本发明涉及图像处理技术领域，具体是一种基于三光谱的皮肤图像处理方法。
背景技术：
随着生活水平的提高，人们越来越注意自己的个人形象，脸部作为一个人的形象的代表，其皮肤健康状况得到了人们的高度重视。但是，很多国内的医护工作人员，在做皮肤诊断时，只能依赖目测和经验判断，这种方式带有很大的主观性，同时因为缺乏治疗前后的量化比较，也会导致患者对医生的不信任。因此，有必要提出一种能够客观分析人脸皮肤各项指标的方法。
技术实现要素：
本发明为了克服现有技术中存在的上述缺陷，提供了一种基于相关硬件设备采集到的三种光照下的人脸图片的基于三光谱的皮肤图像处理方法。
为解决上述问题，本发明提出的基于三光谱的皮肤图像处理方法，包括以下步骤：
步骤一、通过皮肤图像采集设备采集白光、平行偏振光、uv-a光源三种光照下的人脸图像；
步骤二、剔除三种光照下人脸图像的背景区域后选取人脸皮肤区域获取相应光照下的皮肤图像；
步骤三、基于白光下的皮肤图像，分析皮肤的纹理指标、皱纹指标、毛孔指标和美白度指标四项皮肤指标；
步骤四、基于平行偏振光下的皮肤图像，分析皮肤的斑点指标；
步骤五、基于紫外光下的皮肤图像，分析皮肤的紫质指标、紫外斑指标和油脂指标三项皮肤指标；
步骤六、将八项皮肤指标与数据库中的检测标准进行对比分析，得出皮肤单项指标的分布情况，再将八项皮肤指标进行综合分析得出皮肤综合情况。
上述技术方案中，步骤二中纹理指标的具体分析过程为：求基于白光下的皮肤图像的256级灰度共生矩阵，获得灰度共生矩阵的熵、能量、同质性、对比度，根据纹理越粗糙，熵越小，能量越大，同质性越大，对比度越小的原理，将熵、能量、同质性和对比度这四个属性作为纹理指标的检测分析数值结果。
上述技术方案中，步骤三中皱纹指标的具体分析过程为：将基于白光下的皮肤图像灰度化后进行高低两种阈值的canny边缘提取，将两种结果相减得到窗口阈值的边缘，然后经过形态学处理并滤除近圆形的干扰，将皱纹结果在基于白光下的皮肤图像上进行标记显示，检测出的皱纹总面积占人脸皮肤区域总面积的百分比即为皱纹指标的数值结果。
上述技术方案中，步骤三中毛孔指标的具体分析过程为：将基于白光下的皮肤图像灰度化后，进行动态阈值分割，再进行形态学处理后提取近圆形及面积在一定范围内的轮廓，将毛孔结果在基于白光下的皮肤图像上进行标记显示，对得到的所有毛孔轮廓，统计其半径最大值、最小值和均值，作为毛孔指标的数值结果。
上述技术方案中，步骤三中美白度指标的具体分析过程为：首先将基于白光下的皮肤图像转换到hsv颜色空间，通过m＝0.4*(255-s)+0.6*v来获得新的图像m；然后计算图像m在设置的统计区间内的直方图；最后取皮肤区域平均的色度值h，画出10等级的比色卡，之后将m的直方图画在比色卡上，得出的数值结果为图像m的像素均值，代表该人脸的平均美白度。
上述技术方案中，步骤四中斑点指标的具体分析过程为：将基于平行偏振光下的皮肤图像灰度化后，进行动态阈值分割，再进行形态学处理后提取近圆形及面积在一定范围内且与毛孔区域不重叠的轮廓进行标记显示，得出斑点区域总面积占人脸皮肤区域总面积的百分比即为斑点指标的数值结果。
上述技术方案中，步骤五中紫质指标的具体分析过程为：将基于紫外光下的皮肤图像灰度化后进行阈值提取，将高亮度的像素作为紫质，在紫外光图片上标记显示出来，得出紫质区域总面积占人脸皮肤区域总面积的百分比即为紫质指标的数值结果。
上述技术方案中，步骤五中紫外斑指标的具体分析过程为：将基于紫外光下的皮肤图像灰度化后，进行动态阈值分割，再进行形态学处理后提取近圆形及面积在一定范围内且与毛孔不重叠的轮廓，将提取出的紫外斑轮廓在紫外光图片上标记显示出来，得出的紫外斑区域总面积占人脸皮肤区域总面积的百分比即为紫外斑指标的数值结果。
上述技术方案中，步骤五中油脂指标的具体分析过程为：将基于紫外光下的皮肤图像转换到hsv色彩空间，对图像的亮度分量进行动态阈值分割，提取出其中较亮的小块区域，同时过滤掉其中的偏蓝色光斑干扰，将提取出的区域在紫外光图片上标记显示出来，得出的油脂区域总面积占人脸皮肤区域总面积的百分比即为油脂指标的数值结果。
本发明与现有技术方案相比具有以下有益效果和优点：
本发明采用传统图像处理技术，使用边缘检测、动态阈值分割、轮廓提取、图像直方图、图像滤波、图像增强、形态学处理、灰度共生矩阵等算法可以快速检测出人脸皮肤的纹理、皱纹、毛孔、美白度、斑点、紫质、紫外斑和油脂共八项指标，为皮肤检测分析提供了更加客观可靠的指标检测结果。
具体实施方式
以下结合具体实施例对本发明作进一步的详细描述：
本实施例中，本发明提出的基于三光谱的皮肤图像处理方法，包括以下步骤：
步骤一、通过皮肤图像采集设备采集白光、平行偏振光、uv-a光源三种光照下的人脸图像；
步骤二、剔除三种光照下人脸图像的背景区域后选取人脸皮肤区域获取相应光照下的皮肤图像；
步骤三、求基于白光下的皮肤图像的256级灰度共生矩阵，获得灰度共生矩阵的熵、能量、同质性、对比度，根据纹理越粗糙，熵越小，能量越大，同质性越大，对比度越小的原理，将熵、能量、同质性和对比度这四个属性作为纹理指标的检测分析数值结果；将基于白光下的皮肤图像灰度化后进行高低两种阈值的canny边缘提取，将两种结果相减得到窗口阈值的边缘，然后经过形态学处理并滤除近圆形的干扰，将皱纹结果在基于白光下的皮肤图像上进行标记显示，检测出的皱纹总面积占人脸皮肤区域总面积的百分比即为皱纹指标的数值结果；将基于白光下的皮肤图像灰度化后，进行动态阈值分割，再进行形态学处理后提取近圆形及面积在一定范围内的轮廓，将毛孔结果在基于白光下的皮肤图像上进行标记显示，对得到的所有毛孔轮廓，统计其半径最大值、最小值和均值，作为毛孔指标的数值结果；将基于白光下的皮肤图像转换到hsv颜色空间，通过m＝0.4*(255-s)+0.6*v来获得新的图像m，计算图像m在设置的统计区间内的直方图，取皮肤区域平均的色度值h，画出10等级的比色卡，之后将m的直方图画在比色卡上，得出的数值结果为图像m的像素均值，代表该人脸的平均美白度；
步骤四、将基于平行偏振光下的皮肤图像灰度化后，进行动态阈值分割，再进行形态学处理后提取近圆形及面积在一定范围内且与毛孔区域不重叠的轮廓进行标记显示，得出斑点区域总面积占人脸皮肤区域总面积的百分比即为斑点指标的数值结果；
步骤五、将基于紫外光下的皮肤图像灰度化后进行阈值提取，将高亮度的像素作为紫质，在紫外光图片上标记显示出来，得出紫质区域总面积占人脸皮肤区域总面积的百分比即为紫质指标的数值结果；将基于紫外光下的皮肤图像灰度化后，进行动态阈值分割，再进行形态学处理后提取近圆形及面积在一定范围内且与毛孔不重叠的轮廓，将提取出的紫外斑轮廓在紫外光图片上标记显示出来，得出的紫外斑区域总面积占人脸皮肤区域总面积的百分比即为紫外斑指标的数值结果；将基于紫外光下的皮肤图像转换到hsv色彩空间，对图像的亮度分量进行动态阈值分割，提取出其中较亮的小块区域，同时过滤掉其中的偏蓝色光斑干扰，将提取出的区域在紫外光图片上标记显示出来，得出的油脂区域总面积占人脸皮肤区域总面积的百分比即为油脂指标的数值结果；
步骤六、将八项皮肤指标与数据库中的检测标准进行对比分析，得出皮肤单项指标的分布情况，再将八项皮肤指标进行综合分析得出皮肤综合情况。
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围中。