CN110334229A - 可视化显示方法、设备、***及计算机可读存储介质 - Google Patents

可视化显示方法、设备、***及计算机可读存储介质 Download PDF

Info

Publication number
CN110334229A
CN110334229A CN201910353469.6A CN201910353469A CN110334229A CN 110334229 A CN110334229 A CN 110334229A CN 201910353469 A CN201910353469 A CN 201910353469A CN 110334229 A CN110334229 A CN 110334229A
Authority
CN
China
Prior art keywords
blackhead
image
visual display
information
obtains
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201910353469.6A
Other languages
English (en)
Inventor
王松年
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN201910353469.6A priority Critical patent/CN110334229A/zh
Publication of CN110334229A publication Critical patent/CN110334229A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/54—Browsing; Visualisation therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/5866—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Databases & Information Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Library & Information Science (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Controls And Circuits For Display Device (AREA)

Abstract

本发明公开了一种可视化显示方法。该可视化显示方法包括：建立可视化显示设备与智能去黑头仪之间的通信连接，并基于所述通信连接接收所述智能去黑头仪发送的黑头图像序列；基于预设处理规则对所述黑头图像序列中的各黑头图像进行处理，得到黑头信息，所述黑头信息包括黑头位置和黑头数量；根据所述黑头位置在对应的黑头图像中对黑头进行标注，并基于所述黑头图像序列的时间顺序和预设显示方式对经标注的黑头图像和所述黑头数量进行可视化显示。本发明还公开了一种可视化显示设备、***及计算机可读存储介质。本发明能够实现对黑头信息进行可视化显示，以辅助用户进行黑头吸除，同时可便于用户了解黑头吸除情况。

Description

可视化显示方法、设备、***及计算机可读存储介质
技术领域
本发明涉及可视化技术领域，尤其涉及一种可视化显示方法、设备、***及计算机可读存储介质。
背景技术
黑头又称黑头粉刺，为开放性粉刺，是由皮脂、细胞屑和细菌组成的一种“栓”样物，阻塞在毛囊开口处而形成的，加上空气中的尘埃、污垢和氧化作用，使其接触空气的一头逐渐变黑。黑头问题困扰着大部分人，为了去除黑头，目前采取的方法主要有面膜吸附法和仪器吸附法，采用面膜进行吸附的方法其去除效果差，同时各种化学成分的面膜也容易对皮肤造成损害。
目前，很多人通过去黑头仪来吸除黑头，在使用时需通过肉眼观察黑头位置，来确定吸除位置，由于黑头和脏污很小，肉眼较难看清黑头或脏污位置，因此，难免会出现有些位置并没有吸除到、或有些位置吸除不干净的情况。因此，亟需一种对黑头信息进行可视化显示的方法，以辅助用户进行黑头吸除。
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种可视化显示方法、设备、***及计算机可读存储介质，旨在实现对黑头信息进行可视化显示，以辅助用户进行黑头吸除。
为实现上述目的，本发明提供一种可视化显示方法，所述可视化显示方法包括：
建立可视化显示设备与智能去黑头仪之间的通信连接，并基于所述通信连接接收所述智能去黑头仪发送的黑头图像序列；
基于预设处理规则对所述黑头图像序列中的各黑头图像进行处理，得到黑头信息，所述黑头信息包括黑头位置和黑头数量；
根据所述黑头位置在对应的黑头图像中对黑头进行标注，并基于所述黑头图像序列的时间顺序和预设显示方式对经标注的黑头图像和所述黑头数量进行可视化显示。
可选地，所述基于预设处理规则分别对所述黑头图像序列中的各黑头图像进行处理，得到黑头信息的步骤包括：
对所述黑头图像序列中的各黑头图像进行二值化处理，得到二值化图像；
对所述二值化图像进行轮廓检测，并根据检测结果将所述黑头图像中存在轮廓的区域作为疑似黑头目标；
基于所述疑似黑头目标对所述黑头图像进行分割，得到包含疑似黑头目标的分割图像；
对所述分割图像进行特征提取，得到图像特征信息，其中，所述图像特征信息包括颜色特征、形状特征和纹理特征中的一种或多种；
基于预设检测规则对所述图像特征信息进行检测识别，得到黑头信息。
可选地，所述对所述黑头图像序列中的各黑头图像进行二值化处理，得到二值化图像的步骤之前，还包括：
对所述黑头图像序列中的各黑头图像进行图像增强处理；
所述对所述黑头图像序列中的各黑头图像进行二值化处理，得到二值化图像的步骤包括：
对经图像增强处理的各黑头图像进行二值化处理，得到二值化图像。
可选地，所述基于预设检测规则对所述图像特征信息进行检测识别，得到黑头信息的步骤包括：
检测所述图像特征信息是否满足预设条件；
若所述图像特征信息满足预设条件，则判定所述分割图像中的疑似黑头目标为黑头，并根据判定结果得到黑头位置；
获取图像特征信息满足预设条件的分割图像的数量，以得到黑头数量。
可选地，所述基于预设检测规则对所述图像特征信息进行检测识别，得到黑头信息的步骤包括：
根据所述图像特征信息构建图像特征向量，并计算所述图像特征向量与预设特征向量之间的相似度值；
判断所述相似度值是否小于预设阈值；
若所述相似度值小于预设阈值，则判定所述分割图像中的疑似黑头目标为黑头，并根据判定结果得到黑头位置；
获取相似度值小于预设阈值的分割图像的数量，以得到黑头数量。
可选地，所述可视化显示设备包括预设数据库，所述预设数据库中存储有历史黑头数据，所述可视化显示方法还包括：
在接收到历史数据比对指令时，从所述预设数据库中获取对应的历史黑头数据，所述历史黑头数据包括历史黑头图像及其对应的历史黑头信息；
对所述历史黑头数据进行统计比对，并根据统计比对结果生成对应的历史数据比对报告。
可选地，所述可视化显示方法还包括：
在接收到用户触发的显示方式切换指令时，根据所述显示方式切换指令确定目标显示方式；
基于所述目标显示方式对经标注的黑头图像和所述黑头数量进行可视化更新显示。
此外，为实现上述目的，本发明还提供一种可视化显示设备，所述可视化显示设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的可视化显示程序，所述可视化显示程序被所述处理器执行时实现如上所述的可视化显示方法的步骤。
此外，为实现上述目的，本发明还提供一种可视化显示***，所述可视化显示***包括可视化显示设备和智能去黑头仪；其中，
所述可视化显示设备为如上所述的可视化显示设备；
所述智能去黑头仪，用于按预设采集频率拍摄目标吸除区域的黑头图像，得到黑头图像序列，并基于所述智能去黑头仪与所述可视化显示设备之间的通信连接，将所述黑头图像序列发送至所述可视化显示设备。
此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有可视化显示程序，所述可视化显示程序被处理器执行时实现如上所述的可视化显示方法的步骤。
本发明提供一种可视化显示方法、设备、***及计算机可读存储介质，通过建立可视化显示设备与智能去黑头仪之间的通信连接，并基于通信连接接收智能去黑头仪发送的黑头图像序列；然后，基于预设处理规则对黑头图像序列中的各黑头图像进行处理，得到黑头信息，其中，黑头信息包括黑头位置和黑头数量；根据黑头位置在对应的黑头图像中对黑头进行标注，并基于黑头图像序列的时间顺序和预设显示方式对经标注的黑头图像和黑头数量进行可视化显示。通过上述方式，本发明可实现对黑头的智能高效识别，以获取到黑头信息，进而根据黑头信息中的黑头位置对黑头进行标注，以便于用户了解黑头的具***置，可辅助用户进行黑头吸除，同时，还可以对经标注的黑头图像和吸除过程中黑头数量的变化趋势进行可视化显示，可便于用户了解黑头吸除进度和吸除效果。
附图说明
图1为本发明实施例方案涉及的硬件运行环境的终端结构示意图；
图2为本发明可视化显示方法第一实施例的流程示意图；
图3为本发明可视化显示方法第一实施例涉及的一可视化显示示意图；
图4为本发明可视化显示方法第一实施例中步骤S20的细化流程示意图；
图5为本发明可视化显示方法第二实施例的流程示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
参照图1，图1为本发明实施例方案涉及的硬件运行环境的终端结构示意图。
本发明实施例终端可以是智能手机，也可以是PC(personal computer，个人计算机)、平板电脑、便携计算机等具有显示功能的终端设备。
如图1所示，该终端可以包括：处理器1001，例如CPU(Central Processing Unit，中央处理器)，通信总线1002，用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真Wireless-Fidelity，Wi-Fi接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatilememory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
可选地，终端还可以包括摄像头、RF(Radio Frequency，射频)电路，传感器、音频电路、Wi-Fi模块等等。其中，传感器比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示屏的亮度，接近传感器可在终端移动到耳边时，关闭显示屏和/或背光。作为运动传感器的一种，重力加速度传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别移动终端姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；当然，终端还可配置陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。
本领域技术人员可以理解，图1中示出的终端结构并不构成对终端的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种计算机存储介质的存储器1005中可以包括操作***、网络通信模块、用户接口模块以及可视化显示程序。
在图1所示的终端中，网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；用户接口1003主要用于连接客户端，与客户端进行数据通信；而处理器1001可以用于调用存储器1005中存储的可视化显示程序，并执行以下操作：
建立可视化显示设备与智能去黑头仪之间的通信连接，并基于所述通信连接接收所述智能去黑头仪发送的黑头图像序列；
基于预设处理规则对所述黑头图像序列中的各黑头图像进行处理，得到黑头信息，所述黑头信息包括黑头位置和黑头数量；
根据所述黑头位置在对应的黑头图像中对黑头进行标注，并基于所述黑头图像序列的时间顺序和预设显示方式对经标注的黑头图像和所述黑头数量进行可视化显示。
进一步地，处理器1001可以调用存储器1005中存储的可视化显示程序，还执行以下操作：
对所述黑头图像序列中的各黑头图像进行二值化处理，得到二值化图像；
对所述二值化图像进行轮廓检测，并根据检测结果将所述黑头图像中存在轮廓的区域作为疑似黑头目标；
基于所述疑似黑头目标对所述黑头图像进行分割，得到包含疑似黑头目标的分割图像；
对所述分割图像进行特征提取，得到图像特征信息，其中，所述图像特征信息包括颜色特征、形状特征和纹理特征中的一种或多种；
基于预设检测规则对所述图像特征信息进行检测识别，得到黑头信息。
进一步地，处理器1001可以调用存储器1005中存储的可视化显示程序，还执行以下操作：
对所述黑头图像序列中的各黑头图像进行图像增强处理；
所述对所述黑头图像序列中的各黑头图像进行二值化处理，得到二值化图像的步骤包括：
对经图像增强处理的各黑头图像进行二值化处理，得到二值化图像。
进一步地，处理器1001可以调用存储器1005中存储的可视化显示程序，还执行以下操作：
检测所述图像特征信息是否满足预设条件；
若所述图像特征信息满足预设条件，则判定所述分割图像中的疑似黑头目标为黑头，并根据判定结果得到黑头位置；
获取图像特征信息满足预设条件的分割图像的数量，以得到黑头数量。
进一步地，处理器1001可以调用存储器1005中存储的可视化显示程序，还执行以下操作：
根据所述图像特征信息构建图像特征向量，并计算所述图像特征向量与预设特征向量之间的相似度值；
判断所述相似度值是否小于预设阈值；
若所述相似度值小于预设阈值，则判定所述分割图像中的疑似黑头目标为黑头，并根据判定结果得到黑头位置；
获取相似度值小于预设阈值的分割图像的数量，以得到黑头数量。
进一步地，所述可视化显示设备包括预设数据库，所述预设数据库中存储有历史黑头数据，处理器1001可以调用存储器1005中存储的可视化显示程序，还执行以下操作：
在接收到历史数据比对指令时，从所述预设数据库中获取对应的历史黑头数据，所述历史黑头数据包括历史黑头图像及其对应的历史黑头信息；
对所述历史黑头数据进行统计比对，并根据统计比对结果生成对应的历史数据比对报告。
进一步地，处理器1001可以调用存储器1005中存储的可视化显示程序，还执行以下操作：
在接收到用户触发的显示方式切换指令时，根据所述显示方式切换指令确定目标显示方式；
基于所述目标显示方式对经标注的黑头图像和所述黑头数量进行可视化更新显示。
基于上述硬件结构，提出本发明可视化显示方法各个实施例。
本发明提供一种可视化显示方法。
参照图2，图2为本发明可视化显示方法第一实施例的流程示意图。
在本实施例中，该可视化显示方法包括：
步骤S10，建立可视化显示设备与智能去黑头仪之间的通信连接，并基于所述通信连接接收所述智能去黑头仪发送的黑头图像序列；
在本实施例中，该可视化显示方法由可视化显示设备实现，该设备可以为智能手机、PC、便携笔记本等终端。为方便说明，本实施例中以智能手机为例进行说明。
在本实施例中，先建立可视化显示设备与智能去黑头仪之间的通信连接，并基于通信连接接收智能去黑头仪发送的黑头图像序列。智能去黑头仪中包括控制模块、摄像模块和通信模块，其中，摄像模块用于拍摄吸除区域的黑头图像；控制模块用于控制摄像模块按预设采集频率(如每秒5帧)进行拍摄，具体的，可针对同一吸除区域拍摄得到的黑头图像按拍摄时间的先后顺序构成一黑头图像序列，各黑头图像序列对应不同的区域编号，然后通过通信连接将黑头图像序列发送至可视化显示设备(如智能手机)；通信模块用于与可视化显示设备进行通信连接，以进行数据交换。通信连接的建立方式可以包括但不限于以下方式：1)通过无线通信技术(如蓝牙、Wi-Fi)建立手机与智能去黑头仪设备之间的通信连接；2)通过USB数据线连接智能去黑头仪与手机端，以建立通信连接。需要说明的是，在实际传输过程中，智能去黑头仪是将拍摄得到的黑头图像实时发送至可视化显示设备。
步骤S20，基于预设处理规则对所述黑头图像序列中的各黑头图像进行处理，得到黑头信息，所述黑头信息包括黑头位置和黑头数量；
在接收到智能去黑头仪发送的黑头图像序列后，基于预设处理规则对黑头图像序列中的各黑头图像进行处理，得到黑头信息，其中，黑头信息包括黑头位置和黑头数量。具体的，对黑头图像序列中的各黑头图像进行二值化处理，得到二值化图像；然后，对二值化图像进行轮廓检测，并根据检测结果将黑头图像中存在轮廓的区域作为疑似黑头目标；基于疑似黑头目标对黑头图像进行分割，得到包含疑似黑头目标的分割图像；对分割图像进行特征提取，得到图像特征信息，进而基于预设检测规则对图像特征信息进行检测识别，得到黑头位置和黑头数量。具体的处理过程可参照下述实施方式，此处不作赘述。
步骤S30，根据所述黑头位置在对应的黑头图像中对黑头进行标注，并基于所述黑头图像序列的时间顺序和预设显示方式对经标注的黑头图像和所述黑头数量进行可视化显示。
在得到黑头位置和黑头数量后，根据黑头位置在对应的黑头图像中对黑头进行标注，并基于黑头图像序列的时间顺序和预设显示方式对经标注的黑头图像和黑头数量进行可视化显示。具体的，在对黑头进行标注时，可采用预设图形对黑头进行圈定标注，然后根据黑头图像在对应的黑头图像序列中的编号(可以是根据时间顺序依次编号的)和预设显示方式(如纵向排列方式)，对经标注的黑头图像进行可视化显示。如图3所示，可以用圆形对黑头进行圈定标注，然后按黑头图像序列的时间顺序纵向依次显示经标注的黑头图像(图3中未示出中间编号的黑头图像)。当然，在对图像进行可视化显示时，还可以只显示经标注的初始黑头图像(即黑头图像序列中编号为1的黑头图像)和经标注的实时黑头图像(即指当前接收到的与初始黑头图像属于同一黑头图像序列的黑头图像)，可便于用户直观地了解该吸除区域内的初始黑头情况和当前黑头情况，同时可以了解到未被吸除黑头的位置，以挪用智能去黑头仪进行吸除。对于黑头数量的可视化显示，可采用折线图、柱状图等方式进行显示，以便于用户可了解黑头数量的变化趋势。
本发明实施例提供一种可视化显示方法，通过建立可视化显示设备与智能去黑头仪之间的通信连接，并基于通信连接接收智能去黑头仪发送的黑头图像序列；然后，基于预设处理规则对黑头图像序列中的各黑头图像进行处理，得到黑头信息，其中，黑头信息包括黑头位置和黑头数量；根据黑头位置在对应的黑头图像中对黑头进行标注，并基于黑头图像序列的时间顺序和预设显示方式对经标注的黑头图像和黑头数量进行可视化显示。通过上述方式，本实施例可实现对黑头的智能高效识别，以获取到黑头信息，进而根据黑头信息中的黑头位置对黑头进行标注，以便于用户了解黑头的具***置，可辅助用户进行黑头吸除，同时，还可以对经标注的黑头图像和吸除过程中黑头数量的变化趋势进行可视化显示，可便于用户了解黑头吸除进度和吸除效果。
进一步的，参照图4，图4为本发明可视化显示方法第一实施例中步骤S20的细化流程示意图。具体的，步骤S20包括：
步骤S21，对所述黑头图像序列中的各黑头图像进行二值化处理，得到二值化图像；
在本实施例中，在接收到智能去黑头仪发送的黑头图像序列之后，先对黑头图像序列中的各黑头图像分别进行二值化处理，得到各黑头图像对应的二值化图像。其中，二值化处理，是指将待检测灰度图像上的像素点的灰度值设置为0或255，从而使整个图像呈现出明显的黑白效果，得到对应的二值图像，在本实施例中，作为一优选实施例，可采用自适应阈值这种方法进行二值化处理，其中自适应阈值的确定可以根据像素的邻域块的像素值分布来确定该像素位置上的二值化阈值，这样做的好处在于每个像素位置处的二值化阈值不是固定不变的，而是由其周围邻域像素的分布来决定的。亮度较高的图像区域的二值化阈值通常会较高，而亮度较低的图像区域的二值化阈值则会相适应地变小。作为另一优选实施例，还可以采用下述方法来进行二值化处理：通过图像读取函数imread()函数分别读取黑头图像序列中的各黑头图像，分别得到各黑头图像对应的numpy(Python的一种开源的科学计算库)数组，即各黑头图像各像素点对应的RGB(红绿蓝)值，然后遍历numpy数组，以分别对提取到的各黑头图像的RGB值进行色彩统计，将统计结果中最大统计值所对应的RGB值确定为肤色RGB值，进而通过RGB值与灰度值之间的转换公式，来将该最大统计值所对应的RGB转化为灰度值，并将该灰度值设为目标阈值，并根据该目标阈值来进行二值化处理，其中，RGB值与灰度值之间的转换公式可以为：灰度值＝(R*30+G*59+B*11+50)/100。
步骤S22，对所述二值化图像进行轮廓检测，并根据检测结果将所述黑头图像中存在轮廓的区域作为疑似黑头目标；
然后，对二值化图像进行轮廓检测，并根据检测结果将黑头图像中存在轮廓的区域作为疑似黑头目标。其中，轮廓检测，指在包含目标和背景的数字图像中，忽略背景和目标内部的纹理以及噪声干扰的影响，采用一定的技术和方法来实现目标轮廓提取的过程，简单来说，可以理解为图像中具有相同颜色或密度的位于边界的连续点的集合。轮廓检测可以通过OpenCV(Open Source Computer Vision Library，开源计算机视觉库)中的findContours()函数来计算得到轮廓。通过轮廓检测得到的轮廓，为图像中不同于正常皮肤的污垢，如黑头和粉刺等，或其他疑似黑头的东西，如痣，即可根据检测结果将黑头图像中存在轮廓的区域作为疑似黑头目标。
步骤S23，基于所述疑似黑头目标对所述黑头图像进行分割，得到包含疑似黑头目标的分割图像；
在确定出黑头图像中的疑似黑头目标后，基于疑似黑头目标对黑头图像进行分割，得到包含疑似黑头目标的分割图像。其中，分割图像的数量即等于疑似黑头目标的数量，每个分割图像中包含一个疑似黑头目标，在进行分割时，可以根据各轮廓的形状，截取各轮廓的外接矩形，作为分割图像。
步骤S24，对所述分割图像进行特征提取，得到图像特征信息，其中，所述图像特征信息包括颜色特征、形状特征和纹理特征中的一种或多种；
然后，分别对各个分割图像进行特征提取，得到图像特征信息。其中，图像特征信息包括颜色特征、形状特征和纹理特征中的一种或多种，具体的特征提取方法可参照现有技术，此处不作赘述。当然，除上述特征外，在具体实施例中，还可以提取其他特征信息，然后结合各种相关特征信息来对图像特征信息进行检测识别。可以理解的是，选用的特征越多，识别结果的准确性越高。此外，需要说明的是，各特征可由一个或多个指标参数构成，颜色特征包括主色彩(即比例最高的色彩)在整幅分割图像中所占的比例，主色彩的RGB(红绿蓝)值、主色彩的HSV(色调H，饱和度S，明度V)值等指标参数的一种或多种，形状特征包括周长、面积、最长轴、方位角、边界矩阵、形状系数、偏心率、圆形度等指标参数的一种或多种，纹理特征包括能量、熵、对比度和相关性等指标参数中的一种或多种。当然，可以理解的是，上述特征所包括的指标参数并不限于上述列举出的。
步骤S25，基于预设检测规则对所述图像特征信息进行检测识别，得到黑头信息。
最后，基于预设检测规则对图像特征信息进行检测识别，得到黑头信息，其中，黑头信息包括黑头位置和黑头数量。具体的，步骤S25可以包括：
步骤a1，检测所述图像特征信息是否满足预设条件；
作为其中一种黑头信息获取方式，可通过检测图像特征信息是否满足预设条件，以判断疑似黑头目标是否为黑头。其中，预设条件可以设定为各特征信息需满足的特征条件，特征条件可设为在一定的阈值范围内，若各特征信息分别满足其对应的条件，或各特征信息满足其对应条件数量达到预设值时，则判定图像特征信息满足预设条件。预设条件根据实际情况进行设定，图像特征信息是否满足预设条件的判定方式也可以根据实际情况进行设定，此处不作具体限定。
步骤a2，若所述图像特征信息满足预设条件，则判定所述分割图像中的疑似黑头目标为黑头，并根据判定结果得到黑头位置；
步骤a3，获取图像特征信息满足预设条件的分割图像的数量，以得到黑头数量。
若判定图像特征信息满足预设条件，此时，则判定分割图像中的疑似黑头目标为黑头，并根据判定结果得到黑头位置。然后，还可以获取图像特征信息满足预设条件的分割图像的数量，以得到黑头数量，黑头数量即等于图像特征信息满足预设条件的分割图像的数量。
步骤S25还可以包括：
步骤a4，根据所述图像特征信息构建图像特征向量，并计算所述图像特征向量与预设特征向量之间的相似度值；
作为另一种黑头信息获取方式，还可以根据图像特征信息构建图像特征向量，并计算图像特征向量与预设特征向量之间的相似度值，然后根据相似度值来判断疑似黑头目标是否为黑头。具体的，可根据图像特征信息中各指标参数按预设顺序构建得到图像特征向量，如{v1,v2,…,vn}，其中，v1，v2，…，vn分别表示各指标参数。此外，预设特征向量是根据真正的黑头的指标参数预先设定的，其构建方法与图像特征向量的构建方法相似，预设特征向量可以包括一个或多个，当为多个时，可判断计算得到的多个相似度值中是否存在小于预设阈值的相似度值，若存在，则判断分割图像中的疑似黑头目标为黑头。对于相似度值的计算方式，可通过余弦相似度、或杰卡德Jaccard距离、欧式距离等来表征两者之间的相似度值。
步骤a5，判断所述相似度值是否小于预设阈值；
步骤a6，若所述相似度值小于预设阈值，则判定所述分割图像中的疑似黑头目标为黑头，并根据判定结果得到黑头位置；
步骤a7，获取相似度值小于预设阈值的分割图像的数量，以得到黑头数量。
然后判断该相似度值是否小于预设阈值，若该相似度值小于预设阈值，说明两者比较相似，此时，则判定分割图像中的疑似黑头目标为黑头，并根据判定结果得到黑头位置。进而获取相似度值小于预设阈值的分割图像的数量，以得到黑头数量。若该相似度值大于或等于预设阈值，说明两者相差较大，此时，则判定分割图像中的疑似黑头目标不为黑头。
通过上述方式，本实施例可实现对黑头的智能高效识别，以获取到黑头信息(包括黑头位置和黑头数量)，进而通过可视化显示这些黑头信息，可便于用户了解自己的黑头位置和黑头数量，进而控制智能去黑头仪。
进一步的，基于上述各实施例方式，提出本发明可视化显示方法的第二实施例。
参照图5，在本实施例中，基于图2所示的第一实施例，所述可视化显示设备包括预设数据库，所述预设数据库中存储有历史黑头数据，在步骤S30之后，该可视化显示方法还包括：
步骤S40，在接收到历史数据比对指令时，从所述预设数据库中获取对应的历史黑头数据，所述历史黑头数据包括历史黑头图像及其对应的历史黑头信息；
在本实施例中，该可视化显示设备包括预设数据库，用于存储历史黑头数据。具体的，每次黑头吸除结束时，可根据黑头图像序列中的区域编号，从不同区域编号所对应的黑头图像序列中，获取出目标黑头图像，并获取与该目标黑头图像对应的黑头信息，进而将目标黑头图像及与目标黑头图像对应的黑头信息存储至预设数据库中。其中，目标黑头图像包括不同区域的吸除开始前的黑头图像及吸除结束时的黑头图像。需要说明的是，在具体实施例中，还可采用云端共享数据库来替代预设数据库，可视化显示设备将获取到的目标黑头图像及其对应的黑头信息存储至云端共享数据库中。
在本实施例中，可视化显示设备在接收到历史数据比对指令时，从预设数据库中获取对应的历史黑头数据，历史黑头数据包括历史黑头图像及其对应的历史黑头信息，其中，历史黑头图像包括历史各次进行黑头吸除时，各吸除区域的吸除开始前的黑头图像及吸除结束时的黑头图像；历史黑头信息包括各历史黑头图像所对应的黑头位置和黑头数量。
步骤S50，对所述历史黑头数据进行统计比对，并根据统计比对结果生成对应的历史数据比对报告。
在获取到历史黑头数据后，对历史黑头数据进行统计比对，然后根据统计比对结果生成对应的历史数据比对报告。在进行统计比对时，可以以黑头图像所对应的时间(即进行黑头吸除的时间)为维度，针对各次黑头吸除情况进行横向比对。当然，还可以分别对各次黑头吸除时各区域的初始黑头数量(即吸除开始前的黑头图像所对应的黑头数量)和吸除后的黑头数量(即吸除结束时的黑头图像所对应的黑头数量)进行加和统计，得到各次黑头吸除时的初始黑头总数量和吸除后黑头总数量，进而计算各次黑头吸除的清除率，以对各次的清除率进行对比统计；或对各次的初始黑头总数量和吸除后黑头总数量分别进行对比统计。当然，具体的统计比对规则，可以根据实际需要预先进行设定，上述仅作举例，不作为对本发明实施例的限定。
本实施例中，通过对历史黑头数据进行统计比对，进而生成历史数据比对报告，可便于用户通过该历史数据比对报告了解每次的黑头吸除情况，从而得知智能去黑头仪的黑头吸除效果，同时可以了解自身黑头的变化情况。
进一步的，基于上述各实施例方式，提出本发明可视化显示方法的第三实施例。
在本实施例中，基于图2所示的第一实施例，在步骤S30之后，该可视化显示方法还包括：
步骤A，在接收到用户触发的显示方式切换指令时，根据所述显示方式切换指令确定目标显示方式；
步骤B，基于所述目标显示方式对经标注的黑头图像和所述黑头数量进行可视化更新显示。
在本实施例中，可提供多种显示方式，以供用户根据自身偏好挑选显示方式，可提升用户体验。具体的，用户可在可视化显示设备(如智能手机)的可视化显示界面中，点击显示方式切换按钮，或显示方式切换选项，并选择所需的目标显示方式，进而可触发显示方式切换指令，此时，可视化显示设备在接收到用户触发的显示方式切换指令时，根据该显示方式切换指令确定目标显示方式，然后，基于确定得到的目标显示方式对经标注的黑头图像和黑头数量进行可视化更新显示。其中，目标显示方式可以包括但不限于布局显示方式(黑头图像与黑头数量的相对位置布局显示方式)、黑头图像的可视化显示格式(如横向排列、纵向排列)、黑头数量的可视化显示格式(如折线图、柱状图等)。
本实施例中，用户可根据个人偏好选择喜欢的显示方式，进而以目标显示对经标注的黑头图像和黑头数量进行可视化更新显示，可以提升用户体验。
本发明还提供一种可视化显示***，该可视化显示***包括可视化显示设备和智能去黑头仪；其中，
所述可视化显示设备为如上文所述的可视化设备，可用于执行上述可视化显示方法中的各个步骤，具体执行过程可参照上述各实施例，此处不作赘述；
所述智能去黑头仪，用于按预设采集频率拍摄目标吸除区域的黑头图像，得到黑头图像序列，并基于智能去黑头仪与可视化显示设备之间的通信连接，将黑头图像序列发送至可视化显示设备。此外，智能去黑头仪还可以用于接收用户触发的黑头吸除指令，并根据该黑头吸除指令确定目标吸除档位，以根据该目标吸除档位进行吸除。还用于接收黑头数据，如黑头数量和黑头大小，进而根据黑头数据来智能确定黑头吸除参数(包括吸力大小和吸除频率)，并按该黑头吸除参数进行吸除。
本发明还提供一种计算机可读存储介质，该计算机可读存储介质上存储有可视化显示程序，所述可视化显示程序被处理器执行时实现如以上任一项实施例所述的可视化显示方法的步骤。
本发明计算机可读存储介质的具体实施例与上述可视化显示方法各实施例基本相同，在此不作赘述。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者***不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者***所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者***中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种可视化显示方法，其特征在于，所述可视化显示方法包括以下步骤：
建立可视化显示设备与智能去黑头仪之间的通信连接，并基于所述通信连接接收所述智能去黑头仪发送的黑头图像序列；
基于预设处理规则对所述黑头图像序列中的各黑头图像进行处理，得到黑头信息，所述黑头信息包括黑头位置和黑头数量；
根据所述黑头位置在对应的黑头图像中对黑头进行标注，并基于所述黑头图像序列的时间顺序和预设显示方式对经标注的黑头图像和所述黑头数量进行可视化显示。
2.如权利要求1所述的可视化显示方法，其特征在于，所述基于预设处理规则分别对所述黑头图像序列中的各黑头图像进行处理，得到黑头信息的步骤包括：
对所述黑头图像序列中的各黑头图像进行二值化处理，得到二值化图像；
对所述二值化图像进行轮廓检测，并根据检测结果将所述黑头图像中存在轮廓的区域作为疑似黑头目标；
基于所述疑似黑头目标对所述黑头图像进行分割，得到包含疑似黑头目标的分割图像；
对所述分割图像进行特征提取，得到图像特征信息，其中，所述图像特征信息包括颜色特征、形状特征和纹理特征中的一种或多种；
基于预设检测规则对所述图像特征信息进行检测识别，得到黑头信息。
3.如权利要求2所述的可视化显示方法，其特征在于，所述对所述黑头图像序列中的各黑头图像进行二值化处理，得到二值化图像的步骤之前，还包括：
对所述黑头图像序列中的各黑头图像进行图像增强处理；
所述对所述黑头图像序列中的各黑头图像进行二值化处理，得到二值化图像的步骤包括：
对经图像增强处理的各黑头图像进行二值化处理，得到二值化图像。
4.如权利要求2所述的可视化显示方法，其特征在于，所述基于预设检测规则对所述图像特征信息进行检测识别，得到黑头信息的步骤包括：
检测所述图像特征信息是否满足预设条件；
若所述图像特征信息满足预设条件，则判定所述分割图像中的疑似黑头目标为黑头，并根据判定结果得到黑头位置；
获取图像特征信息满足预设条件的分割图像的数量，以得到黑头数量。
5.如权利要求2所述的可视化显示方法，其特征在于，所述基于预设检测规则对所述图像特征信息进行检测识别，得到黑头信息的步骤包括：
根据所述图像特征信息构建图像特征向量，并计算所述图像特征向量与预设特征向量之间的相似度值；
判断所述相似度值是否小于预设阈值；
若所述相似度值小于预设阈值，则判定所述分割图像中的疑似黑头目标为黑头，并根据判定结果得到黑头位置；
获取相似度值小于预设阈值的分割图像的数量，以得到黑头数量。
6.如权利要求1至5中任一项所述的可视化显示方法，其特征在于，所述可视化显示设备包括预设数据库，所述预设数据库中存储有历史黑头数据，所述可视化显示方法还包括：
在接收到历史数据比对指令时，从所述预设数据库中获取对应的历史黑头数据，所述历史黑头数据包括历史黑头图像及其对应的历史黑头信息；
对所述历史黑头数据进行统计比对，并根据统计比对结果生成对应的历史数据比对报告。
7.如权利要求1至5中任一项所述的可视化显示方法，其特征在于，所述可视化显示方法还包括：
在接收到用户触发的显示方式切换指令时，根据所述显示方式切换指令确定目标显示方式；
基于所述目标显示方式对经标注的黑头图像和所述黑头数量进行可视化更新显示。
8.一种可视化显示设备，其特征在于，所述可视化显示设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的可视化显示程序，所述可视化显示程序被所述处理器执行时实现如权利要求1至7中任一项所述的可视化显示方法的步骤。
9.一种可视化显示***，其特征在于，所述可视化显示***包括可视化显示设备和智能去黑头仪；其中，
所述可视化显示设备为如权利要求8所述的可视化显示设备；
所述智能去黑头仪，用于按预设采集频率拍摄目标吸除区域的黑头图像，得到黑头图像序列，并基于所述智能去黑头仪与所述可视化显示设备之间的通信连接，将所述黑头图像序列发送至所述可视化显示设备。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有可视化显示程序，所述可视化显示程序被处理器执行时实现如权利要求1至7中任一项所述的可视化显示方法的步骤。
CN201910353469.6A 2019-04-30 2019-04-30 可视化显示方法、设备、***及计算机可读存储介质 Pending CN110334229A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910353469.6A CN110334229A (zh) 2019-04-30 2019-04-30 可视化显示方法、设备、***及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910353469.6A CN110334229A (zh) 2019-04-30 2019-04-30 可视化显示方法、设备、***及计算机可读存储介质

Publications (1)

Publication Number Publication Date
CN110334229A true CN110334229A (zh) 2019-10-15

Family

ID=68139344

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910353469.6A Pending CN110334229A (zh) 2019-04-30 2019-04-30 可视化显示方法、设备、***及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN110334229A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114724133A (zh) * 2022-04-18 2022-07-08 北京百度网讯科技有限公司 文字检测和模型训练方法、装置、设备及存储介质

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0828228A2 (en) * 1996-09-05 1998-03-11 Canon Aptex Kabushiki Kaisha Image forming apparatus and method
US20090137908A1 (en) * 2007-11-26 2009-05-28 Patwardhan Sachin V Multi-spectral tissue imaging
CN104299011A (zh) * 2014-10-13 2015-01-21 吴亮 一种基于人脸图像识别的肤质与皮肤问题识别检测方法
CN104463782A (zh) * 2013-09-16 2015-03-25 联想(北京)有限公司 图像处理方法、装置和电子设备
US20150374277A1 (en) * 2014-06-30 2015-12-31 Canfield Scientific, Incorporated Acne imaging methods and apparatus
CN107958453A (zh) * 2017-12-01 2018-04-24 深圳蓝韵医学影像有限公司 乳腺图像病变区域的检测方法、装置及计算机存储介质
CN108323203A (zh) * 2017-07-17 2018-07-24 深圳和而泰智能控制股份有限公司 一种定量检测人脸肤质参量的方法、装置和智能终端
CN108322606A (zh) * 2018-01-30 2018-07-24 努比亚技术有限公司 一种屏幕开启方法、终端及计算机可读存储介质
CN108647566A (zh) * 2018-03-29 2018-10-12 维沃移动通信有限公司 一种识别皮肤特征的方法及终端
CN109544516A (zh) * 2018-11-05 2019-03-29 深圳和而泰数据资源与云技术有限公司 图像检测方法及装置

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0828228A2 (en) * 1996-09-05 1998-03-11 Canon Aptex Kabushiki Kaisha Image forming apparatus and method
US20090137908A1 (en) * 2007-11-26 2009-05-28 Patwardhan Sachin V Multi-spectral tissue imaging
CN104463782A (zh) * 2013-09-16 2015-03-25 联想(北京)有限公司 图像处理方法、装置和电子设备
US20150374277A1 (en) * 2014-06-30 2015-12-31 Canfield Scientific, Incorporated Acne imaging methods and apparatus
CN104299011A (zh) * 2014-10-13 2015-01-21 吴亮 一种基于人脸图像识别的肤质与皮肤问题识别检测方法
CN108323203A (zh) * 2017-07-17 2018-07-24 深圳和而泰智能控制股份有限公司 一种定量检测人脸肤质参量的方法、装置和智能终端
CN107958453A (zh) * 2017-12-01 2018-04-24 深圳蓝韵医学影像有限公司 乳腺图像病变区域的检测方法、装置及计算机存储介质
CN108322606A (zh) * 2018-01-30 2018-07-24 努比亚技术有限公司 一种屏幕开启方法、终端及计算机可读存储介质
CN108647566A (zh) * 2018-03-29 2018-10-12 维沃移动通信有限公司 一种识别皮肤特征的方法及终端
CN109544516A (zh) * 2018-11-05 2019-03-29 深圳和而泰数据资源与云技术有限公司 图像检测方法及装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114724133A (zh) * 2022-04-18 2022-07-08 北京百度网讯科技有限公司 文字检测和模型训练方法、装置、设备及存储介质
CN114724133B (zh) * 2022-04-18 2024-02-02 北京百度网讯科技有限公司 文字检测和模型训练方法、装置、设备及存储介质

Similar Documents

Publication Publication Date Title
CN108229277B (zh) 手势识别、手势控制及多层神经网络训练方法、装置及电子设备
US10783353B2 (en) Method for detecting skin region and apparatus for detecting skin region
US10372226B2 (en) Visual language for human computer interfaces
CN107256555B (zh) 一种图像处理方法、装置及存储介质
CN107771336B (zh) 基于颜色分布的图像中的特征检测和掩模
CN111476780B (zh) 一种图像检测方法、装置、电子设备以及存储介质
JP4335565B2 (ja) 画像あるいは一連の画像内の１つあるいは複数の色領域を検出しかつ／または追跡するための方法および装置
WO2017092431A1 (zh) 基于肤色的人手检测方法及装置
CN108038836B (zh) 一种图像处理方法、装置及移动终端
JP2019504386A (ja) 顔画像処理方法および装置、ならびに記憶媒体
CN110321896A (zh) 黑头识别方法、装置及计算机可读存储介质
CN108234882B (zh) 一种图像虚化方法及移动终端
US11151398B2 (en) Anti-counterfeiting processing method, electronic device, and non-transitory computer-readable storage medium
US11978231B2 (en) Wrinkle detection method and terminal device
CN111260655B (zh) 基于深度神经网络模型的图像生成方法与装置
CN113222973B (zh) 图像处理方法及装置、处理器、电子设备及存储介质
JP2007148663A (ja) オブジェクト追跡装置及びオブジェクト追跡方法、並びにプログラム
KR20140035273A (ko) 화상 처리장치, 화상 처리프로그램을 기록한 컴퓨터-리더블 기록매체, 및 화상 처리방법
CN109544441B (zh) 图像处理方法及装置、直播中的肤色处理方法及装置
CN114187166A (zh) 图像处理方法、智能终端及存储介质
CN107729736B (zh) 人脸识别方法以及相关产品
CN110334229A (zh) 可视化显示方法、设备、***及计算机可读存储介质
KR20130111021A (ko) 영상처리장치 및 영상처리방법
CN112511890A (zh) 视频图像处理方法、装置及电子设备
CN110766631A (zh) 人脸图像的修饰方法、装置、电子设备和计算机可读介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20191015