一种自动化毛发统计方法、电子设备及介质与流程

1.本发明涉及图像处理技术领域，具体涉及一种自动化毛发统计方法、电子设备及介质。


背景技术：

2.脱发一直是我们大家经常关注的问题，并将严重影响人们的精神面貌和形象气质。脱发的原因有很多，具体的可以由以下原因导致：精神或身体因素；内分泌失调；疾病或药物所致；食物及营养代谢异常；先天性因素；物理及化学因素等。
3.虽然说脱发不会对人类的健康造成太大的影响，但是会严重影响人们的精神面貌和形象气质。随着社会生活水平的提高，人们的温饱问题解决之后，对脱发的治疗需求日益增加。目前，对于脱发治疗方案中，毛发移植是应用最广泛也是最有效的方法。
4.为了使毛发移植的效果最佳，在进行毛发移植之前，通过毛发镜采集毛发图像，并对毛发镜图像进行毛发检测。传统的方法需要耗费大量的人工得到毛发统计信息，传统的图像处理方法把图像分割出来，统计连通域的值，但是在毛发提取方面不太精确，长根的头发容易断开，多根头发混为一根。


技术实现要素：

5.为解决上述问题，本发明提供的技术方案为：
6.一种自动化毛发统计方法，包括
7.获取毛发检测区的毛发图像；
8.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；
9.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；
10.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；
11.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；
12.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。
13.本发明进一步设置为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。
14.本发明进一步设置为采用大津阈值分割法对毛发图像进行分割包括：
15.毛发图像输入并进行灰度化；
16.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；
17.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；
18.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。
19.本发明进一步设置为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。
20.本发明进一步设置为设置第一聚类阈值，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。
21.本发明进一步设置为设置第二聚类阈值，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。
22.本发明进一步设置为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。
23.本发明进一步设置为设置毛发分类阈值，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。
24.一种电子设备，包括存储器和处理器，所述存储器用于存储至少一个程序，所述处理器用于加载所述至少一个程序以执行上述的自动化毛发统计方法。
25.一种存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现上述的自动化毛发统计方法。
26.采用本发明提供的技术方案，与现有技术相比，具有如下有益效果：
27.本技术方案是通过计算机视觉的方法，对毛发镜拍摄的到的毛发图片，进行自动化处理，过程为分割得到毛发连通域，并图像细化后再进行霍夫变换直线检测，并对检测到的直线段按照空间位置距离远近和参数的距离远近进行聚类，从而得到毛发分割信息。从毛发分割信息，可以得到毛发统计信息：单毛囊，双毛囊，多毛囊个数，毛发直径，终毛/毳毛的密度和百分比。
28.本发明采用霍夫变换直线检测和聚类的方法，可以把聚在一起的头发分开，在把断开的头发按照空间上临近，以及参数靠近的头发归为一根头发，可以自动化得到毛发的统计信息，并提高毛发信息统计的精度，能提供更真实、准确、全面的毛发统计反馈。
附图说明
29.图1为本发明实施例自动化毛发统计方法流程图。
30.图2为本发明实施例获取毛发检测区的毛发图像。
31.图3为本发明实施例分割后的毛发图像。
32.图4为本发明实施例单像素宽度骨架线的毛发图像。
33.图5为本发明实施例得到毛发聚类结果的毛发图像。
34.图6为本发明实施例电子设备示意图。
具体实施方式
35.为进一步了解本发明的内容，结合附图及实施例对本发明作详细描述。
36.需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
37.在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，一体地连接，也可以是可拆卸连接；可以是机械连接或电连接，也可以是两个元件内部的连通；可以是直接相连，也可以通过中间媒介间接相连，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
38.实施例1
39.结合附图1至附图5，本发明技术方案是一种自动化毛发统计方法，包括
40.获取毛发检测区的毛发图像；
41.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；
42.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；
43.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；
44.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；
45.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。
46.在上述实施例中，所述毛发检测区的毛发图像由毛发镜拍摄得到。
47.在上述实施例中，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。
48.在本实施例中，采用大津阈值分割法对毛发图像进行分割，具体包括：
49.毛发图像输入并进行灰度化；
50.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；
51.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；
52.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。
53.在本实施例中，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。
54.在上述实施例中，霍夫变换运用两个坐标空间之间的变换，将在图像空间中具有相同形状的曲线或直线映射到另一个坐标空间的一个点上形成峰值，从而把检测毛发任意形状的问题转化为统计峰值问题。
55.具体是，霍夫变换直线检测的基本原理在于利用点与线的对偶性，在我们的直线检测任务中，即图像空间中的直线与霍夫空间中的点是一一对应的，霍夫空间中的直线与图像空间中的点也是一一对应的。
56.那么图像空间中的每条直线在霍夫空间中都对应着单独一个点来表示；图像空间中的直线上任何一部分线段在参数空间对应的是同一个点。单像素宽度骨架线的毛发图像上的每个像素点就是所指的图像空间中的点，经霍夫变换，与霍夫空间中的直线或曲线一一对应。
57.而由于单像素宽度骨架线的毛发图像可能存在垂直于x轴的毛发骨架线，该毛发骨架线的直线斜率无穷大，那么该毛发骨架线上的像素点转换到霍夫空间的直线后没有交点，不符合实际情况，而且不利于对霍夫空间进行离散化统计，因此将毛发图像上各像素的坐标值从笛卡尔坐标系转化为极坐标系后，再进行霍夫变换，这样就可以在霍夫空间内表示毛发图像中的所有直线段了。
58.通过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，设置网格单元阈值通常设置10～20区间的某一数值；局部极大值时根据毛发图像像素大小来设置网格单元局部的具体范围。
59.在上述实施例中，可以找到对应毛发图像空间中所检测的直线段。
60.在本实施例中，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。
61.在上述实施例中，将直线段所对应的坐标值(ρ,θ)接近的直线段归类为同一毛发，可以对弯曲毛发进行归类，从而可以获得毛发图像中毛发的实际数量。
62.在本实施例中，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。
63.在上述实施例中，确定毛发的数量后，在笛卡尔坐标系或极坐标系中，计算不同毛发的端点之间的欧氏距离，并根据第二欧氏距离进行判定，是否属于同一端点上的毛发。例如，根据上述聚类结果可以得知该端点为单毛囊、双毛囊或多毛囊；一根毛发对应一个毛囊。
64.在本实施例中，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。
65.在上述实施例中，通过距离变换，可以计算得到各毛发的直径大小信息。
66.在本实施例中，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。
67.在上述实施例中，通过计算各毛发所在区域灰度值，来判定各毛发的类型，可以得到毳毛/终毛的密度、毳毛和终毛各自占所有毛发的百分比。
68.本发明技术方案通过计算机视觉的方法，对毛发镜拍摄的到的毛发图片，进行自动化处理，过程为分割得到毛发连通域，并图像细化后再进行霍夫变换直线检测，并对检测到的直线段按照空间位置距离远近和参数的距离远近进行聚类，从而得到毛发分割信息。从毛发分割信息，可以得到毛发统计信息：单毛囊，双毛囊，多毛囊个数，毛发直径，终毛/毳毛的密度和百分比，可以高效、自动、全面地获得毛发相关信息，为患者的治疗方案提供针对性指导。
69.实施例2
70.结合附图6，本发明技术方案是一种电子设备，包括存储器和处理器，所述存储器用于存储至少一个程序，所述处理器用于加载所述至少一个程序以执行上述实施例1的自动化毛发统计方法。
71.实施例3
72.本发明技术方案是一种存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现上述的实施例1自动化毛发统计方法。
73.本发明技术方案通过。
74.以上示意性的对本发明及其实施方式进行了描述，该描述没有限制性，附图中所示的也只是本发明的实施方式之一，实际的结构并不局限于此。所以，如果本领域的普通技术人员受其启示，在不脱离本发明创造宗旨的情况下，不经创造性的设计出与该技术方案相似的结构方式及实施例，均应属于本发明的保护范围。