本發明屬于皮膚圖像處理應用領域，涉及皮膚粗糙度檢測技術，具體涉及一種基于圖像rgb顏色空間的皮膚表面粗糙度檢測方法。
背景技術：
：皮膚表面狀態檢測是皮膚衰老和抗衰老研究的重要手段，也是護膚品客觀評價重要指標之一。隨著人們生活水平的提高，面部皮膚的美容及護理已經收到人們的廣泛關注，如何客觀、定量的對皮膚圖像進行分析和識別是近年皮膚圖像處理領域的研究熱點之一，其中一個重要應用就是對皮膚表面粗糙的檢測分析。目前國內外皮膚表面狀態檢測技術還比較落后，現有方法大多采用目測方法，存在很大的主觀性。因為不同的人對同一幅皮膚圖像可能會得出不同的結論，僅憑經驗判斷會帶來很大的誤差；且有些皮膚細微紋理，目測無法識別區分。隨著計算機圖像處理技術的飛速發展，人們開始探討用數字圖像處理技術來提取皮膚圖像的特征，以數字圖像處理技術為手段，可以使皮膚表面狀況評估方法從傳統的定性分析上升為精確的定量分析，從而極大地提高測量的精確度。皮膚圖像的特征包括顏色、紋理、毛孔、光澤度等，其中皮膚粗糙度特征是一種重要的皮膚度量指標。當前評估皮膚粗糙的圖像處理方法大多采用灰度共生矩陣等方法提取皮膚紋理特征，通過紋理特征考察皮膚粗糙度。這種方法不能直接根據紋理特征值得到粗糙度指標，并且該類方法忽略了毛孔對皮膚粗糙度的影響，而毛孔特征是影響皮膚粗糙度的重要因素之一。現有皮膚表面狀態檢測方法還包括機器學習的方法，該方法通過大量皮膚圖像的存儲和學習檢測皮膚表面粗糙度狀態，該方法與學習樣本數量和質量都有關系，檢測粗糙度準確度有待提高，且學習成本高，檢測計算時間長。技術實現要素：為了克服上述現有技術的不足，本發明提供一種基于圖像rgb空間的皮膚表面粗糙度檢測方法，根據皮膚圖像像素值信息，進行皮膚圖像處理，直接利用rgb顏色空間像素值計算得到皮膚圖像的粗糙度特征值，由此檢測皮膚粗糙度。本發明中，皮膚圖像來自于微距數字圖像采集設備，目前圖像文件多采用rgb顏色空間，本發明方法直接利用rgb顏色空間像素值進行粗糙度特征值檢測；通過本發明檢測方法計算得到的皮膚表面粗糙度不僅包括了紋理對粗糙度的影響，也包括毛孔特征對粗糙度的影響；檢測得到的皮膚表面粗糙度特征準確度高，且計算速度快，具有很大市場應用價值。本發明的技術方案是：一種皮膚表面粗糙度檢測方法，直接利用皮膚圖像的顏色空間像素值計算得到皮膚圖像的粗糙度特征值，具體通過對相同分辨率的皮膚圖像做圖像處理，得到偏差絕對值均值，用于標識皮膚圖像的粗糙度，也作為皮膚粗糙度指標用于衡量皮膚粗糙度；主要包括如下步驟：1)根據圖像路徑參數，讀取皮膚圖像像素矩陣；2)對皮膚圖像像素矩陣的所有像素做統一進行灰度處理，得到皮膚灰度圖像；3)對皮膚灰度圖像進行分塊處理，得到多個皮膚子塊灰度圖像；一般可分成20–30個同樣大小的皮膚子塊灰度圖像；4)分別統計得到每個皮膚子塊灰度圖像的灰度均值；5)分別統計得到每個皮膚子塊灰度圖像內像素相對自己子塊灰度均值的偏差絕對值均值；6)根據皮膚子塊灰度圖像的偏差絕對值均值排序所有子塊；7)剔除偏差絕對值最大的幾個(topn個，如5個)皮膚子塊灰度圖像后，對其余的皮膚子塊灰度圖像的偏差絕對值計算均值，將該均值用于衡量皮膚粗糙度，數值越大，皮膚越粗糙，由此實現皮膚粗糙度檢測。針對上述基于圖像rgb空間的皮膚表面粗糙度檢測方法，進一步地，步驟1)根據圖像路徑參數，讀取皮膚圖像像素矩陣，其中：a1.圖像文件是本發明方法的唯一參數，圖像文件包括但不限于本地圖像文件、服務器上圖像文件；a2.皮膚圖像文件格式包括但不局限于jpg、bmp、png；a3.以像素為單位讀取每個像素的顏色值到計算機內存，用于后續步驟的計算；針對上述基于圖像rgb空間的皮膚表面粗糙度檢測方法，進一步地，步驟2)對皮膚圖像進行灰度處理，得到皮膚灰度圖像，具體實現方法為：b1.對彩色圖像，通過rgb空間各通道取平均值的方法獲取灰度圖像，每個像素中每個顏色分量相等，均為(r+g+b)/3；b2.皮膚灰度圖像以像素為數組元素存儲在計算機內存；針對上述基于圖像rgb空間的皮膚表面粗糙度檢測方法，進一步地，步驟3)對灰度圖像做分塊處理，具體實現步驟如下：c1.對于灰度圖像的長寬方向，分別均分成m*n(m、n取值可相同)塊皮膚子塊灰度圖像；c2.每個皮膚子塊灰度圖像像素數量相同，長寬像素數量也分別相同；針對上述基于圖像rgb空間的皮膚表面粗糙度檢測方法，進一步地，步驟4)分別統計每個皮膚子塊灰度圖像的灰度均值，具體包括如下步驟：d1.針對每個皮膚子塊灰度圖像，將子塊內所有像素的灰度值求和，記為sumn；d2.統計計算得到每個子塊的像素灰度值均值，記為avgn；針對上述基于圖像rgb空間的皮膚表面粗糙度檢測方法，進一步地，步驟5)分別統計每個皮膚子塊灰度圖像相對自己子塊像素灰度值均值avgn的偏差絕對值均值，具體實現步驟如下：e1.每個皮膚子塊灰度圖像內的每個像素與各自子塊的像素灰度值均值avgn計算偏差的絕對值，記為minus，見式1，其中gray為皮膚子塊灰度圖形內一個像素的灰度值；minus＝|gray-avgn|(式1)e2.對每個皮膚子塊灰度圖像內的每個像素，分別計算得到像素灰度值的絕對值偏差和，記作summinus，見式2，其中n為每個子塊內像素數量，minusi為式1中計算的第i個像素的偏差絕對值minus；e3.對每個皮膚子塊灰度圖像，通過式3分別統計得到像素灰度值的絕對值偏差的均值，記作avgminusn；針對上述基于圖像rgb空間的皮膚表面粗糙度檢測方法，進一步地，步驟6)根據皮膚子塊灰度圖像的像素灰度值的偏差絕對值均值avgminusn排序所有子塊，具體實施步驟如下：f1.采用數組記錄每個子塊像素灰度值的絕對值偏差的均值avgminusn；f2.按數值從大到小的順序，對上述avgminusn數組中的元素進行排序；排序后，數組中每個子塊的絕對值偏差的均值avgminusn由大到小；針對上述基于圖像rgb空間的皮膚表面粗糙度檢測方法，進一步地，步驟7)剔除偏差絕對值最大的幾個(本發明具體實施中，實驗表明剔除6個后計算結果排序效果比較好)皮膚子塊灰度圖像后，對其余的皮膚子塊灰度圖像的絕對值偏差的均值avgminusn計算均值，該均值即可衡量皮膚粗糙度，具體實現步驟如下：g1.剔除avgminusn最大的幾個值；g2.對剔除后數組中剩余的所有avgminusn進行加和，記作sumtemp；g3.用剔除后數組中剩余的avgminusn的均值表示皮膚粗糙度coarseness，即通過式4計算得到皮膚粗糙度：coarseness＝sumtemp/剔除后數組中元素數量(式4)其中，coarseness為皮膚粗糙度。與現有技術相比，本發明的有益效果是：本發明提供一種基于圖像rgb空間的皮膚表面粗糙度檢測方法，其優點是直接利用rgb顏色空間像素值做粗糙度特征值檢測，皮膚圖像是唯一的參數，讀取圖像數據并且灰度化，只對圖像做像素級處理即可檢測皮膚的粗糙度，計算的粗糙度數值不僅反映紋理的影響，也能反映毛孔對皮膚圖像粗糙度的影響，檢測準確度高，速度快，因此，本發明方法具有良好的應用前景和市場價值。附圖說明圖1是皮膚檢測系統硬件結構框圖。圖2是本發明實施例中的皮膚粗糙度檢測方法的流程框圖。圖3是本發明實施例中部分皮膚圖像粗糙度圖像；其中，實施例分別對圖像a-i進行檢測得到皮膚粗糙度。圖4是本發明實施例中的皮膚粗糙度排序效果圖。具體實施方式下面結合附圖，通過實施例進一步描述本發明，但不以任何方式限制本發明的范圍。本發明提供一種基于圖像rgb空間的皮膚表面粗糙度檢測方法，對相同分辨率的微距皮膚數字圖像做圖像處理，得到偏差絕對值均值，用于標識皮膚圖像的粗糙度，也作為皮膚粗糙度指標用于衡量皮膚粗糙度。采用本發明方法檢測得到的粗糙度數值不僅包括紋理的影響，也包括毛孔對皮膚圖像粗糙度的影響，方法的檢測準確度高，速度快。以下詳細敘述采用本發明方法部署實現的一套皮膚檢測系統，對本發明具體實施作進一步描述。系統具體配置如表1所示。表1本發明實施例皮膚檢測系統的設備配置名稱設備數量皮膚采像設備微距皮膚采像設備，獲取相同分辨率相同長寬皮膚圖像5云服務器windowsserver2012、mysql5.7.16、opencv2.4.101客戶端手機android客戶端5皮膚檢測系統由皮膚采像設備硬件設備、服務器端和手機客戶端構成，其結構框圖如圖1所示，皮膚粗糙度檢測流程如圖2所示，具體包括如下實施步驟：a)客戶端手機登錄；b)微距皮膚采像設備采像，本系統中的微距皮膚采像設備可保證每次采像的圖像分辨率相同，圖像大小一致，可省略采樣后的圖像做預處理的步驟；也可將普通圖像進行預處理得到微距皮膚圖像；c)皮膚圖像由采樣設備上傳到手機客戶端，可藍牙或者wifi聯網上傳；d)手機客戶端(wifi或手機流量)上傳皮膚圖像到服務器端并記錄相關信息到服務器數據庫中；e)服務器端計算皮膚粗糙度特征值并返回該特征值的文字表述，如光滑、粗糙等字樣，在客戶端顯示；本發明提供的皮膚粗糙度檢測方法只需一個參數，即圖像文件；在本系統中是皮膚采像設備上傳到服務器帶有存儲路徑全名稱的圖像；皮膚粗糙度檢測算法首先用第三方開源代碼opencv打開皮膚圖像文件，讀入皮膚圖像的所有像素的彩色值到內存；再灰度化像素的三通道顏色值為灰度值，得到皮膚灰度圖像；對皮膚灰度圖像劃分相等像素數量的皮膚子塊灰度圖像；對皮膚子塊灰度圖像分別求灰度均值；對每個皮膚子塊灰度圖像分別計算得到針對各自子塊均值的絕對值偏差的均值；再排序各自子塊灰度圖像均值的絕對值偏差的均值，剔除數字大的6個子塊后，對其他子塊的絕對值偏差的均值再次計算得到均值，作為粗糙度數值。按照本發明方法實現基于圖像rgb空間的皮膚表面粗糙度檢測，檢測結果快速準確。針對粗糙度計算數值，相應地可給出粗糙度數值的分段描述：通過人眼觀察皮膚粗糙度與通過本發明計算得到的粗糙度數值的關系，可將粗糙度數值分成四段，分別對應的文字表述為粗糙不平、較粗糙、正常、細膩平滑，分段數值和文字表述關系如表2所示：表2粗糙度分段數值和文字表述關系本發明具體實施中針對165幅圖片的粗糙度進行排序，具體地，5個不同客戶端可分別登錄并微距采像皮膚圖像后上傳到服務器，針對獲取的165幅微距皮膚圖像，采用本發明方法計算了每幅圖像的粗糙度，圖3是部分微距皮膚圖像，其相應的粗糙度計算數值結果和粗糙度人眼感官分段見表3，按照計算得到的粗糙度排序皮膚圖像，從排序結果看，粗糙度計算準確度高，結果如圖4，本發明算法計算速度快，165幅圖像粗糙度的計算時間總共不到2分鐘。表3序號皮膚圖像粗糙度數值粗糙度人眼感官1圖3a18.982437粗糙不平2圖3b17.749905粗糙不平3圖3c17.095482粗糙不平4圖3d16.350358較粗糙5圖3e15.220483較粗糙6圖3f15.122211較粗糙7圖3g14.839396正常8圖3h12.700818細膩平滑9圖3i2.736842細膩平滑需要注意的是，公布實施例的目的在于幫助進一步理解本發明，但是本領域的技術人員可以理解：在不脫離本發明及所附權利要求的精神和范圍內，各種替換和修改都是可能的。因此，本發明不應局限于實施例所公開的內容，本發明要求保護的范圍以權利要求書界定的范圍為準。當前第1頁12