做为美容院的入口设备,检测仪有着至关重要的角色。它不仅要帮助咨询师讲解皮肤问题,还要智能地推荐解决方案和护理方案。小编从事美业仪器研发多年,每次看到新的算法和设备出现,都会非常地高兴,一方面是可以学习借鉴,让自己少走弯路;另一方面也是体现了我中华民族不断创新勇攀高峰的行动。现在我们就来学习一下一些皮肤检测仪的图像算法,有不对之处还望高人指点。
一、棕色图
这个图像算法最先是 canfield 公司发明的,它能帮助客户了解自己的皮肤斑的问题。我本人也是花了两个月的研究,才实现了接近 canfield 的棕色图算法。
算法分析:canfield 公司的棕图算法,是最权威的,从效果上来看,他们确实花了很多时间和精力去研究。我不清楚 canfield 是怎么实现的。我本人实现的大致思路可以去参考发明专利《面部图像问题皮肤增强方法》。除了 canfield 公司外,国内也有很多友商高端设备的棕图算法效果跟 visia 更为相似。
另外一些友商的算法效果
算法分析:这类算法其实并不能真实地反映皮肤色斑问题,它的基本思路大概是,1将极化图灰度化为gray;2设计一个概率函数p跟灰度值对应;3设定一个灰度值a;4将gray重新计算,new_gray = p * gray + a * (1 - p); 5将new_gray 按照棕图的调色板进行调色,即生成所谓的棕图,我本人不赞同这类算法,因为它会把红血丝和痘痘同样增强,并不是只对色斑进行增强。
二、红区图
红区图同样最先是由 canfield 公司所研发,它的主要作用是帮助客户了解皮肤敏感和炎症问题。小编花了一个月的努力,才实现了接近他们的效果。
算法分析:相对于棕图来说,红区算法要简单一些,没有太多的自适应调整。我本人实现的大致思路请参考专利《面部图像问题皮肤增强方法》。和棕色图一样,国内的一些友商高端设备的红区效果跟 canfield 公司更相似,我自叹不如。(说明:这里因为小编缺少本人照片的红区图,所以只能用其他客户的照片做处理,如有侵权,请联系小编删除。下同)
三、黑白图
黑的图本人最先在 visia 上看到,其主要作用是对紫外色斑进行增强。
算法分析:相对于前面两种算法,这类算法实现更简单一些。我的实现方法是,1将紫外图进行灰度化,生成 gray;2用 CLAHE 对 gray 进行变换。这样生成的效果跟 visia 的黑白图有点相似。
四、绿图
绿图我最初是在是在 CBS 上看到的,目前没有了解到该算法的具体作用。
算法分析:小编不清楚 CBS 的实现方法,我也没有深入地研究该算法。从效果上看,绿图应该是由紫外图生成的,我本人的思路是,1将紫外图灰度化成 gray;2生成黑白图 black;3对黑白图 black 进行自适应分割,提取色斑严重的区域;4用形态学的方法去除较小的噪点;5对分割的图片进行高斯模糊得到概率图p;6用概率图 p 融合黑白图 black 和灰度图 gray,生成新的灰度图 new_gray;7用 new_gray 转成三通道图,并将 R、B 通道的值缩小到原来的 1 / 10,这样看起来就像绿图了。
五、肤色图
这个算法最先是在 OB 上看到的,它主要是对色斑和色沉做增强处理,客户可以很直观地看到一些轻微的皮肤问题。
算法分析:这个模式好像新老软件使用的算法不同,小编只接触过老的软件,这里也只分析老软件的算法思路。从图像上分析我们可以得出,该图像算法也是在亮度通道上做变换,按下面几步操作,好可实现相似效果。1将极化图转到HSV色域;2将 V 通道的值归一化,做为概率函数 pimg;3定义一个 0 ~ 1系数 a,比如 0.7;4将 S 通道图像 simg 按公式 dimg = a * simg * pimg 做变换,生成新的 dimg;5将 V 通道图像减去 dimg,替换原来的 V 通道的图像;6将 HSV 图像转化成RGB 图像。(说明:这里因为小编没有 OB 设备,所以只能在现有的照片上做处理,如有侵权,请联系小编删除。下同)
六、混合血丝图
这类算法在国内一些友商的高端设备中出现,其主要作用是增强血丝的效果。
算法分析:我不清楚友商是如何实现的,我本人实现的思路相对简单些,按以下几步即可实现相似效果(上面第三张图)。1将极化图转成 HSV图;2定义一个概率函数p;3将H通道的值直接改为0;4按公式 S = S + p * S 提升图片的鲜艳程度;5将 HSV 图片还原成 RGB 图像即可。这里第二张图小编是结合红图算法实现的,有兴趣的朋友可以私信小编。
七、热力图
这类算法好像只在国内一些友商的设备中出现,不同友商可能命名不同。
算法分析:这类算法大致思路是,1按一定的算法生成灰度图;2然后用热力图的调色板生成伪彩色图。下面例子就是将红区图进行灰度化,然后用 JET 调色板生成伪彩色图的。
八、3D 皮肤展示
这不应该说是算法,更应该说是一种功能。小编最先也是在 VISIA 中看到的,这种功能并不是真正皮肤的 3D,准确说应该是皮肤亮度的 3D。它主要看皮肤表面亮度的均匀度,对于皮肤比较好的人来说,这种 3D 表面比较平整,而对于皮肤比较粗糙的人来说,由于反光不均匀,间接导致亮度不均匀,从而 3D 展示的时候,会显得表面比较粗糙。
算法分析:这个算法的思路是利用反光,从侧面说明皮肤的粗糙情况,因为小编认为应该用日光图或平行偏振图做为原图,按如下几步可实现类似效果。1从原图中取一图片切片(如 512*512)为原始图片 img;2将 img 转成灰度图 gray;3根据切片图片的分辨率,生成对应点数的顶点;4顶点的 xy 坐标由原图归一后平移得出,z轴坐标的值为 gray 在对应坐标点处的值(这里需要根据切片图像的均值和方差做一下调整),颜色用切片图对应位置的 RGB 值;5对顶点做三角剖分,并启动 OpenGL 进行渲染。这里细节比较多,而且在移动端和 PC 机上也有点小差别,就不一一赘述了。
九、趋势图
趋势图作用对皮肤问题进行预测和增强,跟前面的肤色图有相似之处,这里单独拿出来,是因为感觉有些算法效果又不太一样。
算法分析:这个算法和前面的肤色力不同的是,它结合了棕图,利用棕色图对色斑增强的结果,它的思路是,1将棕图恢复化成 bgray;2将极化图转到 ycbcr 色域;3反转 bgray 图像并替换原来的 bgray;4设定三个系数,对应 ycbcr 通道,py、pcb、pcr;5将 ycbcr 通道去除对应的系数并替换原来的通道;6将 ycbcr 图像转回到 RGB 色域.文章来源:https://www.toymoban.com/news/detail-496022.html
结语
当前国内技术更新迭代非常快,很多新算法不断涌出,小编也难以及时学习,就算是现有的一些算法,也难以凭一人之力参透,文中如有不对的地方,欢迎指正批评,如果大家有发现比较好的新算法,欢迎一起研究。文章来源地址https://www.toymoban.com/news/detail-496022.html
到了这里,关于浅析美业皮肤检测仪图像算法的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!