[发明专利]一种自动化毛发统计方法、电子设备及介质

权利要求书

1.一种自动化毛发统计方法，其特征在于，包括

获取毛发检测区的毛发图像；

用阈值分割方法进行毛发图像分割，以获得分割后的毛发图像；

对分割后的毛发图像进行图像细化，得到单像素宽度骨架线的毛发图像；

对单像素宽度骨架线的毛发图像作霍夫变换直线检测，以获得单像素宽度骨架线的毛发图像中直线段在霍夫空间内所对应的坐标值；

根据单像素宽度骨架线的毛发图像中直线段在霍夫空间内所对应的坐标值进行聚类，以获得毛发聚类结果；

根据毛发聚类结果对毛发的端点进行聚类，以获得毛发毛囊聚类结果。

2.根据权利要求1所述的一种自动化毛发统计方法，其特征在于，所述阈值分割方法包括大津阈值分割法或者动态阈值分割法。

3.根据权利要求2所述的一种自动化毛发统计方法，其特征在于，采用大津阈值分割法对毛发图像进行分割包括：

毛发图像输入并进行灰度化；

记T为毛发图像中前景与背景的分割阈值，前景点数占图像比例为w0、平均灰度为u0，背景点数占图像比例为w1、平均灰度为u1；毛发图像的总平均灰度为u＝w0×u0+w1×u1；初始化分割阈值T；

从最小灰度值到最大灰度值遍历T，计算类间方差g＝w0(u0-u)²+w1(u1-u)²，选择最大类间方差g所对应灰度分割阈值T；

根据灰度分割阈值T对毛发图像进行分割，以获得分割后的毛发图像。

4.根据权利要求1所述的一种自动化毛发统计方法，其特征在于，在单像素宽度骨架线的毛发图像上建立笛卡尔坐标系，在笛卡尔坐标系中每个像素点的坐标表示为(x，y)，将笛卡尔坐标系转化为极坐标系，在极坐标系中每个像素点的坐标表示为(ρcosθ，ρsinθ)，将极坐标系中每个像素点作霍夫变换，转化为霍夫空间内的曲线ρ＝xcosθ+ysinθ，统计霍夫空间中每个点被经过的曲线数量，对霍夫空间进行离散化，离散化为有限个同等大小的网格单元，并设置网格单元阈值，对网格单元的累加计数值进行检查，在累加计数值中查找局部极大值且大于网格单元阈值的网格单元，该类网格单元的坐标值(ρ,θ)就对应毛发图像空间中所求的直线段。

5.根据权利要求4所述的一种自动化毛发统计方法，其特征在于，设置第一聚类阈值，对所获取的直线段和直线段所对应的坐标值(ρ,θ)进行聚类，计算各直线段所对应的坐标值(ρ,θ)之间的第一欧氏距离；若第一欧氏距离小于第一聚类阈值，则将直线段聚类为一类，代表同一根毛发；若第一欧氏距离不小于第一聚类阈值，则不将直线段聚类为一类，代表不同的毛发。

6.根据权利要求5所述的一种自动化毛发统计方法，其特征在于，设置第二聚类阈值，获取每一根毛发两端的端点坐标值，对所获取毛发的端点进行聚类，计算不同毛发的端点坐标值之间的第二欧氏距离；若第二欧氏距离小于第二聚类阈值，则代表该毛发的端点为双毛囊或多毛囊；若第二欧氏距离不小于第二聚类阈值，则代表该毛发的端点为单毛囊。

7.根据权利要求1至6中任意一项所述的一种自动化毛发统计方法，其特征在于，还包括根据对分割后的毛发图像进行距离变换的计算，设分割后的毛发图像为一幅二值图像I，包含一个连通区域S，其中有目标集O和背景集B，距离图为D，则距离变换的定义如公式D(p)＝min(disf(p,q))，其中p属于O，q属于B，disf()表示计算距离值；以获得骨架线所在的距离值，得到各毛发的直径。

8.根据权利要求5所述的一种自动化毛发统计方法，其特征在于，设置毛发分类阈值，计算各毛发所在连通区域所有像素的灰度值并取平均值，以获得各毛发的平均灰度值；若毛发的平均灰度值大于毛发分类阈值，则该毛发为毳毛；否则，该毛发为终毛；根据毳毛和终毛的数量，分别计算得到毳毛或终毛的密度，以及毳毛和终毛各自在总毛发中的占比。