基于图像处理的色斑检测系统

刘临亮

摘要：如今，走在街道上，你会发现许多色斑患者，它们的皮肤难以让人认同，并且这种群体的数量日益增多，在二三十岁的人群中，比例已经超过80%，这不得不引起人们的重视。而患有色斑的人群，它们将面临前所未有的危机，他们在与人交往中会显得不自信，有的甚至会被疏远，这给色斑患者带来身体上和心理上的巨大伤害，所以用科学的色斑检测技术检测色斑问题已经刻不容缓。提出了一种数字图像處理色斑检测方法，包括利用二值化根据灰度图像设定阈值将色斑图像提取特征，然后利用中值滤波消除噪声，解决光照不均匀的影响，最后利用阈值分割、图像分割将色斑图像提取并分割，便于最终的检测结果。

关键词：图像增强;中值滤波;阈值分割

中图分类号：TB文献标识码：Adoi：10.19311/j.cnki.1672-3198.2019.07.099

1引言

1.1色斑检测的重要性

在当今社会有着这样一种群体，他们的脸上长着色斑，这使他们失去了光洁亮丽的皮肤，影响着他们的形象。若只是过不去自己的这道坎也就罢了，可是当它们在人群中行走时也经常受到人们的指指点点，令很多患者十分痛心。据统计，尤其是在26岁以上的人群中，色斑比例高达80%。这的确是个令人感到可怕的数字，所以我们应该采取措施去测色斑。色斑对人们的身体和心理造成极大困扰，它使人们在交往谈话中显得不自信，甚至不愿与人交往，还会对人们的身体带来危害，还会使女性年龄表面看起来过大，影响与异性朋友的交往，所以及时利用图像检测色斑并加以处理已经刻不容缓。

不过现在的色斑检测技术并未有多高端，这与检测技术发展较晚有关，所以我们如今的色斑检测技术并未有多完善。所以我们也应尽快更新技术。俗话说得好，“工欲善其事，必先利其器”，我们要想改变色斑患者较多这个现状，关键要从检测技术抓起，所以完善检测技术是非常重要的。对于色斑检测技术，我们应持有的态度是既要利用色斑检测技术帮助色斑患者 ，又要不断完善这项技术，使用与创造一样重要，色斑检测技术已与我们的生活相关联，重要性不言而喻。

1.2色斑检测的现状与弊端

色斑检测主要是通过图像对色斑进行提取的过程。该检测系统包括硬件和软件两大系统，其中图像是检测目标的载体。不过在此之前，检测目标需要进行预处理、特征提取、归纳，最终通过相应算法分离出来。现如今，色斑检测技术有着许多创新方法，主要有以下两种方法。

一种叫作光学测量法，它的分析系统包括一个与计算机相连的图像处理系统以及一个高分辨率的黑白摄像机，在进行测量时，用一束平行光倾斜照射目标色斑，然后用摄像机提取它的灰度图像并用显示器显示出来，然后就可以利用计算机的功能将色斑的长度和宽度计算出来。这种方法的效率很高，不过它的测量范围太小，操作较复杂。

还有一种叫作透射测量法，一般情况下，光源是很难透过皮肤的，不过有了硅胶复膜后，这个问题就迎刃而解了。硅胶复膜是一种新制产品，它的特点就是薄。当光源照射在硅胶复膜上时，光线透过色斑在摄像机上清晰成像，将数据输入计算机，便能得到色斑的相关数据这种方法的确简单方便，不过硅胶复膜的制作成本太高，所以要慎重考虑。

不过，目前的技术也有他的弊端。作为一种新型高科技，它的费用肯定十分不菲，普通的家庭想要体验是十分困难的，不过本系统实现了用手机拍照获取色斑图像，使得普通家庭能够方便地使用这项技术，并且可以免除前往美容院和医院的麻烦。

1.3创新点

本文利用图像增强技术，将特征色斑通过亮度变换在原始图像中凸显出来，避免了特征不明显等弊端，而且这种技术在图像处理时更加简便，只需将原图像的亮度进行调整，不影响其余部分，便于图像的进一步处理，而且数据的处理和压缩量小，能凸显出感兴趣的目标的轮廓。而其中的中值滤波技术，可以将冗杂的噪声污染适当的减少，避免了检测色斑中可能出现小光斑的现象，而利用图像分割技术可以将色斑图像有目的的提取，提高检测的精准度，利用这种技术可以提取清晰色斑，从而可以将我们检测的色斑得到合理的分析。

2色斑检测

2.1图像采集

首先用普通的照相工具近距离拍摄人脸皮肤，可以是整张脸，也可以为脸部的一部分。然后将图片传入摄像机，即可得到图像，这种方法既经济又快捷，为常用之法。

2.2预处理

由于获取图像的工具或手段的影响，原始图像受到种种声音或其他因素的干扰，因此原始图像不能被直接检测，必须在图像处理的早期就对原始图像进行灰度校正、噪声过滤等图像预处理技术使获取图像更能突出想要体现的内容。因此，图像预处理就在这时显现出重要作用。

在本系统中，对色斑等进行研究时，主要通过图像增强，中值滤波，图像分割等预处理方法进行处理。

2.2.1图像增强

由于脸部图像颜色分布不均匀，造成了色斑图像的模糊。所以为了能准确获取色斑图像，使图像更加鲜明，我们需要采用图像增强技术提高色斑亮度和对比度。

我们得到的图像往往成像时曝光不足或过度，再加上成像设备的动态范围太窄等弊端，使得图像出现对比度不足的毛病。这会影响色斑图像的清晰度，使我们不易观察色斑。本系统采用灰度变换来增强对比度，使得色斑在图像中更加突出。灰度变换分为线性变换、指数变换、对数变换，而本系统采用线性变换，因为比较容易操作。设原图像f（x，y）灰度范围为[a，b]，将变换后图像g（x，y）灰度范围扩展至[c，d]，b和a分别是输入图像亮度分量的最大值和最小值，c和d分别是输出图像亮度分量的最大值和最小值，经过线性灰度变换法，使图像亮度分量的线性范围从[a，b]变化到[c，d]。再将它应用到色斑图像上，即可将色斑图像在整个图像中明显区别开来，获取更具特征的图像。

2.2.2中值滤波

我们在生活中拍摄色斑图像时，往往会有很多因素影响图像的清晰度。例如，我们在拍照时如果光照太强或太弱，都会使色斑图像出现模糊或阴影的情况，我们在拍照时还可能受到噪声影响，如果在户外时这种情况经常发生，它会使色斑图像出现许多小光杂点。如果直接使用这种图像，那么色斑检测无疑难上加难，会使检测精准度大幅下降。这时我们常常使用中值滤波技术消除小光杂点，将模糊的图像变清晰，便于色斑的检测。

我们在使用中值滤波时首先要确定一个以某个像素为中心点的领域，一般为方形领域;然后将领域中的各个像素的灰度值进行排序，取其中间值作为中心点像素灰度的新值，这里的领域通常被称为窗口;当窗口在图像中上下左右进行移动后，利用中值滤波算法取一个数代替原先的像素值，便可得到较为清晰的色斑图像。

中值滤波之所以能消除光杂点是因为中值滤波的输出像素是由领域图像的中间值决定的，因而中值濾波对极限像素值（与周围像素灰度值差别较大的像素）远不如平均值那么敏感，从而可以消除孤立的噪声点，又可以使图像产生较少的模糊。

2.2.3图像分割

在一幅图片中所有物体的像素都是类似的，所以我们很难去轻松辨别哪个是色斑，所以在这种情况下我们会采取图像分割的方法，这种方法可以将图像的像素进行分类，从而得到有显著特征的色斑图像，便于后续的检测。

对于图像分割的办法有很多种，这里使用的阈值分割是一种非常古老的方法，不过它却非常简单且实用。在色斑图像中，不同区域也就是色斑与其他区域的灰度值差距还是蛮大的，所以我们可以利用灰度的均一性来进行分割。阈值分割说到底就是设置阈值来使色斑与其他部分区别开，不过设置阈值也是最难的，因为他很难去判断，稍微一不小心，可能出现较大偏差。

最常用的阈值方法是基于灰度直方图的方法，如最大类间方差法、最小误差法、最大熵法等。此类方法通常对整幅图像使用固定的全局阈值，不过如果图像中有阴影或亮度分布不均等现象，分割效果会受到影响，所以这种方法需慎重。基于局部阈值的分割方法对图像中的不同区域采用不同的阈值，相对于全局阈值方法而言具有更好的分割效果，该方法又称为自适应阈值方法。其中阈值的选取一般是基于图像的局部统计信息，如局部方差、局部对比度以及曲面拟合阈值等。由于色斑图像的亮度一般不均匀，所以本系统还是使用自适应阈值方法，因为图像的质量首先是第一位的，其次再去追求速度。我们要根据灰度参数去选择合理的阈值，在这里我们采用均值，即把每一点单独设定阈值，提高自适应阈值的精准度。

无论是基于全局阈值还是局部阈值，阈值方法通常受噪声影响较大。为了得到较好的分割结果，通常还需要与其他图像处理技术结合使用，如上文提到的中值滤波。

2.3特征提取

特征提取顾名思义，就是将图片中的显著特征提取出来。因为色斑图像区域过大，检测系统并没有想象中那么精确，所以我们需要先将色斑图像提取出来。

首先，我们要先用高斯模糊核将色斑图像在尺度空间中平滑，此后通过局部导数运算来计算图像的一个或多个特征，便于色斑图像的提取。另外，由于色斑图像的颜色对图像的变化不明显，所以在这里我们使用颜色直方图的方法。之所以使用颜色直方图是因为它在操作中可以不受色斑图像平移或旋转的影响，关键是不受图像尺度影响。在使用过程中，它能描述色斑图像的颜色分布，而且由于色斑图像难以自动分割，所以颜色直方图在这里再合适不过。颜色直方图分为RGB空间和HSV空间。RGB空间是最为常用的，RGB颜色空间以R（Red：红）、G（Green：绿）、B（Blue：蓝）三种颜色为基础的空间立方体模型。因RGB颜色多与自然色相近，故也被称为自然色彩模型。RGB颜色空间以八种颜色为立方体的八个顶点，红绿蓝三基色位于三维空间的三个坐标轴而构成的。其中参数的取值范围可以从0取到255，这使得RGB空间能够辨别成千上万的颜色，方便颜色的处理。HSV颜色空间就是将RGB颜色空间中的颜色倒在圆锥形模型中，它的三个基本参数为色调（H），饱和度（S），明度（V）。其中色调有角度衡量，范围从0至360度，由红色向逆时针方向递增;而饱和度代表颜色的纯净度;明度简而言之就是亮度，它表示物体透射或反射光线的能力，取值范围为0.0（黑色）～1.0（白色）。圆锥体的顶面对应于V=1.它包含RGB模型中的R=1，G=1，B=1 三个面，所代表的颜色较为鲜艳，而顶面中点处S=0，V=1，H无定义，故代表为白色。而在圆锥体的顶点（即原点）处，V=0，H和S无定义，颜色为黑色。从该点到原点代表亮度渐暗的灰色，即具有不同灰度的灰色。对于这些点，S=0，H的值无定义。但由于RGB颜色空间不直观，不符合人们的视觉感受，所以本系统使用用HSV空间模型，因为HSV颜色空间较为立体，较符合

3可实现功能

该系统推动色斑检测技术进入大众家庭，众所周知，进入美容院进行色斑检测价格十分昂贵，普通家庭是根本承受不起的。且美容院的医生为了经济效益有可能欺骗顾客，而顾客也因缺少知识接受医院的治疗。而在本系统只需你用手机拍摄脸部图像，便可以对皮肤进行色斑检测，实现随时随地了解皮肤情况。免于美容院等机构的欺骗而且价格便宜，适宜在大众家庭中推广。而且这种技术不接触皮肤，安全可靠。

该系统不只是对色斑图像的粗略提取，使得人们在检测质量上担忧，而选择去美容院等权威场所。因为有了图像增强、中值滤波以及图像分割技术的处理，我们检测出的色斑图像是非常清晰的，使顾客从中获益。

总而言之，本系统主要是出于经济和便利的考虑，实现科技便利人们的生活。

4结语与展望

该方式有一定的创新性，通过手机进行拍摄，获取人脸图片，然后通过图像增强、中值滤波、图像分割等进行图像预处理，最后通过颜色特征进行色斑的识别，将多种处理技术用于色斑检测，使这些技术各展所长。但该系统仍然还有着很大的进步空间，例如我们可以在获取图像后，就能检测出整个脸部的色斑，能得出色斑的统计信息，还能检测出不同颜色深度的色斑，实现对色斑的分类。还有我们在使用阈值分割时，会出现使用全局域值不精确，使用多个阈值不方便的情况，所以更加快速的使色斑与其他部分区别开是一项需要改进的技术。假如我们能既准确又快速地提取特征色斑，那就再好不过了。不过该方式是否有漏洞还需要实际操作才能知晓，不过我相信本系统在操作过程中会发挥他的实用性。希望这种技术能够得到推广，以便它能够更好地检测色斑，也希望色斑患者早日康复。

参考文献

[1]储霞，吴效明，黄岳山.一种基于人脸皮肤图像的色斑检测算法[J].微计算计信息，2009，（21）.

[2]吕峻闽，梅少环，缪春池.基于计算机图像处理的人脸皮肤表面色斑评估的可行性分析[J].数字技术应用，2016，（06）.

[3]朱冰莲，潘哲明，李单单.一种中值滤波的快速算法[J].信号处理，2015，（9）.

[4]陈炳权，刘宏立，孟凡斌.数字图像处理技术的现状及其发展方向[J].湘西：吉首大学学报，2009，（01）.

[5]谷春静，蒋大林.图像处理过程中皮肤纹理评价方法的研究[C].第七届青年学术会议论文集，2005.