一种基于点线面的图像颜色空间脂肪点检测评估方法技术

本发明专利技术公布了一种基于点线面的图像颜色空间脂肪点检测评估方法，属于皮肤图像处理应用技术领域。对相同分辨率的皮肤微距RGB数字图像进行处理，得到皮肤图像脂肪点多个指标属性数值及综合指标值，实现微距皮肤图像表面的脂肪点特征的检测评估；本发明专利技术方法检测脂肪点准确度高，速度快，具有良好的市场应用前景和价值。

【技术实现步骤摘要】
一种基于点线面的图像颜色空间脂肪点检测评估方法
本专利技术涉及计算机图形学及皮肤脂肪点检测技术，具体涉及一种基于点线面的图像颜色空间脂肪点检测评估方法，属于皮肤图像处理应用

技术介绍
随着人们生活水平的提高，面部皮肤的美容及护理已经受到人们的广泛关注，客观、定量的对皮肤图像进行检测和计算是近几年皮肤图像处理领域的研究热点之一，其中一个重要应用就是对皮肤表面脂肪点的检测和属性指标值计算。随着计算机图像处理技术的飞速发展，以数字图像处理技术为手段，可以使皮肤表面状况评估方法从传统的定性分析上升为精确的定量分析，从而极大地提高评估的精确度。皮肤图像的特征包括毛孔、斑点、纹理、脂肪点、光泽度等，其中脂肪点特征是一种重要的皮肤度量指标，脂肪点数量和大小以及亮度可衡量皮肤的生理状况。当前检测评估脂肪点的图像处理方法很少，有一些机器学习算法，准确度不高，需要大量的学习样本且速度慢；图像处理方法定量计算一幅皮肤图像表面脂肪点特征指标的数值方法，仅限于简单根据图像像素点颜色值做点(像素)的分析计算，没有脂肪点的线面属性，很多指标无法计算，如脂肪点数量、间距、大小。
技术实现思路
本专利技术的目的在于实现一种基于点线面的图像颜色空间脂肪点检测评估方法，根据皮肤图像RGB颜色空间所有像素颜色值信息，计算一幅图像的表面脂肪点大小、数量、亮度、距离等特征值，实现皮肤图像脂肪点检测和多属性值定量评估。本专利技术中，皮肤图像来自于数字图像采集设备。目前图像文件多采用RGB颜色空间，本专利技术算法直接利用RGB颜色空间像素颜色值做脂肪点多属性检测评估，实现定量评估一幅皮肤图像的脂肪点属性。通过本专利技术方法，可对一幅皮肤微距RGB彩色图像计算得出所有脂肪点的多个属性值以及综合评估指标值，通过这些定量数值可准确度高的标识一幅微距皮肤图像表面脂肪点特征，本专利技术算法计算速度快，计算脂肪点特征值准确度高，具有很大市场应用价值。本专利技术提出的基于点线面的图像颜色空间脂肪点检测评估方法可对相同分辨率的皮肤微距RGB数字图像做处理，得到衡量一幅皮肤图像脂肪点多个指标属性数值以及综合指标值，这些数值可标识微距皮肤图像表面的脂肪点特征，主要包括如下步骤内容：1)读取皮肤图像所有像素RGB颜色矩阵；2)皮肤图像预处理：灰度化，得到灰度图像img1；剔除毛发、斑点、毛孔、纹理以及荧光点等，突出脂肪点特征；3)采用阈值方法得到初始不连续像素点级的脂肪点二值化图像img2；4)脂肪点缝隙(砂眼)填补，基于圆形模板卷积方法得到连续像素点级的脂肪点，结果图像为二值化图像img4；5)基于八连通方法遍历得到连续线/面特征的脂肪点，结果图像为三值化图像img5；6)计算脂肪点数量、大小、距离、亮度、占比的定量属性值。7)计算皮肤图像脂肪点综合评估值；具体来说，本专利技术的方法包括下列步骤：A.读取皮肤图像所有像素RGB颜色矩阵，具体如下：皮肤图像文件可以存放在本地、网络或其他媒体介质上，图像文件格式包括但不局限于jpg、bmp、png等；，本专利技术只需皮肤图像，为本方法唯一的参数；图像的每个像素点有RGB三个颜色分量，皮肤图像文件的RGB值形成为像素RGB颜色二维矩阵，将皮肤图像的像素RGB颜色矩阵读取到计算机内存，作为后续算法计算的基础；B.皮肤图像预处理：灰度化，剔除毛发、斑点、毛孔以及纹理等，突出脂肪点特征，具体步骤如下：B1.彩色图像灰度化，得到灰度图像img1；对内存中的皮肤图像二维矩阵中每个像素的RGB像素值，根据如下公式(1)进行灰度化，其中V为一个像素灰度化的值，Green、Blue分别为该像素三个颜色分量的绿色和蓝色分量，其红色分量脂肪点特征弱，不使用红色分量颜色值做脂肪点特征计算；V＝0.2×Green+0.8×Blue式(1)B2.剔除毛发、斑点、毛孔、纹理以及荧光点等；B2.1计算灰度图像img1中每个像素点p1的灰度均值avg1；遍历并计算灰度图像img1中每个像素点p1的灰度均值avg1，计算范围是以像素点p1为中心点的方形区域A1，A1范围内的所有像素点在灰度图像img1上的灰度值的均值为avg1，其中方形区域A1边长(像素数量)为定值，如A1的边长为51个像素，如果p1在边界处，没有完整的方形区域A1，则只考虑A1覆盖住图像img1的像素来计算p1点灰度均值avg1；B2.2设置灰度值avg2，剔除图像中皮肤上的毛发、斑点、毛孔、纹理及高亮噪声点；遍历方形区域A1内的每个像素p2，如果p2的灰度值低于avg1，则灰度图像img1上赋值p2点灰度值为avg1(p1点处灰度均值，实则为背景像素)，此方法可剔除视觉上颜色深(黑)的毛发、斑点、毛孔以及纹理等特征；如果p2的灰度值大于指定的灰度值avg2，如avg2＝avg1+80，则赋值p2点灰度值为avg1(p1点处灰度均值，实则为背景像素)，此方法可剔除高亮噪声点，如荧光点；B2.3遍历处理完成灰度图像img1的所有像素点后，img1所有像素灰度值范围为[avg1,avg2]；B3.突出脂肪点特征，线性拉伸灰度范围[avg1,avg2]为范围[0,255]；C.通过阈值方法得到初始不连续像素点级的脂肪点二值化图像img2，具体操作如下：C1.设定灰度阈值Vt，如Vt＝70；C2.将灰度图像img1的每个像素的灰度值与灰度阈值Vt进行比较，将每个像素识别为脂肪点或背景点，得到二值化图像img2；具体地，遍历灰度图像img1的每个像素p3,根据p3灰度值v3，计算得到二值化图像img2，即如果v3＞Vt，p3点对应的img2上像素点赋值为1(脂肪点)，否则赋值为254(背景点)；灰度图像img1所有像素点遍历完成后得到的图像img2为不连续像素点级的脂肪点二值化图像：1值标识为脂肪点像素，254值标识为背景像素，其中具有脂肪点属性(值为1)的像素点间各自独立，没有任何关联；D.脂肪点缝隙(砂眼)填补，得到二值化图像img4，具体步骤如下：D1.设定圆形模板，用于卷积计算；卷积模板K为圆形或近似圆形的半径为R个像素(如5个像素)的区域B，B区域内所有像素点值赋值为1，卷积模板K的原点为圆形区域B的圆心处；D2.遍历二值化图像img2的每一个像素点p4，对p4点用卷积模板K做卷积计算：卷积模板K的原点放置在像素点p4处，得到卷积值N，N值等于模板K覆盖二值化图像img2范围内的所有像素点中像素灰度值为1的点的数量，N值范围为[0,78]；D3.根据N值赋值一新图像(img3)上对应像素p4点的灰度值为v4，如果N＞给定阈值T(如对二值化图像img2，T＝20)，则v4赋值为1(脂肪点)，否则赋值v4为254(背景)；D4.遍历完成二值化图像img2后，得到二值化图像img3：1值标识为脂肪点像素，254值标识为背景像素，此方法可填补脂肪点砂眼噪声，类似数学形本文档来自技高网...

【技术保护点】
1.一种基于点线面的图像颜色空间脂肪点检测评估方法，对相同分辨率的皮肤微距RGB数字图像进行处理，得到皮肤图像脂肪点多个指标属性数值及综合指标值，实现微距皮肤图像表面的脂肪点特征的检测评估；包括如下步骤：/n1)读取皮肤图像文件所有像素的RGB颜色二维矩阵；/n2)皮肤图像预处理，步骤如下：/nB1.将彩色皮肤图像进行灰度化，得到灰度图像img1；/n具体地，对内存中的皮肤图像二维矩阵中每个像素的RGB像素值，根据式(1)进行灰度化：/nV＝0.2×Green+0.8×Blue 式(1)/n其中，V为像素灰度化的值；Green、Blue分别为该像素三个颜色分量中的绿色分量和蓝色分量；/nB2.剔除毛发、斑点、毛孔、纹理以及高亮噪声点；具体包括：/nB2.1计算灰度图像img1中每个像素点p1的灰度均值，记为avg1；/n以像素点p1为中心点的方形区域A1为计算范围；将A1内的所有像素点在灰度图像img1上的灰度值的均值作为avg1；其中，方形区域A1边长即像素数量为一个定值；如果p1在边界处，没有完整的方形区域A1，则根据A1覆盖住灰度图像img1的像素来计算p1点的灰度均值；/nB2.2设置灰度值avg2，剔除图像中皮肤上的毛发、斑点、毛孔、纹理及高亮噪声点；/n遍历方形区域A1内的每个像素p2；/n如果p2的灰度值低于avg1，则将灰度图像img1上的p2点的灰度值赋值为avg1，即等于p1点的灰度均值，相当于为背景像素，由此剔除毛发、斑点、毛孔以及纹理；/n如果p2的灰度值大于设置的灰度值avg2，则p2点灰度值赋值为avg1，由此剔除高亮噪声点，包括荧光点；/nB2.3遍历处理完成灰度图像img1的所有像素点后，img1中所有像素的灰度值范围为[avg1,avg2]；/nB3.突出脂肪点特征，将img1中像素的灰度值范围[avg1,avg2]线性拉伸为范围[0,255]；/n3)采用阈值方法得到初始不连续像素点级的脂肪点二值化图像img2；具体操作如下：/nC1.设定灰度阈值Vt；/nC2.遍历灰度图像img1的每个像素p3，将每个像素p3的灰度值v3与灰度阈值Vt进行比较，识别每个像素为脂肪点或为背景点，得到二值化图像img2；如果v3＞Vt，将p3点对应的img2中的像素点赋值为1，代表该点为脂肪点；否则赋值为254，代表该点位背景点；/nC3.灰度图像img1所有像素点遍历完成后得到的图像img2即为不连续像素点级的脂肪点二值化图像img2，其中：像素值位1表示该点为脂肪点，像素值为254表示该点为背景；值为1的具有脂肪点属性的像素点间各自独立，没有任何关联；/n4)填补脂肪点缝隙即砂眼，基于圆形模板卷积方法得到连续像素点级的脂肪点，结果图像为二值化图像img4；具体步骤如下：/nD1.设定用于卷积计算的卷积模板K；/n卷积模板K为圆形或近似圆形，半径为R个像素的区域B；卷积模板K的原点为B的圆心；/n将B内所有像素点值赋值为1；/nD2.遍历二值化图像img2的每一个像素点p4，对p4点用卷积模板K进行卷积计算：设置卷积模板K的原点为像素点p4，得到卷积值N；N值等于卷积模板K覆盖二值化图像img2的所有像素点中像素灰度值为1的点的数量；/nD3.根据N值，对一新图像img3中对应像素p4点的灰度值赋值为v4；/n如果N＞给定阈值T，则将v4赋值为1，表示该点是脂肪点；否则将v4赋值为254，表示该点为背景；/nD4.遍历完二值化图像img2后，得到二值化图像img3；img3中的像素值为1表示该点为脂肪点像素，像素值为254表示该点为背景像素；由此实现填补脂肪点砂眼噪声；/nD5.对得到的二值化图像img3，执行操作D2～D4，在图像img3上进行卷积，得到二值化图像img4；img4中的像素值为1值表示该点为脂肪点像素，像素值为254表示该点为背景像素；由此收缩脂肪点，同时进一步填补脂肪点内部遗留小砂眼；/n5)基于八连通方法，遍历二值化图像img4，得到连续线/面特征的脂肪点，得到三值化图像img5；具体步骤如下：/nE1.遍历二值化图像img4的每一个值为1的像素点p；/nE2.将p点入栈；/nE3.出栈一个像素点q；/n如果q点的八邻域像素点r的值全部大于等于1；值为1代表脂肪点像素，则将q点赋值为2；值为2代表脂肪点内部像素点；/n否则，q点取值仍为1；/nE4.分别处理q点的八邻域像素点r：如果值大于等于1，将r入栈；否则不入栈；/nE5.重复执行步骤E3～E4，直到栈里元素为空，此时得到脂肪点的线面特征；/n脂肪点的线面特征具体包括：/nE5.1脂肪点的边界线上的像素值为1，脂肪点内部像素值为2，周围背景像素值为254；/nE5.2脂肪点的中心点为其外包矩形的中心点...

【技术特征摘要】
1.一种基于点线面的图像颜色空间脂肪点检测评估方法，对相同分辨率的皮肤微距RGB数字图像进行处理，得到皮肤图像脂肪点多个指标属性数值及综合指标值，实现微距皮肤图像表面的脂肪点特征的检测评估；包括如下步骤：
1)读取皮肤图像文件所有像素的RGB颜色二维矩阵；
2)皮肤图像预处理，步骤如下：
B1.将彩色皮肤图像进行灰度化，得到灰度图像img1；
具体地，对内存中的皮肤图像二维矩阵中每个像素的RGB像素值，根据式(1)进行灰度化：
V＝0.2×Green+0.8×Blue式(1)
其中，V为像素灰度化的值；Green、Blue分别为该像素三个颜色分量中的绿色分量和蓝色分量；
B2.剔除毛发、斑点、毛孔、纹理以及高亮噪声点；具体包括：
B2.1计算灰度图像img1中每个像素点p1的灰度均值，记为avg1；
以像素点p1为中心点的方形区域A1为计算范围；将A1内的所有像素点在灰度图像img1上的灰度值的均值作为avg1；其中，方形区域A1边长即像素数量为一个定值；如果p1在边界处，没有完整的方形区域A1，则根据A1覆盖住灰度图像img1的像素来计算p1点的灰度均值；
B2.2设置灰度值avg2，剔除图像中皮肤上的毛发、斑点、毛孔、纹理及高亮噪声点；
遍历方形区域A1内的每个像素p2；
如果p2的灰度值低于avg1，则将灰度图像img1上的p2点的灰度值赋值为avg1，即等于p1点的灰度均值，相当于为背景像素，由此剔除毛发、斑点、毛孔以及纹理；
如果p2的灰度值大于设置的灰度值avg2，则p2点灰度值赋值为avg1，由此剔除高亮噪声点，包括荧光点；
B2.3遍历处理完成灰度图像img1的所有像素点后，img1中所有像素的灰度值范围为[avg1,avg2]；
B3.突出脂肪点特征，将img1中像素的灰度值范围[avg1,avg2]线性拉伸为范围[0,255]；
3)采用阈值方法得到初始不连续像素点级的脂肪点二值化图像img2；具体操作如下：
C1.设定灰度阈值Vt；
C2.遍历灰度图像img1的每个像素p3，将每个像素p3的灰度值v3与灰度阈值Vt进行比较，识别每个像素为脂肪点或为背景点，得到二值化图像img2；如果v3＞Vt，将p3点对应的img2中的像素点赋值为1，代表该点为脂肪点；否则赋值为254，代表该点位背景点；
C3.灰度图像img1所有像素点遍历完成后得到的图像img2即为不连续像素点级的脂肪点二值化图像img2，其中：像素值位1表示该点为脂肪点，像素值为254表示该点为背景；值为1的具有脂肪点属性的像素点间各自独立，没有任何关联；
4)填补脂肪点缝隙即砂眼，基于圆形模板卷积方法得到连续像素点级的脂肪点，结果图像为二值化图像img4；具体步骤如下：
D1.设定用于卷积计算的卷积模板K；
卷积模板K为圆形或近似圆形，半径为R个像素的区域B；卷积模板K的原点为B的圆心；
将B内所有像素点值赋值为1；
D2.遍历二值化图像img2的每一个像素点p4，对p4点用卷积模板K进行卷积计算：设置卷积模板K的原点为像素点p4，得到卷积值N；N值等于卷积模板K覆盖二值化图像img2的所有像素点中像素灰度值为1的点的数量；
D3.根据N值，对一新图像img3中对应像素p4点的灰度值赋值为v4；
如果N＞给定阈值T，则将v4赋值为1，表示该点是脂肪点；否则将v4赋值为254，表示该点为背景；
D4.遍历完二值化图像img2后，得...

【专利技术属性】
技术研发人员：刘迎，邱显荣，张珣，李海生，
申请(专利权)人：北京工商大学，精诚工坊电子集成技术北京有限公司，
类型：发明
国别省市：北京;11