基于皮肤镜图像的毛发识别方法、装置、设备及存储介质
阅读：0发布：2022-08-26
专利汇可以提供基于皮肤镜图像的毛发识别方法、装置、设备及存储介质专利检索，专利查询，专利分析的服务。并且本 申请 提供一种基于 皮肤 镜图像的毛发识别方法、装置、设备及存储介质，涉及 图像处理 技术领域。该方法包括：获取通过皮肤镜得到的待识别皮肤镜图像；采用预设的二值化 算法 ，对待识别皮肤镜图像进行二值化，获取二值化后的图像，使得通过预设的二值化算法可以初步确定待识别皮肤镜图像中的毛发区域；采用预设的毛发区域搜索算法对二值化后的图像进行搜索，实现了通过毛发区域搜索算法可以再次确定待识别皮肤镜图像中的毛发区域，避免模糊毛发区域漏检现象的发生，提高识别皮肤镜图像中毛发区域的查全率。，下面是基于皮肤镜图像的毛发识别方法、装置、设备及存储介质专利的具体信息内容。
1.一种基于皮肤镜图像的毛发识别方法，其特征在于，包括：
获取通过皮肤镜得到的待识别皮肤镜图像；
采用预设的二值化算法，对所述待识别皮肤镜图像进行二值化，获取二值化后的图像；
采用预设的毛发区域搜索算法对所述二值化后的图像进行搜索，确定所述待识别皮肤镜图像中的毛发区域。
2.根据权利要求1所述的方法，其特征在于，所述采用预设的毛发区域搜索算法对所述二值化后的图像进行搜索，确定所述待识别皮肤镜图像中的毛发区域，包括：
将所述二值化后的图像划分成多个预设大小的块区域，计算每个块区域中像素点的像素均值；
根据每个块区域中所述像素均值以及预设参数，确定每个块区域对应的像素阈值范围；
根据每个块区域对应的像素阈值范围对所述二值化后的图像进行搜索，确定所述待识别皮肤镜图像中的毛发区域。
3.根据权利要求2所述的方法，其特征在于，所述根据每个块区域对应的像素阈值范围对所述二值化后的图像进行搜索，确定所述待识别皮肤镜图像中的毛发区域，包括：
根据每个块区域对应的像素阈值范围，将各所述块区域中的像素值更新为预设像素值，获取更新后的图像；
根据所述更新后的图像，确定所述待识别皮肤镜图像中的毛发区域。
4.根据权利要求1所述的方法，其特征在于，所述获取通过皮肤镜得到的待识别皮肤镜图像之后，还包括：
获取所述待识别皮肤镜图像在LAB颜色空间的L通道图像；
相应地，所述采用预设的二值化算法，对所述待识别皮肤镜图像进行二值化，获取二值化后的图像，包括：
采用预设的二值化算法，对所述待识别皮肤镜图像在LAB颜色空间的L通道图像进行二值化，获取二值化后的图像。
5.根据权利要求4所述的方法，其特征在于，所述获取所述待识别皮肤镜图像在LAB颜色空间的L通道图像之后，还包括：
对所述待识别皮肤镜图像在LAB颜色空间的L通道图像进行黑帽运算，获取黑帽运算处理后的图像；
相应地，所述采用预设的二值化算法，对所述待识别皮肤镜图像进行二值化，获取二值化后的图像，包括：
采用预设的二值化算法，对所述黑帽运算处理后的图像进行二值化，获取二值化后的图像。
6.根据权利要求1所述的方法，其特征在于，所述采用预设的毛发区域搜索算法对所述二值化后的图像进行搜索，确定所述待识别皮肤镜图像中的毛发区域之后，还包括：
获取所述毛发区域的属性信息，所述属性信息包括所述毛发区域的面积参数和外接矩形的参数；
根据所述毛发区域的属性信息，对所述毛发区域进行过滤，获取过滤后的毛发区域；
将过滤后的所述毛发区域作为所述待识别皮肤镜图像中的毛发区域。
7.根据权利要求1-6任一项所述的方法，其特征在于，所述采用预设的毛发区域搜索算法对所述二值化后的图像进行搜索，确定所述待识别皮肤镜图像中的毛发区域之后，还包括：
获取所述毛发区域中待修复的图像区域；
采用预设的修复算法对所述待修复的图像区域进行修复，获取修复后的图像。
8.一种基于皮肤镜图像的毛发识别装置，其特征在于，包括：第一获取模块、第二获取模块及确定模块；
所述第一获取模块，用于获取通过皮肤镜得到的待识别皮肤镜图像；
所述第二获取模块，用于采用预设的二值化算法，对所述待识别皮肤镜图像进行二值化，获取二值化后的图像；
所述确定模块，用于采用预设的毛发区域搜索算法对所述二值化后的图像进行搜索，确定所述待识别皮肤镜图像中的毛发区域。
9.一种电子设备，其特征在于，包括：处理器、存储介质和总线，所述存储介质存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储介质之间通过总线通信，所述处理器执行所述机器可读指令，以执行如权利要求1-7任一项所述基于皮肤镜图像的毛发识别方法的步骤。
10.一种存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如权利要求1-7任一项所述基于皮肤镜图像的毛发识别方法的步骤。
基于皮肤镜图像的毛发识别方法、装置、设备及存储介质
技术领域
背景技术
[0002] 皮肤镜又称皮表透光显微镜，作为皮肤科医生进行皮肤问题诊断的一个重要工具，受到越来越多的关注，通过对皮肤镜下的皮肤镜图像进行分析，可以被用来观察皮肤色素性疾患。
[0003] 现有的对皮肤镜图像的分析主要是对获取的皮肤镜图像进行毛发识别，以识别皮肤镜图像中的毛发区域和非毛发区域，进而对识别出的毛发区域进行分析。
[0004] 但由于现有皮肤镜定焦的特点，会存在拍摄区域的皮肤较为清晰，但是翘起的毛发会模糊的情况，基于现有的毛发识别方法存在模糊毛发漏检的问题。发明内容
[0005] 本申请的目的在于，针对上述现有技术中的不足，提供一种基于皮肤镜图像的毛发识别方法、装置、设备及存储介质，可以解决现有技术中所存在的模糊毛发漏检的问题。
[0006] 为实现上述目的，本申请实施例采用的技术方案如下：
[0007] 第一方面，本申请实施例提供了一种基于皮肤镜图像的毛发识别方法，包括：获取通过皮肤镜得到的待识别皮肤镜图像；采用预设的二值化算法，对待识别皮肤镜图像进行二值化，获取二值化后的图像；采用预设的毛发区域搜索算法对二值化后的图像进行搜索，确定待识别皮肤镜图像中的毛发区域。
[0008] 可选地，上述采用预设的毛发区域搜索算法对二值化后的图像进行搜索，确定待识别皮肤镜图像中的毛发区域，包括：将二值化后的图像划分成多个预设大小的块区域，计算每个块区域中像素点的像素均值；根据每个块区域中像素均值以及预设参数，确定每个块区域对应的像素阈值范围；根据每个块区域对应的像素阈值范围对二值化后的图像进行搜索，确定待识别皮肤镜图像中的毛发区域。
[0009] 可选地，上述根据每个块区域对应的像素阈值范围对二值化后的图像进行搜索，确定待识别皮肤镜图像中的毛发区域，包括：根据每个块区域对应的像素阈值范围，将各块区域中的像素值更新为预设像素值，获取更新后的图像；根据更新后的图像，确定待识别皮肤镜图像中的毛发区域。
[0010] 可选地，上述获取通过皮肤镜得到的待识别皮肤镜图像之后，还包括：
[0011] 获取待识别皮肤镜图像在LAB颜色空间的L通道图像；相应地，上述采用预设的二值化算法，对待识别皮肤镜图像进行二值化，获取二值化后的图像，包括：采用预设的二值化算法，对待识别皮肤镜图像在LAB颜色空间的L通道图像进行二值化，获取二值化后的图像。
[0012] 可选地，上述获取待识别皮肤镜图像在LAB颜色空间的L通道图像之后，还包括：对待识别皮肤镜图像在LAB颜色空间的L通道图像进行黑帽运算，获取黑帽运算处理后的图像；相应地，上述采用预设的二值化算法，对待识别皮肤镜图像进行二值化，获取二值化后的图像，包括：采用预设的二值化算法，对黑帽运算处理后的图像进行二值化，获取二值化后的图像。
[0013] 可选地，上述采用预设的毛发区域搜索算法对二值化后的图像进行搜索，确定待识别皮肤镜图像中的毛发区域之后，还包括：获取毛发区域的属性信息，属性信息包括毛发区域的面积参数和外接矩形的参数；根据毛发区域的属性信息，对毛发区域进行过滤，获取过滤后的毛发区域；将过滤后的毛发区域作为待识别皮肤镜图像中的毛发区域。
[0014] 可选地，上述采用预设的毛发区域搜索算法对二值化后的图像进行搜索，确定待识别皮肤镜图像中的毛发区域之后，还包括：获取毛发区域中待修复的图像区域；采用预设的修复算法对待修复的图像区域进行修复，获取修复后的图像。
[0015] 第二方面，本申请实施例提供了一种基于皮肤镜图像的毛发识别装置，包括：第一获取模块、第二获取模块及确定模块；第一获取模块，用于获取通过皮肤镜得到的待识别皮肤镜图像；第二获取模块，用于采用预设的二值化算法，对待识别皮肤镜图像进行二值化，获取二值化后的图像；确定模块，用于采用预设的毛发区域搜索算法对二值化后的图像进行搜索，确定待识别皮肤镜图像中的毛发区域。
[0016] 可选地，上述确定模块，具体用于将二值化后的图像划分成多个预设大小的块区域，计算每个块区域中像素点的像素均值；根据每个块区域中像素均值以及预设参数，确定每个块区域对应的像素阈值范围；根据每个块区域对应的像素阈值范围对二值化后的图像进行搜索，确定待识别皮肤镜图像中的毛发区域。
[0017] 可选地，上述确定模块，具体用于根据每个块区域对应的像素阈值范围，将各块区域中的像素值更新为预设像素值，获取更新后的图像；根据更新后的图像，确定待识别皮肤镜图像中的毛发区域。
[0018] 可选地，上述第一获取模块，还用于获取待识别皮肤镜图像在LAB颜色空间的L通道图像；相应地，上述第二获取模块，具体用于采用预设的二值化算法，对待识别皮肤镜图像在LAB颜色空间的L通道图像进行二值化，获取二值化后的图像。
[0019] 可选地，上述第一获取模块，还用于对待识别皮肤镜图像在LAB颜色空间的L通道图像进行黑帽运算，获取黑帽运算处理后的图像；相应地，上述第二获取模块，具体用于采用预设的二值化算法，对黑帽运算处理后的图像进行二值化，获取二值化后的图像。
[0020] 可选地，上述装置还包括：第三获取模块，用于获取毛发区域的属性信息，属性信息包括毛发区域的面积参数和外接矩形的参数；根据毛发区域的属性信息，对毛发区域进行过滤，获取过滤后的毛发区域；将过滤后的毛发区域作为待识别皮肤镜图像中的毛发区域。
[0021] 可选地，上述装置还包括修复模块，用于获取毛发区域中待修复的图像区域；采用预设的修复算法对待修复的图像区域进行修复，获取修复后的图像。
[0022] 第三方面，本申请实施例还提供了一种电子设备，包括：处理器、存储介质和总线，存储介质存储有处理器可执行的机器可读指令，当电子设备运行时，处理器与存储介质之间通过总线通信，处理器执行机器可读指令，以执行如上述第一方面的基于皮肤镜图像的毛发识别方法的步骤。
[0023] 第四方面，本申请实施例还提供了一种存储介质，存储介质上存储有计算机程序，计算机程序被处理器运行时执行如上述第一方面的基于皮肤镜图像的毛发识别方法的步骤。
[0024] 本申请的有益效果是：
[0025] 本申请实施例提供的基于皮肤镜图像的毛发识别方法、装置、设备及存储介质中，包括：获取通过皮肤镜得到的待识别皮肤镜图像；采用预设的二值化算法，对待识别皮肤镜图像进行二值化，获取二值化后的图像，使得通过预设的二值化算法可以初步确定待识别皮肤镜图像中的毛发区域；采用预设的毛发区域搜索算法对二值化后的图像进行搜索，使得通过毛发区域搜索算法可以再次确定待识别皮肤镜图像中的毛发区域，避免模糊毛发区域漏检现象的发生，提高识别皮肤镜图像中毛发区域的查全率。附图说明
[0026] 为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
[0027] 图1为本申请实施例提供的一种基于皮肤镜图像的毛发识别方法的流程示意图；
[0028] 图2为本申请实施例提供的另一种基于皮肤镜图像的毛发识别方法的流程示意图；
[0029] 图3为本申请实施例提供的又一种基于皮肤镜图像的毛发识别方法的流程示意图；
[0030] 图4为本申请实施例提供的另一种基于皮肤镜图像的毛发识别方法的流程示意图；
[0031] 图5为本申请实施例提供的又一种基于皮肤镜图像的毛发识别方法的流程示意图；
[0032] 图6为本申请实施例提供的另一种基于皮肤镜图像的毛发识别方法的流程示意图；
[0033] 图7为本申请实施例提供的又一种基于皮肤镜图像的毛发识别方法的流程示意图；
[0034] 图8为本申请实施例提供的一种基于皮肤镜图像的毛发识别装置的结构示意图；
[0035] 图9为本申请实施例提供的另一种基于皮肤镜图像的毛发识别装置的结构示意图；
[0036] 图10为本申请实施例提供的又一种基于皮肤镜图像的毛发识别装置的结构示意图；
[0037] 图11为本申请实施例提供的一种电子设备结构示意图。
具体实施方式
[0038] 为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
[0039] 因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0040] 应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
[0041] 图1为本申请实施例提供的一种基于皮肤镜图像的毛发识别方法的流程示意图，该方法的执行主体可以是计算机、服务器、处理器、移动终端等可以进行图像处理的设备，如图1所示，该方法包括：
[0042] S101、获取通过皮肤镜得到的待识别皮肤镜图像。
[0043] 其中，待识别皮肤镜图像可以通过皮肤镜拍摄获得，该待识别皮肤镜图像可以包括人脸区域、胳膊区域等皮肤外露的区域，本申请在此并不对待识别皮肤镜图像所包括的区域进行限定。可选地，所获取的待识别皮肤镜图像可以通过图像导入的方式导入上述可以进行图像处理的设备中，进行毛发区域的识别。
[0044] S102、采用预设的二值化算法，对待识别皮肤镜图像进行二值化，获取二值化后的图像。
[0045] 其中，通过二值化算法可以将待识别皮肤镜图像上的像素点的灰度值设置为0或255，使得待识别皮肤镜图像可以呈现出明显的黑白效果，去除识别过程中，暗角区域图像对待识别皮肤镜图像的影响，提高图像不同位置毛发识别的准确性。其中，该暗角区域图像指的是某图像区域中心的亮度比周围图像区域亮的区域图像。
[0046] 可选地，该预设的二值化算法可以包括预设的像素参数，通过将待识别皮肤镜图像中各像素点的像素值与该预设的像素参数进行比较，可以对待识别皮肤镜图像进行二值化处理。
[0047] 当然，该预设的二值化算法也可包括：将该待识别皮肤镜图像划分成多个块区域，计算每个块区域中像素点的像素均值，根据每个块区域的像素均值以及预设的像素参数，对待识别皮肤镜图像进行二值化处理。其中，需要说明的是，各块区域预设的像素参数可以相同，也可以不同，根据实际的应用场景可以自行选择。例如，待识别皮肤镜图像包括多个块区域，以其中某一块区域为例进行说明，若该块区域的像素均值为a，对应地，该块区域预设的像素参数包括：像素偏移量c，则对于该块区域的某像素点d，若d≥b-c，则将该像素点d的像素值置为255，对应显示为白色，否则，将该像素点d的像素值置为0，对应显示为黑色。根据该方法，即可获取到每个块区域中各像素点的像素值，进而可以获取到待识别皮肤镜图像二值化后的图像，对于二值化后的图像表现为白色的区域可以初步认为是非毛发区域，表现为黑色的区域可以初步认为是毛发区域，实现对待识别皮肤镜图像中的毛发区域的初步确定。
[0048] S103、采用预设的毛发区域搜索算法对二值化后的图像进行搜索，确定待识别皮肤镜图像中的毛发区域。
[0049] 预设的毛发区域搜索算法用于对上述二值化后的图像进行搜索，通过该预设的毛发区域搜索算法可以对该二值化后的图像中的各像素值进行重新计算，获取到重新计算后的图像，使得基于该重新计算后的图像，确定待识别皮肤镜图像中的毛发区域时，进一步可以确定白色区域为待识别皮肤镜图像中的非毛发区域，黑色区域为待识别皮肤镜图像中的毛发区域，可以提高毛发的查全率。
[0050] 综上所述，本申请实施例所提供的基于皮肤镜图像的毛发识别方法，包括：获取通过皮肤镜得到的待识别皮肤镜图像；采用预设的二值化算法，对待识别皮肤镜图像进行二值化，获取二值化后的图像，使得通过预设的二值化算法可以初步确定待识别皮肤镜图像中的毛发区域；采用预设的毛发区域搜索算法对二值化后的图像进行搜索，实现了通过毛发区域搜索算法可以再次确定待识别皮肤镜图像中的毛发区域，避免模糊毛发区域漏检现象的发生，提高识别皮肤镜图像中毛发区域的查全率。
[0051] 图2为本申请实施例提供的另一种基于皮肤镜图像的毛发识别方法的流程示意图。可选地，如图2所示，上述采用预设的毛发区域搜索算法对二值化后的图像进行搜索，确定待识别皮肤镜图像中的毛发区域，包括：
[0052] S201、将二值化后的图像划分成多个预设大小的块区域，计算每个块区域中像素点的像素均值。
[0053] S202、根据每个块区域中像素均值以及预设参数，确定每个块区域对应的像素阈值范围。
[0054] 其中，每个块区域中像素点的像素均值可以根据该块区域中各像素点的像素值以及像素点数量计算获取；每个块区域所对应的预设参数可以包括多个，根据每个块区域中像素均值以及预设参数，即可确定每个块区域对应的像素阈值范围，根据每个块区域的像素阈值范围和各像素点的像素值，进一步可用于确定待识别皮肤镜图像中的毛发区域。
[0055] 可选地，块区域的大小可以是320*180、360*360等，根据块区域的大小，可以将二值化后的图像划分成不同数量的块区域，本申请在此不作限定块区域的大小和数量，根据实际的场景可以进行相应的选择。
[0056] 当然，需要说明的是，对于多个块区域，每个块区域对应的预设参数可以包括多个，多个预设参数可以相同，也可以不同，本申请在此不作限定，根据实际的应用场景可自行选择。比如，第一块区域可以对应第一预设参数，第二块区域可以对应第二预设参数；或，第一块区域和第二块区域可以均第一预设参数。
[0057] S203、根据每个块区域对应的像素阈值范围对二值化后的图像进行搜索，确定待识别皮肤镜图像中的毛发区域。
[0058] 其中，根据每个块区域对应的像素阈值范围即可对二值化后的图像中的各像素值进行重新计算，可选地，可以将各块区域中各像素点的值与各块区域对应的像素阈值范围进行比较，根据比较结果，对各块区域中各像素点的值进行重新计算，获取到重新计算后图像，使得基于该重新计算后的图像搜索毛发区域时，可以避免模糊毛发区域漏检现象的发生，提高识别皮肤镜图像中毛发区域的查全率。
[0059] 图3为本申请实施例提供的又一种基于皮肤镜图像的毛发识别方法的流程示意图。可选地，如图3所示，上述S203根据每个块区域对应的像素阈值范围对二值化后的图像进行搜索，确定待识别皮肤镜图像中的毛发区域，包括：
[0060] S301、根据每个块区域对应的像素阈值范围，将各块区域中的像素值更新为预设像素值，获取更新后的图像。
[0061] S302、根据更新后的图像，确定待识别皮肤镜图像中的毛发区域。
[0062] 该预设的像素值可以包括0和255，可选地，若某块区域中的某像素点的值落在了该块区域对应的像素阈值范围内，则可将该像素点置为0，否则保持原像素值，根据该方法即可对各个块区域的各像素值进行重新计算和更新，获取到更新后的图像，使得该更新后的图像搜索毛发区域时，可以提高毛发的查全率。
[0063] 本申请在此，对上述S201、S202、S301及S302的相关步骤结合具体的例子进行说明。例如，对于二值化后1920*1080的图像，可以将其划分为6*6＝36个320*180的块区域，计算每块区域中像素点的像素均值，对应得到第一块区域所对应的像素均值a1、第二块区域所对应的像素均值a2等。
[0064] 若各个块区域对应的预设参数不同，第一块区域所对应的预设参数包括：第一预设系数k1和第二预设系数f1、第二块区域所对应的预设参数包括：第一预设系数k2和第二预设系数f2，则可对应计算得到第一块区域所对应的第一像素阈值L1＝a1*k1、第二像素阈值H1＝a1*f1，根据该第一像素阈值和该第二像素阈值即可确定第一块区域所对应的像素阈值范围为[L1，H1]，也即，对于第一块区域内的各像素，若某像素值落在[L1，H1]之间，则将该像素置为0，否则保持原像素值不变。
[0065] 同样地，可对应计算得到第二块区域所对应的第一像素阈值L2＝a2*k2、第二像素阈值H2＝a2*f2，根据该第一像素阈值和该第二像素阈值即可确定第二块区域所对应的像素阈值范围为[L2，H2]，对于第二块区域内的各像素，若某像素值落在[L2，H2]之间，则将该像素置为0，否则保持原像素值不变。
[0066] 对于包括多个块区域的二值化图像，可参见上述对第一块区域、第二块区域的处理过程，将各块区域中的像素值更新为预设像素值，直到每个块区域均更新完成，即可获取更新后的图像，进而可以基于该更新后的图像，确定待识别皮肤镜图像中的毛发区域时，对于皮肤较为清晰，但翘起的毛发会模糊的待识别皮肤镜图像，可以避免模糊毛发区域漏检现象的发生，提高毛发区域的查全率。
[0067] 图4为本申请实施例提供的另一种基于皮肤镜图像的毛发识别方法的流程示意图。可选地，如图4所示，上述获取通过皮肤镜得到的待识别皮肤镜图像之后，还包括：
[0068] S401、获取待识别皮肤镜图像在LAB颜色空间的L通道图像。
[0069] 其中，皮肤镜图像上，毛发一般是图像中比较暗的区域，因此，可以获取待识别皮肤镜图像在LAB(CIELAB，LAB)颜色空间的明度(Luminosity，L)通道图像，进而基于亮度与颜色分离的LAB颜色空间的L通道图，可以更好的将毛发与非毛发区域分离出来。
[0070] 相应地，上述采用预设的二值化算法，对待识别皮肤镜图像进行二值化，获取二值化后的图像，包括：
[0071] S402、采用预设的二值化算法，对待识别皮肤镜图像在LAB颜色空间的L通道图像进行二值化，获取二值化后的图像。
[0072] 进一步地，在获取到待识别皮肤镜图像在LAB颜色空间的L通道图像后，也可进一步地，对该L通道图像进行二值化处理，使得基于L通道图像二值化后的图像，确定待识别皮肤镜图像的毛发区域时，可以提高毛发识别的查准率。
[0073] 图5为本申请实施例提供的又一种基于皮肤镜图像的毛发识别方法的流程示意图。可选地，如图5所示，上述获取待识别皮肤镜图像在LAB颜色空间的L通道图像之后，还包括：
[0074] S501、对待识别皮肤镜图像在LAB颜色空间的L通道图像进行黑帽运算，获取黑帽运算处理后的图像。
[0075] 黑帽运算为闭运算的结果图与原图之差，可以用来突显毛发区域。若原图为L通道图像A1，结果图为A2，对该原图A1进行黑帽运算，也即对L通道图像A1先进行膨胀，再对膨胀结果进行腐蚀，即可获取到黑帽运算对应的结果图A2，再通过计算结果图A2与原图A1之差，即可获取黑帽运算处理后的图像，通过黑帽运算可以突出L通道图像中某图像区域的亮度比周围图像区域暗的区域图像，可以对L通道图像中的毛发区域进行增强，提高毛发查准率。
[0076] 当然，需要说明的是，根据实际的应用场景，也可以采用其他的图像增强算法对L通道图像中的毛发区域进行增强，本申请在此不作限定。
[0077] 相应地，上述采用预设的二值化算法，对待识别皮肤镜图像进行二值化，获取二值化后的图像，包括：
[0078] S502、采用预设的二值化算法，对黑帽运算处理后的图像进行二值化，获取二值化后的图像。
[0079] 当然，二值化处理也可基于上述黑帽运算处理后的图像进行，使得基于该图像，可以提高毛发查准率。
[0080] 图6为本申请实施例提供的另一种基于皮肤镜图像的毛发识别方法的流程示意图，可选地，如图6所示，上述采用预设的毛发区域搜索算法对二值化后的图像进行搜索，确定待识别皮肤镜图像中的毛发区域之后，还包括：
[0081] S601、获取毛发区域的属性信息，属性信息包括毛发区域的面积参数和外接矩形的参数。
[0082] 其中，毛发区域确定后，待识别皮肤镜图像可以包括多个毛发区域，毛发区域对应的属性信息可以用过预设的图像特征获取算法获取，可选地，该属性可以包括毛发区域的面积大小、外接矩形的长、宽等参数，当然，也可包括该毛发区域的形状等，根据该毛发区域的实际应用场景可以获取其他的参数，本申请在此不作限定。
[0083] S602、根据毛发区域的属性信息，对毛发区域进行过滤，获取过滤后的毛发区域。
[0084] S603、将过滤后的毛发区域作为待识别皮肤镜图像中的毛发区域。
[0085] 其中，对毛发区域进行过滤时，可以根据毛发区域的属性信息以及非毛发区域的属性信息进行过滤，可选地，非毛发区域可以包括痣，一般地，痣区域的面积较毛发区域大，且最长边与最短边的比值不会太大(痣更接近于圆形或者矩形正方形)，而毛发区域则相反，因此，根据非毛发区域的属性信息即可设定预设的属性范围。通过将毛发区域的属性信息与非毛发区域的属性信息进行对比，若某毛发区域的属性信息落在了预设的属性范围内，即可将该毛发区域过滤掉，获取过滤后的毛发区域，而该过滤后的毛发区域即可作为待识别皮肤镜图像中的毛发区域，便于后序对毛发区域进行处理时，避免非毛发区域的干扰。
[0086] 图7为本申请实施例提供的又一种基于皮肤镜图像的毛发识别方法的流程示意图。可选地，如图7所示，上述采用预设的毛发区域搜索算法对二值化后的图像进行搜索，确定待识别皮肤镜图像中的毛发区域之后，还包括：
[0087] S701、获取毛发区域中待修复的图像区域。
[0088] 可选地，在获取到待识别皮肤镜图像中的毛发区域后，可以进一步采用预设的图像识别算法判断待识别皮肤镜图像中的毛发区域是否存在待修复的图像区域，若存在，则可进一步获取该毛发区域中待修复的图像区域。
[0089] S702、采用预设的修复算法对待修复的图像区域进行修复，获取修复后的图像。
[0090] 该预设的修复算法可以基于快速行进算法(Fast Marching Method，FMM)的修补Inpaint算法实现，通过该算法可以将待修复的图像区域用周围像素的信息给填充起来，获取修复后的图像，方便后面的图像处理，提高了处理后图像的可用性和易用性。
[0091] 当然，根据实际的应用场景，该预设的修复算法也可以是其他算法，本申请在此不作限定。
[0092] 图8为本申请实施例提供的一种基于皮肤镜图像的毛发识别装置的结构示意图，该装置基本原理及产生的技术效果与前述对应的方法实施例相同，为简要描述，本实施例中未提及部分，可参考方法实施例中的相应内容。如图8所示，该装置包括：第一获取模块110、第二获取模块120及确定模块130。
[0093] 第一获取模块110，用于获取通过皮肤镜得到的待识别皮肤镜图像；第二获取模块120，用于采用预设的二值化算法，对待识别皮肤镜图像进行二值化，获取二值化后的图像；
确定模块130，用于采用预设的毛发区域搜索算法对二值化后的图像进行搜索，确定待识别皮肤镜图像中的毛发区域。
确定模块130，用于采用预设的毛发区域搜索算法对二值化后的图像进行搜索，确定待识别皮肤镜图像中的毛发区域。
[0094] 可选地，上述确定模块130，具体用于将二值化后的图像划分成多个预设大小的块区域，计算每个块区域中像素点的像素均值；根据每个块区域中像素均值以及预设参数，确定每个块区域对应的像素阈值范围；根据每个块区域对应的像素阈值范围对二值化后的图像进行搜索，确定待识别皮肤镜图像中的毛发区域。
[0095] 可选地，上述确定模块130，具体用于根据每个块区域对应的像素阈值范围，将各块区域中的像素值更新为预设像素值，获取更新后的图像；根据更新后的图像，确定待识别皮肤镜图像中的毛发区域。
[0096] 可选地，上述第一获取模块110，还用于获取待识别皮肤镜图像在LAB颜色空间的L通道图像；相应地，上述第二获取模块120，具体用于采用预设的二值化算法，对待识别皮肤镜图像在LAB颜色空间的L通道图像进行二值化，获取二值化后的图像。
[0097] 可选地，上述第一获取模块110，还用于对待识别皮肤镜图像在LAB颜色空间的L通道图像进行黑帽运算，获取黑帽运算处理后的图像；相应地，上述第二获取模块120，具体用于采用预设的二值化算法，对黑帽运算处理后的图像进行二值化，获取二值化后的图像。
[0098] 图9为本申请实施例提供的另一种基于皮肤镜图像的毛发识别装置的结构示意图。可选地，如图9所示，上述装置还包括：第三获取模块140，用于获取毛发区域的属性信息，属性信息包括毛发区域的面积参数和外接矩形的参数；根据毛发区域的属性信息，对毛发区域进行过滤，获取过滤后的毛发区域；将过滤后的毛发区域作为待识别皮肤镜图像中的毛发区域。
[0099] 图10为本申请实施例提供的又一种基于皮肤镜图像的毛发识别装置的结构示意图。可选地，如图10所示，上述装置还包括修复模块150，用于获取毛发区域中待修复的图像区域；采用预设的修复算法对待修复的图像区域进行修复，获取修复后的图像。
[0100] 上述装置用于执行前述实施例提供的方法，其实现原理和技术效果类似，在此不再赘述。
[0101] 以上这些模块可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个特定集成电路(Application Specific Integrated Circuit，简称ASIC)，或，一个或多个微处理器(Digital Signal Processor，简称DSP)，或，一个或者多个现场可编程门阵列(Field Programmable Gate Array，简称FPGA)等。再如，当以上某个模块通过处理元件调度程序代码的形式实现时，该处理元件可以是通用处理器，例如中央处理器(Central Processing Unit，简称CPU)或其它可以调用程序代码的处理器。再如，这些模块可以集成在一起，以片上系统(system-on-a-chip，简称SOC)的形式实现。
[0102] 图11为本申请实施例提供的一种电子设备结构示意图。如图11所示，该电子设备可以包括：处理器510、存储介质520和总线530，存储介质520存储有处理器510可执行的机器可读指令，当电子设备运行时，处理器510与存储介质520之间通过总线530通信，处理器510执行机器可读指令，以执行上述数字识别方法的步骤。具体实现方式和技术效果类似，这里不再赘述。
[0103] 可选地，本申请还提供一种存储介质，存储介质上存储有计算机程序，计算机程序被处理器运行时执行上述数字识别方法的步骤。
[0104] 在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
[0105] 所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0106] 另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
[0107] 上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(英文：processor)执行本申请各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(英文：Read-Only Memory，简称：ROM)、随机存取存储器(英文：Random Access Memory，简称：RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
[0108] 需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物品或者设备不仅包括那些要素，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、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0109] 以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，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。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，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。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种腹部超声图像分割方法 | 2021-01-13 | 0 |
| 一种坐标转换方法及装置 | 2020-07-27 | 0 |
| 一种试件单向拉伸失稳段真实应力确定方法及系统 | 2020-08-08 | 2 |
| 补偿电压计算方法及装置、补偿方法及系统、驱动芯片 | 2021-07-21 | 0 |
| 基于皮肤镜图像的毛发识别方法、装置、设备及存储介质 | 2022-08-26 | 0 |
| 曲面辐射源的PET探测器飞行时间的校准系统 | 2020-07-20 | 2 |
| 一种基于U-Net和密度估计的癌细胞图像分割方法 | 2020-10-10 | 2 |
| 用于检测发电机中的冷却剂泄漏的方法和系统 | 2020-05-30 | 1 |
| 全景图像拼接方法 | 2020-09-18 | 2 |
| 一种基于卷积神经网络的自适应场景双目立体匹配方法 | 2021-12-02 | 1 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
分析报告
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
像素热门专利
QQ群二维码
意见反馈
意见反馈