基于圖像處理的皮膚光澤檢測系統

劉海瑤

摘 要：人體皮膚光澤度在人們的健康指標中占有重要地位，一個人的皮膚光澤度可以反映出他（或她）的氣色、心情等健康指標。該系統需要先對圖像進行脈沖噪聲處理，使圖像變得清晰，這就需要用到中值濾波。接著利用圖像分割將人臉與周圍環境分割開來，然后利用Retinex算法中的單尺度算法對處理后的圖片進行計算，最終得到此人的皮膚光澤度檢測報告。試驗結果表明，該系統操作簡便，并能得到較精確的結果。

關鍵詞：圖像處理;皮膚光澤度;圖像分割;中值濾波;單尺度Retinex算法

一、皮膚光澤

（一）皮膚光澤的重要性

隨著時代發展，人們不再只停留于維持溫飽冷暖的低層次生活需求，正如新時代我國社會主要矛盾是人民日益增長的美好生活需要和不平衡不充分的發展之間的矛盾所說，人們正在向高水平生活和美好生活需求靠近。其中最明顯的一個方面，便是人們對自己的相貌很在意，購買各種護膚品、化妝品和整容整形逐漸成為時代潮流。就相貌而言，構成相貌的最基本單位是皮膚。

皮膚是我們從出生開始就擁有的最天然的堅實屏障，它能幫我們抵擋住外部細菌、病毒等微生物和灰塵顆粒的侵害;它能通過呼吸來維持或增加人體內部的含氧量;它還能保證人類身體內部各部分生物化學反應的進行和環境的穩定;同時，還能用它區別不同的人，進行機器識別。

皮膚光澤度是人體健康狀況的晴雨表，能實時傳遞出身體狀況和心情的信號。一個健康快樂的人會體現出氣色佳，皮膚有血色、自然透亮，反之則是身體欠佳或是情緒低落。就廣義而言，社會中任何一個人都比較注重他（或她）的皮膚光澤度，它在一定程度上可以反映一個人的心理健康狀況。就狹義而言，尤其是女性，平時購買護膚產品或是做皮膚保養，大多都是要保持良好的皮膚光澤度，展示自己美麗健康的形象。

（二）皮膚光澤檢測的現狀與弊端

對于中國這個人口數量龐大的國家來說，人們向往美好生活的需求不斷提高，對皮膚的護理和修復的關注度逐漸上升。就目前而言，最常用最普遍的方法是去專業機構進行檢測和購買護膚品、化妝品。這類機構一般擁有一套或多套檢測設備，通過專業的皮膚檢測，不僅數據可靠，而且還能得到科學的護膚建議。現在的市場上有很多名牌護膚品、化妝品，并且新興品牌越來越多，選擇使用范圍越來越廣。對于女性來講，大多數人會經常購買護膚產品或者是與專業機構約定時間去進行皮膚護理修復，但錯誤地使用一些化妝品往往會導致皮膚受損，不能及時修復，給皮膚帶來不可逆的損害。同時親自去專業機構要花費大量的時間、金錢和精力，購買護膚品也是一筆不小的開支，有時還會出現因為不了解自己的皮膚狀況而購買的多余的護膚產品和化妝品的情況。單純以了解皮膚情況為目的，這樣做成本太高，對收入不高無法負擔皮膚檢測的人而言，這不是一種最佳選擇。

因此皮膚檢測系統可以幫人們清楚地認識到自己的皮膚狀況，并且可以根據這一檢測報告合理地進行護膚產品的選擇和美容保養。

（三）創新點

對于人們來講，尤其是女性，十分在意自己的面部光澤度。大多數人都希望自己展現在別人面前的是面色紅潤、氣色佳的形象。就目前而言，市場上還沒有一套完整的、專業的檢測皮膚光澤度的系統或是設備。相比之下比較可靠的專業機構的檢測系統也收費昂貴，而且檢測地點固定，被檢測者的自由受限，無法真正做到實時檢測。這一基于圖像處理的皮膚光澤檢測系統首先用中值濾波去除脈沖噪聲，再用圖像分割將人臉與周圍的環境分離開來，然后用Retinex算法對處理后的人臉圖片進行計算，從而獲得自己面部皮膚光澤的相關數據，而且可以有效利用人們手邊現有的資源，讓人們實時進行檢測，且用法簡便，適用于各種類型的人。

二、系統處理

（一）圖像采集

圖像采集主要分為兩類：靜態圖片采集和動態圖片采集，靜態圖片（例如：從人們所使用的有自拍功能的智能手機中篩選有人臉的相片），因采用數字信息儲存可以直接進行圖像分割。動態圖片（例如：從攝像機所錄的視頻中截取人臉的相片），所存在的各種噪聲特別是脈沖噪聲會對圖像分割造成很大的影響，因此需要先使用中值濾波器對其進行降噪處理，盡量把類似的噪聲干擾量減到最小。降噪以后，再進行圖像分割。

（二）圖像預處理

用手機或相機直接照出的相片或多或少會有背景、霧化、景物繁多、光線太強或太弱等干擾因素，要想準確地得到人面部皮膚的健康檢測結果，就要將這些干擾項全部消除或是降到最小化。因此在進行圖像特征提取之前，要先進行圖像預處理，使圖像最大化地只留下人的面部，以便后續檢測，使檢測結果更加準確。

（1）中值濾波〔4-10〕。中值濾波法是一種非線性平滑技術，中值其實就是數學意義上的平均數，而這種技術的處理方式的原理就是用中值來代表某一像素點鄰域窗口內的所有像素點灰度值。用其他辦法例如均值濾波、最大值濾波、最小值濾波等方法處理，并使脈沖噪聲平滑是一件相當困難的事情，但如果利用中值濾波，就可以保護圖像尖銳的邊緣不被破壞，再選擇適宜的點來代替圖像所存在的噪聲點的值，在中值濾波的分類中有一種加權中值濾波，中值濾波的邊緣信號能通過它有效改進，因此它為處理噪聲方面提供了非常大的幫助。比如人臉圖像，可以使圖像平滑，從而使圖像對比度提高，有效地凸顯出人臉部分，方便下一步操作。

均值濾波，是圖像處理方法中最常用的手段，就頻率而言，它是一種低頻濾波，顧名思義，高頻信號會在處理過程中被去除掉，可以為消除圖像尖銳噪聲提供幫助，處理后得到的圖像會有平滑效果。但使用這種均值濾波后對圖像的處理效果還需要根據Kernel數據的大小和進行迭代的次數來判斷比較，較中值濾波而言較麻煩，而且為低頻率，有可能將中度頻率也處理掉，導致結果不準確。

最大值濾波、最小值濾波是兩種早期使用的圖像處理手段，較上面兩種方法而言使用較少，它們是兩種與中值濾波類似的圖像噪聲過濾方式。但用最大值或最小值來替換所有的濾波會導致計算誤差較大，檢測結果不準確。 因此，本系統選擇用中值濾波進行圖像分割前的處理。