專利名稱：模擬面部皮膚老化和去老化的方法及裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及圖像處理和模擬領(lǐng)域，具體地講涉及用于描繪模擬皮膚老 化或去老化的圖像生成。
背景技術(shù)：
皮膚老化對人臉外觀的影響在皮膚病學(xué)中已得到很好的研究和證明。 每個人的皮膚老化進(jìn)展取決于內(nèi)在和外在兩種因素。內(nèi)在因素例如性別、 種族和膚色是由遺傳所控制并且對于每個人是獨一無二的，并可影響表皮 變薄的速率、機械彈性的喪失和隨著年齡而發(fā)生的其它具有鮮明特征的組 織學(xué)變化和生物機械變化。內(nèi)在因素影響陽光照不到的和暴露于陽光下的 身體部位。外在因素包括個體的飲食、生活方式、皮膚護(hù)理習(xí)慣和日曬歷 史。已熟知長期日曬會加速皮膚老化的起始時間和嚴(yán)重程度。包括面部在
內(nèi)的所有暴露的身體部位均具有某種程度的皮膚光老化。(Gilchrest.， B. Photodamage， Blackwell Science, Inc. 1995年)。
光老化的皮膚的視覺上最突出的特征之一是斑點紋狀和不規(guī)則色素沉 著，此在皮膚上表現(xiàn)為具有深棕色的斑點(Griffiths C.E.M. ， "The clinical identification and quantification of photodamage"， Brit. J. Derm.,第127巻(增刊41)，第37至42頁，1992年；K. Miyamoto 等人的 "Utilization of a high-resolution digital imaging system for the objective and quantitative assessment of hyperpigmented spots on the face ，， , Skin Research and Technology,第8巻，第2期，第73至78頁，2002年5月，后文稱為 "Miyamoto參考文獻(xiàn)")。這些色素沉著損害稱為老年斑、肝斑、老年 斑痣或光化痣。采用會顯示出在標(biāo)準(zhǔn)白光下不可見的亞表面色素沉著的方 法可較好地觀測光損壞的皮膚上的色素沉著過度。 一種稱為紫外激發(fā)熒光 照相術(shù)的方法，其最初由Kollias提出(ollias等人的"Fluorescencephotography in the evaluation of hyperpigmentation in photodamaged skin" ， J Am Acad De簡to1.，第36巻，第226至230 頁，1997年)，涉及在中心為365nm的窄波段UVA下對皮膚進(jìn)行成像。 表皮黑素在這個UVA范圍內(nèi)強烈吸收，約為它在可見光i普中吸收性的3至 5倍。未,皮表皮黑素所吸收的任何UVA進(jìn)入真皮，在此處它被膠原和彈性 蛋白纖維散射和吸收，所述膠原和彈性蛋白纖維將所吸收的一些能量轉(zhuǎn)換 成熒光。最大膠原放射的波長發(fā)生在中心為420nm的可見光鐠中。黑素在 420nm處的體內(nèi)吸收性比在540nm處大一倍。因此，進(jìn)入皮膚并達(dá)到真皮 的UVA的總量被表皮黑素衰減5折并且可見熒光的量被同一表皮黑素衰減 約2折。換句話講，與可見光相比，利用紫外激發(fā)熒光的表皮黑素檢測敏 感約10倍。敏感性上的這種增強為檢測在正常白光成像方法下不能看見 的色素沉著點創(chuàng)造了條件。用可見光不能觀察的色素沉著點在生命的后半 段在正?？梢姽庀聦⒉皇芨深A(yù)地變得更暗并更明顯可見。
老化的皮膚的其它突出特征是部分地由真皮結(jié)締組織例如膠原的逐漸 蝕變和損失引起的粗糙紋理和皮膚皺紋(Leyden J.J. "Clinical features of ageing skin" ， Br, J. Dermatol.第122巻，增刊35，第 1至3頁，1990年)，特別是在身體的日曬區(qū)域(Bailey， Molecular mechanisms of aging in connective tissues, Mech. Aging Dev.， 第 112巻，第7期，第735至755頁，2001年)。色素沉著過度、皺紋和粗 糙紋理是可見的皮膚特征，其對皮膚的總體外觀和健康起著重要的作用。
能夠準(zhǔn)確地模擬老化過程具有實際價值。老化模擬具有幾種有用的應(yīng) 用，例如計算機動畫、面部識別、失蹤人員鑒定、娛樂、醫(yī)藥和化妝品。 已經(jīng)利用各種模型來實現(xiàn)老化面部的逼真模擬，包括幾何模型、基于物理 的模型、基于圖像的模型或生物-機械模型(Hussein, K. H， Toward realistic facial modeling and re-rendering of human skin aging animation ， Proceedings of the Shape Modeling International 2002， IEEE計算機協(xié)會，2002年)。已經(jīng)進(jìn)行了嘗試來定制老化模擬， 以便它更準(zhǔn)確地描繪特定個人將來的老化的外觀。例如，已經(jīng)根據(jù)圖像的
擬個體的老化的外觀(Hysert PE等人的"At Face Value" : age progression software provides personalized demonstration of theeffects of smoking on appearance" ， Tobacco Control, 第12巻， 第238至240頁，2003年)。這種方法的局限性在于，老化的圖像是人 群標(biāo)準(zhǔn)的反映，并且不一定反映個體獨特的老化過程。
Boissiux等人開發(fā)了一種基于圖像的模型以模擬皮膚老化，其中用 預(yù)先計算好皺紋的一般蒙版作為在個人面部的3D模型上的紋理。利用了 八個基本蒙版并且所用的具體蒙版與人的性別、面部形狀和要模擬的表情 種類相匹酉己(Boissiux 等人的 "Simulation of skin aging and wrinkle with cosmetic insight ，， ， Computer Animation and Simulation,第15至27頁，2000年)。因為它依賴于人群平均值，這
制。J ''、，
Zhang等人描述了一種用于將老年臉的幾何細(xì)節(jié)轉(zhuǎn)移到年輕臉的幾何 細(xì)節(jié)上以便使年輕臉看起來年老的方法(Zhang等人的"System and method for image-based surface detail transfer" ， US7020347B2, 2006年)。反過來，可將年輕臉的表面細(xì)節(jié)轉(zhuǎn)移到年老的幾何細(xì)節(jié)上使 年老臉看起來年輕。這種方法受以下事實限制，即年老臉的老化特征將與 年輕臉?biāo)鶎嶋H顯示的特征不是完全一樣。
發(fā)明概述
本發(fā)明涉及處理面部圖像以檢測和操縱皮膚特征例如色素沉著斑點、 皺紋和細(xì)小紋理特征以便克服前述限制性的處理方法和裝置。在本發(fā)明的 一個方面，提供了可計算機執(zhí)行的方法來檢測和描繪在其中檢測前述皮膚 特征的數(shù)字面部圖像的相關(guān)部分。此外，采用可計算機執(zhí)行的方法來檢測 皮膚特征并用來操縱它們，例如通過強調(diào)或者和不再強調(diào)它們的外觀，以 模擬皮膚的老化和/或去老化。
在本發(fā)明的又一方面，處理在紫外照射下所采集的數(shù)字圖像以檢測在 標(biāo)準(zhǔn)光照條件下不可見的斑點的存在以及預(yù)報它們的生長和潛在的可見 性。
提供了用于辨別各種類型的面部特征(例如，斑點-皺紋-紋理-其 它特征)并根據(jù)面部特征的類型正確地模擬面部特征的老化和去老化的方 法。根據(jù)下面的附圖和詳細(xì)說明，本發(fā)明的以上和其它方面及特征將顯而 易見。
附圖概述


圖1為顯示根據(jù)本發(fā)明的用于面部皮膚的斑點、皺紋和紋理的老化、 去老化模擬的示例性方法的高級流程圖。
圖2為顯示根據(jù)本發(fā)明的示例性面部皮膚檢測方法的流程圖。 圖3A顯示基于整個面部斜視像生成的示例性面部皮膚蒙版；圖 3B顯示示例性的斑點/皺紋老化蒙版(在黑線條內(nèi)的區(qū)域)；以及圖3C 顯示根據(jù)本發(fā)明的示例性實施方案所生成的示例性的紋理老化蒙版(在水 平黑線下方以及到垂直黑線左側(cè)的區(qū)域)。
圖4為根據(jù)本發(fā)明的示例性實施方案的斑點老化模擬過程的流程圖。 圖5為根據(jù)本發(fā)明的檢測紫外斑點并計算對比度的示例性過程的流程圖。
圖6為根據(jù)本發(fā)明的示例性斑點去老化過程的流程圖。
圖7A和7B顯示根據(jù)本發(fā)明的示例性斑點檢測算法的流程圖。
圖8為根據(jù)本發(fā)明的示例性皺紋老化和去老化模擬過程的流程圖。
圖9為根據(jù)本發(fā)明的示例性皺紋檢測過程的流程圖。
圖10為根據(jù)本發(fā)明的示例性棱線檢測過程的流程圖。
圖11為用于執(zhí)行本發(fā)明的系統(tǒng)的示例性實施方案的方框圖。
圖12為根據(jù)本發(fā)明的示例性紋理老化過程的流程圖。
圖13為根據(jù)本發(fā)明的示例性紋理去老化過程的流程圖。
圖14為根據(jù)本發(fā)明的用于結(jié)合由斑點、皺紋和紋理所指示的面部皮
膚老化模擬的示例性過程的流程圖。
圖15為根據(jù)本發(fā)明的用于結(jié)合由斑點、皺紋和紋理所指示的面部皮 膚去老化模擬的示例性過程的流程圖。
發(fā)明詳述
示例性實施方案綜述
圖1為顯示根據(jù)本發(fā)明的用于面部皮膚的斑點、皺紋和紋理的老化/ 去老化模擬的示例性方法的高級流程圖。在101中，提供在標(biāo)準(zhǔn)光照下例
12如用常規(guī)的數(shù)字照相機采集的特寫面部照片作為輸入。在111中，在紫外 光照模態(tài)下(在照相機前面的具有紫外濾光器的紫外光源)采集的同一對 象的照片也被提供作為輸入。為了提供標(biāo)準(zhǔn)化的和可重復(fù)產(chǎn)生的照明條件 和圖像基準(zhǔn)，這兩個圖像優(yōu)選地用自動控制的面部圖像采集系統(tǒng)例如購自
Canfield Scientific, Inc.的VISIA Complexion Analysis System (后 文稱為VISIA)進(jìn)行采集。此外，這兩個圖像優(yōu)選地應(yīng)當(dāng)由斜視圖采集以 更好地顯示具有大皮膚斑點的臉頰區(qū)。
一般來講，101中的標(biāo)準(zhǔn)光照圖像輸入將表示成RGB (紅、綠、藍(lán)) 彩色圖像。然而請注意，本發(fā)明并非僅限于任何特定格式。在步驟105 中，將RGB圖像轉(zhuǎn)換成1976 CIE L*a*b*顏色空間。這樣一種顏色轉(zhuǎn)換 在本領(lǐng)域中通常用來分離圖像的亮度和色度分量。后文中L*a*b*轉(zhuǎn)換將 稱作LAB轉(zhuǎn)換，并且轉(zhuǎn)換的圖像將稱為LAB圖像。LAB圖像的L通道代表 亮度，而A和B分量代表色度。本文所述的幾種皮膚特征分析和再合成運 算在LAB圖像上執(zhí)行。盡管所述的各種實施方案顯示使用LAB顏色空間格 式，但采用包括亮度和色度分量的其它顏色空間格式來執(zhí)行本發(fā)明也是可 能的。
在103中，執(zhí)行面部皮膚檢測，其要求確定來自整個面部圖像的代表 皮膚(而不是毛發(fā)、眼睛、嘴唇、鼻唇溝等)的那些像素。面部皮膚檢測 過程如下所述。
根據(jù)在103中確定的皮膚像素，操作然后前進(jìn)到107，在此處描繪面 部的具體區(qū)域或"蒙版，，以執(zhí)行斑點、皺紋和紋理的老化模擬。針對斑點 和皺紋模擬生成覆蓋面部的某些部分的第一蒙版，以及針對紋理模擬生成 覆蓋面部的某些部分的第二蒙版。下面詳細(xì)描述了蒙版生成過程。
在113、 115和117中分別進(jìn)行斑點、皺紋和紋理的老化和去老化模 擬。在113中的斑點老化/去老化模擬接收經(jīng)LAB轉(zhuǎn)換的標(biāo)準(zhǔn)圖像(來自 105)和在RGB域中的紫外圖像(來自111)以及"斑點和皺紋老化蒙 版，，(來自107)，并在121中生成斑點老化的圖像以及在122中生成斑 點去老化的圖像。
115中的皺紋老化/去老化模擬接收經(jīng)LAB轉(zhuǎn)換的圖像(來自105)以 及"斑點和皺紋老化蒙版"(來自107),并分別在123和124中生成皺 紋老化的圖像和去老化的圖像。117中的紋理老化/去老化模擬接收經(jīng)LAB轉(zhuǎn)換的圖像(來自105)以 及紋理老化蒙版(來自107)，并分別在125和126中生成紋理老化的圖 像和去老化的圖像。
下面非常詳細(xì)地描述了斑點(113)、皺紋(115)和紋理(117)的 老化和去老化模擬的具體實施以及其中將個體老化的圖像和去老化的圖像 相結(jié)合的復(fù)合圖像的生成。下面也描述了用于在計算機監(jiān)視器上演示老化 的圖像和去老化的圖像之間的過渡的一個交互式滑塊應(yīng)用軟件。
圖11是可用來執(zhí)行本發(fā)明的一種系統(tǒng)1100的示例性實施方案的方框 圖。如圖11所示，系統(tǒng)1100包括圖像采集子系統(tǒng)1110例如前述的 VISIA Complexion Analysis System等,其連接到通用計算機1120上， 繼而又連接到輸出裝置1130上。計算機1120可為被編程用于依照本發(fā)明 進(jìn)行操作的個人計算機等。輸出裝置1130可包括多種裝置中的一種或多 種，例如常規(guī)計算機監(jiān)視器等，計算機1120控制其顯示圖像例如依照
本發(fā)明執(zhí)行的各種模擬的結(jié)果；打印裝置；存儲裝置；和通信裝置等等。
應(yīng)當(dāng)理解，可用各種各樣的硬件配置實施本發(fā)明，并且不受圖11系統(tǒng)的 限制。
面部皮膚檢測
基于皮膚特征的老化模擬應(yīng)當(dāng)在面部的皮膚區(qū)域上執(zhí)行。在本發(fā)明的 示例性實施方案中，面部的非皮膚區(qū)域例如嘴唇、毛發(fā)、眼睛、眉毛、鼻 孔等被排除于模擬之外。由標(biāo)準(zhǔn)面部圖像確定面部的皮膚區(qū)域。已經(jīng)開發(fā)
了幾種皮膚檢測算法用于各種用途，包括面部檢測在內(nèi)。(參見例如R.L. Hsu等人的"Face detection in color images" ， IEEE Transactions on Pattern Analysis and Machine Intelligence, 第24巻，第5期， 第696至707頁，2002年5月)。如果此類皮膚檢測算法提供合適的顆 粒性級別，則它們可用于根據(jù)本發(fā)明的面部皮膚老化模擬。
作為備選方案，可手工即用使用者輸入執(zhí)行皮膚檢測(和隨后的蒙版 生成)。在給定一個面部圖像的情況下，使用者可采用常規(guī)的基于計算機 的繪圖技術(shù)描繪面部的皮膚區(qū)域的輪廓。輪廓因此將限定老化/去老化模 擬所要用的蒙版。盡管計算上簡單，這種方法具有幾個缺點。它具有在模 擬過程中會包括面部的非皮膚部分的危險，并且也引入了人本身固有的主 觀性，可能導(dǎo)致結(jié)果上的巨大變化。在一個優(yōu)選的實施方案中，采用了新的皮膚檢測算法，其根據(jù)斜視圖 或正視圖僅截取面部皮膚的均勻亮度部分并排除非皮膚區(qū)域(眼睛、眉 毛、毛發(fā)、髭和胡須)以及陰影皮膚區(qū)域(例如頸部區(qū)域)。皮膚檢測根
據(jù)從L、 A和B測量值計算出的Individual Typology Angle (ITA)量度 執(zhí)行。(參見G.N. Stamatas等人的"Non-Invasive Measurements of Skin Pigmentation In Situ" 。 Pigment Cell Research, 第17巻，第 618至626頁，2004年)。ITA對于每個圖像像素(i, j )被定義為 arctan ( ( L[i， j]-50 ) /B[i， j])并且其與皮膚上的黑素濃度有關(guān)。假 設(shè)皮膚像素的ITA值將繞著某個值聚攏而非皮膚像素的ITA值明顯遠(yuǎn)離皮 膚像素的ITA值。
圖2為顯示說明根據(jù)本發(fā)明的示例性面部皮膚檢測過程的流程圖， 其利用前述的ITA制。在皮膚檢測之前，執(zhí)行粗略的面部檢測來從包含面 部、毛發(fā)、頸部和背景的整個圖像截取面部區(qū)域。所檢測的面部區(qū)域應(yīng)當(dāng) 包括面部的所有皮膚區(qū)域，但也可包括所有的面部特征(眼睛、眉毛、鼻 孔、嘴唇、毛發(fā))。為此，利用LUX顏色空間由特寫圖像分割面部區(qū)域。 (參見M. Levin等人的"Nonlinear color space and spatiote即oral MRF for hierarchical segmentation of face features in video"， IEEE Transactions in Image Processing,第13巻，第1期，2004年1 月)。
如圖2所示，處理開始于標(biāo)準(zhǔn)的RGB全頭部圖像，例如以上在101中 所提供的。在203中用以上在Levin參考文獻(xiàn)中所描述的技術(shù)將所述圖像 由RGB轉(zhuǎn)換到LUX空間。
在205中，分割面部區(qū)域。例如，這可通過在LUX圖像的U通道上應(yīng) 用0tsu閾值法來進(jìn)4亍。(參見N. 0tsu的"A Threshold Selection Method from Gray-Level Histograms ，， 。 IEEE Transactions on Systems, Man, and Cybernetics,第9巻，第1期，第62至66頁， 1979年，后文"Otsu參考文獻(xiàn)，，)。在205中生成描繪面部區(qū)域的面部 蒙版。面部皮膚檢測過程的其余部分然后可僅在面部區(qū)域執(zhí)行，從而減少 搜索空間并降低計算成本。
在207中，根據(jù)在205中執(zhí)行的分割所遮罩的原始RGB圖像被轉(zhuǎn)換到 LAB空間。因此，在面部區(qū)域內(nèi)執(zhí)行隨后的ITA制計算以進(jìn)一步分割面部非皮膚部分。因為ITA制計算的除法和反切運算對噪聲敏感，首先平滑L 和B通道是優(yōu)選的。如圖所示，此類平滑可通過用二維Gaussian濾波器 或其它類似技術(shù)過濾L和B圖像而分別在209L和209B中進(jìn)行。對于220 PPI的工作分辨率，該濾波器的L通道方差被選為5， B通道方差被選為 1. 5。
在211中，根據(jù)以下公式在面部區(qū)域內(nèi)計算每個像素的ITA: arctan ((L[i， j]-50) /B[i， j] ) 。 ITA圖像為處于[O 90]范圍內(nèi)的灰度圖像， 其中較小的ITA值與皮膚像素相對應(yīng)以及較大的值與非皮膚像素相對應(yīng)。 將這個灰度圖像在213中用Otsu閣值法分割成兩個區(qū)域。為此，僅在面 部區(qū)域中計算ITA圖像的直方圖。根據(jù)直方圖，Otsu閾值算法返回一個 閾值，其將把這個圖像分割成具有最小類間差異的兩類。此外，在這種閾 值法中可加入與皮膚區(qū)域相對于整個面部圖像的比率有關(guān)的先驗信息。 ( 參見 Q.Hu 等人的"Supervisedrange-constrained thresholding" , IEEE Transactions in Image Processing, 第 15 巻，第1期，第228至240頁，2006年1月，后文稱為"Hu參考文 獻(xiàn)")。對于典型的斜視像，面部像素的至少25%應(yīng)當(dāng)屬于皮膚像 素。Hu參考文獻(xiàn)描述了如何將該信息引入到基于Otsu的分割方法中。在 由閾值法算法計算出最佳閾值之后，ITA值小于該闊值的像素被歸類為皮 膚像素。這以后，生成二元(黑和白)圖像，其中用白色顯示皮膚像素以 及用黑色顯示非皮膚像素。
在213中生成的分割皮膚區(qū)域可包括形成小島的孤立的非皮膚像素。 此類非皮膚島嶼可在215中通過采用盤結(jié)構(gòu)元素的形態(tài)學(xué)閉運算或其它此 類技術(shù)而消除。例如，對于220 PPI的圖像分辨率，選擇這個盤的周長為 10。作為另外一種選擇，可具有在非皮膚面部特征(例如眉毛、毛發(fā)等) 中所檢測的皮膚碎片。這些小碎片也通過采用相同的盤結(jié)構(gòu)元素用形態(tài)學(xué) 開運算而消除。此外，由于獨特的皮膚特征例如大色斑的緣故， 一些個體 可具有大的非皮膚碎片。這些也可通過應(yīng)用形態(tài)學(xué)填充運算而消除。目標(biāo) 是要在一個包括臉頰、前額和鼻子在內(nèi)但不包括鼻孔、有陰影的鼻唇溝、 眼孔、眉毛和毛發(fā)(包括任何髭和胡須)的連續(xù)區(qū)域中檢測面部皮膚。對 于VISIA系統(tǒng)中采集的斜視像，圖3A中顯示了有效的面部皮膚蒙版的一個實例。這樣一個面部皮膚蒙版對執(zhí)行根據(jù)本發(fā)明的老化模擬是理想 的。
老化模擬蒙版的設(shè)計
對每個皮膚特征(斑點、皺紋和紋理)的老化才莫擬可在與該特定老化 模擬更為相關(guān)的面部皮膚區(qū)域的較小子集上執(zhí)行。例如，對臉頰區(qū)域(在 眼睛高度的下方以及嘴唇高度的上方)執(zhí)行皺紋和斑點模擬比在其它面部
皮膚區(qū)域這樣做更加有效。為此，如圖1所示，根據(jù)在103中生成的整個 面部皮膚蒙版，在107中生成了兩種不同的蒙版一斑點和鈹紋老化蒙版和 紋理老化蒙版。此類蒙版的實例示于圖3B和3C中。這些蒙版根據(jù)眼睛、 嘴唇和鼻子位置而設(shè)計。圖3B中所示的皺紋和斑點包括從眼睛高度到嘴 唇高度以及從鼻子高度到頰末的所有皮膚。圖3C中所示的紋理蒙版可從 眼睛高度向下延伸到頦的末端。眼睛和嘴唇區(qū)域被清晰地描繪在正面皮膚 蒙版中。這些特征的位置可用該圖像的垂直和水平投影進(jìn)行計算。垂直投 影的一個局部極小值提供眼睛的中心行，而第二局部極小值提供嘴唇的中 心行。 一旦確定了這些坐標(biāo)，便據(jù)此修剪整個面部皮膚圖像以生成兩種前 述的老化模擬蒙版。 斑點老化模擬
圖4為根據(jù)本發(fā)明的示例性實施方案的斑點老化模擬過程的流程圖。 根據(jù)經(jīng)L*a*b*轉(zhuǎn)換的標(biāo)準(zhǔn)圖像(來自105，圖1)、紫外圖像(來自 111，圖1)以及斑點和鈹紋老化蒙版(來自107，圖1)，該過程生成斑 點老化的圖像。如圖4所示，提供了紫外圖像以及如上所述所生成的斑點 /皺紋蒙版作為斑點老化模擬過程的輸入。采用熒光光鐠技術(shù)采集的紫外 圖像對于色素沉著斑點表現(xiàn)出清晰可辨的標(biāo)記(參見Miyamoto參考文 獻(xiàn))。這種光照模態(tài)通常用于皮膚病學(xué)中以清楚地顯示在標(biāo)準(zhǔn)圖像中原本 不可見的色素沉著損害。有力的證據(jù)表明，僅在紫外圖像下可見的這些色 素沉著斑點將由于光老化的緣故，隨著色素沉著變得更加嚴(yán)重(即，隨著 黑素沉積增加)而變得可見。應(yīng)當(dāng)注意，盡管參照紫外圖像和"紫外斑 點，，顯示示例性實施方案，但紫外光并不是使亞皮膚表面特征能夠可視化 的唯一光謙。 一般來講，本發(fā)明的該方面適用于不能被肉眼容易看見的任 何亞皮膚表面斑點，而與其中采集它們的光照模態(tài)的光鐠無關(guān)。說明書第10/24頁
圖4中所示的本發(fā)明的示例性過程模擬上述過程。從紫外圖^f嫌測到 的色素沉著斑點以及它們的對比度信息可用來調(diào)節(jié)標(biāo)準(zhǔn)圖像中對應(yīng)位置的 強度和顏色對比，從而模擬"老化斑點"隨時間的發(fā)展。
如上所述，標(biāo)準(zhǔn)和紫外圖像理想地應(yīng)當(dāng)在模擬之前進(jìn)行校準(zhǔn)以便在顯
示器中最佳實現(xiàn)。例如用VISIA系統(tǒng)順序地按最小延遲采集標(biāo)準(zhǔn)圖像和紫
外圖像可減輕或消除對于校準(zhǔn)的需要。然而，可采用幾種熟知的校正技術(shù) 中的任^可一種校正未^皮正確校正的圖Y象。(參見例如b. Srinivasa等人
的 "An FFT-Based Technique for Translation, Rotation and Scale-Invariant Image Registration ，， ， IEEE Transactions on Image Processing,第5巻，第8期，1996年8月)。
假設(shè)圖像被適當(dāng)?shù)匦Ｕ?，?03處執(zhí)行基于紫外圖像的紫外斑點檢 測。下面詳細(xì)描述了一種根據(jù)本發(fā)明的示例性紫外斑點檢測算法。紫外斑 點檢測算法返回紫外斑點的所有像素坐標(biāo)以及它們的對比度信息。斑點被 加上索引并且每個斑點附連一個具體標(biāo)簽(例如，號碼)。加索引可通過 逐行或逐列掃描代表紫外斑點的黑白圖像并給每個斑點按次序賦予一個號 碼來進(jìn)行。
在405處，紫外斑點抽取過程抽取一個斑點附近相鄰的斑點以便并非 紫外圖像中的所有斑點在標(biāo)準(zhǔn)圖像中均變成可見的。這種抽取過程可通過 以下事實被證明是正確的，即僅所有紫外斑點的子集將變成在標(biāo)準(zhǔn)圖像中 可見。抽取過程可通過在帶索引斑點列表中每隔一個或每隔兩個選擇一個 斑點來進(jìn)行。這將提供所有檢測過的紫外斑點的稀疏子集。
在抽取之后，生成了剩余斑點的紫外對比度圖像。紫外對比度圖像是 一種在紫外斑點的剩余子集中具有每個像素的紫外對比度強度的強度圖 像。在409處，剩余的紫外斑點的紫外對比度圖像被擴(kuò)大以放大紫外斑 點。這對在標(biāo)準(zhǔn)和紫外圖像中均可見的實際的色斑點將具有放大效應(yīng)。紫 外斑點的擴(kuò)大可通過使紫外對比度圖像變模糊來執(zhí)行。這種操作可通過用 一個二維Gaussian濾波器過濾紫外對比度圖像來進(jìn)行。Gaussian濾波器 對于工作分辨率的方差設(shè)定為5并可被增大或減小以調(diào)節(jié)擴(kuò)大效應(yīng)。作為 另外一種選擇，可不進(jìn)行擴(kuò)大，因為^f莫擬斑點老化而不擴(kuò)大是可能的。
在411A、 B和L處，采用擴(kuò)大的紫外斑點對比度圖像來修改原始標(biāo)準(zhǔn) 圖像亮度分量(L通道)和顏色分量(A和B通道)。紫外斑點對比度圖像因此在被加到原始圖像的L、 A和B分量之前被加權(quán)。眾所周知，色斑 的效果隨著強度變化而在L、 A和B中是可見的。在一個示例性實施方案 中，紫外斑點對比度在被加到L通道之前被乘以1.5 (即，eL = 1. 5)， 在被加到A通道之前乘以0.5以及在被加到B通道之前乘以 0.5 (即，a5)。這些數(shù)字的符號和絕對值根據(jù)研究發(fā)現(xiàn)和經(jīng)驗觀察
而確定。在將老化對比度相加之后，在413處通過執(zhí)行LAB至RGB轉(zhuǎn)換 而合成斑點老化的圖像。應(yīng)當(dāng)注意，如上所述，本發(fā)明并不僅限于任何特 定的顏色或圖像格式。例如，如果所得的圖像要進(jìn)行打印，則在413處的 轉(zhuǎn)換可為LAB至CMY轉(zhuǎn)換(即，轉(zhuǎn)換到熟知的典型用于打印的青-品紅-黃顏色空間)。如所理解的那樣，本發(fā)明所生成的圖像可被打印、顯示、 存儲、傳輸或經(jīng)受任何進(jìn)一步處理。此外，如所理解的那樣，例如如果所 得的圖像要以LAB格式進(jìn)行存儲或傳輸，則在413處的轉(zhuǎn)換可被免除或延 緩。
為此，通過智能地將紫外對比度信息的因子加到強度(L)和顏色(A 和B)分量中而在LAB色域中進(jìn)行老化模擬。通常用色度計在LAB域中廣 泛研究和量化色素沉著過度(S. Alaluf等人的"The impact of epidermal melanin on objective measurements of human skin colour" ， Pigment Cell Research,第15巻，第119至126頁，2002 年，后文稱為"Alaluf參考文獻(xiàn)")并在LAB域中分析圖像(N. Kollias等人的 "Optical Non-invasive Approaches to Diagnoses of Skin Diseases ，， , Journal of Investigative Dermatology Proceedings,第7巻，第1期，第64至75頁，2002年)。 一種研究涉 及用LAB色度計對人皮膚的正常區(qū)域和色素沉著區(qū)域進(jìn)行顏色測量，該研 究顯示所有的L、 A和B值均隨色素沉著程度(黑素含量)而變化。(參 見Alaluf參考文獻(xiàn))。據(jù)報告，L值將隨著黑素含量增加而變小，而A 和B值將隨黑素含量增加而變大。這解釋了色素沉著斑點的暗棕色外觀。
紫外斑點檢測和對比度計算
圖5為檢測紫外斑點和計算對比度的示例性過程的流程圖。該過程取 前述紫外圖像的藍(lán)色通道(例如來自111，圖1)，并返回紫外斑點以及 紫外對比度圖像。紫外圖像的藍(lán)色通道在各通道U、 G和B)中表現(xiàn)出最好的對比度，因為紫外熒光在藍(lán)色光鐠中較強。圖5過程的目標(biāo)是要從這 個灰度圖像中提取紫外斑點損害。
在503處，使藍(lán)色通道紫外圖像經(jīng)受噪聲過濾，其中圖像上的小變化 得到平滑。為此，已經(jīng)發(fā)現(xiàn)[5 x 5]中值濾波器對于紫外圖像(具有220 PPI的工作分辨率)很有效果。因為光源的不均勻強度場和面部的三維形 狀，不是所有的圖像像素均接收到等量的光，因此促使圖像在面部的不同 區(qū)域具有變化的強度。這種強度上的變化使得無法使用固定閾值來分離視 覺上比背景更暗的紫外斑點損害。為補償不均勻強度，在505中估算一種 緩變的背景強度并從每個像素的已過濾的強度上移除。緩變的背景強度可 通過利用具有用大濾波器支持的低通濾波器進(jìn)行估算。這樣一種濾波器可 采用Wiener濾波器，即根據(jù)局部平均和局部方差估計低頻二維強度表面 的自適應(yīng)低通濾波器，來執(zhí)行?？捎糜谠撃康牡囊环N示例性Wiener濾波 器通過一組圖像像素更新公式描述于附錄A-l中。例如將Wiener濾波器 的支持(尺寸)選為[41x41],大得足以包封平均大尺寸的紫外斑點，假 設(shè)為220 PPI的工作分辨率。
當(dāng)將背景強度水平從原始強度圖像的噪聲過濾形式移除時，便獲得對 比度圖像。這個對比度圖像包括正負(fù)兩個分量。紫外斑點位于負(fù)對比度區(qū) 域的子集中。因此，在507處，紫外斑點通過用固定閾值分割負(fù)對比度圖 像而獲得。在一個示例性實施方案中，選擇這個閾值處在約-3.5至-5.0的范圍內(nèi)。紫外斑點的判據(jù)是它的對比度值應(yīng)當(dāng)小于這個閾值。這種 斑點分割與平均的人類感知吻合良好。
作為507中的分割運算的結(jié)果，獲得了二元(黑色和白色)圖像，其 中白色損害代表紫外斑點以及黑像素代表背景。在509中平滑這個圖像， 例如用[5x5]中值濾波器。在511中，把紫外斑點加上索引并標(biāo)號，并且 計算與每個紫外斑點相關(guān)的面積(例如，像素的數(shù)目)。在513中，消除 面積小于閾值(例如，150個像素)的小紫外斑點和面積大于閾值(例 如，600個像素)的大紫外斑點。對于每個像素，即在過程506中生成的 紫外斑點圖像，返回剩下的紫外斑點以及對比度值。重要的是應(yīng)記得這些 對比度值是負(fù)值并代表深對比度。任選地，根據(jù)紫外對比度圖像(ID)通 過在515中進(jìn)行對比度加權(quán)的評分而生成嚴(yán)重性評分。這個評分通過相加 在有效紫外斑點內(nèi)部的所有ID值進(jìn)行計算。這個評分與色素沉著程度有關(guān)并可用來監(jiān)測色素沉著的惡化和改善。此外，在517中計算所檢測的紫 外斑點周長以便可將它們重疊在紫外圖像上來顯示紫外斑點。 斑點去老化才莫擬
在一個示例性實施方案中，利用標(biāo)準(zhǔn)圖像的L、 A和B通道在LAB顏 色空間中執(zhí)行斑點去老化模擬。連同色素沉著的斑點一起，在這些通道中 可辨別出紅色斑點(因結(jié)痣和皮膚病例如痤疳而引起的小紅腫區(qū)域)。為 使模擬更加逼真，優(yōu)選地根據(jù)本發(fā)明的示例性實施方案去除此類皮膚特 征。
圖6為根據(jù)本發(fā)明的一個示例性斑點去老化過程的流程圖。采用LAB 圖像(例如來自105，圖1 )以及斑點和皺紋蒙版(例如來自107,圖 1),在603中執(zhí)行斑點檢測和對比度計算。下面參照圖7A和7B詳細(xì)描 述了一種示例性的斑點檢測和對比度計算算法。對比度是指相對于由局部 鄰域計算出的低通背景強度的像素強度差異。
在609L中將斑點損害內(nèi)的L上的對比度值乘以值e^并在611中將它 加到原始L通道上來使L的負(fù)對比度與背景水平齊平。類似地，在609A 處將在斑點損害內(nèi)A中的對比度值乘以值eA并在611A處將它加到原始A 通道上來使A的色差與背景顏色齊平。類似地，在609B中將斑點損害內(nèi) B中的對比度值乘以值eB并在611B中將它加到原始B通道上來使B的色 差與背景顏色齊平。應(yīng)當(dāng)注意，L中的對比度用來修改斑點的暗度而A和 B中的對比度用來修改斑點的顏色。在斑點損害內(nèi)去除L、 A和B通道中 的對比度將會使斑點損害的強度和顏色與背景皮膚的強度和顏色齊平。這 將具有移除斑點損害和面部皮膚外觀更光滑的視覺效果。因此，斑點去老 化的圖像可用來預(yù)l艮有效治療所期待的結(jié)果。
斑點檢測算法
圖7A和7B示出了一種示例性斑點檢測算法。在703中，將標(biāo)準(zhǔn)RGB 圖像701轉(zhuǎn)換到LAB顏色空間，并在705L、 705A和705B中分別對L、 A 和B通道單獨地應(yīng)用噪聲過濾。在所示的示例性實施方案中，用具有較小 濾波器支持例如[5 x 5]的Wiener濾波器執(zhí)行噪聲過濾，如上所述。然 后，在707L、 707A和707B中，將具有例如[61 x 61]支持的Wiener濾波 器分別應(yīng)用到經(jīng)噪聲濾波的L、 A和B圖像上來估算在斑點和皺紋模擬蒙 版中每個像素的背景強度和顏色。對于L、 A和B通道的每個像素，通過分別在708L、 708A和708B中用每個像素的經(jīng)噪聲濾波的L、 A和B值減 去每個像素的低通L、 A和B值來計算對比度值。
對比度圖像(此處"對比度圖像，，是指所有以對比度值作為強度的圖 像像素的集合)為良好的斑點指示物。在皮膚病學(xué)研究中已得到確認(rèn)，斑 點損害的強度小于背景皮膚的強度，并且它們在A和B中的顏色分量大于 背景皮膚的顏色讀數(shù)。(應(yīng)當(dāng)注意，背景皮膚在本文中被認(rèn)為是健康的和 光滑的，以及斑點損害被i^為在背景里面是稀疏的)。才艮據(jù)這些判據(jù)，分 別在709L、 709A和709B中在通道L中的負(fù)對比度區(qū)域和通道A和B中的 正對比度區(qū)域中選擇斑點損害。此外，由708L、 708A和708B獲得的對比 度圖像通過709L、 709A和709B運算被細(xì)化以產(chǎn)生更有意義的對比度圖 像。在這些運算后對比度圖像被用于斑點的去老化模擬。
在711中，根據(jù)來自L、 A和B通道的對比度值對于每個像素計算斑 點色差制(DE) 。 CIE L*a*b*感知的色差制常常用于顏色學(xué)以量化人的 視覺對兩種色片間差異的敏感性。在示例性的實施方案中，采用這個尺度 將斑點顏色與背景皮膚顏色區(qū)分開來以便斑點分割與人的感知相符。 一般 來講，如果這個尺度大于3. 5，則雙眼可辨別顏色上的區(qū)別。
前進(jìn)到圖7B，在713中通過比較DE與閾值例如4. 5以分割出斑點來 分割斑點。根據(jù)所期望的敏感度，這個閾值可從3.5改變到5。在這個閾 值運算之后，獲得了斑點損害的二元(黑色和白色)圖像，其中白色小島 代表斑點。在715中任選地平滑這個二元圖像以具有平滑形狀的斑點損 害。
在717中，通過分配編號來對分割對象進(jìn)行標(biāo)記。
基于例如如上所述的閾值DE的斑點分割步驟一般將分割出皺紋部分 和大毛孔的子群以及斑點。在719中，小對象例如毛孔(一般小于斑點) 通過將最小面積約束應(yīng)用到分割對象上而消除。例如，在給定分辨率 (220 PPI)下IOO個像素的面積閾值是令人滿意的。
在721中，為了消除皺紋和皺紋狀特征，然后計算剩余斑點損害的某 些形狀性質(zhì)。示例性的性質(zhì)可包括面積、縱橫比、實心度、長軸長度、短 軸長度、偏心度和范圍。這些均是本領(lǐng)域所常用的二維形狀性質(zhì)并在附錄 A-3: Definitions of Shape Properties中力口以定義。為消除鈹故和鈹 紋狀特征，用縱橫比(短軸長度/長軸長度)作為判據(jù)。例如，具有小于0.25的縱橫比的對象可視為皺紋并作為斑點予以消除。例如同樣可采用 0.3的范圍閾值來消除變形的和模糊的形狀特征。(范圍是密實度測量 值，在[O l]范圍內(nèi)變化，其中高值對應(yīng)致密對象)。在721中應(yīng)用這些 形狀和尺寸約束之后，記錄剩下的對象和其像素位置以及前面在709L、 709A和709B中對于這些斑點位置計算的對比度值。對比度值被用于斑點 的去老化模擬。任選地，在723中根據(jù)在711中計算的整個對比度圖像 (DE)生成嚴(yán)重性評分。該評分通過相加有效斑點內(nèi)的所有DE值進(jìn)行計 算。該評分與色素沉著過度和皮膚不均勻性的程度有關(guān)并且可用來監(jiān)測皮 膚狀況的惡化和改善。此外，在725中計算所檢測的斑點周長以便可將它 們覆蓋在圖像上來顯示斑點。 皺紋老化和去老化模擬
圖8是根據(jù)本發(fā)明的一個示例性皺紋老化和去老化模擬過程的流程 圖。在801中，釆用由以上生成的斑點和皺紋蒙版所遮革的LAB圖像的亮 度(L)通道執(zhí)行皺紋檢測步驟。皺紋特征的顏色分析證明，細(xì)皺紋中的 顏色并不明顯不同于背景皮膚的顏色。然而皺紋的亮度明顯不同于背景亮 度。為此，采用L通道來檢測和模擬皺紋老化/去老化。801中的皺紋檢 測步驟提供皺紋特征以及它們的"皺紋強度"值。"皺紋強度"是一個與 對比度不同的量度并根據(jù)定向濾波器進(jìn)行計算。(參見W.T. Freeman等 人的 "The design and use of steerable filters" , IEEE Trans. Pattern Analysis and Machine Intelligence, 第13巻，第9期，第 891至906頁，1991年，后文稱為"Freeman參考文獻(xiàn)")。下面詳細(xì)描 迷了一種示例性的皺紋檢測算法。
在皺統(tǒng)檢測之后，在803中進(jìn)行偽皺紋消除步驟。801中的皺紋檢測 步驟所生成的候選皺紋被分割出，作為在暗皮膚背景上的白色對象。將這 個黑白圖像稱作棱線對象圖像。大多數(shù)棱線對象是由于皺紋和細(xì)紋的緣 故，但有一些可來自其它面部特征例如大斑點的邊界、對齊的毛孔、皮膚 上的黑毛發(fā)和細(xì)血管絲等等，這些偽特征中的大部分可才艮據(jù)一組形狀、尺 寸和顏色判據(jù)進(jìn)行消除。下面更詳細(xì)描述了這種示例性過程。該過程返回 有效皺紋以及它們的強度圖像。皺紋強度圖像在有效皺紋像素上取棱線圖 鐠的值并在別處取零。該皺紋強度圖像將被用于皺紋老化和去老化模擬。對于皺紋的老化模擬，在807中擴(kuò)大皺紋強度(后文稱為皺紋對比 度)以得到增濃效果，其將伴隨老化一直發(fā)生。例如，可用例如濾波器方 差為2的二維Gaussian濾波器執(zhí)行擴(kuò)大操作。上面相對于紫外斑點擴(kuò)大 描述了這個步驟。在809A中，將擴(kuò)大的對比度接著乘以增強因子eL (例 如，2)并加到L通道上。這些運算的凈效應(yīng)是在原始圖像中所見的皺紋 顯得更暗和更密，并且在原始圖像中不是清楚可見的淡皺紋變得可見。最 后，在811中通過LAB至RGB轉(zhuǎn)換接著合成了皺紋老化的圖像。重要的 是要注意到，皺紋將隨年齡生長，并且這個過程的模擬可通過延伸所檢測 的皺紋而進(jìn)行。皺紋的延伸可除了擴(kuò)大運算之外或作為其另外一種選擇來 進(jìn)行。
對于皺紋的去老化，不執(zhí)行對比度擴(kuò)大并且在809D處從L通道移除 皺紋對比度以便將皺紋的強度水平帶到周圍背景皮膚的強度水平上。最 后，在813中通過LAB至RGB轉(zhuǎn)換合成了皺紋去老化的圖像。
皺紋檢測算法
現(xiàn)在將參照圖9描述皺紋檢測過程。在901中，轉(zhuǎn)換被斑點和皺紋蒙 版所遮罩的標(biāo)準(zhǔn)RGB圖像以獲得LAB圖像。在示例性的實施方案中，僅L 通道用來檢測皺紋。在903中，在皺紋老化模擬蒙版內(nèi)將采用如上所述的 Wiener濾波器的噪聲過濾過程應(yīng)用于L通道。濾波器具有例如[3 x 3]的 支持。在905中，將具有例如[21 x 21]的支持的又一個Wiener濾波器應(yīng) 用到噪聲過濾過的L通道上以估算背景照明強度。優(yōu)選地，這個濾波器的 規(guī)格應(yīng)當(dāng)足夠大以覆蓋工作分辨率中的皺紋。在907中，通過在皺紋蒙版 內(nèi)用噪聲過濾過的L值減去低通L值計算每個像素的對比度值。
在909中，選擇具有負(fù)對比度值的區(qū)域(例如，暗區(qū)域)用于皺紋檢 測。這是因為根據(jù)觀察，細(xì)皺紋比背景要暗(在L中較低)。在911中， 將棱線檢測步驟應(yīng)用到負(fù)對比度圖像上來檢測細(xì)長結(jié)構(gòu)。在下面更詳細(xì)描 述的一個示例性實施方案中，棱線檢測步驟采用定向濾波器(參見 Freeman參考文獻(xiàn)以及J. Staal等人的"Ridge-based segmentation in color images of retina" ， IEEE Transaction on Medical Imaging, 第23巻，第4期，第501至509頁，2004年4月，后文稱為"Staal參 考文獻(xiàn)")。棱線檢測步驟接受對比度圖像并返回"棱線強度"和"棱線 取向"圖像。這兩個圖像在913中進(jìn)行進(jìn)一步處理以獲得經(jīng)過修改的棱線強度圖像或"棱線圖語"。下面詳細(xì)描述了棱線圖鐠計算步驟。棱線圖鐠 為代表曲線結(jié)構(gòu)的灰色亮度圖像并表現(xiàn)出對皺紋的強烈反應(yīng)。
為從棱線圖鐠圖像中確定皺紋結(jié)構(gòu)，在915中應(yīng)用滯后閾限(參見F. J. Canny的"A computational approach to edge detection" ， IEEE Transactions on Pattern Analysis and Machine Intelligence, 第8 巻，第6期，第679至698頁，1986年)。滯后閾值法是將弱結(jié)構(gòu)連接 到強結(jié)構(gòu)上的更軟形式的閾值法并涉及低和高閾值。這些閾值的示例性值 為4和8。
棱線檢測
皺紋在標(biāo)準(zhǔn)圖像中將本身顯示成細(xì)長的結(jié)構(gòu)。它們在強度上(L通 道)相對于背景皮膚強度水平大部分是可見的并且與背景皮膚顏色相比在 顏色方面(A和B通道)幾乎沒有差別。因此，可通過利用為細(xì)長結(jié)構(gòu)所 設(shè)計的檢測器從L通道中將它們提取出來。
高斯核的二階方向?qū)?shù)通常用來在圖像處理中檢測細(xì)長結(jié)構(gòu)。(參見 例如Staal參考文獻(xiàn)。這些導(dǎo)數(shù)實際上為Freeman參考文獻(xiàn)所描述的一類 導(dǎo)向濾波器。)這些濾波器是對棱線特征敏感的基本濾波器并具有垂 直、水平和對角取向。圖10是利用此類導(dǎo)向濾波器的示例性棱線檢測步 驟的流程圖。
如圖10所示，分別在1001A、 IOOIB和1001C中用例如以上所述的第 一、第二和第三濾波器使DE圖像經(jīng)受二維巻積。為了分析一個圖像中結(jié) 構(gòu)的取向和強度，在1003中對于每個像素形成了 Hessian矩陣，其元素 為基礎(chǔ)濾波器響應(yīng)。接著，在1005中，對每個像素的[2x2] Hessian矩 陣執(zhí)行Eigen解析。Eigen解析返回兩個特征值(el， e2 )和彼此正交的 兩個特征向量(vl， v2)。棱線強度被定義為正特征值(例如，el)-如 果它的絕對值大于第二特征值(例如，e2)，并且棱線取向為第二特征向 量(v2)。在這種方法的一個變型中，當(dāng)el>0和lellHe2l時棱線強度被 定義為(el-e2)。已經(jīng)觀察到這種定義更好地強調(diào)皺紋結(jié)構(gòu)。
棱線圖譜計算
如上所述，示例性的棱線檢測過程給每個像素返回兩個有用的參數(shù) 棱線強度，為指示皺紋多深的標(biāo)量值；和棱線取向，為指定皺紋在特定像 素位置的方向的向量。根據(jù)這兩個參數(shù)生成棱線圖譜圖像。在這種情況下，對于每個像素，定義新的棱線強度，其將原始棱線強度和取決于相鄰 像素取向的強度項考慮在內(nèi)。這個強度項通過將當(dāng)前像素的方向向量與當(dāng)
前像素的8個相連的鄰域中的每個像素的方向向量的內(nèi)積相加進(jìn)行計算。 這個過程用附錄A-2中的一組公式進(jìn)行描述。 偽鈹紋消除
偽皺紋消除過程的目標(biāo)是根據(jù)形狀和尺寸性質(zhì)消除偽正值(偽皺 紋)。為此，把滯后閾限(915)之后的所有候選皺紋標(biāo)號并且對于每個 計算多個形狀性質(zhì)。這些形狀性質(zhì)可包括短軸長度、長軸長度、面積、 實心度和偏心度。這些二維形狀性質(zhì)的定義是標(biāo)準(zhǔn)的并在附錄A-3中給 出。
根據(jù)這些形狀性質(zhì)，將棱線對象分成四類短皺紋、長皺紋、網(wǎng)絡(luò)皺 紋和非皺紋。要落在前三類之一中，棱線對象的性質(zhì)必須滿足對應(yīng)的判據(jù) 組。例如，對于是短皺紋的棱線形狀，其長度必須介于最小(例如，30 個像素)和最大長度(例如，50個像素)閾值之間；其縱橫比(短軸長 度/長軸長度)必須小于縱橫閾值(例如，0.25);其偏心度必須大于偏 心度閾值(例如，0.97)，以及其實心度必須大于最小實心度閾值(例 如，0.49)。類似地，對于長皺紋有一組判據(jù)以及對于網(wǎng)絡(luò)皺紋有另一組 判據(jù)。這些閾值根據(jù)檢查一組訓(xùn)練圖像上的皺紋而憑經(jīng)驗確定。未歸類為 這些皺紋類型中的一種的棱線對象被歸類成非皺紋。剩余的棱線對象被稱 作有效皺紋并返回到皺紋檢測算法。
紋理老化模擬
本文所用的術(shù)語"紋理"是指干擾皮膚總體光滑度的小皮膚特征。紋 理老化和去老化模擬是根據(jù)紋理特征和對比度的檢測。紋理特征包括毛 孔、小白色斑和小的粗糙破壞。在紋理蒙版內(nèi)執(zhí)行紋理老化和去老化模 擬。圖3C示出了典型的紋理蒙版。
圖12為根據(jù)本發(fā)明的一個示例性紋理老化過程的流程圖。采用被紋 理蒙版(例如，來自107的紋理蒙版，圖1)所遮罩的標(biāo)準(zhǔn)面部圖像(例 如，來自105的標(biāo)準(zhǔn)面部圖像，圖1)的亮度(L)通道執(zhí)行紋理老化模 擬。在1201中，從L通道去除低通背景強度。為此，通過應(yīng)用具有例如 [21x21]的濾波器支持的例如如上所述的Wiener濾波器計算背景強度水 平。從L通道減去該項以生成對比度圖像。對比度圖像具有正負(fù)兩分量。具有負(fù)對比度值的區(qū)域被稱作低紋理區(qū)域以及具有高對比度值的區(qū)域被稱 作高紋理區(qū)域。低紋理區(qū)域的實例為毛孔，而高紋理區(qū)域的實例為很小的 白斑點。
在1203L中通過用負(fù)閾值(例如，-2. 5 )對對比度圖像進(jìn)行閾限，即 通過選擇對比度小于這個閾值的像素，進(jìn)行低紋理區(qū)域的分割。此外，將 分割紋理損害標(biāo)號并且也記錄下?lián)p害面積。應(yīng)用小面積閾值(例如，10) 來去除主要由于噪聲產(chǎn)生的很小損害。應(yīng)用大面積閾值(例如，120)來 去除由于小斑點和皺紋的緣故產(chǎn)生的大損害。
在1205L處記錄下每個像素的剩余紋理損害和它們的對比度值(低紋 理對比度圖像)。此外，在1207處通過釆用具有方差1的二維Gaussian 濾波器，擴(kuò)大低紋理對比度圖像。這種擴(kuò)大運算的凈效應(yīng)是放大面部圖像 中的毛孔。毛孔放大隨著年齡或者皮膚健康的惡化而自然地發(fā)生?？稍黾?方差值來增加放大程度。
類似地，為分割高紋理區(qū)域，在1203H中將正閾值(一般為2. 5)應(yīng) 用到正對比度圖像上，即通過取大于這個閾值的像素。接下來，將分割紋 理損害標(biāo)號并記錄下?lián)p害面積。應(yīng)用小面積區(qū)域(一般10個像素)以去 除主要因噪聲的緣故產(chǎn)生的很小損害。應(yīng)用大面積閾值(一般100個像 素)來去除由于日照即過量的光照射在臉上產(chǎn)生的大損害。在U05H中記 錄下每個像素的剩余的紋理損害和它們的對比度值。
在1209L中，將擴(kuò)大的低紋理對比度乘以增強因子e！并在ini中加 到L通道上。類似地，將高紋理對比度圖像乘以增強因子eh并在1211中 加到L通道上。增強因子61和eh的示例性值分別是1. 0和0. 5。在1213 中，通過LAB至RGB轉(zhuǎn)換合成紋理老化的圖像。
紋理去老化模擬
示例性紋理去老化模擬旨在降低紋理特征例如毛孔和小白斑點的尺寸 和強度。在斑點或皺紋去老化模擬中完全去除紋理特征將引起過于光滑的 外觀并且不會提供逼真的皮膚圖像。
圖13是根據(jù)本發(fā)明的示例性紋理去老化過程的流程圖。也在亮度通 道中執(zhí)行紋理去老化。在1301中，從L通道移除低通背景強度。為此， 通過應(yīng)用具有例如[21 x 21]的濾波器支持的如上所述的Wiener濾波器計 算背景強度水平。從L通道減去背景強度水平以生成對比度圖像。對比度圖像具有負(fù)和正兩分量。具有負(fù)對比度值的區(qū)域被稱作低紋理區(qū)域以及具 有高對比度值的區(qū)域被稱作高紋理區(qū)域。
在1303L處，為分割低紋理區(qū)域(即，大毛孔)，將負(fù)閾值(為一 般-2. 5)應(yīng)用到負(fù)對比度圖像，分割紋理損害被加上索引并標(biāo)號并且也記 錄下?lián)p害的面積。此外，應(yīng)用小面積閾值(一般為50)來去除小毛孔以 及應(yīng)用大面積閾值(一般為120)來去除由于斑點和皺紋的緣故產(chǎn)生的大 損害。在1305L中計算并記錄下每個像素的剩余紋理損害(其大多數(shù)為大 毛孔)以及它們的對比度值(低紋理對比度圖像)。在1307L中，通過對 具有例如周長2的盤結(jié)構(gòu)元件的低紋理對比度圖像應(yīng)用形態(tài)學(xué)擴(kuò)大運算而 使低紋理區(qū)域經(jīng)受收縮。這種運算的凈效應(yīng)是毛孔的收縮以及在面部皮膚 上毛孔的顏色變深減輕，與在有效治療后改善皮膚狀況有關(guān)。
類似地，在1303H處，為分割高紋理區(qū)域"艮小的白斑點)，通過取 大于某個閾值(例如，2. 5)的像素將正閾值應(yīng)用到正對比度圖像。分割 紋理損害被標(biāo)號并也記錄下?lián)p害的面積。應(yīng)用小面積閾值(例如，30個 像素)來去除很小的損害以及應(yīng)用大面積閾值(例如，300個像素)來去 除因收縮的緣故產(chǎn)生的大損害。在1305H處計算并記錄下每個像素的剩余 紋理損害以及它們的對比度值(高紋理對比度圖像)。在1307H處，通過 對具有例如周長2的盤結(jié)構(gòu)元件的高紋理對比度圖像應(yīng)用形態(tài)侵蝕操作而 使高紋理區(qū)域經(jīng)受收縮。這種操作的凈效應(yīng)是明顯的大白斑點毛孔的收縮 以及在面部皮膚上這些特征的強度變小，同樣與在有效治療后改善皮膚狀 況有關(guān)。
在二309L處，將降低的低紋理對比度乘以增強因子e,并在U11處加 到L通道上。類似地，將高紋理對比度圖像乘以增強因子&并在1311中 加到L通道上。增強因子ei和eh的示例性值分別為1. 0和1. 0。在1313 中，通過LAB至RGB轉(zhuǎn)換合成紋理老化的圖像。
總體皮膚老化和去老化^f莫擬
可將上述對面部皮膚由于斑點、皺紋和紋理而出現(xiàn)的老化的模擬相組 合來模擬面部皮膚的總體老化。圖14為用于這樣做的示例性過程的流程 圖。通過用斑點、皺紋和紋理的老化對比度修改L、 A和B通道，在LAB 色域中合成總體老化的圖像。如圖14所示，為了將斑點、皺紋和紋理合 并進(jìn)整體過程，在1401S中生成在L、 A和B通道中的老化對比度圖像；在1401W中生成在L通道中的皺紋老化對比度圖像；以及在1401T中生成 L通道中的紋理老化對比度圖像。分別在1403SA、 1403SB和1403SL中通 過ws因子加權(quán)每個A、 B和通道斑點老化圖^f象；在1403WL中用因子Ww加 權(quán)L通道皺紋老化圖像；以及在1403TL中用因子Wt加權(quán)L通道紋理老化
圖像。選擇三個加權(quán)因子Ws、 Ww和Wt來強調(diào)或不再強調(diào)總體老化的圖像的
各個分量的貢獻(xiàn)。分別在1405SA和1405SB中將所加權(quán)過的A和B通道斑 點老化的圖像加到最終圖像的A和B圖像上。在1405L中將所加權(quán)過的L 通道斑點、皺紋和紋理圖像相組合并在1407L中加到最終圖像的L通道 上。在1409中使如此修改的L、 A和B通道經(jīng)受LAB至RGB轉(zhuǎn)換以生成 處在RGB域中的總體老化的圖像。
以類似的方式，可將上述對由于斑點、皺紋和紋理而出現(xiàn)的面部皮膚 去老化的模擬相組合以模擬面部皮膚的總體去老化。圖15為用于這樣做 的示例性過程的流程圖。分別在1501SL、 1501SA、 1501SB以及1501W和 1501T處通過各自的斑點、皺紋和紋理去老化模擬生成在L、 A和B中的 去老化對比度。在1503SL、 1503W和1503T中用各自的權(quán)重因子ws、 Ww和 仏加權(quán)L中的每個對比度圖像來強調(diào)或不再強調(diào)各自分量對總體去老化的 圖像的貢獻(xiàn)。這些權(quán)重因子的優(yōu)選值全都是1。在1505中結(jié)合所加權(quán)過 的L通道斑點、皺紋和紋理對比度圖像并在1507中加到最終圖像的L通 道上。類似地，在1503SA處對A中的斑點對比度用仏進(jìn)^f亍加權(quán)并在 1507SA中加到A通道上。在1503SB處對B中的斑點對比度用Ws進(jìn)行加權(quán) 并在1507SB加到B通道上以得到最終的A和B通道。在1509處進(jìn)行的 LAB至RGB轉(zhuǎn)換生成處于RGB域中的總體去老化的圖像。在最終的圖像 中，消除了突出的皮膚特征并減少了小皮膚特征(毛孔)。這樣一種圖像 對預(yù)^^在對色素沉著過度、皺紋或皮膚紋理采用治療后受試者皮膚面部可 能看起來如何非常有用。
用于皮膚老化/去老化^^擬的交互工具
可在計算機監(jiān)視器上通過并列顯示原始圖像和模擬的圖像并提供交互 式滑塊控制以使觀察者能夠調(diào)節(jié)老化程度來證明根據(jù)本發(fā)明的 一個示例性 實施方案的皮膚老化/去老化模擬。取決于所期望的模擬(斑點、皺紋、 紋理或它們的任何組合)，將老化的或去老化的圖像與原始圖像相混合， 其中混合程度取決于滑塊位置。當(dāng)滑塊處在中間位置上時，原始圖像被顯示在左和右兩個面板中。當(dāng)使用者上移滑塊時，通過將原始圖像與去老化 的圖像進(jìn)行Ot混合，去老化模擬圖像被顯示在右面板上。類似地，當(dāng)使用
者下移滑塊時，通過將原始圖像與老化的圖像進(jìn)行oc混合，顯示老化模擬 圖像。a混合是兩個圖像的線性加權(quán)并且是本領(lǐng)域常用來混合兩個圖像的 標(biāo)準(zhǔn)運算。對于本專利申請而言，可用oc混合離線生成斑點、皺紋和紋理 的各種老化的和去老化的圖像并且優(yōu)選地實時執(zhí)行圖像渲染。
應(yīng)當(dāng)注意，在上述的每個老化和去老化模擬中，要進(jìn)行模擬的老化或 去老化的程度優(yōu)選地在合適的期限內(nèi)是使用者可選擇的，例如，5至10 年，以證明自然老化，或者幾個月，以證明因治療產(chǎn)生的去老化。
應(yīng)當(dāng)理解，上述實施方案示出了僅幾個可代表本發(fā)明應(yīng)用的具體實施 方案。本領(lǐng)域的技術(shù)人員可作出很多不同的其它布置而不脫離本發(fā)明的實 質(zhì)和范圍。
附錄
A-l. WIENER濾波器
給定一個[MxN]灰度圖像g，通過a力給出在坐標(biāo)g(!',力處的值，下面 的步驟釆用中心在(,，/)處的局部[KxK]分析窗口執(zhí)行Wiener濾波器，其中 K是奇數(shù)。
1. 在位于像素值所在之處的當(dāng)前像素的[KxK]鄰域中計算局部均差
W,/)和局部方差cr20',/>: ("/)
<formula>formula see original document page 30</formula>
2. 通過平均橫跨整個圖像的局部方差計算噪聲方差 2
3. 用下面的更新公式計算經(jīng)過濾波的圖像像素值/(/,_/):^ 0,7)
否則
4.對于圖像中的所有像素重復(fù)步驟3。 A-2.棱線圖鐠生成
對于處在感興趣區(qū)域(ROI)中的每個像素坐標(biāo)(/,/)執(zhí)行下面的計算 步驟
1. 由棱線檢測器獲得下面的數(shù)量 外'，力棱線強度，正實數(shù)
r(/,力棱線取向向量，具有實數(shù)的2元向量。
2. 根據(jù)這些數(shù)量，按處于八相連的鄰域中的定向向量的內(nèi)積之和計 算方向強度
何"力-2l,〈p;,。，其中〈.〉表示內(nèi)積運算，以及^表示當(dāng)前像素
的棱線定向向量，以及p;表示鄰域中第n個像素的棱線定向向量。
3. 將一部分方向強度加到棱線強度上來計算棱線圖譜
—'，_/) = D + 其中"為處在
范圍內(nèi)的權(quán)重因子。
A-3.形狀性質(zhì)的定義
性質(zhì) 定義
面積 對象中的像素數(shù)目
長軸長度 與對象具有同一正規(guī)化二階中心矩的橢圓的長軸長度(單位 為像素)。
短軸長度 與對象具有同一正規(guī)化二階中心矩的橢圓的短軸長度(單位 為像素)。
范圍 也處在對象中的像素在邊框中的比例。邊框是包含對象的最
小的矩形。
偏心度 與對象具有同一二階矩的橢圓的偏心度。偏心度是在橢圓焦
點之間的距離和它的長軸長度的比率。實心度 也處在對象中的像素在凸殼中的比例。凸殼是包含對象的最
小凸多邊形。
權(quán)利要求
1.一種操縱面部圖像以模擬斑點老化的方法，所述方法包括將所述面部圖像轉(zhuǎn)換成具有強度分量和顏色分量的顏色空間格式；獲得所述面部圖像的亞表面型式；根據(jù)所述面部圖像的亞表面型式檢測亞表面斑點；選擇一組所述亞表面斑點；生成所述一組亞表面斑點的對比度圖像；和根據(jù)所述對比度圖像修改所述面部圖像的強度分量和顏色分量中的至少一個，從而生成斑點老化的面部圖像。
2. 如權(quán)利要求l所述的方法，所述方法包括 將蒙版應(yīng)用于所述面部圖像的亞表面型式。
3. 如權(quán)利要求l所述的方法，所述方法包括 對齊所述面部圖像的亞表面型式和標(biāo)準(zhǔn)型式。
4. 如權(quán)利要求1所述的方法，其中所述面部圖像的亞表面型式和標(biāo)準(zhǔn) 型式基本上相對于彼此對齊。
5. 如權(quán)利要求l所述的方法，所述方法包括 擴(kuò)大所述對比度圖像以放大所述一組亞表面斑點中的每一個。
6. 如權(quán)利要求l所述的方法，其中檢測亞表面斑點包括 對所述面部圖像的亞表面型式進(jìn)行噪聲過濾； 估算所述面部圖像的經(jīng)噪聲過濾的亞表面型式的背景亮度； 從所述面部圖像的經(jīng)噪聲過濾的亞表面型式中移除背景亮度估算 值，從而生成對比度圖像；根據(jù)對比度閾值分割所述對比度圖像，從而生成一組分割對象；和 消除小于最小面積閾值的分割對象。
7. 如權(quán)利要求6所述的方法，其中檢測亞表面斑點包括 平滑所述一組分割對象。
8. 如權(quán)利要求1所述的方法，其中選擇紫外斑點的子集包括對所檢測 的紫外斑點進(jìn)行抽樣，以便所迷紫外斑點的子集是稀疏的。
9. 如權(quán)利要求l所迷的方法，其中擴(kuò)大所述對比度圖像包括用Gaussian濾波器過濾所述對比度圖4象。
10. 如權(quán)利要求9所述的方法，其中所述對比度圖像具有約220ppi的 工作分辨率，并且所述Gaussian濾波器具有約5的方差。
11. 如權(quán)利要求1所述的方法，其中修改所述面部圖像的強度分量和顏 色分量包括加權(quán)所述對比度圖像；和將所加權(quán)過的對比度圖像加到所述面部圖像的強度分量和顏色分量 中的每一個上。
12. 如權(quán)利要求1所述的方法，其中具有強度分量和顏色分量的顏色空 間格式為具有亮度分量L以及顏色分量A和B的LAB格式。
13. —種操縱面部圖像以模擬斑點去老化的方法，所述方法包括 將所述面部圖像轉(zhuǎn)換成具有強度分量和顏色分量的顏色空間格式； 檢測所述面部圖像中的斑點； 生成所述斑點的對比度圖像；和根據(jù)所述對比度圖像修改所述面部圖像的強度分量，從而生成斑點 去老化的面部圖像。
14. 如權(quán)利要求13所迷的方法，所述方法包括 在檢測斑點前將蒙版應(yīng)用到所述面部圖像上。
15. 如權(quán)利要求13所述的方法，其中檢測斑點包括 對所述面部圖像進(jìn)行噪聲過濾；估算經(jīng)噪聲過濾的面部圖像的背景亮度；從所述經(jīng)噪聲過濾的面部圖像中移除背景亮度估算值，從而生成對比度圖像；生成色差圖像；根據(jù)閾值分割所述色差圖像，從而生成一組分割對象；和 消除偽斑點。
16. 如權(quán)利要求15所述的方法，其中檢測斑點包括 平滑所述一組分割對象。
17，如權(quán)利要求15所述的方法，其中消除偽斑點包括移除小于最小面積閾值的分割對象。
18.如權(quán)利要求15所述的方法，其中消除偽斑點包括根據(jù)面積、縱橫比、實心度、長軸長度、短軸長度、偏心度和范圍 中的至少一個移除分割對象。
19.如權(quán)利要求13所述的方法，其中修改所述面部圖像的強度分量包 括加權(quán)所述對比度圖像；和將所加權(quán)過的對比度圖像加到所述面部圖像的強度分量上。
20.如權(quán)利要求13所述的方法，其中具有強度分量和顏色分量的顏色 空間格式為具有亮度分量L以及顏色分量A和B的LAB格式。
21. —種操縱面部圖像以模擬與時間有關(guān)的皺紋變化的方法，所述方法 包括將所述面部圖像轉(zhuǎn)換成具有強度分量和顏色分量的顏色空間格式； 檢測所述面部圖 <象中的鈹紋； 生成皺紋的對比度圖像；和根據(jù)所述對比度圖像修改所述面部圖像的強度分量，從而生成皺紋 改變的面部圖像。
22. 如權(quán)利要求21所述的方法，所述方法包括 在檢測斑點之前將蒙版應(yīng)用到所述面部圖像上。
23. 如權(quán)利要求21所述的方法，其中檢測皺紋包括 對所述面部圖像進(jìn)行噪聲過濾； 估算經(jīng)噪聲過濾的面部圖像的背景亮度；從所述經(jīng)噪聲過濾的面部圖像中移除背景亮度估算值，從而生成對 比度圖像；選擇所述對比度圖像的暗區(qū)域； 對所述對比度圖像的暗區(qū)域執(zhí)行棱線檢測； 根據(jù)所述棱線檢測生成棱線圖譜；和 對所述棱線圖鐠應(yīng)用閾限來確定候選皺紋。
24. 如權(quán)利要求23所述的方法，其中執(zhí)行棱線檢測包括 用具有垂直、水平和對角方向的定向基礎(chǔ)濾波器對所述對比度圖像 進(jìn)行巻積；和分析所述定向基礎(chǔ)濾波器的響應(yīng)以生成棱線強度和棱線取向。
25. 如權(quán)利要求21所述的方法，所述方法包括消除偽皺紋。
26. 如權(quán)利要求25所述的方法，其中消除偽皺紋包括根據(jù)面積、縱橫比、實心度、長軸長度、短軸長度、偏心度和范圍 中的至少一個移除分割對象，
27. 如權(quán)利要求21所述的方法，其中修改所述面部圖像的強度分量包 括加權(quán)所述對比度圖像；和將所加權(quán)過的對比度圖像加到所述面部圖像的強度分量上。
28. 如權(quán)利要求27所述的方法，所述方法包括 在加權(quán)前對所述皺紋的對比度圖像進(jìn)行擴(kuò)大和延伸中的至少 一種， 其中所述加權(quán)具有正值，并且所述皺紋改變的面部圖像為皺紋老化 的面部圖像。
29. 如權(quán)利要求27所述的方法，其中所述加權(quán)具有負(fù)值，并且所述皺 紋改變的面部圖^f象為皺紋去老化的面部圖像。
30. 如權(quán)利要求21所述的方法，其中具有強度分量和顏色分量的顏色 空間格式為具有亮度分量L以及顏色分量A和B的LAB格式。
31. —種操縱面部圖像以模擬與時間有關(guān)的紋理變化的方法，所述方法 包括將所述面部圖像轉(zhuǎn)換成具有強度分量和顏色分量的顏色空間格式； 從所述面部圖像移除背景強度，從而生成對比度圖像； 將所述對比度圖像分割成低紋理和高紋理區(qū)域； 生成^f氐紋理對比度和高紋理對比度；和根據(jù)所述低紋理對比度和高紋理對比度修改所述面部圖像的強度分 量，從而生成紋理改變的面部圖像。
32. 如權(quán)利要求31所述的方法，所述方法包括 在移除所述背景強度之前將蒙版應(yīng)用到所述面部圖像上。
33. 如權(quán)利要求31所述的方法，其中修改所述面部圖像的強度分量包 括加權(quán)所述低紋理對比度和所述高紋理對比度；和 將所加權(quán)過的低紋理對比度和高紋理對比度加到所述面部圖像的強 度分量上。
34. 如權(quán)利要求33所述的方法，所迷方法包括 在加權(quán)之前擴(kuò)大所述低紋理對比度，其中所述紋理改變的面部圖像為紋理老化的面部圖像。
35. 如權(quán)利要求33所述的方法，所迷方法包括 在加權(quán)之前收縮所述低紋理對比度；和 在加權(quán)之前收縮所述高紋理對比度，其中所述紋理改變的面部圖像為紋理去老化的面部圖像。
36. 如權(quán)利要求31所述的方法，其中具有強度分量和顏色分量的顏色 空間格式為具有亮度分量L以及顏色分量A和B的LAB格式。
37， 一種操縱面部圖像以模擬與時間有關(guān)的變化的方法，所述方法包 括將所述面部圖像轉(zhuǎn)換成具有強度分量和顏色分量的顏色空間格式； 操縱所述面部圖像以生成斑點變化強度分量； 操縱所述面部圖像以生成皺紋變化強度分量； 操縱所述面部圖像以生成紋理變化強度分量；和 根據(jù)所述斑點變化強度分量、皺紋變化強度分量和紋理變化強度分 量的組合，修改所述面部圖像的強度分量，從而生成斑點、皺紋和 紋理改變的面部圖4象。
38. 如權(quán)利要求37所述的方法，其中所述斑點、皺紋和紋理改變的面 部圖像為去老化的面部圖像。
39. 如權(quán)利要求37所述的方法，所述方法包括 操縱所述面部圖像以生成第一斑點變化顏色分量和第二斑點變化顏 色分量；根據(jù)所述第 一斑點變化顏色分量修改所述面部圖像的第 一顏色分 量；和根據(jù)所述第二斑點變化顏色分量修改所述面部圖像的第二顏色分 量，其中所述斑點、鈹紋和紋理改變的面部圖像為老化的面部圖像。
40. 如權(quán)利要求37所述的方法，所述方法包括 在操縱所述面部圖像之前將蒙版應(yīng)用到所述面部圖像上。
41. 如權(quán)利要求40所述的方法，其中所述蒙版包括用于斑點和皺紋模 擬的第 一 蒙版和用于紋理模擬的第二蒙版。
42. 如權(quán)利要求37所述的方法，其中所述方法生成第一斑點、鈹紋和 紋理改變的面部圖像以及第二斑點、皺紋和紋理改變的面部圖像， 所述第一斑點、皺紋和紋理改變的面部圖像為老化的面部圖像，所 述第二斑點、皺紋和紋理改變的面部圖像為去老化的面部圖像，所 述方法包括將所述老化或去老化的面部圖像與所述面部圖像選擇性地混合以生 成復(fù)合圖像，其中顯示所述斑點、皺紋和紋理改變的面部圖像包括顯示所述復(fù)合 圖像。
43. 如權(quán)利要求37所述的方法，其中具有強度分量和顏色分量的顏色 空間格式為具有亮度分量L以及顏色分量A和B的LAB格式。
44. 一種檢測面部圖像中的皮膚的方法，所述方法包括 確定所述面部圖 <象的面部區(qū)域；將所述面部圖像轉(zhuǎn)換成具有強度分量和顏色分量的顏色空間格式； 確定所述面部區(qū)域內(nèi)所述面部圖像的多個像素中的每一個像素的色 素沉著量度； 確定閾值；和將每個像素的色素沉著量度與所述閾值進(jìn)行比較，其中色素沉著量 度低于所述閾值的那些像素被認(rèn)定為皮膚。
45. 如權(quán)利要求44所述的方法，其中所述顏色空間格式為具有亮度分 量L以及顏色分量A和B的LAB格式，并且其中所述色素沉著量度 為Individual Typology Angle (ITA)量度。
46. 如權(quán)利要求45所述的方法，所述方法包括 平滑所述面部區(qū)域內(nèi)所述面部圖像的L和B分量。
47. 如權(quán)利要求44所述的方法，其中確定所述面部圖像的面部區(qū)域包 括將所述面部圖像轉(zhuǎn)換成LUX空間；和 采用閾限法分割出所述面部區(qū)域，
48. 如權(quán)利要求47所述的方法，其中所述閾限法包括Otsu閾限法。
49. 如權(quán)利要求44所述的方法，其中所述闊值將把所述面部圖像分割 成具有最小類間方差的兩類。
50. 如權(quán)利要44所述的方法，其中所述面部圖像為RGB顏色格式。
全文摘要
本發(fā)明公開了一種逼真地模擬促成皮膚的總體外觀和狀況的面部皮膚特征的進(jìn)展或惡化的新方法及系統(tǒng)。所述方法利用面部的兩種特寫照片，一種是用數(shù)字照相機以標(biāo)準(zhǔn)白光采集，另一種是用同一個照相機以紫外光采集。接著，所述方法處理這些圖像以模擬下列主要皮膚特征的進(jìn)展或惡化色素沉著斑點、皺紋和小紋理特征。這些特征的惡化將模擬由于長時間地暴露于陽光下而產(chǎn)生的面部皮膚老化、生物性老化或皮膚健康的惡化。這些特征的進(jìn)展模擬在總體外觀和健康方面面部皮膚的改善，如同患者已經(jīng)經(jīng)過治療一樣。因此，本發(fā)明公開了用于皮膚病學(xué)、化妝品和計算機動畫的一系列方法。
文檔編號G06K9/00GK101652784SQ200880006904
公開日2010年2月17日 申請日期2008年2月28日 優(yōu)先權(quán)日2007年3月2日
發(fā)明者G·希爾勒布賴恩, R·德米利 申請人:寶潔公司