一種定量分析人體皮膚紋理老化的方法
【專利摘要】本發(fā)明涉及一種定量分析人體皮膚紋理老化的方法，屬于人體皮膚紋理研究技術領域。該方法包括以下步驟：S1：運用基于電容的Fingerprint sensor來對人體皮膚紋理圖像進行采集；S2：采用直方圖均衡化來對采集到的人體皮膚紋理的電容灰度圖像進行灰度增強，進而改善圖像的對比度和清晰度；S3：運用灰度共生矩陣算法，計算圖像的二階矩，對比度，熵和相關性特征參數(shù)的變化；S4：分析人體不同部位紋理的二階矩，對比度，熵和相關性這四個特征參數(shù)之間存在的關系。本方法能夠有效的定量分析人體皮膚紋理老化，對人體皮膚老化過程的分析和優(yōu)化紋理特征參數(shù)都有借鑒意義。
【專利說明】
一種定量分析人體皮膚紋理老化的方法
技術領域
[0001] 本發(fā)明屬于人體皮膚紋理研究技術領域，涉及一種定量分析人體皮膚紋理老化的 方法。
【背景技術】
[0002] 皮膚是人體重要的器官之一，如同人體的屏障，它包含很多重要功能。一個人的年 紀越來越大，皮膚同樣跟著變得老化，因此皮膚可以在外界上客觀的表示出年齡的變化。當 人類的審美觀念還停留在表面上的視覺感受，皮膚便成為了生活中審美的一種重要判別標 準，因此，建立一套科學地，準確地，簡單快捷的分析人體皮膚紋理老化的方法，是皮膚美容 和功效化妝品研究領域亟需解決的問題和研究的重要內(nèi)容。
[0003] 目前對人體皮膚紋理老化的判別方法主要有兩種：一種是應用機械探測法，用具 有一定強度的探針對皮膚表面復膜進行探測，其精度和靈敏度都不高，且操作起來比較麻 煩。另一種是廣泛采用的是硅膠復膜，通過檢測皺紋在斜射光下形成的陰影面積，再換算得 到皮紋與皺紋的深度。但該方法在靈敏度和精度方面也存在一定的局限性，同樣也存在操 作起來比較繁瑣復雜的問題。因此，目前急需一種能夠簡單高效分析人體皮膚紋理老化情 況的方法。
[0004] 隨著計算機技術的快速發(fā)展，計算機技術在圖像處理中的應用也越來越廣泛，其 中的一個重要應用就是對皮膚紋理特征的分析，并取得了一定的研究成果。通過計算機數(shù) 字圖像處理和分析技術，定量地分析紋理，提取有效的特征參數(shù)，結合合理的模式識別方 法，可以實現(xiàn)對不同紋理圖像的描述。

【發(fā)明內(nèi)容】

[0005] 有鑒于此，本發(fā)明的目的在于提供一種定量分析人體皮膚紋理老化的方法，該方 法利用灰度共生矩陣，對不同年齡的男性的臉部皮膚紋理進行分析，計算四個方向的方向 矩陣，通過提取它的特征值，進行客觀定量的人體皮膚紋理老化的評價，為皮膚美容和抗衰 防皺類護膚品的療效評估提供了有力的技術支持。
[0006] 為達到上述目的，本發(fā)明提供如下技術方案：
[0007] -種定量分析人體皮膚紋理老化的方法，該方法包括以下步驟：
[0008] si:對人體皮膚圖像進行采集；
[0009] S2:對采集到的皮膚圖像進行預處理；
[0010] S3:運用灰度共生矩陣算法，計算圖像的二階矩，對比度，熵和相關性特征參數(shù)的 變化；
[0011] S4:分析人體不同部位紋理的二階矩，對比度，熵和相關性這四個特征參數(shù)之間存 在的關系。
[0012] 進一步，在步驟S1中，運用基于電容的Fingerprint sensor來采集不同年齡男性 的臉部不同部分皮膚的紋理圖像，確保圖像的準確性，采集圖像的過程具有無創(chuàng)傷，并且簡 單快捷的優(yōu)點。
[0013] 進一步，在步驟S2中，采用直方圖均衡化來對用Fingerprint Sensor采集到的人 體皮膚紋理的電容灰度圖像進行灰度增強，進而改善圖像的對比度和清晰度。
[0014]本發(fā)明的有益效果在于:本發(fā)明運用基于電容的Fingerprint sensor來采集不同 年齡男性的臉部不同部分皮膚的紋理圖像，確保了圖像的準確性，采集圖像的過程無創(chuàng)傷， 并且簡單快捷;然后基于圖像紋理的分析技術，通過運用灰度共生矩陣算法，計算了圖像的 二階矩，對比度，熵和相關性等特征參數(shù)的變化。同時還分析了人體不同部位紋理的二階 矩，對比度，熵和相關性這四個特征參數(shù)之間存在的關系。經(jīng)過實驗分析，用灰度共生矩陣 提取的特征參數(shù)能夠準確，有效的定量分析人體皮膚紋理老化。對人體皮膚老化過程的分 析和優(yōu)化紋理特征參數(shù)都有借鑒意義。
【附圖說明】
[0015] 為了使本發(fā)明的目的、技術方案和有益效果更加清楚，本發(fā)明提供如下附圖進行 說明：
[0016] 圖1為本發(fā)明所述方法的流程示意圖；
[0017] 圖2為實施例中選取的四個樣本圖；
[0018] 圖3為實施例中測試者的前額電容圖像；
[0019] 圖4為實施例中測試者的面頰電容圖像；
[0020] 圖5為實施例中測試者的眼部電容圖像；
[0021] 圖6為實施例中圖像的特征向量：（a)二階距(能量）、（b)熵、（c)對比度、（d)相關性 的曲線和誤差線。
【具體實施方式】
[0022]下面將結合附圖，對本發(fā)明的優(yōu)選實施例進行詳細的描述。
[0023] 圖1為本發(fā)明所述方法的流程示意圖，如圖所示，本發(fā)明所述方法包括以下步驟： S1:對人體皮膚圖像進行采集;S2:對采集到的皮膚圖像進行預處理;S3:運用灰度共生矩陣 算法，計算圖像的二階矩，對比度，熵和相關性特征參數(shù)的變化;S4:分析人體不同部位紋理 的二階矩，對比度，熵和相關性這四個特征參數(shù)之間存在的關系。在步驟S1中，運用基于電 容的Fingerprint sensor來采集不同年齡男性的臉部不同部分皮膚的紋理圖像，確保圖像 的準確性，采集圖像的過程具有無創(chuàng)傷，并且簡單快捷的優(yōu)點。在步驟S2中，采用直方圖均 衡化來對用Fingerprint Sensor采集到的人體皮膚紋理的電容灰度圖像進行灰度增強，進 而改善圖像的對比度和清晰度。
[0024] 下面通過具體實施例對本發(fā)明的方法進行詳細描述。
[0025]本發(fā)明首先采用直方圖均衡化來對用Fingerprint Sensor采集到的人體皮膚紋 理的電容灰度圖像進行灰度增強，進而改善它的對比度和清晰度。直方圖均衡化作為一種 基本的對比度調(diào)整的方法，一般利用這種方法來增加對應圖像的局部對比度，特別是在圖 像內(nèi)有用數(shù)據(jù)的對比度非常接近的情況下。通過此種形式，在直方圖上亮度就有了非常好 的分布。通過這種方法實現(xiàn)了在不影響整體的對比度的前提下對局部的對比度進行增強， 通過對亮度進行調(diào)節(jié)便可以達到同樣的目的。直方圖均衡化處理的核心內(nèi)容為把原始圖像 的灰度直方圖從相對聚集的某處灰度區(qū)間替換為在全部灰度范圍下的均勻分布。其具體的 實施方法便是對圖像采取非線性拉伸的方式，從而將其像素值再次分配，像素的具體數(shù)量 不會隨著灰度變化而變化。直方圖均衡化的提出為將給定目標的直方圖變成均勻化分布的 圖像提供了可能。
[0026]灰度共生矩陣的特征值及其意義：
[0027]應用灰度共生矩陣建立4個不同的特征向量來描述皮膚紋理，即角二階矩(ASM)， 熵(ENT)，對比度(CON)和相關性(COR)。
[0028] 1)角二階距(能量）：
[0030] 邱，./ΧΔ)代表規(guī)范化P(i，j，d，Δ )，G代表的是灰度級的總數(shù)。
[0031] 角二階矩(ASM)表示灰度共生矩陣中所有元素值進行平方計算后再相加得到的 和，它也被叫做能量。通過分析角二階距可以得到圖像灰度分布均勻程度和紋理粗細程度。 當分析對象后發(fā)現(xiàn)它全部的值都相等的這種情況就說明它的角二階矩相對較小。分析得到 當中的某些值大但是另外的值小就說明它的角二階矩相對較大。如果它的角二階矩相對比 較大，那么就表明它的紋理較粗，能量就大;角二階矩相對較小，表明紋理比較細，能量就相 對來說比較小了。
[0032] 2)熵：
[0034]熵(ENT)作為一種精確的度量可以對圖像的信息量進行分析，在灰度共生矩陣中 的大多數(shù)元素都是隨機分布的一個情況下，作為一項隨機度量的熵便會有相對來說較大的 值。通過熵的值可以清楚地看出一幅圖的紋理的非均勻程度或復雜程度。如果圖像沒有任 何紋理，那么灰度共生矩陣幾乎為零陣。若紋理復雜，熵值大;相反的情況下，當圖像中的灰 度均勻分布時，可以發(fā)現(xiàn)其內(nèi)的元素大小有很大的差異，所以此種情況下的熵值較小。 [0035] 3)對比度：
[0037]對比度(C0N)反映的是圖像的清晰度，它還可以反映出紋理溝紋深淺的程度?？梢?得到這樣的結論:溝紋比較深的，它的對比度相對來說就較大，有十分好的清晰度;反之，對 比度相對來說比較小的時候，溝紋淺自然也比較淺，效果就不是那么清楚?；叶炔钪傅木褪?在對比度相對來說較大時，便對應了更多的像素對，灰度差的值也越大。在灰度共生矩陣中 當與對角線相距較遠的元素值越大時，對比度的值也同樣會越大。
[0038] 4)相關性：
[0039]相關性(C0R)代表的是在行或者在列方向上各個元素有多少相同的地方。如果矩 陣中的元素有很多相同的，那么就存在相對較大的相關值;反之，就是說像素的值都不怎么 相同并區(qū)別較大時，那么相關值相對來說就比較小。還可以得出：當出現(xiàn)水平方向的紋理 時，這種類型矩陣的相關值就比其他類型的要大一些。
[0046] 實施例：
[0047] 在一般運用灰度共生矩陣分析時，為了簡便，灰度共生矩陣的像素距離參量都取 成1。但是，當距離變化時，特征參量會同時發(fā)生變化。如果距離選取的過大，會導致兩像素 之間的信息丟失，造成灰度共生矩陣無法有效提取紋理的細節(jié)信息，所以在本實施例中，選 取的討論的距離參數(shù)范圍為1 一 12。對圖2所示的四副從圖片庫中隨機選取的圖片進行特征 值的提取，最終得到如下4個不同的表格:表1、表2、表3、表4:
[0048] 表1不同像素距離下的ASM值

[0057]從表格可以看出，對于能量和熵，特征值變化普遍緩慢，在距離大于4時尤其明顯； 而對比度和相關性隨距離的增大變化較為明顯，但是也可以找到在4-12變化較平穩(wěn)的區(qū) 域，這一結果表示在此種情況下距離對特征值的影響較小，得到的特征值相對比較穩(wěn)定。所 以下面在具體分析時，選取距離4-12區(qū)間的值進行進一步特征向量的提取，同時考慮到距 離增大會影響提取信息的準確性，所以本實施例在后續(xù)特征值計算環(huán)節(jié)，采用距離，即d = 4 進行計算。
[0058] 本實施例針對年齡在20-30歲和30-40歲的兩位健康男性志愿者，每人在其額頭， 臉頰和眼睛各采集5幅電容灰度圖像，見圖3、圖4、圖5,其中，志愿者1年齡在20-30歲，志愿 者2年齡在30-40歲。本發(fā)明的一個十分重要創(chuàng)新之處在于面部圖像的采集運用了 Fingerprint Sensor。它是類似于基于電容的指紋傳感器，具備256X300個像素矩陣，每個 像素的每空間分辨率為50微米。它的總共測量范圍區(qū)域是12.8X15微米。每一個像素本質(zhì) 上都是一個電容感應器。電容傳感器主要生成一個皮膚表面的電容圖像，在每一幅圖像中， 每一個像素都可以由0-255的8位灰度值表示，對于所有的測量來說它的測量持續(xù)時間都被 限制在5s，根據(jù)以往的研究表明，利用基于電容的Fingerprint Sensor可以采集到很精準 的人體皮膚紋理圖片，用于人體紋理相關分析和研究，并且采集的過程具有無創(chuàng)性，且簡單 快捷。
[0059] 具體分析時，先對采集到的皮膚圖像運用直方圖均衡化進行預處理，增強圖像的 對比度和清晰程度。然后通過灰度共生矩陣算法對圖像提取四個相關的特征向量，其四組 特征向量隨年齡的變化如圖6所示。
[0060] 皮膚紋理二階距(能量)特征的計算結果如圖6(a)。二階距(能量)反應了圖片灰度 分布的均衡性和人體皮膚紋理的粗細程度。相對20-30年齡段，隨著年齡的增長，30-40年齡 段皮膚的紋理會變的越來越粗，相應的從圖中可以觀察到二階距的值是變大的，尤其以眼 部表現(xiàn)的較為突出。
[0061] 對于熵的計算結果如圖6(b)。熵和二階距是成反比的，它反映的是紋理的復雜程 度和灰度分布的隨機性的大小。如果圖像灰度分布的隨機性大，則灰度共生矩陣中的所有 非零值都幾乎相等，此時熵值達到最大。由柱狀圖可知，二階距(能量)特征值隨著年齡的增 大而增大，熵值則會相反減少，反正亦然。由此可得，當熵越大的時候，它的紋理就會越密 集，反之紋理稀疏的圖像熵值小。
[0062] 對比度的計算結果如圖6(c).通過圖上的統(tǒng)計數(shù)據(jù)可知，相對30-40年齡段，20-30 年齡段的對比度相對較大，此時紋理的清晰度最明顯，紋理也較細。之后，隨著年齡的增長， 紋理會變的稀疏無規(guī)則，局部灰度變化減小，紋理變粗，對比度就會有明顯的下降。
[0063] 相關性的計算結果如圖6(d).相關性反映了圖像中紋理在某方面的相似性，是圖 像局部灰度線性相關的度量。從柱狀圖可以看出，對比度和相關性存在一定聯(lián)系，對比度大 的圖像，相關性就小，反之，相關性大的圖像，對比度就小。同時，相關性的變化規(guī)律和二階 矩的變化規(guī)律相類似，并且在不同年齡段的差異比較大。
[0064] 綜上所述:本實施例通過運用灰度共生矩陣算法，計算了圖像的二階矩，對比度， 熵和相關性等特征參數(shù)的變化。同時還分析了人體不同部位紋理的二階矩，對比度，熵和相 關性這四個特征參數(shù)之間存在的關系。經(jīng)過實驗分析，用灰度共生矩陣提取的特征參數(shù)能 夠準確，有效的定量分析人體皮膚紋理老化。年齡范圍是30-40歲的志愿者皮膚紋理二階矩 的值的值要比年齡范圍是20-30歲的志愿者大，這說明了年紀越大，二階矩值越大，人體皮 膚紋理越粗，年紀越小，二階矩值越小，人體皮膚紋理越細。熵值反映的是紋理的復雜程度 和灰度分布情況，能量特征值隨著年齡的增大而增大時熵值減小，所以熵值大的，表明皮膚 紋理越復雜密集，熵值小的，表明灰度均勻皮膚紋理越稀疏。年紀越小的對比度值相對較 大，此時紋理較細，而且有很明顯的紋理清晰度，圖像紋理的局部灰度變化也較大。隨著年 齡的增長，紋理局部灰度變化減小，而且會變的稀疏無規(guī)則，對比度也隨著發(fā)生了明顯的下 降。相關性反映的是圖像灰度的線性相關程度，對比度和相關性存在一定的聯(lián)系，對比度 大，相關性就小，相關性大的，對比度就小。
[0065]最后說明的是，以上優(yōu)選實施例僅用以說明本發(fā)明的技術方案而非限制，盡管通 過上述優(yōu)選實施例已經(jīng)對本發(fā)明進行了詳細的描述，但本領域技術人員應當理解，可以在 形式上和細節(jié)上對其作出各種各樣的改變，而不偏離本發(fā)明權利要求書所限定的范圍。
【主權項】
1. 一種定量分析人體皮膚紋理老化的方法，其特征在于:該方法包括以下步驟： S1:對人體皮膚紋理圖像進行采集； S2:對采集到的皮膚圖像進行預處理； S3:運用灰度共生矩陣算法，計算圖像的二階矩，對比度，熵和相關性特征參數(shù)的變化； S4:分析人體不同部位紋理的二階矩，對比度，熵和相關性這四個特征參數(shù)之間存在的 關系。2. 根據(jù)權利要求1所述的一種定量分析人體皮膚紋理老化的方法，其特征在于:在步驟 S1中，運用基于電容的Fingerprint sensor來采集不同年齡男性的臉部不同部分皮膚的紋 理圖像，確保圖像的準確性。3. 根據(jù)權利要求2所述的一種定量分析人體皮膚紋理老化的方法，其特征在于:在步驟 S2中，采用直方圖均衡化來對用Fingerprint Sensor采集到的人體皮膚紋理的電容灰度圖 像進行灰度增強，進而改善圖像的對比度和清晰度。
【文檔編號】G06T5/00GK105869171SQ201610240322
【公開日】2016年8月17日
【申請日】2016年4月18日
【發(fā)明人】歐翔, 仲元紅, 李 東, 熊漢, 桂小剛, 林煥, 方志平
【申請人】重慶大學