皮膚圖像的識別方法及電子設備技術

本發明專利技術提供了一種皮膚圖像的識別方法及電子設備。皮膚圖像的識別方法，包括以下步驟：獲取待測皮膚圖像為圖像A；圖像A進行灰度化處理得到圖像B；圖像B通過雙邊濾波和高斯模糊算法進行增強處理得到圖像C；將步驟S30處理后獲得的圖像C與圖像B進行差分運算得到圖像D，圖像D中灰度差值較大的區域即為黑頭痤瘡區域。本發明專利技術提供的方法可將皮膚黑頭、痤瘡從待處理圖像中提取識別出來，處理方法簡單實用，快速高效，匹配對準容易，并且將皮膚圖像進行精確量化分析，有利于治療全過程的皮膚狀態監測，得到更準確的治療診斷結果。

Skin image recognition method and electronic equipment

The invention provides a skin image recognition method and an electronic device. Skin image recognition method, which comprises the following steps: obtaining the measured skin image for A image; A image gray processing by image B; B image through bilateral filtering and Gauss fuzzy algorithm are enhanced by image C image; C and map will be obtained after S30 processing steps like B differential operator image D, D image gray level difference between the larger area is the area of acne blackhead. The method provided by the invention can be identified from the skin of blackheads, acne to be processed in the image extraction and processing method is simple and practical, fast and efficient, easy alignment, and accurate quantitative analysis of skin image, is conducive to skin condition monitoring the whole process of treatment, get more accurate results of diagnosis and treatment.

【技術實現步驟摘要】
皮膚圖像的識別方法及電子設備
本專利技術涉及圖像處理的
，具體而言，涉及一種皮膚圖像的識別方法及電子設備。
技術介紹
人體皮膚膚色檢測技術廣泛應用于多個領域，如皮膚問題的判斷、皮膚護理、皮膚病診斷、手勢識別、人臉識別和色情圖像過濾等。膚色檢測通常作為這些領域的一種預處理工作，它的精度將對后期的處理工作產生很大的影響。隨著計算機輔助圖像處理系統在醫學領域的廣泛應用，與人體皮膚相關的醫學診斷、治療效果量化評價等工作迫切需要快速有效的輔助檢測方法。皮膚情況的量化分析是人體皮膚治療的重要問題之一，在皮膚類常見疾病，如黑鼻頭、面部紅斑、紫癜病、黑色素瘤、毛孔粗大等的診斷分析及治療監測等方面發揮重要作用。計算機輔助皮膚圖像分析處理是一種新型的輔助量化診斷方法，對待處理圖像質量要求較高，通常是小面積皮膚的放大效果，可以制作皮膚切片用于顯微鏡下的進一步觀察測量。人體皮膚圖像的獲取一般安放設置專用的支架，受測者將受測部位置于支架之上，拍攝人員采用長焦鏡頭相機近距離拍攝微觀狀態下的皮膚，清晰度較高。由于皮膚是非剛性物體，且對光線具有較強的反射特性，通常情況下圖像受光線干擾尤為強烈，在皮膚大面積區域產生不同程度的高光亮斑。采用一般的圖像目標提取識別方法，可將這些高光亮斑與皮膚毛孔一同提取出來，造成識別錯誤，從而降低圖像分析的效率。同時，皮膚疾病是一類常見多發疾病，日常診斷量較大，而且待處理圖像分辨率高，其輔助圖像處理過程要求做到方法簡單實用且快速高效。然而，目前該領域相關成熟方法較少，一般的圖像處理方法不能直接應用于皮膚的毛孔識別分析，而且處理高分辨率圖像計算量大，識別效率較低。由此可知，現在拯待一種設備或解決方案，能實現檢測方法的精進，以解決該問題。
技術實現思路
有鑒于此，本專利技術要解決的技術問題在于克服現有技術的缺陷，提供了一種皮膚圖像的識別方法，包括以下步驟：S10：獲取待測皮膚圖像為圖像A；S20：圖像A進行灰度化處理得到圖像B；S30：圖像B通過雙邊濾波和高斯模糊算法進行增強處理得到圖像C；S40：將步驟S30處理后獲得的圖像C與圖像B進行差分運算得到圖像D，圖像D中灰度差值較大的區域即為黑頭痤瘡區域。在某些實施方式中，所述步驟S10中獲取圖像A具體過程包括：通過攝像頭獲取視頻幀；通過膚色檢測確定膚色區域和非膚色區域，將原始的圖像分別轉化到Lab顏色空間中，根據限定膚色在Lab顏色空間上的范圍閾值，在范圍內的認定為膚色區域，其他的為非膚色區域，將皮膚區域從圖像中分離出來獲取圖像A。在某些實施方式中，所述步驟S30中雙邊濾波的具體過程包括：對于圖像B進行金字塔雙邊濾波，即先將原圖進行多尺度的下采樣；生成下采樣圖和每個尺度對應的引導圖，對最小尺度的圖片進行濾波，并通過引導圖推出上一次尺度的圖片，層層迭代最后得出灰度化處理后的待測皮膚圖像濾波后的圖像。在某些實施方式中，所述步驟S20具體包括：接收圖像A，對圖像A進行灰度化處理，得到灰度圖像B；該處理采用下列兩式中的一個：Gray＝0.299*Red+0.587*Green+0.114*Blue：Gray＝(Red*306+Green*601+Blue*117+512)/1024；其中，Gray為該灰度圖像B各像素點的灰度值，Red、Green、Blue分別為圖像A各像素點紅、綠、藍三個通道的顏色值。本專利技術還提供了一種電子設備，包括：視頻幀獲取模塊：通過攝像頭獲取視頻幀；膚色區分模塊：通過膚色檢測確定膚色區域和非膚色區域，將原始的圖像Lab顏色空間中，根據限定膚色在Lab顏色空間上的范圍閾值，在范圍內的認定為膚色區域，其他的為非膚色區域，將皮膚區域從圖像中分離出來得到圖像A；灰度處理模塊：將圖像A灰度化處理得到圖像B；增強模塊：對圖像B進行雙邊濾波和高斯模糊算法增強處理得到圖像C；差分運算模塊：圖像C與圖像B進行差分運算得到圖像D，圖像D中灰度差值較大的區域即為黑頭痤瘡區域。在某些實施方式中，還包括與所述視頻幀獲取模塊、膚色區分模塊、灰度處理模塊、增強模塊、差分運算模塊均連接的顯示屏。在某些實施方式中，還包括與所述視頻幀獲取模塊、膚色區分模塊、灰度處理模塊、增強模塊、差分運算模塊均連接的存儲模塊。在某些實施方式中，還包括與所述視頻幀獲取模塊、膚色區分模塊、灰度處理模塊、增強模塊、差分運算模塊均連接的供電模塊。在某些實施方式中，還包括與所述供電模塊連接的太陽能板。在某些實施方式中，還包括與所述供電模塊連接的電壓調節裝置。本專利技術提供的一種皮膚圖像的識別方法相對于現有技術的有益效果是：該識別方法對傳統方法進行了巧妙的改進，具體過程包括：獲取待測皮膚圖像為圖像A；圖像A進行灰度化處理得到圖像B；圖像B通過雙邊濾波和高斯模糊算法進行增強處理得到圖像C；將步驟S30處理后獲得的圖像C與圖像B進行差分運算得到圖像D，圖像D中灰度差值較大的區域即為黑頭痤瘡區域。可以理解的是，雙邊濾波(Bilateralfilter)是一種非線性的濾波方法，是結合圖像的空間鄰近度和像素值相似度的一種折衷處理，同時考慮空域信息和灰度相似性，達到保邊去噪的目的。具有簡單、非迭代、局部的特點。雙邊濾波器的好處是可以做邊緣保存(edgepreserving)。雙邊濾波器顧名思義比高斯濾波多了一個高斯方差sigma-d，它是基于空間分布的高斯濾波函數，所以在邊緣附近，離的較遠的像素不會太多影響到邊緣上的像素值，這樣就保證了邊緣附近像素值的保存。需要理解的是，高斯濾波實質上是一種信號的濾波器其用途是信號的平滑處理。數字圖像用于后期應用，其噪聲是最大的問題，由于誤差會累計傳遞等原因，Gauss(高斯)濾波器可以得到信噪比SNR較高的圖像(反應真實信號)。與此相關的有Gauss-Lapplace變換，其實就是為了得到較好的圖像邊緣，對圖像做Gauss平滑濾波，剔除噪聲，然后求二階導矢，用二階導的過零點確定邊緣，在計算時也是頻域乘積＝>空域卷積。濾波器就是建立的一個數學模型，通過這個模型來將圖像數據進行能量轉化，能量低的就排除掉，噪聲就是屬于低能量部分。若使用理想濾波器，會在圖像中產生振鈴現象。采用高斯濾波器的話，系統函數是平滑的，避免了振鈴現象。本專利技術提供的方法可將皮膚黑頭、痤瘡從待處理圖像中提取識別出來，處理方法簡單實用，快速高效，匹配對準容易，并且將皮膚圖像進行精確量化分析，有利于治療全過程的皮膚狀態監測，得到更準確的治療診斷結果。綜上所述，本專利技術特殊的方法，其具有上述諸多的優點及實用價值，并在同類產品中未見有類似的方法公開發表或使用而確屬創新，產生了好用且實用的效果，較現有的技術具有增進的多項功效，從而較為適于實用，并具有廣泛的產業價值。附圖說明應當理解的是，以下附圖僅示出了本專利技術的某些實施例，因此不應被看作是對范圍的限定，對于本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他相關的附圖。圖1為本專利技術一種皮膚圖像的識別方法流程圖；圖2為本專利技術S10中獲取圖像A流程圖；圖3為本專利技術S30中雙邊濾波的流程圖；圖4為本專利技術電子設備的結構示意圖；圖5為本專利技術電子設備的結構示意圖；圖6為本專利技術電子設備的結構示意圖。具體實施方式在下文中，將更全面地描述本公開的各種實施例。本公開可本文檔來自技高網...

【技術保護點】
皮膚圖像的識別方法，其特征在于，包括以下步驟：S10：獲取待測皮膚圖像為圖像A；S20：圖像A進行灰度化處理得到圖像B；S30：圖像B通過雙邊濾波和高斯模糊算法進行增強處理得到圖像C；S40：將步驟S30處理后獲得的圖像C與圖像B進行差分運算得到圖像D，圖像D中灰度差值較大的區域即為黑頭痤瘡區域。

【技術特征摘要】
1.皮膚圖像的識別方法，其特征在于，包括以下步驟：S10：獲取待測皮膚圖像為圖像A；S20：圖像A進行灰度化處理得到圖像B；S30：圖像B通過雙邊濾波和高斯模糊算法進行增強處理得到圖像C；S40：將步驟S30處理后獲得的圖像C與圖像B進行差分運算得到圖像D，圖像D中灰度差值較大的區域即為黑頭痤瘡區域。2.如權利要求1所述的皮膚圖像的識別方法，其特征在于，所述步驟S10中獲取圖像A具體過程包括：S11：通過攝像頭獲取視頻幀；S12：通過膚色檢測確定膚色區域和非膚色區域，將原始的圖像分別轉化到Lab顏色空間中，根據限定膚色在Lab顏色空間上的范圍閾值，在范圍內的認定為膚色區域，其他的為非膚色區域，將皮膚區域從圖像中分離出來獲取圖像A。3.如權利要求1所述的皮膚圖像的識別方法，其特征在于，所述步驟S30中雙邊濾波的具體過程包括：S31：對于圖像B進行金字塔雙邊濾波，即先將原圖進行多尺度的下采樣；S32：生成下采樣圖和每個尺度對應的引導圖，對最小尺度的圖片進行濾波，并通過引導圖推出上一次尺度的圖片，層層迭代最后得出灰度化處理后的待測皮膚圖像濾波后的圖像。4.如權利要求1所述的皮膚圖像的識別方法，其特征在于，所述步驟S20具體包括：接收圖像A，對圖像A進行灰度化處理，得到灰度圖像B；該處理采用下列兩式中的一個：Gray＝0.299*Red+0.587*Green+0.114*Blue：Gray＝(Red*306+Green*601+Bl...

【專利技術屬性】
技術研發人員：周桂文，程騰，王洪濤，方自然，黃萬富，
申請(專利權)人：深圳可思美科技有限公司，
類型：發明
國別省市：廣東,44