CN111297323A - 基于rbx影像分色所进行的皮肤分析方法 - Google Patents

基于rbx影像分色所进行的皮肤分析方法 Download PDF

Info

Publication number
CN111297323A
CN111297323A CN201911263406.8A CN201911263406A CN111297323A CN 111297323 A CN111297323 A CN 111297323A CN 201911263406 A CN201911263406 A CN 201911263406A CN 111297323 A CN111297323 A CN 111297323A
Authority
CN
China
Prior art keywords
image
value
spots
skin
individual
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
CN201911263406.8A
Other languages
English (en)
Inventor
王智昱
黄柏翰
张淑贞
吕佳真
蔡文骞
欧阳韵璇
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.)
Mengjing Enterprise Co Ltd
Original Assignee
Mengjing Enterprise Co Ltd
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 Mengjing Enterprise Co Ltd filed Critical Mengjing Enterprise Co Ltd
Publication of CN111297323A publication Critical patent/CN111297323A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0077—Devices for viewing the surface of the body, e.g. camera, magnifying lens
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • G06T7/0016—Biomedical image inspection using an image reference approach involving temporal comparison
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/1032—Determining colour for diagnostic purposes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0075—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence by spectroscopy, i.e. measuring spectra, e.g. Raman spectroscopy, infrared absorption spectroscopy
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/44—Detecting, measuring or recording for evaluating the integumentary system, e.g. skin, hair or nails
    • A61B5/441—Skin evaluation, e.g. for skin disorder diagnosis
    • A61B5/445—Evaluating skin irritation or skin trauma, e.g. rash, eczema, wound, bed sore
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4848—Monitoring or testing the effects of treatment, e.g. of medication
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/24—Indexing scheme for image data processing or generation, in general involving graphical user interfaces [GUIs]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20021—Dividing image into blocks, subimages or windows
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30088—Skin; Dermal

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Molecular Biology (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Dermatology (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本发明涉及一种分析皮肤肤色的方法，包括：撷取待测个体的皮肤影像；将所述待测个体的皮肤影像经RBX影像分色转换取得RBX影像；依据所述RBX影像中分析取得的颜色参数判断所述待测个体的皮肤肤色。本发明提出一种基于RBX影像分色所进行的皮肤分析方法，增加了RBX影像分色的应用。

Description

基于RBX影像分色所进行的皮肤分析方法
技术领域
本发明属于皮肤分析领域，尤其涉及一种基于RBX影像分色所进行的皮肤分析方法。
背景技术
RBX影像分色由美国Canfield lmaging Systems开发，其原理为将全彩影像分解成代表血红蛋白(hemoglobin)散射光谱的红色矢量、代表黑色素(melanin)散射光谱的棕色矢量以及未知的X矢量(如图1所示)，并利用分解取得的颜色矢量空间转换出红色影像及棕色影像(如图2所示)，红色影像反映血红蛋白的分布情况，棕色影像反映黑色素的分布情况。此外，由于血红蛋白位于真皮层，黑色素位于表皮层与真皮层间，且非极化光影像有反光的可能而无法清楚显现出血红蛋白与黑色素，故全彩影像以极化光影像为宜(如图3所示)。
申请人2016年于义大研讯、第29卷、第44至49页发表了RBX影像分色转换的红色影像中的蓝色亮度平均值越低，所对应个体的酒槽性皮肤炎严重度越高；反之，则否。通过这项结果，可协助医师诊断个体是否罹患酒槽性皮肤炎及其病程。
因此，如何增加RBX影像分色的应用确实为本发明所属技术领域人员积极提出的课题之一。
发明内容
基于此，针对上述技术问题，提供一种基于RBX影像分色所进行的皮肤分析方法。
为解决上述技术问题，本发明采用如下技术方案：
一种分析皮肤肤色的方法，包括：
撷取待测个体的皮肤影像；
将所述待测个体的皮肤影像经RBX影像分色转换取得RBX影像；
依据所述RBX影像中分析取得的颜色参数判断所述待测个体的皮肤肤色。
在一较佳实施方式中，所撷取的皮肤影像为全彩极化光影像。
在一较佳实施方式中，所述分析取得的颜色参数为RGB值、HSL值、HSV值、CMYK值或者LAB值。
在一较佳实施方式中，RBX影像分色转换步骤与皮肤状态判断步骤在人机界面装置进行。
在一较佳实施方式中，影像撷取步骤在人机界面装置进行。
在一较佳实施方式中，所述人机界面装置为桌上型计算机、笔记型计算机、平板、手机或者个人数位助理PDA。
本发明还涉及一种分析皮肤肤色的方法，包括：
撷取待测个体的皮肤影像；
将所述待测个体的皮肤影像经RBX影像分色转换取得红色影像；
计算所述红色影像中红色亮度平均值及绿色亮度平均值；
将所述红色亮度平均值减所述绿色亮度平均值取得R-G值；
对所述待测个体的R-G值与对照个体的R-G值进行比较，若所述待测个体的R-G值大于所述对照个体的R-G值，则所述待测个体的皮肤肤色较所述对照个体的皮肤肤色为红；若所述待测个体的R-G值小于所述对照个体的R-G值，则所述对照个体的皮肤状态较所述待测个体的皮肤肤色为红。
在一较佳实施方式中，所撷取的皮肤影像为全彩极化光影像。
在一较佳实施方式中，RBX影像分色转换步骤、亮度平均值计算步骤、R-G值取得步骤以及R-G值比较步骤在人机界面装置进行。
在一较佳实施方式中，影像撷取步骤在人机界面装置进行。
在一较佳实施方式中，所述人机界面装置为桌上型计算机、笔记型计算机、平板、手机或者个人数位助理PDA。
本发明还涉及一种分析皮肤肤色的方法，包括：
撷取个体的皮肤影像；
将所述个体的皮肤影像经RBX影像分色转换取得红色影像；
计算所述红色影像中红色亮度平均值及绿色亮度平均值；
将所述红色亮度平均值减所述绿色亮度平均值取得R-G值；
对所述个体此次取得的R-G值与其先前取得的R-G值进行比较，若此次取得的R-G值大于先前取得的R-G值，则所述个体的皮肤状态有变红的趋势；若此次取得的R-G值小于先前取得的R-G值，则所述个体的皮肤状态有不红的趋势。
在一较佳实施方式中，此次取得的R-G值为上妆后取得的R-G值，先前取得的R-G值为上妆前取得的R-G值。
在一较佳实施方式中，此次取得的R-G值为卸妆后取得的R-G值，先前取得的R-G值为卸妆前取得的R-G值。
在一较佳实施方式中，所撷取的皮肤影像为全彩极化光影像。
在一较佳实施方式中，RBX影像分色转换步骤、亮度平均值计算步骤、R-G值取得步骤以及R-G值比较步骤在人机界面装置进行。
在一较佳实施方式中，影像撷取步骤在人机界面装置进行。
在一较佳实施方式中，所述人机界面装置为桌上型计算机、笔记型计算机、平板、手机或者个人数位助理PDA。
本发明还涉及一种评估皮肤遮斑或除斑效果的方法，包括：
将个体遮斑或除斑前的皮肤影像以及遮斑或除斑后的皮肤影像经RBX影像分色各转换取得遮斑或除斑前的棕色影像以及遮斑或除斑后的棕色影像；
将棕色影像进行灰阶处理取得遮斑或除斑前的灰阶影像以及遮斑或除斑后的灰阶影像；
将所述遮斑或除斑前的灰阶影像以及所述遮斑或除斑后的灰阶影像转换成遮斑或除斑前的亮度图谱以及遮斑或除斑后的亮度图谱；
依亮度值将所述遮斑或除斑前的亮度图谱以及所述遮斑或除斑后的亮度图谱各分成第一区块以及第二区块，所述第一区块对应的亮度值大于所述第二区块对应的亮度值；
计算所述遮斑或除斑前的亮度图谱中第一区块的面积总和、所述遮斑或除斑前的亮度图谱中第二区块的面积总和、所述遮斑或除斑后的亮度图谱中第一区块的面积总和、所述遮斑或除斑后的亮度图谱中第二区块的面积总和；
将所述遮斑或除斑前之亮度图谱中第一区块的面积总和除以所述遮斑或除斑前的亮度图谱中所有区块的面积总和取得Pre-H值、所述遮斑或除斑前的亮度图谱中第二区块的面积总和除以所述遮斑或除斑前的亮度图谱中所有区块的面积总和取得Pre-L值、所述遮斑或除斑后的亮度图谱中第一区块的面积总和除所述该遮斑或除斑后的亮度图谱中所有区块的面积总和取得Post-H值、所述遮斑或除斑后的亮度图谱中第二区块的面积总和除以所述遮斑或除斑后的亮度图谱中所有区块的面积总和取得Post-L值，若所述Post-H值大于所述Pre-H值且所述Post-L值小于所述Pre-L值，表示遮斑或除斑效果为有效。
在一较佳实施方式中，所述斑为太田母斑或黑斑。
在一较佳实施方式中，所有步骤在人机界面装置进行。
在一较佳实施方式中，所述人机界面装置为桌上型计算机、笔记型计算机、平板、手机或者个人数位助理PDA。
本发明提出一种基于RBX影像分色所进行的皮肤分析方法，增加了RBX影像分色的应用。
附图说明
下面结合附图和具体实施方式本发明进行详细说明：
图1为RBX影像分色分解取得的颜色向量空间示意图；
图2为RBX影像分色转换取得的红色影像与棕色影像示意图；
图3为利用极化光拍摄皮肤示意图；
图4为LabVIEW撰写的程序操作示意图；
图5为不同类型个体的R-G值的统计图；
图6为1号个体治疗前与治疗后不同时期的R-G值的统计图；
图7为2号个体治疗前与治疗后不同时期的R-G值的统计图；
图8为3号个体治疗前与治疗后不同时期的R-G值的统计图；
图9为4号个体治疗前与治疗后不同时期的R-G值的统计图；
图10为5至9号个体治疗前、后的R-G值的统计图；
图11为RBX影像分色转换取得的棕色影像及其对应的灰阶影像的示意图；
图12为皮肤类型3的个体不同时期的灰阶影像中特定亮度值区块(L0至L4)的亮度总和比例的统计图；
图13为太田母斑个体、脂漏性角化个体与黑斑个体不同时期的灰阶影像中特定亮度值区块(L0至L4)的面积总和比例的统计图。
具体实施方式
为了让本发明上述及/或其他目的、功效、特征更明显易懂，下文特举较佳实施方式，作详细说明如下。
实施例1
由医师提供26位个体皮肤特定部位的极化光影像与非极化光影像。接着，依非极化光影像将上述个体分成四类：正常(2位)、轻度(mild)酒槽性皮肤炎(6位)、中度(moderate)酒槽性皮肤炎(13位)以及重度(severe)酒槽性皮肤炎(5位)。
利用RBX影像分色将极化光影像转换成红色影像。接着，以LabVIEW撰写的程序(如图4所示)将红色影像转换成红色亮度图谱、绿色亮度图谱、及蓝色亮度图谱，并由这些图谱计算出红色亮度平均值、绿色亮度平均值、及蓝色亮度平均值。
依由红色亮度平均值来看，这些个体并无差异；然而，如图5所示，由红色亮度平均值减绿色亮度平均值所得的差(R-G值)来看，由高至低依序为重度酒槽性皮肤炎、中度酒槽性皮肤炎、轻度酒槽性皮肤炎以及正常。具体来说，正常个体的R-G值约为67(约介于60至72之间)，轻度酒槽性皮肤炎个体的R-G值约为77(约介于72至82之间)，中度酒槽性皮肤炎个体的R-G值约为87(约介于82至92之间)，重度酒槽性皮肤炎个体的R-G值约为101(约介于92至110之间)。
由于酒槽性皮肤炎严重程度与肤色红色程度呈正相关，因此R-G值的级距除了与医师专业诊断的分类结果一致，而可作为疾病发病程度的判断参考，也可作为肤色红色程度的判断参考。
实施例2
由医师提供4位个体皮肤特定部位的极化光影像与非极化光影像，并将4位个体依序编码为1至4号。接着，医师依非极化光影像诊断此4位个体，其中1号个体患有重度酒槽性皮肤炎、2号个体患有中度酒槽性皮肤炎、3号个体患有中度酒槽性皮肤炎、4号个体患有轻度酒槽性皮肤炎。然后，依疗程治疗这4位个体并于治疗后特定天数参照前述方式取得极化光影像与非极化光影像。另外，医师依非极化光影像诊断此4位个体的治疗状况，且同时参照实施例1所提的操作，取得每一个体治疗前的R-G值与治疗后的R-G值。
如图6所示，依非极化光影像来看，1号个体于治疗后7至8天起减缓为中度酒槽性皮肤炎；由R-G值来看，R-G值于治疗后7至8天起开始低于阈值87。这结果表示R-G阈值87有作为医师诊断病征改善的参考数据的可能。
如图7所示，依非极化光影像来看，2号个体于治疗后1至2天严重至重度酒槽性皮肤炎，而于治疗后5至6天起大幅减缓至轻度酒槽性皮肤炎；而由R-G值来看，R-G值于治疗后1至2天高于阈值87，并于治疗后5至6天起开始低于阈值77。这结果表示R-G阈值87与R-G阈值77有作为医师诊断病征改善的参考数据的可能。
如图8所示，依非极化光影像来看，3号个体于治疗后1至6天减缓至正常皮肤，而于治疗后7天起稍微严重至轻度酒槽性皮肤炎；而由R-G值来看，R-G值于治疗后1至6天低于阈值67，并于治疗后7天起开始高于阈值67。这结果表示R-G阈值67有作为医师诊断病征改善的参考数据的可能。
如图9所示，依非极化光影像来看，4号个体于治疗后5至6天起减缓为正常皮肤；由R-G值来看，R-G值于治疗后5至6天起开始低于阈值67。这结果表示R-G阈值67有作为医师诊断病征改善的参考数据的可能。
由于酒槽性皮肤炎严重程度与肤色红色程度呈正相关，因此R-G值的级距除了与医师专业诊断的分类结果一致，而可作为疾病发病程度的判断参考，也可作为肤色红色程度的判断参考。
实施例3
由医师提供5位个体皮肤特定部位的极化光影像与非极化光影像，并将此5位个体依序编码为5至9号。接着，医师依非极化光影像诊断此5至7号个体患有皮肤红血丝，此8号个体患有皮肤血管异常增生，此9号个体患有皮肤血管瘤。然后，依疗程治疗这5位个体并于治疗后参照前述方式取得极化光影像。另外，医师依非极化光影像诊断此5位个体的治疗状况，并同时参照实施例1所提的操作，取得每一个体治疗前的R-G值与治疗后的R-G值，结果如图10所示。患有皮肤红血丝的个体(5至7号)于治疗后有舒缓的趋势，且治疗后的R-G值较治疗前的R-G值低；患有皮肤血管异常增生的个体(8号)于治疗后有舒缓的趋势，且治疗后的R-G值较治疗前的R-G值低；患有皮肤血管瘤的个体(9号)于治疗后有舒缓的趋势，且治疗后的R-G值较治疗前的R-G值低。
由于皮肤红血丝、皮肤血管异常增生与皮肤血管瘤的严重程度与肤色红色程度呈正相关，因此R-G值的级距除了与医师专业诊断的分类结果一致，而可作为疾病发病程度的判断参考，也可作为肤色红色程度的判断参考。
实施例4
由医师提供1位皮肤类型(skin type)3的个体皮肤特定部位的非极化光影像。依美白疗程处置个体并于处置后特定天数取得非极化光影像。
以RBX影像分色将所有极化光影像转换成棕色影像。接着，以LabVIEW撰写的程序将棕色影像转换成灰阶影像(如图11所示)后，将灰阶影像转换成灰阶亮度图谱。依亮度值0至255将灰阶亮度图谱均分为5区块，并依对应的亮度值由小至大定义这些区块为L0至L4(L4为最亮区块，L0为最暗区块)。然后，分别计算L0至L4的面积作为不同亮度值区块的亮度总和，并计算每一区块面积相对于所对应时间的所有区块面积的比例(如图12所示)。
如图12所示，依各区块面积的比例来看，处置前L1面积比例较处置后L1面积比例高，处置前L2面积比例较处置后L2面积比例高，而处置前L3面积比例较处置后L3面积比例低，这表示处置后的灰阶影像趋于更亮。另外，医师依目测亦观察到个体疗程后有达到美白的效果。
综上所述，灰阶影像中特定亮度值区块的亮度总和比例可作为医师美白或去斑疗程效果的评估依据。
实施例5
由医师提供患有太田母斑、脂漏性角化与黑斑的个体皮肤特定部位的非极化光影像。依去斑疗程处置或遮瑕个体并于处置后取得非极化光影像。然后，以RBX影像分色将所有极化光影像转换成棕色影像。接着，以LabVIEW撰写的程序将棕色影像转换成太田母斑个体的灰阶影像、脂漏性角化个体的灰阶影像与黑斑个体的灰阶影像后，将这些灰阶影像转换成灰阶亮度图谱。依亮度值0至255将灰阶亮度图谱均分为5区块，并依对应的亮度值由小至大定义这些区块为L0至L4(L4为最亮区块，L0为最暗区块)。然后，分别计算L0至L4的面积作为不同亮度值区块的亮度总和，并计算每一区块面积相对于所对应时间的所有区块面积的比例(如图13所示)。
如图13所示，依各区块面积的比例来看，太田母斑个体去斑前L2面积比例较去斑后L1面积比例高，而去斑前L4面积比例较去斑后L4面积比例低，这表示去斑后的灰阶影像趋于更亮。另外，医师依目测亦观察到个体去斑后有达到改善太田母斑的效果。
如图13所示，依各区块面积的比例来看，脂漏性角化个体遮瑕前L0面积比例较遮瑕后L0面积比例高，遮瑕前L1面积比例与遮瑕后L1面积比例相当，遮瑕前L2面积比例较遮瑕后L2面积比例低，而遮瑕前L3面积比例较遮瑕后L3面积比例低，这表示遮瑕后的灰阶影像趋于更亮。另外，医师依目测亦观察到个体遮瑕后有达到遮住脂漏性角化瑕疵的效果。
又如图13所示，依各区块面积的比例来看，黑斑个体去斑前L1面积比例与去斑后L1面积比例高，去斑前L2面积比例较去斑后L2面积比例低，而去斑前L3面积比例较去斑后L3面积比例低，这表示去斑后的灰阶影像趋于更亮。另外，医师依目测亦观察到个体去斑后有达到改善黑斑的效果。
综上所述，灰阶影像中特定亮度值区块的亮度总和比例可作为皮肤疾病病症遮瑕、医师皮肤疾病病症、美白或去斑疗程效果的评估依据。
惟以上所述者，仅为本发明之较佳实施例，但不能以此限定本发明实施之范围；故凡依本发明申请专利范围及发明说明书内容所作的简单的等效改变与修饰，均仍属本发明专利涵盖之范围内。

Claims (7)

1.一种分析皮肤肤色的方法，其特征在于，包括：
撷取待测个体的皮肤影像；
将所述待测个体的皮肤影像经RBX影像分色转换取得RBX影像；
依据所述RBX影像中分析取得的颜色参数判断所述待测个体的皮肤肤色。
2.根据权利要求1所述的一种分析皮肤肤色的方法，其特征在于，所述分析取得的颜色参数为RGB值、HSL值、HSV值、CMYK值或者LAB值。
3.一种分析皮肤肤色的方法，其特征在于，包括：
撷取待测个体的皮肤影像；
将所述待测个体的皮肤影像经RBX影像分色转换取得红色影像；
计算所述红色影像中红色亮度平均值及绿色亮度平均值；
将所述红色亮度平均值减所述绿色亮度平均值取得R-G值；
对所述待测个体的R-G值与对照个体的R-G值进行比较，若所述待测个体的R-G值大于所述对照个体的R-G值，则所述待测个体的皮肤肤色较所述对照个体的皮肤肤色为红；若所述待测个体的R-G值小于所述对照个体的R-G值，则所述对照个体的皮肤状态较所述待测个体的皮肤肤色为红。
4.一种分析皮肤肤色的方法，其特征在于，包括：
撷取个体的皮肤影像；
将所述个体的皮肤影像经RBX影像分色转换取得红色影像；
计算所述红色影像中红色亮度平均值及绿色亮度平均值；
将所述红色亮度平均值减所述绿色亮度平均值取得R-G值；
对所述个体此次取得的R-G值与其先前取得的R-G值进行比较，若此次取得的R-G值大于先前取得的R-G值，则所述个体的皮肤状态有变红的趋势；若此次取得的R-G值小于先前取得的R-G值，则所述个体的皮肤状态有不红的趋势。
5.根据权利要求1-4任意一项所述的一种分析皮肤肤色的方法，其特征在于，所述皮肤影像为全彩极化光影像。
6.一种评估皮肤遮斑或除斑效果的方法，其特征在于，包括：
将个体遮斑或除斑前的皮肤影像以及遮斑或除斑后的皮肤影像经RBX影像分色各转换取得遮斑或除斑前的棕色影像以及遮斑或除斑后的棕色影像；
将棕色影像进行灰阶处理取得遮斑或除斑前的灰阶影像以及遮斑或除斑后的灰阶影像；
将所述遮斑或除斑前的灰阶影像以及所述遮斑或除斑后的灰阶影像转换成遮斑或除斑前的亮度图谱以及遮斑或除斑后的亮度图谱；
依亮度值将所述遮斑或除斑前的亮度图谱以及所述遮斑或除斑后的亮度图谱各分成第一区块以及第二区块，所述第一区块对应的亮度值大于所述第二区块对应的亮度值；
计算所述遮斑或除斑前的亮度图谱中第一区块的面积总和、所述遮斑或除斑前的亮度图谱中第二区块的面积总和、所述遮斑或除斑后的亮度图谱中第一区块的面积总和、所述遮斑或除斑后的亮度图谱中第二区块的面积总和；
将所述遮斑或除斑前之亮度图谱中第一区块的面积总和除以所述遮斑或除斑前的亮度图谱中所有区块的面积总和取得Pre-H值、所述遮斑或除斑前的亮度图谱中第二区块的面积总和除以所述遮斑或除斑前的亮度图谱中所有区块的面积总和取得Pre-L值、所述遮斑或除斑后的亮度图谱中第一区块的面积总和除所述该遮斑或除斑后的亮度图谱中所有区块的面积总和取得Post-H值、所述遮斑或除斑后的亮度图谱中第二区块的面积总和除以所述遮斑或除斑后的亮度图谱中所有区块的面积总和取得Post-L值，若所述Post-H值大于所述Pre-H值且所述Post-L值小于所述Pre-L值，表示遮斑或除斑效果为有效。
7.根据权利要求6所述的一种评估皮肤遮斑或除斑效果的方法，其特征在于，所述斑为太田母斑或黑斑。
CN201911263406.8A 2018-12-11 2019-12-11 基于rbx影像分色所进行的皮肤分析方法 Pending CN111297323A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US201862777772P 2018-12-11 2018-12-11
US62/777,772 2018-12-11

Publications (1)

Publication Number Publication Date
CN111297323A true CN111297323A (zh) 2020-06-19

Family

ID=70970186

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911263406.8A Pending CN111297323A (zh) 2018-12-11 2019-12-11 基于rbx影像分色所进行的皮肤分析方法

Country Status (3)

Country Link
US (1) US11100639B2 (zh)
CN (1) CN111297323A (zh)
TW (1) TWI745796B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110675834B (zh) * 2019-09-25 2021-01-01 惠州市华星光电技术有限公司 改善有色人种肤色视角表现的设计方法及***
TWI837522B (zh) * 2021-10-01 2024-04-01 臺北醫學大學 乾癬影像之評估系統及其運作方法
CN113989139A (zh) * 2021-10-21 2022-01-28 武汉博视电子有限公司 脸部肌肤图像红血丝提取并形成血丝光谱的处理方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110206254A1 (en) * 2010-02-22 2011-08-25 Canfield Scientific, Incorporated Reflectance imaging and analysis for evaluating tissue pigmentation
CN104463919A (zh) * 2015-01-07 2015-03-25 上海添美信息技术有限公司 一种评估皮肤色素的全像素色彩分析方法
CN106529429A (zh) * 2016-10-27 2017-03-22 中国计量大学 一种基于图像识别的面部皮肤分析***
WO2017203913A1 (ja) * 2016-05-25 2017-11-30 パナソニックＩｐマネジメント株式会社 肌診断装置および肌診断方法

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6081612A (en) * 1997-02-28 2000-06-27 Electro Optical Sciences Inc. Systems and methods for the multispectral imaging and characterization of skin tissue
US7233693B2 (en) * 2003-04-29 2007-06-19 Inforward, Inc. Methods and systems for computer analysis of skin image
WO2010093503A2 (en) * 2007-01-05 2010-08-19 Myskin, Inc. Skin analysis methods
US10368795B2 (en) * 2014-06-30 2019-08-06 Canfield Scientific, Incorporated Acne imaging methods and apparatus
DE102017202702A1 (de) * 2017-02-20 2018-08-23 Henkel Ag & Co. Kgaa Verfahren und Einrichtung zum Ermitteln einer Homogenität von Hautfarbe
US11321830B2 (en) * 2017-08-24 2022-05-03 Huawei Technologies Co., Ltd. Image detection method and apparatus and terminal
WO2019094514A1 (en) * 2017-11-07 2019-05-16 Canfield Scientific, Incorporated Enhancing pigmentation in dermoscopy images
US11278236B2 (en) * 2018-04-03 2022-03-22 Canfield Scientific, Incorporated Imaging-based methods and apparatuses for assessing skin pigmentation
US11452455B2 (en) * 2018-05-02 2022-09-27 Canfield Scientific, Incorporated Skin reflectance and oiliness measurement

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110206254A1 (en) * 2010-02-22 2011-08-25 Canfield Scientific, Incorporated Reflectance imaging and analysis for evaluating tissue pigmentation
CN104463919A (zh) * 2015-01-07 2015-03-25 上海添美信息技术有限公司 一种评估皮肤色素的全像素色彩分析方法
WO2017203913A1 (ja) * 2016-05-25 2017-11-30 パナソニックＩｐマネジメント株式会社 肌診断装置および肌診断方法
CN106529429A (zh) * 2016-10-27 2017-03-22 中国计量大学 一种基于图像识别的面部皮肤分析***

Also Published As

Publication number Publication date
TWI745796B (zh) 2021-11-11
TW202031198A (zh) 2020-09-01
US11100639B2 (en) 2021-08-24
US20200184642A1 (en) 2020-06-11

Similar Documents

Publication Publication Date Title
Chiu A novel approach based on computerized image analysis for traditional Chinese medical diagnosis of the tongue
CN111297323A (zh) 基于rbx影像分色所进行的皮肤分析方法
Rubegni et al. Digital dermoscopy analysis and artificial neural network for the differentiation of clinically atypical pigmented skin lesions: a retrospective study
JP5656162B2 (ja) 皮膚欠陥を特性化する方法及び装置、並びに化粧用薬剤、外皮用薬剤、又は薬剤を使用する皮膚欠陥のための処置の有効性を評価する方法
KR102031367B1 (ko) 피부 또는 외피의 톤을 특성화하기 위한 방법
CN110930446B (zh) 一种眼底图像定量分析的前置处理方法及存储设备
KR20140112046A (ko) 피부 부위 상의 피부 징후를 검출하고 정량화하는 방법과 장치
CN113749642B (zh) 量化皮肤潮红反应程度的方法、***、介质及终端
Hatanaka et al. Improvement of automated detection method of hemorrhages in fundus images
Nisar et al. A color space study for skin lesion segmentation
Chen et al. Ulcer detection in wireless capsule endoscopy video
Ali et al. Medical images enhanced by using fuzzy logic depending on contrast stretch membership function
EP3038051B1 (en) Diagnostic apparatus and image processing method in the same apparatus
Shah et al. Algorithm mediated early detection of oral cancer from image analysis
Sharif et al. Performance of image enhancement methods for diabetic retinopathy based on retinal fundus image
CN116453171A (zh) 白睛区域内血脉颜色的检测方法、装置、电子设备和介质
Priya et al. A novel approach to the detection of macula in human retinal imagery
Liang et al. Preprocessing study of retinal image based on component extraction
CN114724068A (zh) 人员状态监测方法、装置、设备、存储介质及程序产品
CN110010228B (zh) 一种基于图像分析的脸部皮肤透视算法
KR102429570B1 (ko) Rbx 색공간 변환에 의한 피부 검사 방법
Azevedo-Marques et al. Segmentation of dermatological ulcers using clustering of color components
Patil et al. Screening of damage regions in retinopathy using segmentation-color space selection
Andrade et al. Automatic Segmentation of the Cervical Region in Colposcopic Images.
Abdullah et al. Computer-aided diseases diagnosis system based on tongue color analysis: A review

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

Application publication date: 20200619

RJ01 Rejection of invention patent application after publication