利用皮肤图像分析皮肤水分的方法及装置与流程

本发明涉及一种利用皮肤图像分析皮肤水分的方法，同时也涉及一种利用皮肤图像分析皮肤水分的装置，属于皮肤检测技术领域。

背景技术：

利用皮肤检测仪来测量皮肤水分的皮肤检测仪已经得到广泛应用，在皮肤美容护理以及医疗应用中受到极大的重视。

例如，专利号为zl201310645552.3的中国发明专利公开了一种皮肤水分检测仪。它利用多个电极贴附到人体多个部位，通过发送微小的电流信号，检测皮肤电容量分布，从而获得相应区域的皮肤水分信息。再如，申请号为201510403775.8的中国专利申请公开了一种皮肤参数测量电路与方法。它也是利用电极接触皮肤，通过水分检测模块来测量皮肤的容抗，再根据皮肤容抗与皮肤水分的关系来进行皮肤水分的检测。

由此可见，现有技术中普遍是利用传感器、电极等技术手段获得皮肤的电容或容抗等参数，再利用电容或容抗与皮肤水分之间的对应关系，得到皮肤的水分状况。

技术实现要素：

针对现有技术的不足，本发明所要解决的首要技术问题在于提供一种利用皮肤图像分析皮肤水分的方法。

本发明所要解决的另一技术问题在于提供一种利用皮肤图像分析皮肤水分的装置。

为实现上述的发明目的，本发明采用下述的技术方案：

根据本发明实施例的第一方面，提供一种利用皮肤图像分析皮肤水分的方法，包括如下步骤：

对获得的皮肤图像进行皮肤特征分析，基于所述皮肤特征得到皮肤水分。

其中较优地，所述皮肤特征包括光泽度和光滑度。

其中较优地，基于所述皮肤特征得到皮肤水分，是在所述光泽度为油光发亮时，判断皮肤为油性皮肤；在所述光泽度为缺少光泽时，判断皮肤为干性皮肤。

其中较优地，在所述光泽度为有光泽时，如果所述粗糙度为毛孔粗大纹理粗糙，那么判断皮肤为油性皮肤；如果所述粗糙度为较为粗糙，那么判断皮肤为干性皮肤；如果粗糙度为平滑细腻，那么判断皮肤为中性皮肤。

其中较优地，统计所述皮肤图像的亮度值l分布中，亮度大于亮度均值的像素点数量，除以皮肤图像像素点总数，得到高亮度像素点百分比；

根据预先设定的像素点百分比门限值m1和m2，其中m1大于m2，将高亮度像素点百分比大于m1的皮肤图像，确定为油光发亮；将高亮度像素点百分比小于等于m1且大于m2的皮肤图像，确定为有光泽；将高亮度像素点百分比小于等于m2的皮肤图像，确定为缺少光泽。

其中较优地，计算未经ssr算法处理的皮肤图像中的亮度值，得到第二亮度均值；根据第二亮度均值，统计所述皮肤图像中的亮度值大于所述第二亮度均值的像素点，得到第二高亮度像素点；计算所述第二高亮度像素点的个数，并计算所述第二高亮度像素点在所述皮肤图像中的百分比，得到第二高亮度像素点百分比；将所述第二高亮度像素点百分比和所述高亮度像素点百分比求和，得到百分比之和；根据所述百分比之和，与所述像素点百分比门限值m1和m2比较，如果所述百分比之和大于m1，则判断为油光发亮；如果所述百分比之和小于等于m1且大于m2，则判读为有光泽；如果所述百分比之和小于等于m2，确定为缺少光泽。

其中较优地，所述光滑度是基于皮肤粗糙度和毛孔面积均值得到的。

其中较优地，所述皮肤粗糙度的计算包括以下步骤：

步骤32：通过ssr算法将皮肤图像的对比度及亮度提高；

步骤33：通过灰度共生矩阵法算法分别计算相对方向为水平方向、对角线方向、垂直方向、反对角线方向像素间的灰度差，求出对比度，将四个方向的对比度求方差；

步骤34：利用预先设置分类用的粗糙度门限值，根据所述对比度方差值进行粗糙度分类，分为纹理粗糙、比较粗糙和细腻。

其中较优地，所述毛孔面积的计算包括以下步骤：

步骤36：将ssr算法处理后的图像进行色彩空间转换，转换为hsv色彩空间；

步骤37：在hsv色彩空间中，计算饱和度值s，将图像二值化；

步骤38：计算毛孔面积及毛孔面积均值

将所述二值化后的图像中的每一个黑白边界标记为一个圆，作为毛孔；计算所有圆面积以及圆数量，并计算其均值＝面积/圆数量，作为毛孔面积均值。

其中较优地，所述粗糙度值为平滑且所述毛孔面积均值为细腻时，判断所述皮肤图像为平滑细腻；所述粗糙度值为较为粗糙且所述毛孔面积均值为正常时，判断所述皮肤图像为比较粗糙；所述粗糙度值为纹理粗糙且所述毛孔面积均值为毛孔粗大时，判断所述皮肤图像为毛孔粗大纹理粗糙。

根据本发明实施例的第二方面，提供一种利用皮肤图像分析皮肤水分的装置，包括：

镜头模组，用于拍摄皮肤图像；

控制镜头模组的处理器，被配置为可以执行指令以实现对获得的皮肤图像进行皮肤特征分析，基于所述皮肤特征得到皮肤水分；

与处理器连接的存储器，用于存储所述处理器的可执行指令。

本发明所提供的利用皮肤图像分析皮肤水分的方法及装置，较现有技术显著降低了实施成本，并且可以实现快速检测。而且，针对没有条件使用皮肤检测仪检测的场合，利用本发明可以利用皮肤图像直接得到皮肤的水分状况，有效扩大了皮肤水分分析的使用范围。

附图说明

图1为本发明所提供的利用皮肤图像分析皮肤水分的方法流程图；

图2为图1中光泽度分析步骤的流程图；

图3为ssr算法中反射率图像与光照图像的关系示意图；

图4为ssr算法中的假设条件示意图；

图5为图2中的光泽度输出值示意图；

图6为图1中的光滑度输出值示意图；

图7为皮肤图像在二值化后显示的黑白边界示意图；

图8为图1中皮肤水分状况的定性判断步骤的流程图；

图9为本发明所提供的利用皮肤图像分析皮肤水分的装置示意图。

具体实施方式

下面结合附图和具体实施例对本发明的技术内容展开详细具体的说明。

如图1所示，本发明实施例中通过分析超过10000张不同皮肤的图像，利用皮肤图像计算分析相应的皮肤特征，再通过皮肤特征计算分析出皮肤的水分状况。所分析的皮肤特征包括皮肤的光泽度和光滑度(粗糙度)。该方法具体包括以下步骤：

步骤1：获得皮肤图像

获得皮肤图像的方式可以有多种方式，例如通过皮肤检测仪拍摄得到的皮肤图像。它可以是全脸的皮肤图像，也可以是人脸局部的皮肤图像，还可以是人体其它部分的皮肤图像。

在本步骤中，还可以进行低通滤波、侵蚀、膨胀，以去除不必要的噪声，对皮肤图像进行预处理。

步骤2：计算光泽度值

本发明是基于预处理的皮肤图像计算皮肤图像的光泽度值，得出光泽度的分类及结果。光泽度分为油光发亮、有光泽、缺少光泽。计算光泽度值的方法可以是多种，本发明实施例中采取的是图2所示的计算方法，后文将结合图2～图5进行详细说明。

步骤21：读取皮肤图像

将获取的皮肤图像进行色彩空间转换，转换为hsl色彩空间，其中l所代表的是亮度。

步骤22：通过ssr算法将图像的对比度及亮度提高。ssr算法可以将图像色彩转换成类似人眼所辨识的色彩值。

ssr(scalablesamplerate)算法是基于retinex理论提出来的一种图像增强算法。基于retinex理论，图像可以分为入射分量和反射分量，对于反射分量，使用高斯函数对该分量做卷积，然后再将两分量相加计算出最终结果。

步骤23：通过低通滤波进行图像预处理,由预处理后的图像s(x,y)取得光照图像l(x,y)，再通过以下公式算出反射率图像r(x,y)。

s(x，y)＝r(x，y)·l(x，y)

r(x，y)＝logs(x，y)-log[f(x，y)*s(x，y)]

步骤24：将经过ssr算法处理后的图像，分析其亮度值l的分布，得到亮度均值。

针对ssr算法处理后的图像中各个像素点的亮度值l，可以通过简单计算求得亮度均值(可以是算术平均值，也可以是几何平均值等)。

步骤25：统计大于亮度均值的像素点百分比。

统计亮度值l大于亮度均值的像素点(高亮度像素点)的个数，然后将高亮度像素点个数除以图像中的像素点总数，作为高亮度像素点百分比。

根据预先设定的像素点百分比门限值m1和m2(m1大于m2)，将高亮度像素点百分比大于m1的皮肤图像，确定为油光发亮；将高亮度像素点百分比小于等于m1且大于m2的皮肤图像，确定为有光泽；将高亮度像素点百分比小于等于m2的皮肤图像，确定为缺少光泽。其中，m1和m2是根据皮肤图像大数据统计得到的。

作为优化方案，还可以这样处理：

计算未经ssr算法处理的皮肤图像中的亮度值，得到第二亮度均值；根据第二亮度均值，统计未经ssr算法处理的皮肤图像中亮度值大于第二亮度均值的像素点，得到第二高亮度像素点；计算第二高亮度像素点的个数，并计算第二高亮度像素点在未经ssr算法处理的皮肤图像中的百分比，得到第二高亮度像素点百分比；将第二高亮度像素点百分比和高亮度像素点百分比求和，得到百分比之和；根据百分比之和，与像素点百分比门限值m1和m2比较，如果百分比之和大于m1，则判断为油光发亮；如果百分比之和小于等于m1且大于m2，则判读为有光泽；如果百分比之和小于等于m2，确定为缺少光泽。

步骤3：计算光滑度值

如图1所示，本发明是基于预处理的皮肤图像，通过计算皮肤图像中的皮肤粗糙度和毛孔面积来获得光滑度值，图6所示为光滑度的计算结果。

本发明中的光滑度值计算是基于毛孔值和纹理值获得的。其中，毛孔值和纹理值的计算均可以采用现有技术中普遍采用的各种计算方法。例如：

关于纹理值的计算，可以参考本申请人在申请号为201710337597.2的在先专利申请中公开的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的方法。或者，申请号为201611197869.5的在先专利申请中公开的粗糙度提取方法，将人脸图像从rgb色彩空间转化为ycbcr色度空间，提取亮度分量、蓝色色度分量和红色色度分量图，求得肤色相似度和粗糙度。

关于毛孔值的计算，可以参考申请号为201510554895.8的在先专利申请。该专利申请公开了一种基于图像分析的皮肤毛孔识别方法，通过计算像素区域的亮度差分矩阵；融合原图像与亮度差分矩阵得到新的图像，对新图像进行聚类分析；分类迭代得到分类后的图像；统计皮肤毛孔数目，计算皮肤毛孔的平均像素面积。

本发明可以采取上述纹理值和毛孔值的计算方法，也可以采用以下计算方法分别计算粗糙度和毛孔数量。最后，将粗糙度与毛孔数量均值相结合，将皮肤光滑度划分为平滑细腻、较为粗糙、毛孔粗大纹理粗糙。

其中，计算粗糙度的步骤如下：

步骤31：获取皮肤图像

步骤32：通过ssr算法将皮肤图像的对比度及亮度提高。

步骤33：通过glcm(灰度共生矩阵法)算法分别计算相对方向为0度(水平方向)、45度(对角线方向)、90度(垂直方向)、135度(反对角线方向)像素间的灰度差，求出对比度，将四个方向的对比度求方差。

由于沿着纹理方向上的相邻像素的灰度基本相同，垂直纹理方向上的相邻像素具有较大灰度差，因此利用主对角线元素值的大小来判断纹理走向；利用像素值的离散性，来反映纹理的粗细程度，离主对角线远的像素值高，即离散性大，表示相邻像素灰度差比例高，说明图像上垂直于该方向的纹理较细。

glcm算法可以提取14个纹理特征，其中对比度(惯性矩)可以体现图像清晰度、纹理强弱。对比度值越大，表明纹理的沟纹越深，越容易被观察到。当前述四个方向的差异性越大时，则方差就会越大。纹理往往所呈现的是单一方向性，因此在对比度上，纹理越复杂，四个方向对比度差异越大。相反，如果皮肤平滑，则四个方向的对比度越接近，方差会越小。

步骤34：根据对比度方差值进行粗糙度分类。预先设置分类用的粗糙度门限值，根据门限值来划分粗糙度类别。

粗糙度的门限值选择是根据大量的皮肤数据统计得到的，预先存储在皮肤检测仪的存储器中。本发明实施例中设置两个粗糙度门限值，第一粗糙度门限值和第二粗糙度门限值(大于第一粗糙度门限值)。如果对比度方差值小于第一粗糙度门限值，则判断为平滑；如果对比度方差值大于第二粗糙度门限值，则判断为纹理粗糙；如果对比度方差值大于等于第一粗糙度门限值并且小于等于第二粗糙度门限值，则判断为比较粗糙。

在本发明中，基于经过ssr算法处理的皮肤图像计算毛孔面积均值的步骤包括：

步骤35：获得皮肤图像，并进行ssr算法处理

由于步骤35与计算粗糙度的步骤31和步骤32的效果一样，因此实际计算过程中可以直接在计算粗糙度时将步骤32的输出结果用于计算毛孔面积。

步骤36：将ssr算法处理后的图像进行色彩空间转换，转换为hsv色彩空间。

步骤37：在hsv色彩空间中，计算饱和度值s。

对饱和度值s，采用最大类间方差法(也称为大津法，简称otsu)计算，计算出二值化门限值t。并利用该门限值将图像二值化，分为高饱和度区和低饱和度区两个部分。毛孔相对于皮肤皆视为灰暗部分，是低饱和度区域；皮肤是高饱和区域。越是毛孔粗大，色彩饱和度差异越明显。

最大类间方差的主要功能是找出背景与目标间的门限值。透过灰阶度的分布量，找出门限值。毛孔就是目标，皮肤则是背景。两区之间的类间方差越大,说明构成图像的两区域的差别越大；当错分两区时会导致两区之间差别变小，因此采用最大类间方差法，得到使类间方差最大的分割门限值，就意味着错分两区的概率最小，由此可知本发明得到的毛孔计算结果较为准确。

利用最大类间方差方法找到门限值，将大于门限值(高饱和度、皮肤)转换为黑色，而小于门限值(低饱和、毛孔)转换成白色，形成黑白图像，并且在毛孔周围形成黑白边界，表示毛孔与周围皮肤的分界。

另外，本领域普通技术人员可以理解，如果对皮肤图像进行低通滤波、侵蚀、膨胀，去除不必要的噪声，可以使本发明中的毛孔计算结果更为准确。

步骤38：计算毛孔面积及毛孔面积均值

对二值化后的图像，将图像中的每一个黑白边界标记为一个圆(如图7所示)，作为毛孔。计算所有圆面积以及圆数量，并计算其均值＝面积/圆数量，作为毛孔面积均值。

皮肤检测仪的存储器内预先存储有毛孔面积门限值，将毛孔面积均值划分为毛孔粗大和毛孔正常。

步骤39：光滑度划分

如图6所示，根据前述步骤得到的粗糙度分类值和毛孔面积均值，按表1所示，将皮肤图像进行划分，得到光滑值。

表1根据粗糙度和毛孔面积均值得到光滑值的表

步骤4：结合光滑度值和光泽度值计算得到皮肤水分状况

本发明所得到的皮肤水分状况是基于图像的光滑度值和光泽度值计算得到的，而不是像现有技术那样利用传感器直接检测得到。参考图8，本发明所提供的利用皮肤图像分析皮肤水分的方法中，针对皮肤水分状况的定性判断步骤如下：

步骤41：根据光泽度值，判断光泽度输出结果是否为油光。如果光泽度是油光，可以得出皮肤水分结果为油性皮肤；如果不是油光，则进入下一步；

步骤42：判断光泽度输出结果是否缺少光泽，如果光泽度是缺少光泽，可以得出皮肤水分结果为干性皮肤；如果不是缺少光泽，即皮肤为有光泽，则进入下一步；

步骤43：判断光滑度值是否为平滑细腻。如果是平滑细腻，则表示在此情况下，皮肤的光泽度是有光泽，并且光滑度是平滑细腻，那么可以得出皮肤水分结果为中性皮肤；如果光滑度不是平滑细腻，则进入下一步；

步骤44：判断光泽度值是否接近油光值。在此，接近油光值是指，在计算光泽度值时，该皮肤图像中大于高亮门限值a的像素点百分比小于但接近m1，例如该皮肤图像中大于高亮门限值a的像素点百分比为m1的85％～99％。

步骤45：如果光泽度值接近油光值，则判断为油性皮肤；否则判断为干性皮肤。换言之，利用这一步，将比较粗糙或毛孔粗大纹理粗糙的皮肤，根据光泽度是否接近油光值m1，区分为油性皮肤或干性皮肤。

本领域普通技术人员可以理解，除了利用上述方法基于光泽度和粗糙度得到水分状况，还可以利用如下表格，用查表法得到皮肤水分状况。

表2基于粗糙度和光泽度的水分状况判断表

本发明利用皮肤图像分析获得皮肤水分状况，一方面避免对皮肤检测仪的依赖；另一方面，由于综合考虑了粗糙度、毛孔、光泽度多个维度，分析结果的准确性已得到实验验证。

本发明还提供一种利用皮肤图像获知皮肤水分的装置(即皮肤检测仪)。如图9所示，该装置包含具有大拍摄面积的镜头模组10，处理器20，以及与处理器20连接的存储器30。其中，镜头模组10能够实现大的拍摄面积；处理器20用于执行程序；存储器30用于存储在运行于处理器20上时能够执行各个方法步骤的程序指令，以及用于处理器运行程序时调用的门限值、水分状况判断表(例如表2)等。

由于本发明是利用皮肤图像来分析粗糙度、毛孔和水分状况，因此拍摄面积过小会导致相关皮肤特征无法被拍入一张皮肤图像中，从而失去图像分析的可能性。为此，本发明中镜头模组的拍摄面积需要大于或等于1.5×1.5cm²，这样能够获得足够多的皮肤特征。

上面对本发明所提供的利用皮肤图像分析皮肤水分的方法及装置进行了详细的说明。对本领域的一般技术人员而言，在不背离本发明实质精神的前提下对它所做的任何显而易见的改动，都将构成对本发明专利权的侵犯，将承担相应的法律责任。