行人在非重叠相机视角中出现的匹配方法 | |
KR102393298B1 (ko) | 홍채 인식 방법 및 장치 | |
WO2013148566A1 (en) | Image blur detection | |
JP2009523265A (ja) | 画像中の虹彩の特徴を抽出する方法 | |
SG190730A1 (en) | Method and an apparatus for determining vein patterns from a colour image | |
JP2007188504A (ja) | 画像中の画素強度をフィルタリングする方法 | |
KR20140112046A (ko) | 피부 부위 상의 피부 징후를 검출하고 정량화하는 방법과 장치 | |
JP2017051474A (ja) | 肌の光沢評価装置、光沢評価方法および光沢評価プログラム | |
KR20190018349A (ko) | 생체 이미지 처리 방법 및 이를 포함한 장치 | |
Dwaich et al. | Signature texture features extraction using GLCM approach in android studio | |
Sandhiya et al. | Extraction of dorsal palm basilic and cephalic hand vein features for human authentication system | |
Yi et al. | Illumination normalization of face image based on illuminant direction estimation and improved retinex | |
Raghavendra et al. | Novel finger vascular pattern imaging device for robust biometric verification | |
Fathy et al. | Benchmarking of pre-processing methods employed in facial image analysis | |
TWI749696B (zh) | 皮膚檢測方法 | |
CN110909601B (zh) | 一种基于深度学习的美瞳识别方法及系统 | |
JP6527765B2 (ja) | シワ状態分析装置及びシワ状態分析方法 | |
WO2004081872A1 (ja) | データ分析装置およびデータ認識装置 | |
Ningtyas et al. | Performance analysis of local binary pattern and k-nearest neighbor on image classification of fingers leaves |