[发明专利]基于图像RGB颜色空间的皮肤表面粗糙度的检测方法

说明书

本发明公布了一种皮肤表面粗糙度检测方法，属于皮肤图像处理应用领域。本发明通过对相同分辨率的微距皮肤数字图像做图像处理，直接利用皮肤图像的颜色空间像素值计算得到偏差绝对值均值，作为皮肤图像的粗糙度特征值，用于标识皮肤粗糙度。本发明方法直接利用颜色空间像素值做粗糙度特征值检测，读取图像数据并且灰度化，只对图像做像素级处理即可检测皮肤的粗糙度，计算的粗糙度数值不仅反映纹理的影响，也反映毛孔对皮肤图像粗糙度的影响，检测准确度高，速度快，具有良好的应用前景和市场价值。

技术领域

本发明属于皮肤图像处理应用领域，涉及皮肤粗糙度检测技术，具体涉及一种基于图像RGB颜色空间的皮肤表面粗糙度检测方法。

背景技术

皮肤表面状态检测是皮肤衰老和抗衰老研究的重要手段，也是护肤品客观评价重要指标之一。随着人们生活水平的提高，面部皮肤的美容及护理已经收到人们的广泛关注，如何客观、定量的对皮肤图像进行分析和识别是近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粗糙的检测分析。

目前国内外皮肤表面状态检测技术还比较落后，现有方法大多采用目测方法，存在很大的主观性。因为不同的人对同一幅皮肤图像可能会得出不同的结论，仅凭经验判断会带来很大的误差；且有些皮肤细微纹理，目测无法识别区分。

随着计算机图像处理技术的飞速发展，人们开始探讨用数字图像处理技术来提取皮肤图像的特征，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，从而极大地提高测量的精确度。

皮肤图像的特征包括颜色、纹理、毛孔、光泽度等，其中皮肤粗糙度特征是一种重要的皮肤度量指标。当前评估皮肤粗糙的图像处理方法大多采用灰度共生矩阵等方法提取皮肤纹理特征，通过纹理特征考察皮肤粗糙度。这种方法不能直接根据纹理特征值得到粗糙度指标，并且该类方法忽略了毛孔对皮肤粗糙度的影响，而毛孔特征是影响皮肤粗糙度的重要因素之一。现有皮肤表面状态检测方法还包括机器学习的方法，该方法通过大量皮肤图像的存储和学习检测皮肤表面粗糙度状态，该方法与学习样本数量和质量都有关系，检测粗糙度准确度有待提高，且学习成本高，检测计算时间长。

发明内容

为了克服上述现有技术的不足，本发明提供一种基于图像RGB空间的皮肤表面粗糙度检测方法，根据皮肤图像像素值信息，进行皮肤图像处理，直接利用RGB颜色空间像素值计算得到皮肤图像的粗糙度特征值，由此检测皮肤粗糙度。

本发明中，皮肤图像来自于微距数字图像采集设备，目前图像文件多采用RGB颜色空间，本发明方法直接利用RGB颜色空间像素值进行粗糙度特征值检测；通过本发明检测方法计算得到的皮肤表面粗糙度不仅包括了纹理对粗糙度的影响，也包括毛孔特征对粗糙度的影响；检测得到的皮肤表面粗糙度特征准确度高，且计算速度快，具有很大市场应用价值。

本发明的技术方案是：

一种皮肤表面粗糙度检测方法，直接利用皮肤图像的颜色空间像素值计算得到皮肤图像的粗糙度特征值，具体通过对相同分辨率的皮肤图像做图像处理，得到偏差绝对值均值，用于标识皮肤图像的粗糙度，也作为皮肤粗糙度指标用于衡量皮肤粗糙度；主要包括如下步骤：

1)根据图像路径参数，读取皮肤图像像素矩阵；

2)对皮肤图像像素矩阵的所有像素做统一进行灰度处理，得到皮肤灰度图像；

3)对皮肤灰度图像进行分块处理，得到多个皮肤子块灰度图像；

一般可分成20–30个同样大小的皮肤子块灰度图像；

4)分别统计得到每个皮肤子块灰度图像的灰度均值；

5)分别统计得到每个皮肤子块灰度图像内像素相对自己子块灰度均值的偏差绝对值均值；

6)根据皮肤子块灰度图像的偏差绝对值均值排序所有子块；