CN111542856B - 一种皮肤检测方法和电子设备 - Google Patents
一种皮肤检测方法和电子设备 Download PDFInfo
- Publication number
- CN111542856B CN111542856B CN201880085343.9A CN201880085343A CN111542856B CN 111542856 B CN111542856 B CN 111542856B CN 201880085343 A CN201880085343 A CN 201880085343A CN 111542856 B CN111542856 B CN 111542856B
- Authority
- CN
- China
- Prior art keywords
- image
- region
- interest
- gray
- value
- 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 94
- 239000011148 porous material Substances 0.000 claims abstract description 142
- 206010000496 acne Diseases 0.000 claims abstract description 96
- 230000011218 segmentation Effects 0.000 claims abstract description 49
- 230000008859 change Effects 0.000 claims description 63
- 238000000034 method Methods 0.000 claims description 63
- 238000012545 processing Methods 0.000 claims description 49
- 238000013139 quantization Methods 0.000 claims description 43
- 238000004891 communication Methods 0.000 claims description 28
- 238000004458 analytical method Methods 0.000 claims description 22
- 238000005260 corrosion Methods 0.000 claims description 21
- 230000007797 corrosion Effects 0.000 claims description 21
- 230000008569 process Effects 0.000 claims description 17
- 230000009466 transformation Effects 0.000 claims description 17
- 230000001815 facial effect Effects 0.000 claims description 15
- 238000001914 filtration Methods 0.000 claims description 15
- 238000010606 normalization Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000008961 swelling Effects 0.000 claims description 2
- 238000005286 illumination Methods 0.000 abstract description 7
- 238000013461 design Methods 0.000 description 26
- 210000003128 head Anatomy 0.000 description 22
- 230000006870 function Effects 0.000 description 21
- 238000010586 diagram Methods 0.000 description 20
- 238000007726 management method Methods 0.000 description 16
- 238000010295 mobile communication Methods 0.000 description 12
- 230000005236 sound signal Effects 0.000 description 10
- 210000000988 bone and bone Anatomy 0.000 description 9
- 238000005259 measurement Methods 0.000 description 9
- 230000003287 optical effect Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000037303 wrinkles Effects 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 210000001061 forehead Anatomy 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 229920001621 AMOLED Polymers 0.000 description 2
- NOQGZXFMHARMLW-UHFFFAOYSA-N Daminozide Chemical compound CN(C)NC(=O)CCC(O)=O NOQGZXFMHARMLW-UHFFFAOYSA-N 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000003416 augmentation Effects 0.000 description 2
- 230000036772 blood pressure Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000005530 etching Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000013529 biological neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 239000002537 cosmetic Substances 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000010339 dilation Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 210000000887 face Anatomy 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000010985 leather Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002138 osteoinductive effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000010349 pulsation Effects 0.000 description 1
- 239000002096 quantum dot Substances 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000003238 somatosensory effect Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000001755 vocal effect Effects 0.000 description 1
Classifications
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/251—Fusion techniques of input or preprocessed data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/77—Retouching; Inpainting; Scratch removal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- 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
- G06V10/48—Extraction of image or video features by mapping characteristic values of the pattern into a parameter space, e.g. Hough transformation
-
- 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
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
- G06V10/803—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of input or preprocessed data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
- G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
-
- 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
- G06T2207/10004—Still image; Photographic 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
- G06T2207/20024—Filtering details
-
- 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
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- 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
-
- 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
- G06T2207/30196—Human being; Person
- G06T2207/30201—Face
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
- Telephone Function (AREA)
Abstract
一种皮肤检测方法及电子设备,用以解决现有存在的由于光照影响导致的检测结果误差较大的问题。通过将面部图像的感兴趣区域划分为高亮区和非高亮区(S302);然后分别确定高亮区的第一分割阈值以及非高亮区的第二分割阈值(S303);基于第一分割阈值获取所述高亮区的二值化图像,以及基于第二分割阈值获取所述非高亮区的二值化图像(S304);将高亮区的二值化图像以及所述非高亮区的二值化图像进行融合(S305);根据融合后的图像,识别所述感兴趣区域包括的毛孔和/或黑头(S306)。相比针对一个图像仅采用一个全局阈值来说,提高检测正确率。
Description
本申请要求在2018年7月16日提交中国专利局、申请号为201810775975.X、发明名称为“一种皮肤检测方法和装置”的中国专利申请的优先权,其全部内容通过引用结合在本申请中。
技术领域
本申请涉及图像处理技术领域,尤其涉及一种皮肤检测方法和电子设备。
背景技术
对面部皮肤状况的客观检测与评价,在日益扩张的美容护肤市场中发挥着重要的作用。现有,一般是采用专业检测设备通过分析面部图像来检测及评价面部皮肤状况。专业检测设备售价较高,一般由专业机构采用,不适用普通大众。
如今,随着移动终端成像能力的提高,基于移动终端的皮肤检测成为了可能,从而普通大众能够采用移动终端检测皮肤状态。
面部检测中包括黑头检测及毛孔检测,目前基于移动终端检测黑头和毛孔时,采用的检测方式是:将拍摄的人脸图像转换到某种颜色空间,然后进行全局阈值分割,并进行连通域分析,筛选满足特定大小的特征作为检测结果。由于拍摄的人脸图像受拍摄环境影响较大,比如光照影响,较难获取合适的全局阈值,进而影响分割结果,导致检测结果误差较大。
发明内容
本申请实施例提供了一种皮肤检测方法及电子设备,用以解决现有存在的由于光照影响导致的检测结果误差较大的问题。
第一方面,本申请实施例提供了一种皮肤检测方法,包括:获取面部图像中感兴趣区域;将所述感兴趣区域划分为高亮区和非高亮区;分别确定高亮区的第一分割阈值以及非高亮区的第二分割阈值;基于第一分割阈值获取所述高亮区的二值化图像,以及基于第二分割阈值获取所述非高亮区的二值化图像;将所述高亮区的二值化图像以及所述非高亮区的二值化图像进行融合;根据融合后的图像,识别所述感兴趣区域包括的毛孔和/或黑头。
本申请实施例提供的方案,基于面部光照情况将感兴趣区域划分为两个区域,从而分别确定两个区域对应的分割阈值,相比针对一个图像仅采用一个全局阈值来说,提高检测正确率。
在第一方面的一种可能的设计中,所述将所述感兴趣区域划分为高亮区和非高亮区,包括:将所述感兴趣区域进行第一灰度化处理得到第一灰度图像;将所述第一灰度图像进行二值化处理得到所述第一灰度图像的二值化图像;针对所述第一灰度图像的二值化图像进行连通域分析得到至少一个第一连通域;过滤掉所述至少一个第一连通域中面积小于第一预设阈值的连通域,得到所述高亮区;其中,所述感兴趣区域中除去所述高亮区的区域为非高亮区。
上述设计提供一种定位高亮区和非高亮区的简单方式。
在第一方面的一种可能的设计中,将所述感兴趣区域进行第一灰度化处理得到第一灰度图像,包括:将所述感兴趣区域包括的第k个像素点的像素值乘以第k个像素点对应的权重值,所述第k个像素点对应的权重值是根据所述第k个像素点对应在所述感兴趣区域的第二灰度图像上的灰度值确定的,所述感兴趣区域的第二灰度图像为针对所述感兴趣区域进行灰度变换得到的;k取遍小于L的正整数,L为感兴趣区域包括的像素点的个数;将所述感兴趣区域包括的各个像素点均乘以对应的权重值后得到的图像进行灰度变换得到第三灰度图像;将转换得到所述第三灰度图像进行最大最小值归一化;并将最大最小值归一化后的所述第三灰度图像进行灰度反转处理得到所述第一灰度图像。
通过上述设计,提供的灰度化处理将高亮区凸显出来,使得高亮区与非高亮区的区分度更大,进一步可以提高检测毛孔或者黑头的正确率。
在第一方面的一种可能的设计中,针对所述第一灰度图像的二值化图像进行连通域分析得到至少一个第一连通域,包括:对所述第一灰度图像的二值化图像进行膨胀和/或腐蚀处理;获取所述膨胀和/或腐蚀处理后的二值化图像中的至少一个第一连通域。
通过上述设计,通过对灰度图像的二值化图像进行膨胀和/或腐蚀处理,可以实现平滑每个第一连通域的边界。
在第一方面的一种可能的设计中,所述确定高亮区的第一分割阈值,包括:针对所述感兴趣区域进行第四灰度化处理得到第四灰度图像,获取所述第四灰度图像中所述高亮区包括的第i个像素点和所述第i个像素点的N邻域像素点中最小灰度值,i取遍小于或者等于M1的正整数,M1为所述高亮区包括的像素点个数,N等于4的倍数;将获取的M1个最小灰度值的平均值作为所述第一分割阈值。
通过上述设计,确定高亮区的第一分割阈值,有助于提高检测毛孔或者黑头的正确率。
在第一方面的一种可能的设计中,所述确定非高亮区的第二分割阈值,包括:针对所述感兴趣区域进行第四灰度化处理得到第四灰度图像,获取所述第四灰度图像中所述非高亮区包括的第j个像素点和所述第j个像素点的N邻域像素点中最小灰度值,j取遍小于或者等于M2的正整数,M2为所述非高亮区包括的像素点个数;将获取的M2个最小灰度值的平均值作为所述第二分割阈值。
通过上述设计,确定非高亮区的第一分割阈值,有助于提高检测毛孔或者黑头的正确率。
在第一方面的一种可能的设计中,根据融合后图像,识别所述感兴趣区域包括的毛孔和/或黑头,包括:对融合后的图像进行腐蚀和/或膨胀处理;根据经过腐蚀和/或膨胀处理的所述融合后的图像,识别所述感兴趣包括的毛孔和/或黑头。
通过上述设计,通过融合后的图像进行膨胀和/或腐蚀处理,可以实现平滑融合后图像。
在第一方面的一种可能的设计中,根据融合后的图像,识别所述感兴趣区域包括的毛孔和/或黑头,包括:去除所述融合后的图像中的鼻翼阴影区域,根据去除鼻翼阴影区域的融合后图像确定所述感兴趣区域包括的毛孔和/或黑头。
在第一方面的一种可能的设计中,所述鼻翼阴影区域通过如下方式定位:针对所述感兴趣区域进行第四灰度化处理得到第四灰度图像,将所述第四灰度图像进行二值化处理得到所述第四灰度图像的二值化图像;针对所述第四灰度图像的二值化图像进行连通域分析得到至少一个第二连通域;过滤掉至少一个第二连通域中面积小于第二预设阈值的连通域,得到所述鼻翼阴影区域。
由于鼻翼的阴影区常常会有毛孔或者黑头误检的情况,上述设计,定位鼻翼的阴影区,在确定黑头和毛孔的时候,先将感兴趣区域中的鼻翼的阴影区去除,从而可以降低误检率,。
在第一方面的一种可能的设计中,针对所述第四灰度图像的二值化图像进行连通域分析得到至少一个第二连通域,包括:对所述第四灰度图像的二值化图像进行膨胀和/或腐蚀处理;获取经过所述膨胀和/或腐蚀处理后的所述第四灰度图像的二值化图像中的至少一个所述第二连通域。
在第一方面的一种可能的设计中,针对所述感兴趣区域进行第四灰度化处理得到第四灰度图像,包括:针对所述感兴趣区域进行灰度变换得到第二灰度图像;对所述第二灰度图像进行最大最小值归一化;对经过最大最小值归一化的所述第二灰度图像进行高斯差分滤波得到滤波图像;将所述滤波图像进行最大最小值归一化;获取最大最小值归一化后的滤波图像的直方图,并根据所述滤波图像的直方图将所述滤波图像中第一类像素点的灰度值置为0,以及将第二类像素点的灰度值置为255;其中,所述第一类像素点的灰度值小于或者等于所述滤波图像中其它像素点的最小灰度值,且所述第一类像素点的数量占所述滤波图像总像素点数量的比例为a%,所述第二类像素点的灰度值大于或者等于所述滤波图像中其它像素点的最大灰度值,且所述第二类像素点的数量占所述滤波图像总像素点数量的比例为b%,a和b均为正数。有助于提高检测黑头或毛孔的正确率。
在第一方面的一种可能的设计中,根据融合后的图像识别所述感兴趣区域中包括的毛孔和/或黑头,包括:获取融合后的图像包括的至少一个第三连通域,获取每个第三连通域所对应的参数;所述参数包括半径、圆形度或内外颜色变化值中至少一项;根据每个第三连通域的参数识别每个第三连通域对应的位置是否为毛孔或者黑头;其中,所述圆形度用于表征第三连通域的形状与圆形的相似度;所述内外颜色变化值为每个第三连通域,对应在所述感兴趣区域位置的内部像素值与外部像素值的差值或者比值。有助于提高检测黑头或毛孔的正确率。
在第一方面的一种可能的设计中,所述方法还包括:对识别到的毛孔对应的图像进行处理得到毛孔量化指标,根据毛孔量化指标计算所述感兴趣区域的毛孔量化得分,并显示所述毛孔量化得分;所述毛孔量化指标包括如下至少一项:毛孔面积占比、毛孔密度、毛孔平均内外颜色变化值、毛孔内外颜色变化值加权的面积占比;其中,毛孔面积占比为所述感兴趣区域包括的毛孔的总面积与感兴趣区域面积的比值,毛孔密度为所述感兴趣区域包括的毛孔数量与所述感兴趣区域的面积的比值,毛孔平均内外颜色变化值为所述感兴趣区域包括毛孔的内外颜色变化值的平均值,毛孔内外颜色变化值加权的面积占比为所述感兴趣区域包括的每个毛孔的内外颜色变化值乘上对应的面积后再求和得到的和值与所述感兴趣区域的面积比值。
在第一方面的一种可能的设计中,所述方法还包括:对识别到的黑头对应的图像进行处理得到黑头量化指标,根据黑头量化指标计算所述感兴趣区域的黑头量化得分,并显示所述黑头量化得分;所述黑头量化指标包括如下至少一项:黑头面积占比、黑头密度、黑头平均内外颜色变化值以及黑头内外颜色变化值加权的面积占比;其中,黑头面积占比为所述感兴趣区域包括的黑头的总面积与感兴趣区域面积的比值,黑头密度为所述感兴趣区域包括的黑头数量与所述感兴趣区域的面积的比值,黑头平均内外颜色变化值为所述感兴趣区域包括黑头的内外颜色变化值的平均值,黑头内外颜色变化值加权的面积占比为所述感兴趣区域包括的每个黑头的内外颜色变化值乘上对应的面积后再求和得到的和值与所述感兴趣区域的面积比值。
通过多维度指标确定量化得分,与现有仅采用面积占比计算量化得分来说,更专业,科学。
基于与第一方面同样的发明构思,第二方面,本申请实施例提供了一种皮肤检测装置,包括分别用于执行第一方面或第一方面的任一设计所述的方法的单元。
第三方面,本申请实施例提供了一种电子设备,包括处理器、存储器;其中处理器与存储器相耦合;其中,存储器用于存储程序指令;处理器用于读取存储器中存储的程序指令,以实现第一方面及其任一可能的设计的方法。
第四方面,本申请实施例提供的一种计算机存储介质,该计算机存储介质存储有程序指令,当程序指令在电子设备上运行时,使得电子设备执行第一方面及其任一可能的设计的方法。
第五方面,本申请实施例提供的一种计算机程序产品,当计算机程序产品在电子设备上运行时,使得电子设备执行第一方面及其任一可能的设计的方法。
第六方面,本申请实施例提供的一种芯片,所述芯片与电子设备中的存储器耦合,执行第一方面及其任一可能的设计的方法。
另外,第二方面至第六方面所带来的技术效果可参见上述第一方面的描述,此处不再赘述。
需要说明的是,本申请实施例中“耦合”是指两个部件彼此直接或间接地结合。
附图说明
图1为本申请实施例提供的一种电子设备的结构示意图;
图2为本申请实施例提供的一种用户界面的示意图;
图3A为本申请实施例提供的皮肤检测方法流程图;
图3B为本申请实施例提供的一种预览用户界面的示意图;
图4A为本申请实施例提供的毛孔ROI示意图;
图4B为本申请实施例提供的黑头ROI示意图;
图5A为本申请实施例提供的定位高亮区方法示意图;
图5B为本申请实施例提供的高亮区掩膜示意图;
图6A为本申请实施例提供的确定高亮区的分割阈值方法流程示意图;
图6B为本申请实施例提供的确定非高亮区的分割阈值方法流程示意图;
图7A为本申请实施例提供的像素点的四邻域示意图;
图7B为本申请实施例提供的像素点的八邻域示意图;
图8A为本申请实施例提供的第四灰度化处理流程示意图;
图8B为本申请实施例提供的直方图示意图;
图9为本申请实施例提供的鼻翼阴影区域确定方法流程示意图;
图10为本申请实施例提供的连通域内外示意图;
图11为本申请实施例提供的皮肤检测流程示意图;
图12A为本申请实施例提供的毛孔ROI示意图;
图12B为本申请实施例提供的毛孔ROI对应的第四灰度图示意图;
图12C为本申请实施例提供的高亮区示意图;
图12D为本申请实施例提供的高亮区二值化图像示意图;
图12E为本申请实施例提供的非高亮区二值化图像示意图;
图12F为本申请实施例提供的融合后的图像的二值化图像示意图;
图12G为本申请实施例提供的鼻翼阴影区域示意图;
图13A-图13C为本申请实施例提供的毛孔检测结果示意图;
图14为本申请实施例提供的黑头检测结果示意图;
图15为本申请实施例的肤质分析报告示意图;
图16为本申请实施例提供的电子设备1600示意图。
具体实施方式
本申请公开的各个实施例可以应用于电子设备中。在本申请一些实施例中,电子设备可以是包含诸如个人数字助理和/或音乐播放器等功能的便携式电子设备,诸如手机、平板电脑、具备无线通讯功能的可穿戴设备(如智能手表)、车载设备等。便携式电子设备的示例性实施例包括但不限于搭载或者其它操作***的便携式电子设备。上述便携式电子设备也可以是诸如具有触敏表面(例如触控面板)的膝上型计算机(Laptop)等。还应当理解的是,在本申请其他一些实施例中,上述电子设备也可以是具有触敏表面(例如触控面板)的台式计算机。
图1示出了一种电子设备100的结构示意图。
电子设备100可以包括处理器110、外部存储器接口120、内部存储器121、通用串行总线(universal serial bus,USB)接口130、充电管理模块140、电源管理模块141、电池142、天线2、无线通信模块160、音频模块170、扬声器170A、受话器170B、麦克风170C、耳机接口170D、传感器模块180、按键190、马达191、指示器192、摄像头193、以及显示屏194等。其中传感器模块180包括环境光传感器180L。此外,传感器模块180还可以包括压力传感器180A、陀螺仪传感器180B、气压传感器180C、磁传感器180D、加速度传感器180E、距离传感器180F、接近光传感器180G、指纹传感器180H、温度传感器180J、触摸传感器180K、骨传导传感器180M等。在另一些实施例中,本申请实施例中的电子设备100还可以包括天线1、移动通信模块150、以及用户标识模块(subscriber identification module,SIM)卡接口195等。
处理器110可以包括一个或多个处理单元。例如:处理器110可以包括应用处理器(application processor,AP)、调制解调处理器、图形处理器(graphics processingunit,GPU)、图像信号处理器(image signal processor,ISP)、控制器、存储器、视频编解码器、数字信号处理器(digital signal processor,DSP)、基带处理器、和/或神经网络处理器(neural-network processing unit,NPU)等。其中,不同的处理单元可以是独立的器件,也可以集成在一个或多个处理器中。
在一些实施例中,处理器110中还可以设置存储器,用于存储指令和数据。示例的,处理器110中的存储器可以为高速缓冲存储器。该存储器可以保存处理器110刚用过或循环使用的指令或数据。如果处理器110需要再次使用该指令或数据,可从所述存储器中直接调用。避免了重复存取,减少了处理器110的等待时间,因而提高了***的效率。
在另一些实施例中,处理器110还可以包括一个或多个接口。例如,接口可以为通用串行总线(universal serial bus,USB)接口130。又例如,接口还可以为集成电路(inter-integrated circuit,I2C)接口、集成电路内置音频(inter-integrated circuitsound,I2S)接口、脉冲编码调制(pulse code modulation,PCM)接口、通用异步收发传输器(universal asynchronous receiver/transmitter,UART)接口、移动产业处理器接口(mobile industry processor interface,MIPI)、通用输入输出(general-purposeinput/output,GPIO)接口、用户标识模块(subscriber identity module,SIM)接口等。可以理解的是,本申请实施例可以通过接口连接电子设备100的不同模块,从而使得电子设备100能够实现不同的功能。例如拍照、处理等。需要说明的是,本申请实施例对电子设备100中接口的连接方式不作限定。
其中,USB接口130是符合USB标准规范的接口。例如,USB接口130可以包括MiniUSB接口、Micro USB接口、USB Type C接口等。USB接口130可以用于连接充电器为电子设备100充电,也可以用于电子设备100与***设备之间传输数据。也可以用于连接耳机,通过耳机播放音频。该接口还可以用于连接其他电子设备,例如AR设备等。
充电管理模块140用于从充电器接收充电输入。其中,充电器可以是无线充电器,也可以是有线充电器。在一些有线充电的实施例中,充电管理模块140可以通过USB接口130接收有线充电器的充电输入。在一些无线充电的实施例中,充电管理模块140可以通过电子设备100的无线充电线圈接收无线充电输入。充电管理模块140为电池142充电的同时,还可以通过电源管理模块141为电子设备供电。
电源管理模块141用于连接电池142,充电管理模块140与处理器110。电源管理模块141接收电池142和/或充电管理模块140的输入,为处理器110、内部存储器121、外部存储器、显示屏194、摄像头193和无线通信模块160等供电。电源管理模块141还可以用于监测电池容量,电池循环次数,电池健康状态(漏电、阻抗)等参数。在其他一些实施例中,电源管理模块141也可以设置于处理器110中。在另一些实施例中,电源管理模块141和充电管理模块140也可以设置于同一个器件中。
电子设备100的无线通信功能可以通过天线1、天线2、移动通信模块150、无线通信模块160、调制解调处理器以及基带处理器等实现。
天线1和天线2用于发射和接收电磁波信号。电子设备100中的每个天线可用于覆盖单个或多个通信频带。不同的天线还可以复用,以提高天线的利用率。例如:可以将天线1复用为无线局域网的分集天线。在另外一些实施例中,天线可以和调谐开关结合使用。
移动通信模块150可以提供应用在电子设备100上的包括2G/3G/4G/5G等无线通信的解决方案。移动通信模块150可以包括至少一个滤波器、开关、功率放大器、低噪声放大器(low noise amplifier,LNA)等。移动通信模块150可以由天线1接收电磁波,并对接收的电磁波进行滤波、放大等处理,传送至调制解调处理器进行解调。移动通信模块150还可以对经调制解调处理器调制后的信号放大,经天线1转为电磁波辐射出去。在一些实施例中,移动通信模块150的至少部分功能模块可以被设置于处理器110中。在一些实施例中,移动通信模块150的至少部分功能模块可以与处理器110的至少部分模块被设置在同一个器件中。
调制解调处理器可以包括调制器和解调器。其中,调制器用于将待发送的低频基带信号调制成中高频信号。解调器用于将接收的电磁波信号解调为低频基带信号。随后解调器将解调得到的低频基带信号传送至基带处理器处理。低频基带信号经基带处理器处理后,被传递给应用处理器。应用处理器通过音频设备(不限于扬声器170A、受话器170B等)输出声音信号,或通过显示屏194显示图像或视频。在一些实施例中,调制解调处理器可以是独立的器件。在另一些实施例中,调制解调处理器可以独立于处理器110,与移动通信模块150或其他功能模块设置在同一个器件中。
无线通信模块160可以提供应用在电子设备100上的包括无线局域网(wirelesslocal area networks,WLAN)(如无线保真(wireless fidelity,Wi-Fi)网络)、蓝牙(bluetooth,BT)、全球导航卫星***(global navigation satellite system,GNSS)、调频(frequency modulation,FM)、近距离无线通信技术(near field communication,NFC)、红外技术(infrared,IR)等无线通信的解决方案。无线通信模块160可以是集成至少一个通信处理模块的一个或多个器件。无线通信模块160经由天线2接收电磁波信号,将电磁波信号调频以及滤波处理,将处理后的信号发送到处理器110。无线通信模块160还可以从处理器110接收待发送的信号,对其进行调频,放大,经天线2转为电磁波辐射出去。
在一些实施例中,电子设备100的天线1和移动通信模块150耦合,天线2和无线通信模块160耦合,使得电子设备100可以通过无线通信技术与网络以及其他设备通信。所述无线通信技术可以包括全球移动通讯***(global system for mobile communications,GSM)、通用分组无线服务(general packet radio service,GPRS)、码分多址接入(codedivision multiple access,CDMA)、宽带码分多址(wideband code division multipleaccess,WCDMA)、时分码分多址(time-division code division multiple access,TD-SCDMA)、长期演进(long term evolution,LTE)、BT、GNSS、WLAN、NFC、FM、和/或IR技术等。所述GNSS可以包括全球卫星定位***(global positioning system,GPS)、全球导航卫星***(global navigation satellite system,GLONASS)、北斗卫星导航***(beidounavigation satellite system,BDS)、准天顶卫星***(quasi-zenith satellitesystem,QZSS)和/或星基增强***(satellite based augmentation systems,SBAS)。
电子设备100通过GPU、显示屏194、以及应用处理器等实现显示功能。GPU为图像处理的微处理器,连接显示屏194和应用处理器。GPU用于执行数学和几何计算,用于图形渲染。处理器110可包括一个或多个GPU,其执行程序指令以生成或改变显示信息。
显示屏194用于显示图像、视频等。显示屏194包括显示面板。显示面板可以采用液晶显示屏(liquid crystal display,LCD)、有机发光二极管(organic light-emittingdiode,OLED)、有源矩阵有机发光二极体或主动矩阵有机发光二极体(active-matrixorganic light emitting diode的,AMOLED)、柔性发光二极管(flex light-emittingdiode,FLED)、Miniled、MicroLed、Micro-oLed、量子点发光二极管(quantum dot lightemitting diodes,QLED)等。在一些实施例中,电子设备100可以包括1个或N个显示屏194,N为大于1的正整数。
电子设备100可以通过ISP、摄像头193、视频编解码器、GPU、显示屏194以及应用处理器等实现拍摄功能。
ISP用于处理摄像头193反馈的数据。例如,拍照时,打开快门,光线通过镜头被传递到摄像头感光元件上,光信号转换为电信号,摄像头感光元件将所述电信号传递给ISP处理,转化为肉眼可见的图像。ISP还可以对图像的噪点、亮度、肤色进行算法优化。ISP还可以对拍摄场景的曝光、色温等参数优化。在一些实施例中,ISP可以设置在摄像头193中。
摄像头193用于捕获静态图像或视频。物体通过镜头生成光学图像投射到感光元件。感光元件可以是电荷耦合器件(charge coupled device,CCD)或互补金属氧化物半导体(complementary metal-oxide-semiconductor,CMOS)光电晶体管。感光元件把光信号转换成电信号,之后将电信号传递给ISP转换成数字图像信号。ISP将数字图像信号输出到DSP加工处理。DSP将数字图像信号转换成标准的RGB,YUV等格式的图像信号。在一些实施例中,电子设备100可以包括1个或N个摄像头193,N为大于1的正整数。
数字信号处理器用于处理数字信号,除了可以处理数字图像信号,还可以处理其他数字信号。例如,当电子设备100在频点选择时,数字信号处理器用于对频点能量进行傅里叶变换等。
视频编解码器用于对数字视频压缩或解压缩。电子设备100可以支持一种或多种视频编解码器。这样,电子设备100可以播放或录制多种编码格式的视频,例如:动态图像专家组(moving picture experts group,MPEG)1、MPEG2、MPEG3、MPEG4等。
NPU为神经网络(neural-network,NN)计算处理器,通过借鉴生物神经网络结构,例如借鉴人脑神经元之间传递模式,对输入信息快速处理,还可以不断的自学习。通过NPU可以实现电子设备100的智能认知等应用,例如:图像识别、人脸识别、语音识别、文本理解等。
外部存储器接口120可以用于连接外部存储卡(例如,Micro SD卡),实现扩展电子设备100的存储能力。外部存储卡通过外部存储器接口120与处理器110通信,实现数据存储功能。例如将音乐、视频等文件保存在外部存储卡中。
内部存储器121可以用于存储计算机可执行程序代码,所述可执行程序代码包括指令。处理器110通过运行存储在内部存储器121的指令,从而执行电子设备100的各种功能应用以及数据处理。内部存储器121可以包括存储程序区和存储数据区。其中,存储程序区可存储操作***,至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等。存储数据区可存储电子设备100使用过程中所创建的数据(比如音频数据、电话本等)等。此外,内部存储器121可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、通用闪存存储器(universal flash storage,UFS)等。
电子设备100可以通过音频模块170、扬声器170A、受话器170B、麦克风170C、耳机接口170D以及应用处理器等实现音频功能。例如音乐播放、录音等。
音频模块170用于将数字音频信息转换成模拟音频信号输出,也用于将模拟音频输入转换为数字音频信号。音频模块170还可以用于对音频信号编码和解码。在一些实施例中,音频模块170可以设置于处理器110中,或将音频模块170的部分功能模块设置于处理器110中。
扬声器170A,也称“喇叭”,用于将音频电信号转换为声音信号。电子设备100可以通过扬声器170A收听音乐、或收听免提通话。
受话器170B,也称“听筒”,用于将音频电信号转换成声音信号。当电子设备100接听电话或语音信息时,可以通过将受话器170B靠近人耳接听语音。
麦克风170C,也称“话筒”,“传声器”,用于将声音信号转换为电信号。当拔打电话或发送语音信息时,用户可以通过人嘴靠近麦克风170C发声,将声音信号输入到麦克风170C。电子设备100可以设置至少一个麦克风170C。在另一些实施例中,电子设备100可以设置两个麦克风170C,除了采集声音信号,还可以实现降噪功能。在另一些实施例中,电子设备100还可以设置三个、四个或更多麦克风170C,实现声音信号采集、降噪、还可以识别声音来源,实现定向录音功能等。
耳机接口170D用于连接有线耳机。耳机接口170D可以是USB接口130,也可以是3.5mm的开放移动电子设备平台(open mobile terminal platform,OMTP)标准接口、美国蜂窝电信工业协会(cellular telecommunications industry association of the USA,CTIA)标准接口等。
压力传感器180A用于感受压力信号,可以将压力信号转换成电信号。在一些实施例中,压力传感器180A可以设置于显示屏194。压力传感器180A的种类很多,如电阻式压力传感器,电感式压力传感器,电容式压力传感器等。电容式压力传感器可以是包括至少两个具有导电材料的平行板。当有力作用于压力传感器180A,电极之间的电容改变。电子设备100根据电容的变化确定压力的强度。当有触摸操作作用于显示屏194,电子设备100根据压力传感器180A检测所述触摸操作强度。电子设备100也可以根据压力传感器180A的检测信号计算触摸的位置。在一些实施例中,作用于相同触摸位置,但不同触摸操作强度的触摸操作,可以对应不同的操作指令。例如:当有触摸操作强度小于第一压力阈值的触摸操作作用于短消息应用图标时,执行查看短消息的指令。当有触摸操作强度大于或等于第一压力阈值的触摸操作作用于短消息应用图标时,执行新建短消息的指令。
陀螺仪传感器180B可以用于确定电子设备100的运动姿态。在一些实施例中,可以通过陀螺仪传感器180B确定电子设备100围绕三个轴(即,x,y和z轴)的角速度。陀螺仪传感器180B可以用于拍摄防抖。示例性的,当按下快门,陀螺仪传感器180B检测电子设备100抖动的角度,根据角度计算出镜头模组需要补偿的距离,让镜头通过反向运动抵消电子设备100的抖动,实现防抖。陀螺仪传感器180B还可以用于导航,体感游戏场景。
气压传感器180C用于测量气压。在一些实施例中,电子设备100通过气压传感器180C测得的气压值计算海拔高度,辅助定位和导航。
磁传感器180D包括霍尔传感器。电子设备100可以利用磁传感器180D检测翻盖皮套的开合。在一些实施例中,当电子设备100是翻盖机时,电子设备100可以根据磁传感器180D检测翻盖的开合。进而根据检测到的皮套的开合状态或翻盖的开合状态,设置翻盖自动解锁等特性。
加速度传感器180E可检测电子设备100在各个方向上(一般为三轴)加速度的大小。当电子设备100静止时可检测出重力的大小及方向。还可以用于识别电子设备姿态,应用于横竖屏切换,计步器等应用。
距离传感器180F,用于测量距离。电子设备100可以通过红外或激光测量距离。在一些实施例中,拍摄场景,电子设备100可以利用距离传感器180F测距以实现快速对焦。
接近光传感器180G可以包括例如发光二极管(LED)和光检测器,例如光电二极管。发光二极管可以是红外发光二极管。电子设备100通过发光二极管向外发射红外光。电子设备100使用光电二极管检测来自附近物体的红外反射光。当检测到充分的反射光时,可以确定电子设备100附近有物体。当检测到不充分的反射光时,电子设备100可以确定电子设备100附近没有物体。电子设备100可以利用接近光传感器180G检测用户手持电子设备100贴近耳朵通话,以便自动熄灭屏幕达到省电的目的。接近光传感器180G也可用于皮套模式,口袋模式自动解锁与锁屏。
环境光传感器180L用于感知环境光亮度。电子设备100可以根据感知的环境光亮度自适应调节显示屏194亮度。环境光传感器180L也可用于拍照时自动调节白平衡。环境光传感器180L还可以与接近光传感器180G配合,检测电子设备100是否在口袋里,以防误触。
指纹传感器180H用于采集指纹。电子设备100可以利用采集的指纹特性实现指纹解锁,访问应用锁,指纹拍照,指纹接听来电等。
温度传感器180J用于检测温度。在一些实施例中,电子设备100利用温度传感器180J检测的温度,执行温度处理策略。例如,当温度传感器180J上报的温度超过阈值,电子设备100执行降低位于温度传感器180J附近的处理器的性能,以便降低功耗实施热保护。在另一些实施例中,当温度低于另一阈值时,电子设备100对电池142加热,以避免低温导致电子设备100异常关机。在其他一些实施例中,当温度低于又一阈值时,电子设备100对电池142的输出电压执行升压,以避免低温导致的异常关机。
触摸传感器180K,也称“触控面板”。触摸传感器180K可以设置于显示屏194,由触摸传感器180K与显示屏194组成触摸屏,也称“触控屏”。触摸传感器180K用于检测作用于其上或附近的触摸操作。触摸传感器可以将检测到的触摸操作传递给应用处理器,以确定触摸事件类型。可以通过显示屏194提供与触摸操作相关的视觉输出。在另一些实施例中,触摸传感器180K也可以设置于电子设备100的表面,与显示屏194所处的位置不同。
骨传导传感器180M可以获取振动信号。在一些实施例中,骨传导传感器180M可以获取人体声部振动骨块的振动信号。骨传导传感器180M也可以接触人体脉搏,接收血压跳动信号。在一些实施例中,骨传导传感器180M也可以设置于耳机中,结合成骨传导耳机。音频模块170可以基于所述骨传导传感器180M获取的声部振动骨块的振动信号,解析出语音信号,实现语音功能。应用处理器可以基于所述骨传导传感器180M获取的血压跳动信号解析心率信息,实现心率检测功能。
按键190可以包括开机键、音量键等。按键190可以是机械按键。也可以是触摸式按键。电子设备100可以接收按键输入,产生与电子设备100的用户设置以及功能控制有关的键信号输入。
马达191可以产生振动提示。马达191可以用于来电振动提示,也可以用于触摸振动反馈。例如,作用于不同应用(例如拍照、音频播放等)的触摸操作,可以对应不同的振动反馈效果。作用于显示屏194不同区域的触摸操作,马达191也可对应不同的振动反馈效果。不同的应用场景(例如:时间提醒、接收信息、闹钟、游戏等)也可以对应不同的振动反馈效果。触摸振动反馈效果还可以支持自定义。
指示器192可以是指示灯,可以用于指示充电状态、电量变化,也可以用于指示消息、未接来电、通知等。
SIM卡接口195用于连接SIM卡。SIM卡可以通过***SIM卡接口195,或从SIM卡接口195拔出,实现和电子设备100的接触和分离。电子设备100可以支持1个或N个SIM卡接口,N为大于1的正整数。SIM卡接口195可以支持Nano SIM卡,Micro SIM卡,SIM卡等。同一个SIM卡接口195可以同时***多张卡。所述多张卡的类型可以相同,也可以不同。SIM卡接口195也可以兼容不同类型的SIM卡。SIM卡接口195也可以兼容外部存储卡。电子设备100通过SIM卡和网络交互,实现通话以及数据通信等功能。在一些实施例中,电子设备100采用eSIM,即:嵌入式SIM卡。eSIM卡可以嵌在电子设备100中,不能和电子设备100分离。
可以理解的是,本申请实施例示意的结构并不构成对电子设备100的具体限定。在本申请另一些实施例中,电子设备100可以包括比图示更多或更少的部件,或者组合某些部件,或者拆分某些部件,或者不同的部件布置。图示的部件可以以硬件、软件或软件和硬件的组合实现。
另外,需要说明的是,本申请中,“至少一个”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B的情况,其中A,B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达,是指的这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b,或c中的至少一项(个),可以表示:a,b,c,a-b,a-c,b-c,或a-b-c,其中a,b,c可以是单个,也可以是多个。另外,需要理解的是,在本申请的描述中,“第一”、“第二”等词汇,仅用于区分描述的目的,而不能理解为指示或暗示相对重要性,也不能理解为指示或暗示顺序。
下面以电子设备100为例对本申请实施例进行详细说明。
另外,应理解,本申请实施例中电子设备支持的应用程序可以包括拍照类的应用,例如相机。此外,电子设备支持的应用程序还可以包括其他多种应用,例如:绘图、游戏、电话、视频播放器、音乐播放器、照片管理、浏览器、日历、时钟等。
本申请实施例中的电子设备支持的应用又可以包括用于皮肤检测的应用。其中,用于皮肤检测的应用是通过对拍摄的人脸图像来检测用户面部皮肤的特征(例如面部皮肤的皱纹、毛孔、黑头、色斑、红区等),并可以为用户提供检测结果报告。例如,检测结果报告可以但不限于包括针对面部皮肤上各个特征的打分、对面部皮肤的综合分析等,还可以进而展示用户的人脸图片,并根据对各个特征的检测结果在人脸图像上分别标示出相应的问题,比如在鼻头区域标示有黑头,在额头区域标示有皱纹,在脸颊区域标示有色斑等等。可以理解的是,检测结果报告可以通过用户界面呈现给用户,例如,检测结果报告可以如图2所示的用户界面200,包括综合得分、肤龄、以及毛孔、黑头、细纹、色斑以及红区的得分。在另一些实施例中,用户界面200上还可以包括虚拟按钮201、虚拟按钮202、虚拟按钮203、虚拟按钮204和虚拟按钮205,其中以虚拟按钮201为例,电子设备100响应于对虚拟按钮201的操作,在显示屏194上显示针对毛孔的具体护理建议。虚拟按钮202、虚拟按钮203、虚拟按钮204和虚拟按钮205的功能可参见虚拟按钮201的功能,在此不再赘述。
为了使得电子设备对用户面部皮肤的检测更加准确,示例的,本申请实施例的用户皮肤检测方案,可以在处理器110中集成拍摄条件检测模块、图像质量检测模块、感兴趣区域(region of interest,ROI)检测模块、皮肤特征检测模块、结果分析模块等。在一些实施例中,可以在处理器110中的应用处理器上集成拍摄条件检测模块、图像质量检测模块、感兴趣区域(region of interest,ROI)检测模块、皮肤特征检测模块、结果分析模块等等。在另一些实施例中,在处理器110中集成人工智能(artificial intelligence,AI)芯片,在AI芯片上集成拍摄条件检测模块、图像质量检测模块、感兴趣区域(region of interest,ROI)检测模块、皮肤特征检测模块、结果分析模块等,来实现用户皮肤检测。
其中,拍摄条件检测模块可以实现对当前拍摄条件进行检测,以指导用户在要求的拍摄条件下进行拍摄,确保拍摄图像满足要求,从而保证基于图像对皮肤检测的准确性。例如,要求的拍摄条件包括:环境光照充足、人脸与电子设备之间的距离合适(例如25cm左右)、面部端正、睁眼闭眼、不佩戴眼镜、前额尽量无刘海遮挡、对焦准确、无明显抖动等。
当拍摄条件检测模块检测成功后,处理器110会启动智能补光。例如,当拍摄条件检测模块在当前拍摄条件满足要求时,确定检测成功。具体的,本申请实施例中电子设备可以采用不同的补光模式(例如闪光灯模式,手电筒模式)对用户的面部进行补光,以满足不同面部皮肤特征检测的要求。在对用户的面部补光后,处理器110就可以控制摄像头193对用户面部进行拍摄得到用户面部的人脸图像。
图像质量检测模块可以对人脸图像的质量进行检测,以确保拍摄的图像满足不同面部皮肤特征检测的要求。
ROI检测模块可以在图像质量检测模块检测到图像的质量满足要求后,从人脸图像中确定待检测的ROI,例如黑头的ROI是鼻头上的一小块区域。
皮肤特征检测模块可以分别对已经确定出的ROI中的面部皮肤特征进行检测,例如检测皮肤中的皱纹、毛孔、黑头、色斑、红区、出油程度等。
结果分析模块可以对皮肤特征检测模块检测得到的面部皮肤特征的检测结果进行分析,并针对各个皮肤特征给出各个检测项的打分、打分排序等。
另外,在一些实施例中,处理器110中还可以集成图像预处理模块。其中,图像预处理模块可以对拍摄到的人脸图像进行压缩、剪裁等,以便ROI检测模块、皮肤特征检测模块等进行后续处理。
为了输出人脸图像分析结果,或输出各个检测项的打分等,处理器110还可以将检测得到的检测报告(包含各个特征的检测结果在人脸图像上的区域,比如在鼻头区域标示有黑头,在额头区域标示有皱纹,在脸颊区域标示有色斑等等,各个检测项的打分等)显示在显示屏194上,供用户进行查看,提高用户体验。
申请人发现,在进行皮肤检测时,受面部光照不均匀的影响,合适的进行二值化化处理的全局阈值较难获取到。如果以暗处为基准确定阈值,则会使得较亮的毛孔或者黑头检出过多(误检);若以亮处为基准确定阈值,会使得暗处毛孔检出过少甚至无法检出(漏检)。当光照或人的姿态发生轻微变化时,会影响阈值大小,进而影响检测结果的稳定性。
基于此,本申请实施例提供了一种皮肤检测方法及终端设备。用于检测黑头和/毛孔,通过面部反光情况将ROI区域分为高亮区和非高亮区,对两个区域分别确定阈值进行二值化处理,进而再确定黑头和/或毛孔。
参见图3A所示,为本申请实施例提供的皮肤检测方法流程示意图,包括如下步骤。皮肤检测的方法可以由上述电子设备100执行,示例性地,可以由电子设备100中的处理器110来执行。
S301,获取面部图像中感兴趣区域。
在一种可能的示例中,本申请实施例提供的皮肤检测方法可以应用到测肤应用中。通过测肤应用获取面部图像,并基于面部图像执行本申请实施例提供的皮肤检测方法。如图3B所示,电子设备100的显示屏194显示测肤应用的图标300。电子设备100检测到对图标300的操作,则响应于对图标300的操作,在显示屏194显示测肤应用的用户界面310。其中测肤应用的用户界面310包括测肤按钮311。电子设备100检测到对测肤按钮311的操作。则响应于对测肤按钮311的操作,显示屏194显示相机应用的拍照预览界面320。拍照预览界面320用于显示摄像头193采集的图像。示例的,拍照预览界面320可以包括预览区域321,预览区域321用于显示摄像头193采集的图像。应理解,摄像头193采集的图像可以为用户的面部图像。另外,摄像头193可以为电子设备100的前置摄像头,可以为电子设备100的后置摄像头。在一些实施例中,为了提高拍照的质量,在前置摄像头的像素低于后置摄像头的像素的情况下,摄像头193为电子设备100的后置摄像头。为了进一步提高拍照的质量,电子设备100当环境光照满足拍摄条件时,自动对摄像头193采集的图像进行拍照得到面部图像。需要说明是,本申请实施例中的测肤按钮311又可称之为拍照按钮,本申请实施例对测肤按钮311的名称不作限定。
在另一种可能的示例中,面部图像还可以是电子设备中已存储有的图像。
示例性的,在获取到人脸图像后,利用人脸特征点定位方法并进一步进行分割得到感兴趣区域(ROI)。在识别毛孔的情况下,毛孔ROI包括人脸两侧脸颊及鼻子区域,参见4A所示。在识别黑头的情况下,黑头ROI包括鼻头区域,参见图4B所示。
S302,将所述感兴趣区域划分为高亮区和非高亮区。
示例性的,由于受面部光照不均匀导致人脸图像的面部反光情况不同,基于此将感兴趣区域划分为高亮区和非高亮区。
S303,分别确定高亮区的第一分割阈值以及非高亮区的第二分割阈值。
S304,基于第一分割阈值获取所述高亮区的二值化图像,以及基于第二分割阈值获取所述非高亮区的二值化图像。
S305,将所述高亮区的二值化图像以及所述非高亮区的二值化图像进行融合。
S306,根据融合后的图像,识别所述感兴趣区域包括的毛孔和/或黑头。
通过本申请实施例提供的皮肤检测方法,将感兴趣区域分为高亮区和非高亮区,然后针对两个区域分配确定分割阈值,从而通过每个区域对应的分割阈值对该区域进行二值化处理,相比针对感兴趣区域进行确定一个分割阈值来说,能够避免光照对分割阈值确定的影响,进而提高毛孔和/或黑头检测的正确率。
在一种可能的实施方式中,在步骤S306,根据融合后图像,识别所述感兴趣区域包括的毛孔和/或黑头时,可以先对融合后的图像进行腐蚀和/或膨胀处理;根据经过腐蚀和/或膨胀处理的所述融合后的图像,识别所述感兴趣包括的毛孔和/或黑头。
需要说明的是,通过腐蚀处理可以消除物体边界点,使目标缩小,可以消除小于结构元素的噪声点;通过膨胀处理可以将与物体接触的所有背景点合并到物体中,使目标增大,可添补目标中的空洞。
示例性的,可以对融合后的图像进行先腐蚀后膨胀的处理,或者对融合后的图像进行先膨胀后腐蚀的处理。其中,先腐蚀后膨胀处理,可以消除图像上细小的噪声,并平滑物体边界。先膨胀后腐蚀处理,可以填充物体内细小的空洞,并平滑物体边界。
在一种可能的实施方式中,步骤S302,将所述感兴趣区域划分为高亮区和非高亮区,即定位高亮区和非高亮区,可以通过如下方式实现,参见图5A所示,包括:
S501,将所述感兴趣区域进行第一灰度化处理得到第一灰度图像。
在一种可行的示例中,可以直接将感兴趣区域进行灰度变换得到第一灰度图像。
示例性的,灰度变换的方法可以是线性变换、分段线性变换,或者非线性变换等。
在另一种可行的示例中,将所述感兴趣区域进行第一灰度化处理,可以通过如下方式实现:
A1,将所述感兴趣区域包括的第k个像素点的像素值乘以第k个像素点对应的权重值。
其中,所述第k个像素点对应的权重值可以是根据所述第k个像素点对应在所述感兴趣区域的第二灰度图像上的灰度值确定的,所述感兴趣区域的第二灰度图像为针对所述感兴趣区域进行灰度变换得到的;k取遍小于L的正整数,L为感兴趣区域包括的像素点的个数。
示例性的,Wk表示第k个像素点对应的权重值,Wk=1-I_grayk/255。I_grayk表示所述感兴趣区域的第二灰度图像中所述第k个像素点的灰度值。
所述感兴趣区域的第二灰度图像可以是针对所述感兴趣区域进行灰度变换得到的。
A2,将所述感兴趣区域包括的各个像素点均乘以对应的权重值后得到的图像进行灰度变换得到第三灰度图像。
A3,将转换得到所述第三灰度图像进行最大最小值归一化。
A4,并将最大最小值归一化后的所述第三灰度图像进行灰度反转处理得到所述第一灰度图像。
示例性的,为了将得到的高亮区通过黑底白色显示,可以在对第三灰度图像进行最大最小值归一化得到第三灰度图像的最大最小值归一化图像,用255减去最大最小值归一化图像,然后再进行灰度反转处理。其中,255减去最大最小值归一化图像,即将255-针对最大最小值归一化图像的像素点的像素值得到的值中作为该像素点的像素值。
需要说明的是,灰度反转是指对图像灰度范围进行线性或非线性取反,产生一幅与输入图像灰度相反的图像。
通过A1-A4的第一灰度化处理之后,可以达到将高亮区凸显出来的目的,使得高亮区与高亮区的区分度更大。
S502,将所述第一灰度图像进行二值化处理得到所述第一灰度图像的二值化图像。
S503,针对所述第一灰度图像的二值化图像进行连通域分析得到至少一个第一连通域。
S504,过滤掉所述至少一个第一连通域中面积小于第一预设阈值的连通域,得到所述高亮区。其中,所述感兴趣区域中除去所述高亮区的区域为非高亮区。
示例性的,步骤S502针对所述第一灰度图像的二值化图像进行连通域分析得到至少一个第一连通域,可以通过如下方式实现:
B1,对所述第一灰度图像的二值化图像进行膨胀和/或腐蚀处理;
B2,获取所述膨胀和/或腐蚀处理后的二值化图像中的至少一个第一连通域。
参见图5B所示,以毛孔ROI为例,定位的高亮区为白色区域,即仅鼻头和右侧脸颊处包括高亮区,其它区域为非高亮区。
在一种可能的实施方式中,在步骤S303中,确定高亮区的第一分割阈值,可以通过如下方式实现,参见图6A所示:
S601a,针对所述感兴趣区域进行第四灰度化处理得到第四灰度图像。
S602a,,获取所述第四灰度图像中所述高亮区包括的第i个像素点和所述第i个像素点的N邻域像素点中最小灰度值。i取遍小于或者等于M1的正整数,M1为所述高亮区包括的像素点个数。N可以等于4的倍数,即可以为4邻域、8邻域、16邻域等等。
其中,参见图7A所示,一个像素点p(x,y)的4邻域像素点包括(x+1,y);(x-1,y);(x-1,y+1);(x,y+1)。参见图7B所示,一个像素点p(x,y)的8邻域像素点包括(x+1,y);(x-1,y);(x,y+1)(x+1,y+1);(x+1,y-1);(x-1,y+1);(x-1,y-1)。
S603a,将获取的M1个最小灰度值的平均值作为所述第一分割阈值。
在一种可能的实施方式中,在步骤S303中,确定非高亮区的第一分割阈值,可以通过如下方式实现,参见6B所示:
S601b,针对所述感兴趣区域进行第四灰度化处理得到第四灰度图像;
S602b,获取所述第四灰度图像中所述非高亮区包括的第j个像素点和所述第j个像素点的N邻域像素点中最小灰度值。j取遍小于或者等于M2的正整数,M2为所述非高亮区包括的像素点个数。
S603b,将获取的M2个最小灰度值的平均值作为所述第二分割阈值。
在一种可能的实施方式中,针对感兴趣区域进行第四灰度化处理可以包括如下步骤,参见图8A所示:
S801,针对所述感兴趣区域进行灰度变换得到第二灰度图像。
S802,对所述第二灰度图像进行最大最小值归一化。即,将第二灰度图像的像素值归一化为[0,255]。
S803,对经过最大最小值归一化的所述第二灰度图像进行高斯差分滤波得到滤波图像。即,针对经过最大最小值归一化的所述第二灰度图像进行两次不同尺度的高斯滤波,并求差得到高斯差分滤波后的滤波图像。
通过高斯差分滤波,可以对第二灰度图像中毛孔或者黑头进行增强。
S804,将所述滤波图像进行最大最小值归一化。
S805,获取最大最小值归一化后的滤波图像的直方图,并根据所述滤波图像的直方图将所述滤波图像中第一类像素点的灰度值置为0,以及将第二类像素点的灰度值置为255。
其中,所述第一类像素点的灰度值小于或者等于所述滤波图像中其它像素点的最小灰度值,且所述第一类像素点的数量占所述滤波图像总像素点数量的比例为a%,所述第二类像素点的灰度值大于或者等于所述滤波图像中其它像素点的最大灰度值,且所述第二类像素点的数量占所述滤波图像总像素点数量的比例为b%,a和b均为正数。其它像素点为所述滤波图像包括的除所述第一类像素点和第二类像素点之外的像素点。
以图8B所示的直方图为例,针对一个图像中第一类像素点和第二类像素点进行说明。比如,图像总像素点数量为1000个,a和b均为2时。则第一类像素点包括:灰度值为0的1个像素点、灰度值为1的2个像素点、灰度值为2的3个像素点、灰度值为3的10个像素点以及灰度值为4的4个像素点。由于灰度值4的像素点个数为6,从而可以从6个中任意选择4个作为第一类像素点。其它像素点的最小灰度值为4,第一类像素点的灰度值均小于或者等于4。第二类像素点包括灰度值为255的1个像素点、灰度值为254的12像素点以及灰度值为253的7个像素点。其它像素点的最大灰度值为252,第二类像素点的灰度值均大于252。
申请人在研究本申请过程中,发现鼻翼的阴影区常常会有毛孔或者黑头误检的情况,为了降低误检率,可以定位鼻翼的阴影区,在确定黑头和毛孔的时候,可以先将感兴趣区域中的鼻翼的阴影区去除。基于此,在根据融合后的图像,识别所述感兴趣区域包括的毛孔和/或黑头时,可以去除所述融合后的图像中的鼻翼阴影区域,根据去除鼻翼阴影区域的融合后图像确定所述感兴趣区域包括的毛孔和/或黑头。
在一种可行的示例中,所述鼻翼阴影区域可以通过如下方式定位,参见图9所示。
S901,针对所述感兴趣区域进行第四灰度化处理得到第四灰度图像,将所述第四灰度图像进行二值化处理得到所述第四灰度图像的二值化图像。针对所述感兴趣区域进行第四灰度化处理的流程可以参见上述图8A所示,此处不再赘述。
S902,针对所述第四灰度图像的二值化图像进行连通域分析得到至少一个第二连通域。
可选地,步骤S902,针对所述第四灰度图像的二值化图像进行连通域分析得到至少一个第二连通域,可以包括:对所述第四灰度图像的二值化图像进行膨胀和/或腐蚀处理;获取经过所述膨胀和/或腐蚀处理后的所述第四灰度图像的二值化图像中的至少一个所述第二连通域。示例性的,可以对第四灰度图像的二值化图像进行先膨胀后腐蚀处理,或者先腐蚀后膨胀处理。
S903,过滤掉至少一个第二连通域中面积小于第二预设阈值的连通域,得到所述鼻翼阴影区域。
在一种可能的实施方式中,S304,基于第一分割阈值获取所述高亮区的二值化图像,以及基于第二分割阈值获取所述非高亮区的二值化图像,可以通过如下方式实现,
针对所述感兴趣区域进行第四灰度化处理得到第四灰度图像,并基于第一分割阈值将所述第四灰度图像中对应的高亮区进行二值化处理得到所述高亮区的二值化图像,并基于第二分割阈值将所述第四灰度图像中的对应的非高亮区进行二值化处理得到所述非高亮区的二值化图像。
需要说明的是,在上述确定高亮区、以及非高亮区的分割阈值、鼻翼区域定位以及获取高亮区和非高亮区的二值化图像时,均可以针对感兴趣区域进行第四灰度化处理得到第四灰度图像,本申请实施例可以仅执行一次,并将第四灰度图像缓存下来,在需要使用时,从缓存中获取即可。
在一种可能的实施方式中,步骤S306,在根据融合后的图像识别所述感兴趣区域中包括的毛孔和/或黑头时,可以通过如下方式实现:
D1,获取融合后的图像包括的至少一个第三连通域,获取每个第三连通域所对应的参数;所述参数包括半径、圆形度或内外颜色变化值中至少一项。其中,所述圆形度用于表征第三连通域的形状与圆形的相似度。
需要说明的是,在执行去除鼻翼阴影区域的操作时,则根据融合后的图像识别所述感兴趣区域中包括的毛孔和/或黑头,包括,获取去除鼻翼阴影区域的融合后的图像包括的至少一个第三连通域。
对融合后的图像进行连通域分析,计算并记录每一个第三连通域的半径、圆形度或内外颜色变化值。
示例性的,比如,Oi表示第i个第三连通域的圆形度,Oi=4π*面积/周长2。Oi越接近1,则表示该第三连通域的形状越接近圆形。此处面积是指第三连通域的面积,周长是指第三连通域的周长。
比如,第i个第三连通域的内外颜色变化值可以通过Vi表示。
第三连通域的内外颜色变化值可以通过但不仅限于如下方式确定:
第一种可能的实现方式:
对第i个第三连通域,首先计算该第三连通域在原始ROI图中对应的所有像素的R、G、B三个通道各自的最小值(或平均值),记为In_R、In_G、In_B;然后将第i个第三连通域向外扩展一圈(或N圈),计算这一圈(或N圈)像素的R、G、B三个通道各自的平均值,记为Out_R、Out_G、Out_B;以图10所示为例,最里面的矩形表示一个连通域,若扩展一圈,则可以计算中间圈矩形所覆盖的像素的R、G、B三个通道各自的平均值,若扩展两圈,则可以计算最外圈矩形所覆盖的像素的R、G、B三个通道各自的平均值。最后,对第i个第三连通域,计算(Out_R-In_R)+(Out_G-In_G)+(Out_B-In_B)的值,作为该连通域的内外颜色变化值,即Vi=(Out_R-In_R)+(Out_G-In_G)+(Out_B-In_B)。
第二种可能的实现方式:
将该第三连通域的三通道内外颜色比值的和作为该第三连通域的内外颜色变化值:Vi=(In_R/Out_R)+(In_G/Out_G)+(In_B/Out_B)。
第三种可能的实现方式:
计算每个第三连通域在ROI灰度图像(可以是ROI对应的第二灰度图像或者第四灰度图像)中所对应的所有像素灰度值的最小值(或平均值),记为In_Gray;然后将每个第三连通域向外扩展一圈(或N圈),计算这一圈(或N圈)像素的灰度值的平均值,记为Out_Gray;计算(Out_Gray-In_Gray)作为该第三连通域的内外颜色变化值,即Vi=(Out_Gray-In_Gray)。
第四种可能的实现方式:
计算ROI灰度图像的内外颜色比值:In_Gray/Out_Gray,作为该第三连通域的内外颜色变化值,即Vi=In_Gray/Out_Gray。
D2,根据每个第三连通域的参数识别每个第三连通域对应的位置是否为毛孔或者黑头;
有效毛孔/黑头筛选:基于上述连通域分析及各项指标的计算,对毛孔检测,筛选满足条件1的第三连通域为毛孔;对黑头检测,筛选满足条件2的第三连通域为黑头。例如,条件1可以是:半径在[A1,B1]范围内,内外颜色变化值大于C1,圆形度大于D1;条件2可以是半径在[A2,B2]范围内,内外颜色变化值大于C2,圆形度大于D2。
在识别ROI包括的毛孔或者黑头之后,可以计算毛孔或者黑头的量化得分。
示例性的,可以通过如下方式确定毛孔的量化得分:
对识别到的毛孔对应的图像进行处理得到毛孔量化指标,根据毛孔量化指标计算所述感兴趣区域的毛孔量化得分,并显示所述毛孔量化得分;
所述毛孔量化指标包括如下至少一项:毛孔面积占比、毛孔密度、毛孔平均内外颜色变化值、毛孔内外颜色变化值加权的面积占比;
其中,毛孔面积占比为所述感兴趣区域包括的毛孔的总面积与ROI面积的比值,即,其中,表示毛孔面积占比,表示第j个毛孔的面积,PO1表示ROI面积,n1表示毛孔数量。
毛孔密度为所述感兴趣区域包括的毛孔数量与所述感兴趣区域面积的比值,即表示毛孔密度。
毛孔平均内外颜色变化值为所述感兴趣区域包括毛孔内外颜色变化值的平均值,即其中,表示毛孔平均内外颜色变化值,表示第j个毛孔内外颜色变化值。
毛孔内外颜色变化值的确定方式可以参见上述对连通域的内外颜色变化值的计算方式的描述。
毛孔内外颜色变化值加权的面积占比为所述感兴趣区域包括的每个毛孔的内外颜色变化值乘上对应的面积后再求和得到的和值与所述感兴趣区域的面积比值,即 表示毛孔内外颜色变化值加权的面积占比。
示例性的,其中,w1~w5为权重值。
示例性的,可以通过如下方式确定黑头的量化得分:
对识别到的黑头对应的图像进行处理得到黑头量化指标,根据黑头量化指标计算所述感兴趣区域的黑头量化得分。
所述黑头量化指标包括如下至少一项:黑头面积占比、黑头密度、黑头平均内外颜色变化值、黑头内外颜色变化值加权的面积占比。
其中,黑头面积占比为所述感兴趣区域包括的黑头的总面积与ROI面积的比值,即,其中,表示黑头面积占比,表示第k个黑头的面积,PO1表示ROI面积,n2表示黑头数量。
黑头密度为所述感兴趣区域包括的黑头数量与所述感兴趣区域面积的比值,即表示黑头密度。
黑头平均内外颜色变化值为所述感兴趣区域包括黑头内外颜色变化值的平均值,即其中,表示黑头平均内外颜色变化值,表示第k个黑头内外颜色变化值。
黑头内外颜色变化值的确定方式可以参见上述对连通域的内外颜色变化值的计算方式的描述。
黑头内外颜色变化值加权的面积占比为所述感兴趣区域包括的每个黑头的内外颜色变化值乘上对应的面积后再求和得到的和值与所述感兴趣区域的面积比值,即 表示黑头内外颜色变化值加权的面积占比。
示例性的,其中,y1~y5为权重值。
下面以毛孔检测为例,针对皮肤检测流程进行描述,参见图11所示。
图像获取:获取毛孔ROI,比如参见图12A所示。ROI灰度预处理:针对毛孔ROI进行第四灰度化处理得到毛孔ROI对应的第四灰度图像,可以通过图8A所示的流程实现,参见图12B所示。定位所述毛孔ROI的高亮区,即获取高亮区掩膜,可以通过图5A所示的流程实现,参见图12C所示的高亮区。定位所述毛孔ROI的非高亮区。基于毛孔ROI对应的第四灰度图像确定高亮区的第一分割阈值以及确定非高亮区的第二分割阈值,可以通过图6A和图6B所示的流程实现。基于第一分割阈值对毛孔ROI对应的第四灰度图像进行二值化处理得到高亮区的二值化图像,参见图12D所示,基于第二分割阈值对毛孔ROI的第四灰度图像进行二值化处理得到非高亮区的二值化图像,参见图12E所示。将所述高亮区的二值化图像和非高亮区的二值化图像进行融合得到融合后图像,参见图12F所示。基于毛孔ROI对应的第四灰度图像定位鼻翼阴影区域,得到鼻翼阴影区域掩膜,参见图12G所示。获取去除鼻翼阴影区域的融合后的图像,并根据去除鼻翼阴影区域的融合后的图像ROI包括的毛孔,确定毛孔的量化得分。
图13A、图13B、图13C给出了3个毛孔检测的结果示例;图14中(1)-(4)给出了4个黑头检测的结果示例。
在一种可能的实施方式中,以处理器110执行本申请的皮肤检测方法为例,处理器110在识别毛孔和/或黑头后,并确定毛孔量化得分以及黑头量化得分后,可以在显示屏194所呈现的用户界面上显示黑头量化得分以及毛孔量化得分,例如,如图2所示。在显示屏194所呈现的用户界面上显示黑头量化得分以及毛孔量化得分。
在通过本申请实施例提供的皮肤检测方法检测毛孔和/或黑头后,还可以向用户提供检测结果报告,检测结果报告可以但不限于包括毛孔量化得分、黑头量化得分、护肤建议、结果图等等。其中,显示屏194可以呈现的用户界面上展示用户的人脸图片,并在人脸图像上采用不同的显示方式分别标示黑头和毛孔来呈现。检测结果报告可以如图15所示的用户界面1500。该用户界面1500可以是电子设备100在检测到用户点击图2所示的虚拟按钮201或者202时触发呈现的,或者,也可以是检测到用户点击用户界面中黑头量化得分或者毛孔量化得分所在的显示区域触发呈现的,以图2所示的用户界面200为例,电子设备100检测到用户点击显示屏194中“黑头69分”所在的显示区域触发显示用户界面1500。当然,用户界面1500也可以通过其他方式触发呈现,本申请实施例在这里对触发用户界面1200呈现的方式不做具体限定。
上述涉及的各个实施例可以相互结合使用,也可以单独使用。
上述本申请提供的实施例中,从电子设备作为执行主体的角度对本申请实施例提供的方法进行了介绍。为了实现上述本申请实施例提供的方法中的各功能,电子设备可以包括硬件结构和/或软件模块,以硬件结构、软件模块、或硬件结构加软件模块的形式来实现上述各功能。上述各功能中的某个功能以硬件结构、软件模块、还是硬件结构加软件模块的方式来执行,取决于技术方案的特定应用和设计约束条件。
基于相同的构思,图16所示为本申请提供的一种电子设备1600。示例的,电子设备1600包括至少一个处理器1610、存储器1620,还可以包括显示屏1630和摄像头1640。其中,处理器1610与存储器1620、显示屏1630和摄像头1640耦合,本申请实施例中的耦合是装置、单元或模块之间的间接耦合或通信连接,可以是电性,机械或其它的形式,用于装置、单元或模块之间的信息交互。
具体的,存储器1620用于存储程序指令,摄像头1640用于拍摄图像,显示屏1630用于在摄像头1640启动拍摄时显示拍照预览界面,拍照预览界面包括摄像头1640采集的图像。显示屏1630还可以用于显示上述实施例中所涉及的用户界面,如图2所示的用户界面、图4A所示的界面、图10所示的用户界面、图11所示的用户界面、图12所示的用户界面等等。处理器1610用于调用并执行存储器1620中存储的程序指令,执行上述图3A所示的皮肤检测方法中的步骤。
应理解,该电子设备1600可以用于实现本申请实施例的如图3A所示的皮肤检测方法,相关特征可以参照上文,此处不再赘述。
所属领域的技术人员可以清楚地了解到本申请实施例可以用硬件实现,或固件实现,或它们的组合方式来实现。当使用软件实现时,可以将上述功能存储在计算机可读介质中或作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质,其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是计算机能够存取的任何可用介质。以此为例但不限于:计算机可读介质可以包括RAM、ROM、电可擦可编程只读存储器(electrically erasableprogrammable read only memory,EEPROM)、只读光盘(compact disc read-Only memory,CD-ROM)或其他光盘存储、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质。此外。任何连接可以适当的成为计算机可读介质。例如,如果软件是使用同轴电缆、光纤光缆、双绞线、数字用户线(digital subscriber line,DSL)或者诸如红外线、无线电和微波之类的无线技术从网站、服务器或者其他远程源传输的,那么同轴电缆、光纤光缆、双绞线、DSL或者诸如红外线、无线和微波之类的无线技术包括在所属介质的定影中。如本申请实施例所使用的,盘(disk)和碟(disc)包括压缩光碟(compact disc,CD)、激光碟、光碟、数字通用光碟(digital video disc,DVD)、软盘和蓝光光碟,其中盘通常磁性的复制数据,而碟则用激光来光学的复制数据。上面的组合也应当包括在计算机可读介质的保护范围之内。
总之,以上所述仅为本申请的实施例而已,并非用于限定本申请的保护范围。凡根据本申请的揭露,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (20)
1.一种皮肤检测方法,其特征在于,包括:
获取面部图像中毛孔和/或黑头的感兴趣区域;
将所述感兴趣区域划分为高亮区和非高亮区;
分别确定高亮区的第一分割阈值以及非高亮区的第二分割阈值;
基于第一分割阈值获取所述高亮区的二值化图像,以及基于第二分割阈值获取所述非高亮区的二值化图像;
将所述高亮区的二值化图像以及所述非高亮区的二值化图像进行融合;
根据融合后的图像,识别所述感兴趣区域包括的毛孔和/或黑头。
2.如权利要求1所述的方法,其特征在于,所述将所述感兴趣区域划分为高亮区和非高亮区,包括:
将所述感兴趣区域进行第一灰度化处理得到第一灰度图像;
将所述第一灰度图像进行二值化处理得到所述第一灰度图像的二值化图像;
针对所述第一灰度图像的二值化图像进行连通域分析得到至少一个第一连通域;
过滤掉所述至少一个第一连通域中面积小于第一预设阈值的连通域,得到所述高亮区;
其中,所述感兴趣区域中除去所述高亮区的区域为非高亮区。
3.如权利要求2所述的方法,其特征在于,将所述感兴趣区域进行第一灰度化处理得到第一灰度图像,包括:
将所述感兴趣区域包括的第k个像素点的像素值乘以第k个像素点对应的权重值,所述第k个像素点对应的权重值是根据所述第k个像素点对应在所述感兴趣区域的第二灰度图像上的灰度值确定的,所述感兴趣区域的第二灰度图像为针对所述感兴趣区域进行灰度变换得到的;k取遍小于L的正整数,L为感兴趣区域包括的像素点的个数;
将所述感兴趣区域包括的各个像素点均乘以对应的权重值后得到的图像进行灰度变换得到第三灰度图像;
将转换得到所述第三灰度图像进行最大最小值归一化;
并将最大最小值归一化后的所述第三灰度图像进行灰度反转处理得到所述第一灰度图像。
4.如权利要求2或3所述的方法,其特征在于,针对所述第一灰度图像的二值化图像进行连通域分析得到至少一个第一连通域,包括:
对所述第一灰度图像的二值化图像进行膨胀和/或腐蚀处理;
获取所述膨胀和/或腐蚀处理后的二值化图像中的至少一个第一连通域。
5.如权利要求1-3任一项所述的方法,其特征在于,所述确定高亮区的第一分割阈值,包括:
针对所述感兴趣区域进行第四灰度化处理得到第四灰度图像,获取所述第四灰度图像中所述高亮区包括的第i个像素点和所述第i个像素点的N邻域像素点中最小灰度值,i取遍小于或者等于M1的正整数,M1为所述高亮区包括的像素点个数,N等于4的倍数;将获取的M1个最小灰度值的平均值作为所述第一分割阈值。
6.如权利要求1-3任一项所述的方法,其特征在于,所述确定非高亮区的第二分割阈值,包括:
针对所述感兴趣区域进行第四灰度化处理得到第四灰度图像,获取所述第四灰度图像中所述非高亮区包括的第j个像素点和所述第j个像素点的N邻域像素点中最小灰度值,j取遍小于或者等于M2的正整数,M2为所述非高亮区包括的像素点个数;将获取的M2个最小灰度值的平均值作为所述第二分割阈值。
7.如权利要求1-3任一项所述的方法,其特征在于,根据融合后图像,识别所述感兴趣区域包括的毛孔和/或黑头,包括:
对融合后的图像进行腐蚀和/或膨胀处理;
根据经过腐蚀和/或膨胀处理的所述融合后的图像,识别所述感兴趣包括的毛孔和/或黑头。
8.如权利要求1-3任一项所述的方法,其特征在于,根据融合后的图像,识别所述感兴趣区域包括的毛孔和/或黑头,包括:
去除所述融合后的图像中的鼻翼阴影区域,根据去除鼻翼阴影区域的融合后图像确定所述感兴趣区域包括的毛孔和/或黑头。
9.如权利要求8所述的方法,其特征在于,所述鼻翼阴影区域通过如下方式定位:
针对所述感兴趣区域进行第四灰度化处理得到第四灰度图像,将所述第四灰度图像进行二值化处理得到所述第四灰度图像的二值化图像;
针对所述第四灰度图像的二值化图像进行连通域分析得到至少一个第二连通域;
过滤掉至少一个第二连通域中面积小于第二预设阈值的连通域,得到所述鼻翼阴影区域。
10.如权利要求9所述的方法,其特征在于,针对所述第四灰度图像的二值化图像进行连通域分析得到至少一个第二连通域,包括:
对所述第四灰度图像的二值化图像进行膨胀和/或腐蚀处理;
获取经过所述膨胀和/或腐蚀处理后的所述第四灰度图像的二值化图像中的至少一个所述第二连通域。
11.如权利要求5所述的方法,其特征在于,针对所述感兴趣区域进行第四灰度化处理得到第四灰度图像,包括:
针对所述感兴趣区域进行灰度变换得到第二灰度图像;
对所述第二灰度图像进行最大最小值归一化;
对经过最大最小值归一化的所述第二灰度图像进行高斯差分滤波得到滤波图像;
将所述滤波图像进行最大最小值归一化;
获取最大最小值归一化后的滤波图像的直方图,并根据所述滤波图像的直方图将所述滤波图像中第一类像素点的灰度值置为0,以及将第二类像素点的灰度值置为255;
其中,所述第一类像素点的灰度值小于或者等于所述滤波图像中其它像素点的最小灰度值,且所述第一类像素点的数量占所述滤波图像总像素点数量的比例为a%,所述第二类像素点的灰度值大于或者等于所述滤波图像中其它像素点的最大灰度值,且所述第二类像素点的数量占所述滤波图像总像素点数量的比例为b%,a和b均为正数。
12.如权利要求6所述的方法,其特征在于,针对所述感兴趣区域进行第四灰度化处理得到第四灰度图像,包括:
针对所述感兴趣区域进行灰度变换得到第二灰度图像;
对所述第二灰度图像进行最大最小值归一化;
对经过最大最小值归一化的所述第二灰度图像进行高斯差分滤波得到滤波图像;
将所述滤波图像进行最大最小值归一化;
获取最大最小值归一化后的滤波图像的直方图,并根据所述滤波图像的直方图将所述滤波图像中第一类像素点的灰度值置为0,以及将第二类像素点的灰度值置为255;
其中,所述第一类像素点的灰度值小于或者等于所述滤波图像中其它像素点的最小灰度值,且所述第一类像素点的数量占所述滤波图像总像素点数量的比例为a%,所述第二类像素点的灰度值大于或者等于所述滤波图像中其它像素点的最大灰度值,且所述第二类像素点的数量占所述滤波图像总像素点数量的比例为b%,a和b均为正数。
13.如权利要求9所述的方法,其特征在于,针对所述感兴趣区域进行第四灰度化处理得到第四灰度图像,包括:
针对所述感兴趣区域进行灰度变换得到第二灰度图像;
对所述第二灰度图像进行最大最小值归一化;
对经过最大最小值归一化的所述第二灰度图像进行高斯差分滤波得到滤波图像;
将所述滤波图像进行最大最小值归一化;
获取最大最小值归一化后的滤波图像的直方图,并根据所述滤波图像的直方图将所述滤波图像中第一类像素点的灰度值置为0,以及将第二类像素点的灰度值置为255;
其中,所述第一类像素点的灰度值小于或者等于所述滤波图像中其它像素点的最小灰度值,且所述第一类像素点的数量占所述滤波图像总像素点数量的比例为a%,所述第二类像素点的灰度值大于或者等于所述滤波图像中其它像素点的最大灰度值,且所述第二类像素点的数量占所述滤波图像总像素点数量的比例为b%,a和b均为正数。
14.如权利要求1-3任一项所述的方法,其特征在于,根据融合后的图像识别所述感兴趣区域中包括的毛孔和/或黑头,包括:
获取融合后的图像包括的至少一个第三连通域,获取每个第三连通域所对应的参数;所述参数包括半径、圆形度或内外颜色变化值中至少一项;
根据每个第三连通域的参数识别每个第三连通域对应的位置是否为毛孔或者黑头;
其中,所述圆形度用于表征第三连通域的形状与圆形的相似度;
所述内外颜色变化值为每个第三连通域,对应在所述感兴趣区域位置的内部像素值与外部像素值的差值或者比值。
15.如权利要求1-3任一项所述的方法,其特征在于,所述方法还包括:
对识别到的毛孔对应的图像进行处理得到毛孔量化指标,根据毛孔量化指标计算所述感兴趣区域的毛孔量化得分,并显示所述毛孔量化得分;
所述毛孔量化指标包括如下至少一项:毛孔面积占比、毛孔密度、毛孔平均内外颜色变化值、毛孔内外颜色变化值加权的面积占比;
其中,毛孔面积占比为所述感兴趣区域包括的毛孔的总面积与感兴趣区域面积的比值,毛孔密度为所述感兴趣区域包括的毛孔数量与所述感兴趣区域的面积的比值,毛孔平均内外颜色变化值为所述感兴趣区域包括毛孔的内外颜色变化值的平均值,毛孔内外颜色变化值加权的面积占比为所述感兴趣区域包括的每个毛孔的内外颜色变化值乘上对应的面积后再求和得到的和值与所述感兴趣区域的面积比值。
16.如权利要求1-3任一项所述的方法,其特征在于,所述方法还包括:
对识别到的黑头对应的图像进行处理得到黑头量化指标,根据黑头量化指标计算所述感兴趣区域的黑头量化得分,并显示所述黑头量化得分;
所述黑头量化指标包括如下至少一项:黑头面积占比、黑头密度、黑头平均内外颜色变化值以及黑头内外颜色变化值加权的面积占比;
其中,黑头面积占比为所述感兴趣区域包括的黑头的总面积与感兴趣区域面积的比值,黑头密度为所述感兴趣区域包括的黑头数量与所述感兴趣区域的面积的比值,黑头平均内外颜色变化值为所述感兴趣区域包括黑头的内外颜色变化值的平均值,黑头内外颜色变化值加权的面积占比为所述感兴趣区域包括的每个黑头的内外颜色变化值乘上对应的面积后再求和得到的和值与所述感兴趣区域的面积比值。
17.一种电子设备,其特征在于,包括处理器、存储器;其中所述处理器与所述存储器耦合;
所述存储器,用于存储程序指令;
所述处理器,用于读取所述存储器中存储的所述程序指令,以执行如权利要求1至16任一所述的方法。
18.一种计算机存储介质,其特征在于,所述计算机存储介质存储有程序指令,当所述程序指令在电子设备上运行时,使得所述电子设备执行权利要求1至16任一所述的方法。
19.一种计算机程序产品,其特征在于,当所述计算机程序产品在电子设备上运行时,使得所述电子设备执行权利要求1至16任一所述的方法。
20.一种芯片,其特征在于,所述芯片与电子设备中的存储器耦合,使得所述电子设备执行权利要求1至16任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010962721.6A CN112215802B (zh) | 2018-07-16 | 2018-09-18 | 一种皮肤检测方法和电子设备 |
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810775975X | 2018-07-16 | ||
CN201810775975 | 2018-07-16 | ||
PCT/CN2018/106232 WO2020015147A1 (zh) | 2018-07-16 | 2018-09-18 | 一种皮肤检测方法和电子设备 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010962721.6A Division CN112215802B (zh) | 2018-07-16 | 2018-09-18 | 一种皮肤检测方法和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111542856A CN111542856A (zh) | 2020-08-14 |
CN111542856B true CN111542856B (zh) | 2024-07-12 |
Family
ID=69164999
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880085343.9A Active CN111542856B (zh) | 2018-07-16 | 2018-09-18 | 一种皮肤检测方法和电子设备 |
CN202010962721.6A Active CN112215802B (zh) | 2018-07-16 | 2018-09-18 | 一种皮肤检测方法和电子设备 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010962721.6A Active CN112215802B (zh) | 2018-07-16 | 2018-09-18 | 一种皮肤检测方法和电子设备 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11798162B2 (zh) |
EP (1) | EP3816932B1 (zh) |
JP (1) | JP7067697B2 (zh) |
CN (2) | CN111542856B (zh) |
WO (1) | WO2020015147A1 (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10929702B2 (en) * | 2015-09-10 | 2021-02-23 | Sync-Rx, Ltd | Automatic image feature removal |
US11798162B2 (en) * | 2018-07-16 | 2023-10-24 | Honor Device Co., Ltd. | Skin detection method and electronic device |
CN112274110B (zh) * | 2020-10-10 | 2023-06-16 | 苏州万微光电科技有限公司 | 一种基于皮肤荧光图像的毛孔检测***、装置及方法 |
CN112749708B (zh) * | 2021-01-28 | 2024-04-23 | 深圳艾摩米智能科技有限公司 | 面部雀斑检测分析方法、装置、计算机设备及存储介质 |
CN114468989B (zh) * | 2021-02-11 | 2022-11-25 | 先阳科技有限公司 | 组织成分测量方法、装置及可穿戴设备 |
CN113012162A (zh) * | 2021-03-08 | 2021-06-22 | 重庆金山医疗器械有限公司 | 一种内窥镜检查区域的清洁度检测方法、装置及相关设备 |
CN113447727B (zh) * | 2021-06-30 | 2022-12-09 | 武汉理工光科股份有限公司 | 基于光纤测振***的油气管道上方雷电定位方法及装置 |
CN113786179A (zh) * | 2021-09-27 | 2021-12-14 | 北方工业大学 | 红外与光学图像融合的人体血压实时测量方法及装置 |
US20230196579A1 (en) * | 2021-12-16 | 2023-06-22 | The Gillette Company Llc | Digital imaging systems and methods of analyzing pixel data of an image of a skin area of a user for determining skin pore size |
CN115330878B (zh) * | 2022-10-18 | 2023-01-24 | 山东特联信息科技有限公司 | 一种罐车罐口视觉定位方法 |
CN117152099A (zh) * | 2023-09-05 | 2023-12-01 | 深圳伯德睿捷健康科技有限公司 | 皮肤毛孔或黑头检测方法、***及计算机可读存储介质 |
CN117094993B (zh) * | 2023-10-18 | 2024-03-26 | 山东聚亨源环保科技有限公司 | 一种污水处理过程中沉淀检测方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106650728A (zh) * | 2016-12-09 | 2017-05-10 | 浙江浩腾电子科技股份有限公司 | 一种阴影车牌图像二值化方法 |
CN107424167A (zh) * | 2017-04-20 | 2017-12-01 | 深圳可思美科技有限公司 | 一种毛孔定位识别的方法和装置 |
Family Cites Families (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001054013A (ja) | 1999-08-13 | 2001-02-23 | Fuji Photo Film Co Ltd | 撮像信号処理装置およびその処理方法 |
ATE546294T1 (de) | 2005-08-12 | 2012-03-15 | Tcms Transparent Beauty Llc | System und verfahren zum zuführen eines mittels zur modifikation des reflexionsgrads zur verbesserung des erscheinungsbildes menschlicher haut |
US7903168B2 (en) * | 2006-04-06 | 2011-03-08 | Eastman Kodak Company | Camera and method with additional evaluation image capture based on scene brightness changes |
CN101511267A (zh) * | 2006-09-07 | 2009-08-19 | 荷兰联合利华有限公司 | 测量皮肤上的瑕点的方法 |
US8463006B2 (en) * | 2007-04-17 | 2013-06-11 | Francine J. Prokoski | System and method for using three dimensional infrared imaging to provide detailed anatomical structure maps |
US8520089B2 (en) * | 2008-07-30 | 2013-08-27 | DigitalOptics Corporation Europe Limited | Eye beautification |
US9053524B2 (en) * | 2008-07-30 | 2015-06-09 | Fotonation Limited | Eye beautification under inaccurate localization |
US9317970B2 (en) * | 2010-01-18 | 2016-04-19 | Disney Enterprises, Inc. | Coupled reconstruction of hair and skin |
US8787663B2 (en) | 2010-03-01 | 2014-07-22 | Primesense Ltd. | Tracking body parts by combined color image and depth processing |
JP2012014668A (ja) * | 2010-06-04 | 2012-01-19 | Sony Corp | 画像処理装置、画像処理方法、プログラム、および電子装置 |
CN103632132B (zh) * | 2012-12-11 | 2017-02-15 | 广西科技大学 | 一种基于肤色分割和模板匹配的人脸检测与识别方法 |
US9704057B1 (en) * | 2014-03-03 | 2017-07-11 | Accusoft Corporation | Methods and apparatus relating to image binarization |
CN103985098B (zh) * | 2014-05-27 | 2017-02-15 | 广州商景网络科技有限公司 | 一种证件图像的高光去除方法及*** |
CN105513036B (zh) * | 2014-09-26 | 2019-05-31 | 上海联影医疗科技有限公司 | 三维ct图像的分割方法及装置 |
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 |
CN104586364B (zh) * | 2015-01-19 | 2019-07-09 | 武汉理工大学 | 一种肤质检测***及方法 |
US10127672B2 (en) * | 2015-10-12 | 2018-11-13 | International Business Machines Corporation | Separation of foreground and background in medical images |
US10255484B2 (en) * | 2016-03-21 | 2019-04-09 | The Procter & Gamble Company | Method and system for assessing facial skin health from a mobile selfie image |
CN106264452A (zh) * | 2016-07-21 | 2017-01-04 | 深圳市金立通信设备有限公司 | 一种皮肤检测的方法及终端 |
CN106469302B (zh) * | 2016-09-07 | 2019-05-28 | 成都知识视觉科技有限公司 | 一种基于人工神经网络的人脸肤质检测方法 |
CN106529429B (zh) * | 2016-10-27 | 2019-08-16 | 中国计量大学 | 一种基于图像识别的面部皮肤分析*** |
CN106570472B (zh) * | 2016-11-02 | 2019-11-05 | 华为技术有限公司 | 一种肤色检测方法、装置及终端 |
CN106983493B (zh) | 2017-03-04 | 2020-08-18 | 武汉嫦娥医学抗衰机器人股份有限公司 | 一种基于三光谱的皮肤图像处理方法 |
CN107169960B (zh) * | 2017-05-15 | 2020-03-20 | 精诚工坊电子集成技术(北京)有限公司 | 一种基于图像颜色空间的皮肤表面毛孔大小检测方法 |
CN107392858B (zh) * | 2017-06-16 | 2020-09-29 | Oppo广东移动通信有限公司 | 图像高光区域处理方法、装置和终端设备 |
CN108154510A (zh) * | 2018-01-17 | 2018-06-12 | 深圳市亿图视觉自动化技术有限公司 | 产品表面缺陷检测方法、装置及计算机可读存储介质 |
US11798162B2 (en) * | 2018-07-16 | 2023-10-24 | Honor Device Co., Ltd. | Skin detection method and electronic device |
JP7108127B2 (ja) * | 2018-08-21 | 2022-07-27 | ザ プロクター アンド ギャンブル カンパニー | 毛穴の色を特定する方法 |
CN111199171B (zh) * | 2018-11-19 | 2022-09-23 | 荣耀终端有限公司 | 一种皱纹检测方法和终端设备 |
US11501457B2 (en) * | 2020-05-08 | 2022-11-15 | The Procter & Gamble Company | Methods for identifying dendritic pores |
-
2018
- 2018-09-18 US US17/260,875 patent/US11798162B2/en active Active
- 2018-09-18 CN CN201880085343.9A patent/CN111542856B/zh active Active
- 2018-09-18 JP JP2021501047A patent/JP7067697B2/ja active Active
- 2018-09-18 WO PCT/CN2018/106232 patent/WO2020015147A1/zh unknown
- 2018-09-18 EP EP18926606.7A patent/EP3816932B1/en active Active
- 2018-09-18 CN CN202010962721.6A patent/CN112215802B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106650728A (zh) * | 2016-12-09 | 2017-05-10 | 浙江浩腾电子科技股份有限公司 | 一种阴影车牌图像二值化方法 |
CN107424167A (zh) * | 2017-04-20 | 2017-12-01 | 深圳可思美科技有限公司 | 一种毛孔定位识别的方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
EP3816932A4 (en) | 2021-08-11 |
EP3816932A1 (en) | 2021-05-05 |
JP2021532461A (ja) | 2021-11-25 |
US20210279445A1 (en) | 2021-09-09 |
CN112215802A (zh) | 2021-01-12 |
CN112215802B (zh) | 2022-04-08 |
WO2020015147A1 (zh) | 2020-01-23 |
CN111542856A (zh) | 2020-08-14 |
EP3816932B1 (en) | 2022-06-15 |
US11798162B2 (en) | 2023-10-24 |
JP7067697B2 (ja) | 2022-05-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111542856B (zh) | 一种皮肤检测方法和电子设备 | |
US11759143B2 (en) | Skin detection method and electronic device | |
CN111566693B (zh) | 一种皱纹检测方法及电子设备 | |
CN111543049B (zh) | 一种拍照方法及电子设备 | |
CN113542580B (zh) | 去除眼镜光斑的方法、装置及电子设备 | |
CN111147667A (zh) | 一种熄屏控制方法及电子设备 | |
CN113711123B (zh) | 一种对焦方法、装置及电子设备 | |
CN111417982B (zh) | 一种色斑检测方法及电子设备 | |
CN111557007B (zh) | 一种检测眼睛睁闭状态的方法及电子设备 | |
WO2021052436A1 (zh) | 一种皮肤粗糙度检测方法及电子设备 | |
CN111460942B (zh) | 接近检测方法及装置、计算机可读介质及终端设备 | |
CN113129220B (zh) | 图像处理方法及电子设备 | |
WO2024082976A1 (zh) | 文本图像的ocr识别方法、电子设备及介质 | |
CN117710695A (zh) | 图像数据的处理方法及电子设备 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20210430 Address after: Unit 3401, unit a, building 6, Shenye Zhongcheng, No. 8089, Hongli West Road, Donghai community, Xiangmihu street, Futian District, Shenzhen, Guangdong 518040 Applicant after: Honor Device Co.,Ltd. Address before: 518129 Bantian HUAWEI headquarters office building, Longgang District, Guangdong, Shenzhen Applicant before: HUAWEI TECHNOLOGIES Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |