基于HSV色彩空间的OTSU色素障碍性皮肤病图像分割

韩殿元 王国颖

摘要：基于数字图像处理技术的皮肤病诊断中，对病变图像的准确分割至关重要。HSV色彩空间中H分量具有很好的肤色聚类性，受光照、皮肤表面曲度变化等因素影响小，根据H/（S+V）采用大津法，结合滤波去燥增强、二值化图像处理技术可较好地分割发生病变的皮肤图像。实验结果表明，该方法复杂度较小，对色素障碍性皮肤病图像分割较准确。

关键词：色素障碍性皮肤病;HSV色彩空间;OTSU;图像分割

中图分类号：TP393 文献标识码：A

文章编号：1009-3044（2019）33-0213-02

在皮肤病的诊断中，发生病变的皮肤大小、颜色、形状、位置等都是重要的诊断依据。基于数字图像处理技术的皮肤病诊断中，对病变图像的准确分割，是定量测量和分析的基础。HSV色彩空间中正常皮肤的饱和度和亮度的平均值（s+v）/2与色调H相似，受光照影响较小，对光照和皮肤曲度有较好的鲁棒性Ⅲ。本文对皮肤病变图像分割的技术路线是先将图像转化到HSV色彩空间，对色斑图像进行滤波去燥，根据H/（S+v）采用OTSU对病变图像进行分割，再用二值形态学图像处理。

1RGB到HSV色彩空间值转化

目前皮肤数字图像颜色表示主要采用RGB色彩空间。在对皮肤病变图像进行分割时，该色彩空间的分割效果并不理想。HSV色彩空间将RGB空间中相关性很强的R、G、B值转化为相关性较弱的H、s、v值，H和S分量与人感受色彩的方式一致。HSV色彩空间中的色调H用来表示不同的颜色，皮肤颜色在H分量中分布较为集中，根据H分量对皮肤图像进行分割较为容易。

HSV使用色调（Hue）、饱和度（saturation）和亮度（Lightness）三个分量来定义颜色。HSV色彩空间可从RGB色彩空间转化过来，且变换是可逆的，方法如下：

2图像滤波去燥

对图像进行滤波去燥，主要目的是在尽量保留图像细节特征的条件下对目标图像的噪声进行抑制，是图像预处理中不可缺少的操作，其处理效果的好坏将直接影响到后续图像处理和分析的有效性和可靠性。

本文采用中值滤波对色斑图像进行去燥增强，中值滤波采用非线性的方法，它在平滑脉冲噪声方面非常有效，同时它可以保护色斑图像的边缘。

具体的方法是将HSV色彩空间中的H、s、v三个分量分别进行3x3中值滤波处理，不对图像的边界做任何处理。

3皮肤颜色在HSV色彩空间的稳定性

3.1不同强度光照、不同表面曲度对皮肤测量的影响

图像成像系统对光照和表面曲度是很敏感的。在一定的色彩空间中，皮肤颜色的分布较为集中。皮肤颜色的差异主要是由于光照、皮肤表面曲度等因素的影响。

路毅行对不同强度光照对皮肤测量的影响和不同表面曲度对皮肤测量的影响进行了研究，实验研究发现，在肤色保持不变的情况下，一定光照范围内，正常皮肤的饱和度S和亮度v的均值（S+V）/2与色调H一样，对光照和光照角度具有较好的鲁棒性。当肤色发生变化时，（S+V）/2也随之改变，但与色调H的变化方向相反，故H/（S+V）可提高HSV色彩空间对病变的分辨力。

3.2正常皮肤和色素障碍性皮肤H/（S+V）对比

HSV色彩空间正常皮肤H/（S+V）值较为稳定，而发生色素障碍的皮肤H/（S+V）值会发生较大的变化，如图1所示。

从实验结果可见，在H/（S+V）值的三维网格图中，发生病變部位的H/（S+V）值要么比正常皮肤的H/（S+V）值高，如图2中（a）和（c），也有的病变部位的H/（S+V）值比正常皮肤的H/（S+V）值小，如图2中（e）。概括起来，发生病变部位的H/（S+V）值比正常皮肤的H/（S+V）值有明显变化，这样对病变部位与正常皮肤的分割非常有利。

4基于oTSU阈值图像分割

OTSU算法（大津法或最大类间方差法）是由日本学者OTSU于1979年提出的一种对图像进行二值化的高效算法。

OTSU最大类间方差法原理是利用阈值将原图像分成前景，背景两个图像。当取最佳阈值时，背景应该与前景差别最大，其关键是选择一个合适的衡量差别的标准，OTSU算法中用最大类间方差作为衡量差别的标准。

OTSU算法适合对前景和背景差距大的图像进行分割，且运算速度非常快。前面将图像转化到HSV色彩空间，计算出每个像素的H/（S+V）值后，将H/（S+V）值阵列看成是一个灰度图像，就可以用OTSU算法对图像中的病变区域进行分割。

5二值形态学图像处理

数学形态学有2个基本的运算，即腐蚀和膨胀，而腐蚀和膨胀通过结合又形成了开运算和闭运算。

二值形态学的腐蚀可以使目标区域范围“变小”，其实质造成图像的边界收缩，可以用来消除小且无意义的目标物，也可消除目标边界周围的毛刺。

膨胀会使目标区域范围“变大”，可将目标区域接触的背景点合并到该目标物中，使目标边界向外部扩张。作用就是可以用来填补目标区域中某些空洞以及消除包含在目标区域中的小颗粒噪声。

开运算就是先腐蚀再膨胀，闭运算就是先膨胀再腐蚀。开运算可以消除噪声点和小的区域，为消除稍大一点的区域，可以多次使用腐蚀操作、再执行相同次数的膨胀操作。如果只保留图像中一些大块区域，那些零散的、小块的区域，则可以使用形态学中的去除小区域算法（remove_small_objects）删除掉。

6实验分析

为验证算法的有效性，实验中使用了大量不同类别的色素障碍性皮肤病图像，包括斑类、疹类、痣类、瘤类等，都能取得较好的效果。图2是其中的一个分割实例。

图2中（a）是待分割的图像，（b）是将原图转化成灰度图像后直接进行OTSU分割的效果，看见存在较大的误差;（c）是原图的H/（S+V）值图像，该图像中的前景和背景具有较明显的差异;（d）是对H/（S+V）值图像用OTSU分割的图像;（e）是用形态学的开操作后图像，该图是用了一次腐蚀和一次膨胀后的效果，还存在两个较小的区域;（f）是形态学消除小区后图像。通过这一系列操作，图像中的病变目标有分割出来了。

当采集的图像含有非皮肤的其他背景时，病变区域和正常皮肤的H/（S+V）值差值可能会变小，而背景中非皮肤物体的H/（s+v）值较大，使用OTSU算法找不到合适的阈值将病变区域和正常皮肤分开，本文算法的效果会下降甚至会失效，所以采集图像时尽量离目标近一些，让皮肤充满图像的背景。算法的缺陷将在后续研究中改进。