一种指甲图像的提取方法及系统与流程

本发明涉及图像处理技术领域，特别涉及一种指甲图像的提取方法及系统。

背景技术：

图像分割技术在当下的商业活动中应用领域极广，包括医学CT图像分析、手机拍照背景虚化等。由于图像千变万化，每一个领域中的图像特征不同，因而不同领域就需要相应的图像分割技术进行处理。

在医疗领域，医生可通过提取出的指甲图像进行疾病的预防，例如，指甲半月痕相比往常变小则说明当前新陈代谢出现问题、灰色指甲表示人有真菌引起的传染病等。利用图像分割技术自动提取出指甲区域并对历史指甲的状态进行追踪，将会对疾病起到一定预警作用，符合未来互联网医疗趋势。另一方面，利用提取出的指甲区域图像进行制作自动美甲机将会对美甲行业产生变革性影响。

目前利用图像分割提取指甲区域的研究成果较少，Kumuda,N.S.,and M.S.Dinesh["Human fingernail segmentation."Emerging Research in Electronics,Computer Science and Technology(ICERECT),2015 International Conference on.IEEE,2015.]提出的方法主要实现了基于颜色的指甲提取，以及指甲各个区域的分割，该方法只使用颜色信息，其局限性较大，且不适用于肤色较浅的人种。Sun,Yu,et.al.["Estimation of fingertip force direction with computer vision."IEEE Transactions on Robotics 25.6(2009):1356-1369.]所用到的指甲区域提取方法只使用了指甲的边缘信息，鲁棒性不高，而且该方法需要提前对每一个使用者的指甲图像进行相对应的图像标定采集，实用性较差。

因而现有技术还有待改进和提高。

技术实现要素：

本发明要解决的技术问题在于，针对现有技术的不足，提供一种指甲图像的提取方法及系统，其根据人类皮肤和指甲在颜色特征以及特定姿势下的轮廓特征信息提取指甲图像，使得精确度和鲁棒性均得到提高。

为了解决上述技术问题，本发明所采用的技术方案如下：

一种指甲图像的提取方法，其包括：

通过机器视觉设备对待分析的手或脚进行拍摄，获取指定姿势的手或脚的图像；

根据预设的人类皮肤颜色信息建立所述图像的背景与手或脚的分类模型，并根据所述分类模型在所述图像中提取所述手或脚的图像区域；

根据所述指定姿势提取所述手或脚图像区域内的第一指甲区域，并采用图像分割方法在所述第一指甲区域内提取指甲图像。

所述指甲图像的提取方法，其中，所述识别所述图像的背景颜色信息，并根据所述背景颜色以及人类皮肤颜色信息建立图像的背景与手或脚分类模型具体包括：

将所述图像的颜色空间转换到YCbCr空间，并获取每个像素在Cb通道的值以及Cr通道的值；

根据所述人类皮肤颜色在Cb通道的值以及Cr通道的值确定用于区分图像的背景与手或脚的分类条件；

根据所述分类条件在所述图像中提取所述手或脚的图像区域。

所述指甲图像的提取方法，其中，所述分类条件为：

其中，Pb为像素P在Cb通道的值，Pr为像素P在Cr通道的值，b₀，r₀，θ，a和b为常数。

所述指甲图像的提取方法，其中，所述根据预设的人类皮肤颜色信息建立所述图像的背景与手或脚的分类模型，并根据所述分类模型在所述图像中提取所述手或脚的图像区域具体包括：

获取所述指定姿势对应的标准手或脚的图像区域的标准轮廓以及预设的人类皮肤颜色信息；

根据所述皮肤颜色以及所述标准轮廓建立所述图像的背景与手或脚的分类模型；

根据所述分类模型在所述图像中提取所述手或脚的图像区域。

所述指甲图像的提取方法，其中，所述根据所述皮肤颜色信息以及所述标准轮廓建立所述图像的背景与手或脚的分类模型具体包括：

识别所述图像的背景颜色信息，并根据所述背景颜色信息以及皮肤颜色信息对所述图像的颜色进行聚类；

采用比较轮廓法计算聚类得到的所有分类组合所形成图像区域的当前轮廓与所述指定姿势对应的标准轮廓的相似分数；获取所述相似分数最高的分类，并将分类组合形成的图像区域设置为所述图像中手或脚的图像区域并提取。

所述指甲图像的提取方法，其中，所述根据所述指定姿势提取所述图像区域内的第一指甲区域，并采用图像分割方法在所述第一指甲区域内提取指甲图像具体包括：

对所述图像区域进行修正以使得所述图像区域与预设的所述指定姿势对应的标准手或脚的图像区域对齐；

根据所述标准手或脚的图像区域设定的指甲区域确定所述图像区域的第一指甲区域，其中，所述第一指甲区域包括若干第一指甲子区域；

采用图像分割方法在每个第一指甲子区域内提取指甲子区域，所述若干子区域构成所述指甲图像。

所述指甲图像的提取方法，其中，所述图像分割方法为基于指甲颜色与皮肤颜色差异的图像分割算法、基于图像边缘信息的曲线拟合方法、基于指甲颜色信息、图像边缘信息和指定姿势下标准轮廓信息的能量最小化方法中一种。

一种指甲图像的提取系统，其包括：

拍摄模块，用于通过机器视觉设备对待分析的手或脚进行拍摄，获取指定姿势的手或脚的图像；

第一提取模块，用于根据预设的人类皮肤颜色信息建立所述图像的背景与手或脚的分类模型，并根据所述分类模型在所述图像中提取所述手或脚的图像区域；

第二提取模块，用于根据所述指定姿势提取所述手或脚图像区域内的第一指甲区域，并采用图像分割方法在所述第一指甲区域内提取指甲图像。

所述指甲图像的提取系统，其中，所述第一提取模块具体包括：

获取单元，用于获取所述指定姿势对应的标准手或脚的图像区域的标准轮廓以及预设的人类皮肤颜色信息；

建立单元，用于根据所述皮肤颜色以及所述标准轮廓建立所述图像的背景与手或脚的分类模型；

第一提取单元，用于根据所述分类模型在所述图像中提取所述手或脚的图像区域。

所述指甲图像的提取系统，其中，所述第二提取模块具体包括：

修正单元，用于对所述图像区域进行修正以使得所述图像区域与预设的所述指定姿势对应的标准手或脚的图像区域对齐；

确定单元，用于根据所述标准手或脚的图像区域设定的指甲区域确定所述图像区域的第一指甲区域，其中，所述第一指甲区域包括若干第一指甲子区域；

第二提取单元，用于采用图像分割方法在每个第一指甲子区域内提取指甲子区域，所述若干子区域构成所述指甲图像。

一种指甲图像的提取装置，其包括如上任一所述的指甲图像的提取系统。

所述指甲图像的提取装置，其还包括载放装置，所述载放装置包括具有容纳腔的壳体，所述容纳腔的底部设置有放置平面，所述壳体与所述放置平面相对的一面设置有用于外部设备拍摄图像的第一开口，所述壳体设置有用于手掌伸入的第二开口，所述第一开口所处平面与所述第二开口所处平面相交。

所述指甲图像的提取装置，其中，所述壳体内设置有用于补光的LED灯。

有益效果：与现有技术相比，本发明提供了一种应用自启动的控制方法及系统，所述方法包括：通过机器视觉设备对待分析的手或脚进行拍摄，获取指定姿势的手或脚的图像；根据预设的人类皮肤颜色信息建立所述图像的背景与手或脚的分类模型，并根据所述分类模型在所述图像中提取所述手或脚的图像区域；根据所述指定姿势提取所述图像区域内的第一指甲区域，并采用图像分割方法在所述第一指甲区域内提取指甲图像。本发明根据人类皮肤和指甲在颜色特征以及特定姿势下的轮廓特征信息对指甲图像进行提取，使得精确度和鲁棒性均得到了较大提高。

附图说明

图1为本发明提供的指甲图像的提取方法较佳实施的流程图。

图2为本发明提供的指甲图像的提取方法中指定手势的示意图。

图3为本发明提供的指甲图像的提取方法中拍摄的手部区域图像。

图4为本发明提供的指甲图像的提取方法中提取的感兴趣区域的示意图。

图5为本发明提供的指甲图像的提取方法中提取的指甲图像的示意图。

图6为本发明提供的指甲图像的提取方法的实施例一中使用曲线拟合从感兴趣区域中提取第一指甲区域的示意图。

图7为本发明提供的指甲图像的提取控制系统的结构原理图。

图8为本发明提供的载放装置的结构视图。

图9为本发明提供的载放装置的使用状态图。

具体实施方式

本发明提供一种指甲图像的提取方法及系统，为使本发明的目的、技术方案及效果更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

本发明中，使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明，其本身并没有特定的意义。因此，模块”、“部件”或“单元”可以混合地使用。

终端设备可以以各种形式来实施。例如，本发明中描述的终端可以包括诸如移动电话、智能电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、导航装置等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。然而，本领域技术人员将理解的是，除了特别用于移动目的的元件之外，根据本发明的实施方式的构造也能够应用于固定类型的终端。

下面结合附图，通过对实施例的描述，对发明内容作进一步说明。

请参照图1，图1为本发明提供的指甲图像的提取方法的较佳实施例的流程图。所述方法包括：

S100、通过机器视觉设备对待分析的手或脚进行拍摄，获取指定姿势的手或脚的图像。

具体地，所述的机器视觉设备可以是手机的摄像头、平板电脑的摄像头或者是笔记本电脑的摄像头等。只要能对指甲进行拍照并获取指甲图像的设备均可作为机器视觉设备。所述指定姿势为预先设置在获取手或脚的图像时，手和脚所处的姿势。这里以手为例对所述指定姿势加以说明，如图2所示，所述指定姿势可以为手背向上手掌平放于一个平面上，并且五指张开。当然，在本实施例的变形实施例中，所述指定姿势也可以为用户手心面向摄像头，五指握向掌心但是互不遮挡。当然，所述指定姿势还可以是其他姿势，这里就不一一列举。

S200、根据预设的人类皮肤颜色信息建立所述图像的背景与手或脚的分类模型，并根据所述分类模型在所述图像中提取所述手或脚的图像区域。

具体地，所述人类皮肤颜色预先设置的，其可以通过大量的实验统计获取的人类皮肤颜色标准值。其也可以是用户根据自身皮肤颜色而自行设置的。在实际应用中，可以预设存储多个人类皮肤颜色，并将所述人类皮肤颜色与人种相对应，不同的人种对应不同的人类皮肤颜色，这样可以避免由于黑人和白人之间的皮肤差异过大而产生的分类不准确的问题。

在本实施例中，所述根据预设的人类皮肤颜色信息建立所述图像的背景与手或脚的分类模型，并根据所述分类模型在所述图像中提取所述手或脚的图像区域具体可以包括：

S201、识别所述图像的背景颜色信息，并根据所述背景颜色以及人类皮肤颜色信息建立图像的背景与手或脚分类模型；

S202、根据所述分类模型在所述图像中提取手或脚的图像区域。

具体地，所述根据皮肤颜色建立图像背景与手或脚的分类模型可以根据椭圆模型建立基于颜色的分类模型。所述分类模型的建立过程具体可以为：首先将所述图像的颜色空间转换到YCbCr空间，设所述图像中某像素P在Cb通道的值为Pb，Cr通道的值为Pr，若P满足下述条件，则判定P属于手或脚区域，否则则为背景区域。

所述条件为根据人类皮肤颜色信息值从颜色转换到YCbCr空间时，在Cb通道的值和在Cr通道的值满足的关系。从而可以根据所述关系是来判断所述图像对应的颜色空间中属于手或脚图像区域的像素，进而将背景颜色与手或脚的颜色分类，以实现提取手或脚的图像区域。在本实施例中，所述条件可以表示为：

其中，所述b₀，r₀，θ，a和b为常数。

在本发明的另一个实施例中，所述采用图像分割法在所述图像中提取所述手或脚的图像区域具体可以包括：

S201a、获取所述指定姿势对应的标准手或脚的图像区域的标准轮廓以及预设的人类皮肤颜色信息；

S202a、根据所述皮肤颜色以及所述标准轮廓建立所述图像的背景与手或脚的分类模型；

S203a、根据所述分类模块在所述图像中提取所述手或脚的图像区域。

具体地，所述标准手或脚的图像区域是预设为所述指定姿势拍摄的包含手或脚的图像设定，并且所述标准手或脚的图像区域与所述指定姿势对应存储，以使得当用户以所述姿势拍摄图像时，可以根据所述指定姿势查找到所述标准手或脚的图像区域。在实际应用中，可以预设建立一个数据库，用于存储指定姿势和标准手或脚的图像区域，并且所述指定姿势和所述标准手或脚的图像区域相互绑定。同时，所述数据库内还可以存储所述指定姿势对应的标准指甲区域，所述标准指甲区域也有其对应的指定姿势绑定存储，以便于根据所述指定姿势查询到所述标准指甲区域。

所述根据图像背景与手或脚分类模型采用颜色聚类和比较轮廓的方法建立手或脚分类模型。所述建立过程具体可以包括：首先采用Expectation Maximization(EM)算法对所述图像中的所有像素进行k-means聚类得到若干个分类。然后采用比较轮廓的方法确定所有分类组合所形成图像区域的轮廓中与所述指定姿势对应的标准图像中手或脚构成的图像区域的标准轮廓相似分数最高的分类组合，并将该分类组合形成的图像区域设置为所述图像中手或脚的图像区域并提取。

在本实施例中，所述比较轮廓的方法可以是采用所述分类形成图像区域的周长/面积比为对比因子来确定轮廓相似分数。也就是说，首先计算所述某一类别组合形成的图像区域的周长与面积的比例，将其与指定姿势对应的标准图像的手和脚构成的图像区域的周长与面积的比例进行比较，根据所述比较结果确定轮廓相似分数。

在本实施例的变形实施例中，所述比较轮廓的方法可以为procrustes analysis的方法。所述采用procrustes analysis(普氏分析)方法确定相似分数的具体过程可以为：在所述每个分类组合所形成的图像区域的轮廓中抽样选出点集P，对所述指定姿势对应的标准图像中手或脚构成的图像区域的标准轮廓抽样选出点集P0，并且所述点集P和点集P0的点数量相同。然后，根据点集P以及点集P0计算一个线性变换(例如，平移、旋转、镜面反射、缩放)以使得点集P点集P0对齐，再计算变换后的点集P与点集P0的方差，所述方差为点集P与点集P0的差异度。最后，对所述方差取倒数即得到点集P与点集P0的相似分数。

S300、根据所述指定姿势提取所述手或脚图像区域内的第一指甲区域，并采用图像分割方法在所述第一指甲区域内提取指甲图像。

具体地，所述根据所述姿势提取所述手或脚图像区域内的第一指甲区域指的是在所述手或脚的图像区域中粗略提取第一指甲区域。所述采用图像分割方法在所述第一指甲区域内提取指甲图像指的是在所述第一指甲区域内精细的提取包含指甲的图像得到指甲图像。

示例性的，所述根据所述指定姿势提取所述手或脚图像区域内的第一指甲区域，并采用图像分割方法在所述第一指甲区域内提取指甲图像具体可以包括：

S301、对所述手或脚图像区域进行修正以使得所述手或脚图像区域与预设的所述指定姿势对应的标准手或脚的图像区域对齐。

具体地，所述对所述手或脚图像区域进行修正指的是将所述手或脚图像区域进行旋转、缩放等对齐操作使得所述手或脚图像区域的位置与所述指定姿势对应的标准手或脚的图像区域对齐。所述标准手或脚的图像区域为预先设置的所有指定姿势中手或脚所占用的图像区域。在实际应用中，所述标准手或脚的图像区域是根据大量人类手或脚在所述指定姿势下的图像学习到的手或脚的所占的平均图像区域。

S302、根据所述标准手或脚的图像区域的指甲区域确定所述手或脚图像区域的第一指甲区域，其中，所述第一指甲区域包括若干第一指甲子区域。

具体地，将所述标准手或脚的图像区域中包含指甲的区域作为当前手或脚图像区域中包含指甲的感兴趣区域以确定所述图像区域的第一指甲区域，所述第一指甲区域包括若干第一指甲子区域。所述第一指甲子区域为手或脚每个指甲的区域。在实际应用中，在根据所述标准图像确定第一指甲区域后，还可以结合指甲的颜色信息进一步优化感兴趣区域，例如基于颜色的分类模型去除指甲区域的边缘以优化感兴趣区域，即第一指甲区域。

S303、采用图像分割方法在每个第一指甲子区域内提取指甲子区域，所述若干指甲子区域构成所述指甲图像。

具体地，所述图像分割方法可以为基于指甲颜色与皮肤颜色差异的图像分割算法，或基于图像边缘信息的曲线拟合方法，或基于指甲颜色信息、图像边缘信息和指定姿势下标准轮廓信息的能量最小化方法。

在本实施例中，所述图像分割方法为基于指甲颜色与皮肤颜色差异的图像分割算法。所述基于指甲颜色与皮肤颜色差异的图像分割算法获取指甲子区域的过程可以为：对每个第一指甲子区域进行主成分分析建立指甲颜色模型，所述指甲颜色模型是计算第二和第三主成分的加权和，并采用阈值法提取所述指甲颜色值高于预设阈值的区域为指甲区域。在本实施例中，所述主成分分析(PCA)为将图像所有像素RGB值进行正交变换到若干线性不相关的变量，即所述若干线性不相关的变量为主成分。并且，所述变换后的图像像素的第一主成分满足方差最大，第二主成分在正交于第一主成分的前提下满足方差最大，第三主成分在正交于第一和第二主成分的前提下满足方差最大。

在本发明的另一个实施例中，所述图像分割算法为对图像边缘信息进行曲线拟合的方法。所述对图像边缘信息进行曲线拟合获取指甲子区域的过程可以为：对每个第一指甲子区域使用边缘检测算子(如，canny算子)获取其对应的边缘信息；再对所述边缘信息进行曲线拟合求得指甲的边缘曲线，例如，使用三次样条函数曲线对提取的边缘信息进行拟合，再求解出方差最小的三次样条函数曲线作为最终的指甲区域的边缘。

在本发明的再一个实施例中，所述图像分割算法是为能量最小化方法，如图割法(graph-cut)或水平集法(level set)等。所述能量最小化方法中的能量项可以包括指甲颜色信息、梯度信息、和指定姿势下标准轮廓模型。优选的，所述指甲颜色模型可以是人手或脚区域图像的第二和第三主成分加权值；所述梯度信息可以通过sobel、prewitt、Laplace of Gaussian等算子计算；所述已知轮廓模型可以是当前指甲图像轮廓与所述指定姿势的标准轮廓的差异。

为了进一步说明本发明提供的指甲图像的提取方法，下面以手为例对所述指甲图像的提取方法做进一步说明。为了便于说明，设手部图像的区域为Ω，所需要提取的手部图像区域为Ω_H，所需要提取的指甲区域为Ω_N，这些定义适用于后续全文。

实施例一

本实施例提供了一种指甲图像的提取方法，其包括：

S10、当用户将手掌按照指定姿势放置于载放装置时，获取所述手部图像。

具体地，用户将手掌按照指定姿势放置于载放装置指的用户根据提示按照指定姿势将手掌伸入到所述载放装置内，其中，所述指定姿势为手背向上，五指张开，手心贴紧载放装置的放置平面。在用户将手掌放置好后，通过智能手机拍摄手掌图像。

所述载放装置为用于放置手掌以便于智能手机拍摄手部图像的装置。所述载放装置包括具有容纳腔的壳体，所述容纳腔的底部设置有放置平面，所述壳体与所述放置平面相对的一面设置有用于外部设备拍摄图像的第一开口，所述壳体设置有用于手掌伸入的第二开口，所述第一开口所处平面与所述第二开口所处平面相交。所述壳体的内壁上还可以设置有用于为拍摄补光的LED灯。在实际应用中，所述载放装置还可以设置有摄像头以及通讯装置，使得通过所述载放装置可以直接获取手部图像，并将所述手部图像发送至外部设备。

S20、根据所述载放装置的内部颜色和所述人类皮肤颜色建立分类模型，根据所述分类模型提取所述手部图像内的手部图像区域。

具体地，所述载放装置的内部颜色根据对载放装置内部的颜色进行测量而获取的背景颜色B(l_b,a_b,b_b)。所述人类皮肤颜色可以通过大量统计获取的人类皮肤颜色的均值H(l_h,a_h,b_h)。在实际应用中，所述内部颜色优选为与人脸皮肤颜色差异大的颜色，如，绿色、蓝色等，这样使得载放装置的内部颜色和手部皮肤颜色有很大的反差，就可以根据颜色将手部图像的所有像素进行归类，将手部图像的背景与手掌分离，得到手部区域图像，如图3所示。

所述根据所述载放装置的内部颜色和所述人类皮肤颜色建立分类模型具体可以为：首先将手部图像转换到CIE LAB颜色空间中，所述颜色空间颜色与真实颜色之间在视觉感受上的差距为一致(uniform)的。然后，对图像中每个像素p(l,a,b)计算其与背景颜色B(l_b,a_b,b_b)和人类肤色均值H(l_h,a_h,b_h)的距离比r(p)，当距离比r(p)大于1时，所述像素属于手掌区域，即p∈ΩH；当距离比r(p)小于等于1时，所述像素属于背景区域。所述r(p)的具体公式为：

S30、根据所述指定姿势在所述手部图像区域中提取包含指甲的感兴趣区域。

具体地，所述根据所述指定姿势在所述手部图像区域中提取包含指甲的感兴趣区域具体为将所述手部图像区域修正至与所述指定姿势对应的标准手部图像区域相对应，之后根据所述标准手部图像区域内包含指甲的感兴趣区域来确定所述手部图像区域中包含指甲的感兴趣区域，以实现在所述手部图像区域中提取包含指甲的感兴趣区域，如图4所示。

在本实施例中，所述根据所述指定姿势在所述手部图像区域中提取包含指甲的感兴趣区域具体包括：

S31、对所述手部图像区进行修正，以使得所述手部图像区域与所述指定姿势对应的标准手部图像区域一致；

S32、根据所述标准手部区域确定所述手部图像区域中保护指甲的感兴趣区域并提取。

具体的来说，在所述步骤S31中，所述对手部图像区域进行修正指的是对所述手部图像区域进行旋转、缩放等对齐操作，使得所述手部图像区域与标准手部图像区域可以重合，即两者大小和形状相同。在实际应用中，所述修正过程可以为：对手部图像区域坐标计算主成分，提取出坐标方差变化最大的向量，然后对图像旋转使得所述向量经旋转后与标准手部图像Y轴平，最后将图像缩放使其与标准图像的大小一致。

所述标准手部图像区域是对大量所述指定姿势的手部图像进行分析学习得到。所述学习过程具体可以为：首先获取大量用户以所述指定姿势拍摄的手部图像，然后将所有手部图像调整至统一尺寸，在对调整后所有手部图像进行学习得到所述标准手部图像。在实际应用中，可以通过图像取均值的方法得到所述标准手部图像。

在所述步骤S32中，可以将所述标准手部区域对应的感兴趣区域确定为所述手部图像区域对应的感兴趣区域。也就是说，获取所述标准手部根据我们可以直接使用标准图像的感兴趣区域作为当前手或脚图像的感兴趣区域，也可进一步计算当前图像手或脚图像的凸包顶点，选出Y值最小的五个顶点，该五个顶点附近区域的图像区域即为包含指甲的感兴趣区域。

S40、采用图像分割法在所述感兴趣区域中提取指甲图像，如图5所示。

具体地，所述图像分割法为基于边缘信息的拟合方法，即对边缘进行检测并使用三次样条曲线拟合的方法。如图6所示，所述提取图像的过程具体可以为：S41、首先对感兴趣区域图像进行边缘提取。在本实施例中，采用canny算子对感兴趣区域图像进行边缘提取。Canny算子首先对图像进行高斯模糊并使用sobel算子计算图像梯度信息，之后对梯度计算结果进行非最大值去除，最后设立高阈值筛以选取所述感兴趣区域图像的强边缘，设立低阈值将弱边缘中与强边缘有邻域关系的边缘提取出来，将提取的弱边缘与强边缘作为所述感兴趣区域图像的边缘，如图8.c为所述感兴趣区域图像经过canny边缘提取之后的图像。

进一步，由于经过边缘提取后的图像可能会夹杂不属于真正指甲边缘的边缘信息，如，皮肤褶皱、指甲的竖纹、皮肤或指甲的过曝区域或皮肤与背景的边缘等。因此，需要对经过canny边缘提取之后的图像进行过滤筛选出以得到准确的指甲边缘信息，图8.d为展示过滤后的边缘信息。在实际应用中，可以根据边缘性质对所述边缘进行筛选。例如，可以根据每条边缘的邻域信息去除皮肤褶皱和指甲竖纹，即计算每条边缘的邻域信息均方差，若该边缘邻域图像的方差大于预设阈值，则该边缘属于真正的指甲边缘；若该边缘邻域图像的方差小于等于预设阈值，则该边缘属于皮肤褶皱或指甲竖纹。比如针对过曝区域，我们设定像素灰度高于一定阈值(比如220)时则判定为过曝，若一条边缘邻域过曝像素高过一定比例，则判断该边缘为过曝边缘。

最后，在获取到指甲边缘信息后，采用曲线拟合的方法对筛选后的边缘进行拟合。在本实施例中，采用自然三次样条函数对边缘进行拟合，所述自然三次样条函数为一个分段函数，每一段函数都是一个三次多项式函数，每一个段函数与其邻域段函数在临界节点的值和一阶导数值连续且二阶导数为0。所述拟合过程具体为首先在所有边缘点中选取若干初始控制点，根据所述若干初始控制点插值出初始自然三次样条函数，计算剩余边缘点与该函数的距离，若平均距离大于某一阈值，则添加距离函数最远的边缘点重新计算一个自然三次样条函数，重复该过程直至所有边缘点与函数的距离小于某一阈值，得到指甲图像的边缘，所述边缘包围的图像区域即为指甲图像。在本实施例中，所述初始控制点的选取过程可以为首先确定边缘点的重心，在以所述重心为起始向周围发射n条(比如n＝36条)射线，每对相邻射线之间的角度为360/n度，每条射线与边缘点的交点即为初始控制点。所述阈值的可根据样条函数周长L来确定，比如可以是L/(2π*10)。

实施例二

本实施提供的指甲图像提取方法中，直接使用智能终端对人手的指甲进行提取，所述方法具体包括：。

H10、通过智能终端对待分析的手或脚进行拍摄，获取指定姿势的手部图像。

具体地，当用户安装指定姿势将手放置于一个平面上时，在所述智能设备上显示所述指定姿势对应的指导图，并根据所述指导图提示用户调整手部的位置，以使得所述用户的手在智能设备上的成像至于所述指导图中，这样可以降低图像分割的难度。

H20、根据所述指定姿势的轮廓信息以及人类皮肤信息建立手部图像的背景与手部的分类模型，并根据所述分类模型提取手掌图像区域。

具体地，所述指定姿势的轮廓信息以及人脸皮肤信息为预先设置，在建立分类模型时可以先读取预先存储的指定姿势的轮廓信息以及人脸皮肤信息，所述指定姿势的轮廓信息以及人脸皮肤信息可存储于智能设备中，可以存储在后台服务器等。

所述根据所述指定姿势的轮廓信息以及人类皮肤信息建立手部图像的背景与手部的分类模型具体可以为：将所述指导图形区域中所有像素按颜色距离进行聚类使得所有像素分成k(k>＝2)个类别。在本实施例中，采用Expectation Maximization算法进行聚类，其具体过程可以为首先初始化k个类别的均值，然后计算每个像素与每个类别均值的距离并将所述像素归类到距离最近的类别中，依次循环直至所有像素完成归类，再对每个类别更新均值，并重复上述归类和均值更新的过程直至完成收敛。

在根据按照颜色对像素分成k个类别后，将所述k个类别划分为两个类别，分别为背景和手部。所述划分过程具体可以为：根据所述k个类别的均值选出可能属于皮肤区域的部分，然后对所述选出的类别进行组合，并对这些组合形成的区域的轮廓进行判断，寻找出与所述姿势轮廓相似分数最高的组合作为最终的手部类别。例如，设k＝4，即将所述指导图形中的所有像素按照颜色聚集成4个类别。再分别计算每个类别均值与人类皮肤平均颜色之间的距离，并设定阈值选出可能属于皮肤的类别。例如，当将像素p转换到hsv通道，并对h和s两个通道缩放到[0,1]区间时，所述阈值可以是0.1。也就是说，每个通道的值与人类皮肤平均颜色在该通道的值之间的差距都必须小于0.1时，才能判断该像素p属于人类皮肤颜色。

进一步，这里假设类别{1,2,4}的均值与人类皮肤平均颜色接近。然后，获取{1,2,4}的所有子集，分别为包括{1},{1,2},{1,2,4}…等7个组合，计算每个组合的当前轮廓与所述指定姿势对应的标准手部图像区域的标准轮廓的相似分数。所述相似分数的计算方法可以采用轮廓的周长/面积比确定当前轮廓与标准轮廓的相似分数，即根据轮廓周长与轮廓内包含的面积之间的比例确定当前轮廓与标准轮廓的相似分数。其也可以选用procrustes analysis(普氏分析)方法，即对标准轮廓进行抽样以选出点集P0，并对当前轮廓进行抽样以选出点集P，其中，所述点集P和P0的点数量相同，根据点集P和点集P0计算一个出一个线性变换(如，平移、旋转、镜面反射、缩放)以使得所述点集P和点集P0对齐，在计算使经过变换后的P与P0的方差最小，所述方差即为P与P0的差异度，对所述方差取倒数即可得到P与P0的相似分数。需要注意的是，在进行procrustes analysis(普氏分析)法前需要将当前轮廓与标准轮廓对齐，用于增强P与P0每个点的对应关系，对齐操作可以是分别计算当前轮廓和当前轮廓的指北向量并对当前轮廓进行旋转使其指北向量与标准轮廓的指北向量平行。这里指北向量是起点为轮廓所含区域重心，终点为轮廓上Y值最小的点的向量。

进一步，在建立手部图像的背景和手部的分类模型后，根据所述分类模型提取手部图像区域。在本实施例中，提取手部图像区域采用图割法(graph-cut)提取手掌图像。所述提取过程具体可以为首先对图像建立能量代价函数，将图像分割问题转换为该能量函数最小化问题，并使用图割(graph-cut)方法实现能量最小化过程。所述能量最小化的能量函数包括两项，分别为区域项和边界项，所述能量函数的表示式为：

其中，E_p(L_p)为区域项，L_p,L_q∈{Ω_H,Ω/Ω_H}、E_p(L_p,L_q)为边界项，p、q代表相邻两个像素；λ是边界项的系数。

在本实施例中，所述区域项可以根据上述分类结果确定。例如，假设像素p被归类为手部区域，那么E_p(L_p∈Ω_H)＝0，E_p(L_p∈Ω/Ω_H)＝1。所述边界项可以根据像素p的梯度信息定义，其可以表示为其中，为像素p与q的梯度值，k为一常量，β＝1或2。

值得说明的，若所述前轮廓与标准轮廓相似分数较高(例如，高于90分)，则可以直接选用分类结果作为图像分割的结果。

H30、根据所述指定姿势在所述手部图像区域中提取包含指甲的感兴趣区域。

所述提取感兴趣区域的方法与实施例一的方法相同，这里就不再赘述。

H40、采用图像分割法在所述感兴趣区域中提取指甲图像。

具体地，所述图像分割法为level set(水平集)方法，所述方法也是将图像分割问题转换为能量最小化问题，其具体过程可以为首先初始化一个圆形封闭的轮廓C0，并将所述圆中心设为感兴趣区域中心，将所述圆设为感兴趣区域宽的四分之一。然后，依次迭代所述轮廓使得预定的能量逐渐减少直至达到极值，每次迭代时轮廓上每个点按照其法线方向向外扩展，其中，所述扩展的速度与能量泛函有关。每一次迭代时的轮廓C(t)都被看作为函数的零水平集，即，每次轮廓迭代的过程就是函数随时间演化的过程。

所述能量泛函为基于边缘信息的能量泛函，其表达式为:

E(C)＝∫g(C(s))ds

其中，g为边缘指示函数，所述g可以表示为其中，为像素x的梯度向量，σ为一常数。

在本实施例中，可以采用梯度下降法对E(C)求极值，得到每一次迭代的演化方程为：

其中，为的梯度向量，Div(v)为向量v的散度，t为时间

在实际应用中，可以从初始的开始，定义每次迭代的时间段Δt，则每次迭代均可计算出当前的函数直至收敛，最终的轮廓即为最终函数的零水平集。值得说明的，所述能量泛函还可对其进行调整加入区域信息和特定姿势下的先验轮廓信息，这里就不一一说明。

本发明还提供了一种指甲图像的提取系统，如图7所示，其包括：

拍摄模块，用于通过机器视觉对待分析的手或脚进行拍摄，获取指定姿势的手或脚的图像；

第一提取模块，用于根据预设的人类皮肤颜色信息建立所述图像的背景与手或脚的分类模型，并根据所述分类模型在所述图像中提取所述手或脚的图像区域；

第二提取模块，用于根据所述指定姿势提取所述手或脚图像区域内的第一指甲区域，并采用图像分割方法在所述第一指甲区域内提取指甲图像。

所述指甲图像的提取系统，其中，所述第一提取模块具体包括：

获取单元，用于获取所述指定姿势对应的标准手或脚的图像的标准轮廓以及预设的人类皮肤颜色信息；

建立单元，用于根据所述皮肤颜色以及所述标准轮廓建立所述图像的背景与手或脚的分类模型；

第一提取单元，用于根据所述分类模型在所述图像中提取所述手或脚的图像区域。

所述指甲图像的提取系统，其中，所述第二提取模块具体包括：

修正单元，用于对所述图像区域进行修正以使得所述图像区域与预设的所述指定姿势对应的标准手或脚的图像区域对齐；

确定单元，用于根据所述标准图像区域设定的指甲区域确定所述图像区域的第一指甲区域，其中，所述第一指甲区域包括若干第一指甲子区域；

第二提取单元，用于采用图像分割方法在每个第一指甲子区域内提取指甲子区域，所述若干子区域构成所述指甲图像。

本发明还提供了一种指甲图像的提取装置，其包括如上任一所述的指甲图像的提取系统。

所述指甲图像的提取装置，其还包括载放装置和外部拍摄装置。如图8和图9所示，所述载放装置包括具有容纳腔11的壳体1，所述容纳腔11的底部设置有放置平面12，所述壳体1与所述放置平面12相对的一面设置有用于外部设备拍摄图像的第一开口2，所述壳体1设置有用于手掌伸入的第二开口3，所述第一开口1所处平面与所述第二开口3所处平面相交。

所述指甲图像的提取装置，其中，所述壳体内设置有用于补光的LED灯。

上述指甲图像的提取系统以及装置的各个模块在上述方法中已经详细说明，在这里就不再一一陈述。

在本发明所提供的实施例中，应该理解到，所揭露的系统和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。