用于识别树突状毛孔的方法与流程

1.本发明整体涉及用于识别皮肤上的树突状毛孔的方法。

背景技术：

2.诸如毛孔和细纹的皮肤特征是美容皮肤病学和非医疗美容行业中的常见问题。例如，皮肤毛孔粗大的存在可能对皮肤弹性产生负面影响，然后这将导致皮肤松垂，尤其是在个体的面部的鼻部区域和脸颊区域周围。这导致许多个体，尤其是更年轻的个体，寻求各种选项以有助于解决与皮肤毛孔相关的问题。细纹和皱纹是老化皮肤的典型症状，但对在更年轻的个体中识别是特别具有挑战性的。有机会更好地识别更年轻的个体中的老化皮肤的皮肤特征，因此可以采取预防性措施来预防或延迟出现年龄相关的症状，并且可以更好地估计任何两种美容护理之间的功效。非侵入式方法通常用于评估皮肤特征，诸如皮肤镜或共焦激光显微镜。然而，此类方法的限制在于每次测量仅可检查非常小的或狭窄的区域(例如，直径为15mm)。因此，它可能不适于测量更大的区域，诸如整个脸颊区域或整个面部区域，因为将不得不进行多次测量。此外，这些方法不易于许多用户使用，并且需要一定程度的训练来操作。有持续的机会更好地开发更准确和/或精确的方法以识别用户友好的皮肤特征，因此可以针对个体推荐和/或开发优化的非医疗美容皮肤护理方案，特别是与更年老的个体相比，通常具有较不明显的皮肤特征的更年轻的个体。

技术实现要素：

3.本发明至少部分地基于树突状毛孔的发现，并且进一步基于树突状毛孔在估计皮肤并因此个体的皮肤护理需求中的作用。也可以应用该方法以有助于开发皮肤护理方法。树突状毛孔是其中细纹或皱纹与毛孔相交的毛孔。本发明的一个方面提供了一种识别树突状毛孔的方法，该方法包括以下步骤：获得受检者的皮肤的数字图像；从所获得的数字图像生成具有细纹的细纹图像；从所获得的数字图像生成具有毛孔的毛孔图像；重叠细纹图像和毛孔图像成第一重叠图像，以识别具有与毛孔相交的至少一条细纹的那些毛孔，从而识别树突状毛孔。
4.与其他方法相比，优点在于，特别是在更年轻的受检者中，用于估计皮肤特征的方法的灵敏度增加。
附图说明
5.现在将参考附图仅通过说明性示例来描述本发明，在附图中：
6.图1描绘了用于识别树突状皮肤毛孔的方法的一般流程图；
7.图2描绘了图1中所描绘的方法的更详细版本；
8.图3是脸颊的图像，以及图1和图2所描绘的方法的对应输出，该方法应用于脸颊图像以识别包括彼此连接的这些树突状毛孔簇的多个树突状毛孔；并且
9.图4是图3的树突状毛孔簇中的一个树突状毛孔簇的特写。
10.图5是测量从20岁至小于80岁的用户的平均树突状毛孔面积的图形。
具体实施方式
11.本发明的各种实施方案的特征和有益效果将由以下说明变得显而易见，该说明包括旨在给出本发明的广泛代表的具体实施方案的示例。从该描述和从本发明的实践，各种修改形式对于本领域的技术人员将显而易见。本发明的范围不旨在限于所公开的具体形式，并且本发明涵盖了所有落入如权利要求所限定的本发明的实质和范围内的修改、等同物和另选的替代方案。
12.如本文所用，术语“美容”是指在人体的区域上提供所期望的视觉效果的非医疗方法。视觉美容效果可以是临时的、半持久的、或持久的。
13.如本文所用，术语“面部区域”是指用户的整个面部或用户面部的一部分，包括但不限于以下区域中的一个或多个区域：脸颊、鼻部、前额、嘴部、下巴、眶周区域和颈部区域。
14.如本文所用，术语“图像捕获装置”是指可捕获和/或记录图像(例如，静止图片或视频)、优选数字图像的装置、系统或仪器。该装置可以是临床成像系统或美肤计数器皮肤评估系统的一部分。该装置可以是移动装置或智能装置的一部分，该移动装置或智能装置包括移动电话、智能电话、平板电脑、膝上型电脑、手表、个人数字助理，或者可以是个人计算机的一部分，或者可以是独立相机诸如手持式相机。该装置还可以包括用于发射光的内置光源(例如，闪光灯)。
15.如本文所用，术语“皮肤”是指哺乳动物最外层保护性覆盖物，该覆盖物由诸如角质细胞、成纤维细胞和黑素细胞的细胞构成。皮肤包括外侧的表皮层和下面的真皮层。优选地，皮肤是面部区域皮肤。
16.如本文所用，术语“皮肤特征”是指受检者皮肤上的特征，包括但不限于以下中的一者或多者：毛孔、光泽、细纹(包括皱纹)、斑点、毛发、痣、丘疹痤疮、黑头粉刺、白头粉刺以及它们的任何组合。
17.如本文所用，术语“受检者”是指对其使用本文所述的方法(和系统)的人。
18.图1是提供了识别树突状毛孔的方法(1)的一般流程图。第一步骤是获得受检者的数字图像(3)。从该数字图像，生成细纹图像(5)(5)。另外，从该数字图像(3)，生成毛孔图像(7)。最后，细纹图像(5)和毛孔图像(7)彼此重叠以提供第一重叠图像(9)，以识别具有与毛孔相交的至少一条细纹的那些毛孔，从而识别树突状毛孔。
19.图2是图1的更详细的流程图(1000)。类似地，方法(31)提供受检者的数字图像(300)。图像可从图像捕获装置获得。例如，图像捕获装置为使用具有定制光设置和偏振滤波器的5d mark ii全帧数字单透镜反光(dslr)相机的成像系统，诸如-cr成像系统(canfield scientific，new jersey，usa)，该成像系统包括5d mark ii dslr相机。如果图像为人体的整个面部或其他大面积的图像，则感兴趣区域仅涉及此类图像的一部分。另选地，可以从计算机存储器检索图像(其中所存储的图像由图像捕获装置从较早的时间点捕获)。
20.受检者的数字图像(300)可以显示多个皮肤特征。这些皮肤特征可以包括例如斑点(12)和痣(14)等。值得注意的是，皮肤特征还包括独立毛孔(16)、细纹(20)和树突状毛孔(18)。这些皮肤特征中的一些皮肤特征不是肉眼可见的。应当理解，在没有随后描述的数字
处理步骤的情况下，并非所有这些皮肤特征在受检者的数字图像(300)中是显而易见的。
21.树突状毛孔(18)是与至少一条细纹连接的那些毛孔。树突状毛孔是其中细纹与毛孔相交的毛孔。例如，相交细纹可以是接触毛孔的外边界的相交细纹或穿过毛孔的相交细纹。树突状毛孔可以与2、3、4或更多条细纹相交。可以将一个树突状毛孔连接到其他树突状毛孔(经由共享细纹(或皱纹))。继而，这些互连的树突状毛孔可以形成簇(其中簇可以彼此分开)。不受理论的束缚，树突状毛孔与实足年龄相关。通过由于面部表情的频繁运动而引起的在物理上加载的应力，和/或由于老化而引起的弹性降低，树突状毛孔可以随时间在面部区域中出现。这种相关性在实施例1中证明。也就是说，随着受检者的年龄增加，在限定的单位面积中的树突状毛孔的平均数量增加。在化妆品研究中作为皮肤健康和老化的表型研究树突状毛孔是重要的。此外，不受理论的束缚，树突状毛孔(18)与独立毛孔(16)(即，不与任何细纹相交的毛孔)的分割在向年轻的用户(例如，18岁至25岁)传递过早的皮肤老化迹象及其感知时可能是重要的。本文的方法可以有助于实现创新的新美容皮肤护理产品或方案的开发以及皮肤美容诊断。
22.仍然参考图2，从受检者的数字图像(300)，生成毛孔图像(700)。通过从受检者的数字图像(300)提取毛孔(16,18a)来生成毛孔图像(700)。这些毛孔可以来自独立毛孔(16)或树突状毛孔(18a)。在所生成的毛孔图像(700)中存在树突状毛孔(18a)，但没有相交细纹(18b)。尽管未示出，但在优选示例中，提取的毛孔图像(700)识别毛孔(16,18a,18b)中的每个毛孔的边界。可通过分割受检者的数字图像(300)来提取毛孔图像(700)。可通过一种或多种诸如以下的方法来执行受检者的数字图像(300)的分割：阈值处理方法、基于颜的分割方法、变换方法、纹理方法或它们的组合。优选地，受检者的数字图像(300)的分割通过阈值处理方法来执行，并且更优选地通过自适应阈值处理方法来执行。
23.类似地，从受检者的数字图像(300)，生成细纹图像(500)。通过从受检者的数字图像(300)提取细纹(18b,20)来生成细纹图像(500)。细纹可以来自独立细纹(20)(即，不与毛孔相交)或通过与毛孔相交的与一个或多个树突状毛孔(18b)相关联的细纹。尽管未示出，但在优选示例中，提取的细纹图像(500)识别细纹(18b,20)中的每个细纹的边界。可通过分割受检者的数字图像(300)来提取细纹图像(500)。分割可以根据先前描述的方法进行。
24.任选地，为了提高识别毛孔(16,18a)和/或细纹(18b,20)中的每一者的边界的准确性，可以在提取毛孔图像(700)和/或细纹图像(500)之前处理受检者的数字图像(300)。例如，可对受检者的数字图像(300)执行柱状图均衡化以增强图像(300)的对比度和/或改善照明，从而获得柱状图均衡化的图像。可根据期望对柱状图均衡化的图像或未处理的图像(300)进行滤波以去除一个或多个皮肤特征(例如，斑点(12)和痣(14))，从而获得滤波的图像。可使用滤波器诸如频率滤波器对柱状图均衡化的图像或未滤波的图像(300)进行滤波。频率滤波器的示例包括与带通滤波器一起使用的快速傅立叶变换滤波器以及高斯差分滤波器。优选地，使用高斯差分滤波器对图像(300)的柱状图均衡化的图像进行滤波。在获得柱状图均衡化的图像或滤波的图像之后，对柱状图均衡化的图像或滤波的图像执行分割以提取毛孔图像(700)和/或细纹图像(500)。
25.任选地，可使用一个或多个附加滤波器来进一步提高识别皮肤毛孔(16,18a)和/或细纹(18b,20)中的每一者的边界的准确性。例如，分水岭变换滤波器(watershed transformation filter)可用于划分所连接的皮肤毛孔(16,18a)，否则该皮肤毛孔可被识
别为边界细纹(未示出)。类似地，可以使用相同的分水岭滤波器来划分细纹(18b,20)。滤波器的另一示例是形状滤波器。该形状滤波器可以包括通过毛孔几何形状参数限定毛孔；优选地其中毛孔几何形状参数是毛孔面积(优选地25,000微米
2-1
×
106微米2)、直径(优选地175微米-1100微米)、宽度/长度长径比(优选地0.3-1)，以及它们的组合。
26.形状滤波器包括通过细纹几何形状参数限定细纹；优选地其中细纹几何形状参数选自细纹厚度(优选地其中该细纹厚度大于35微米，更优选地40微米至1cm)、细纹长度(优选地大于200微米，更优选地250微米至小于5cm，优选地小于3cm，更优选地250微米至1cm)，以及它们的组合。
27.尽管未示出，但是优选地处理受检者的数字图像(根据前述步骤中的一个或多个步骤)。更优选地，从处理后的图像生成细纹图像和毛孔图像。又进一步，生成二值细纹图像和/或二值毛孔图像。任选地但优选地，可以将相交步骤应用于二值毛孔图像和/或二值细纹图像，以有助于识别随着二值细纹图像中的细纹而检测到的非常小的毛孔。联合步骤将有助于分别识别二值细纹图像中的细纹和/或二值毛孔图像中的毛孔。图像处理程序和编程语言例如python
tm
、opencv、java
tm
、imagej可用于实施上述步骤。
28.最后，并且仍然参考图2，细纹图像(5)和毛孔图像(7)彼此重叠以识别具有与毛孔相交的至少一条细纹的那些毛孔，从而识别第一重叠图像中的树突状毛孔(18)。第二重叠图像(19)提供独立毛孔(16)。第三重叠图像(23)将提供独立细纹(20)。优选地，将形态学重建应用于第一重叠图像以识别具有与毛孔相交的至少一条细纹的那些毛孔。在一个非限制性示例中，用于实施形态学重建。
29.图3描绘了识别树突状毛孔簇的方法(31)。提供了受检者的面部区域的脸颊的图像(3000)。应用图1和图2描述的方法，识别包括多个树突状毛孔的第一重叠图像(9000)。在第一重叠图像(9000)中识别树突状毛孔簇(1800)的一个示例。在图3的第一重叠图像中编号57个不同树突状簇(1800)。这些识别的树突状毛孔可以分类为一个或多个预定类别。此类类别可以包括：具有一条细纹的树突状毛孔；具有两条细纹的树突状毛孔；具有至少三条细纹的树突状毛孔；经由至少一条细纹连接到另一个树突状毛孔的树突状毛孔；以及它们的组合。
30.图4是图3的树突状毛孔簇(1800)的特写。簇由六个不同树突状毛孔构成。该簇的这些毛孔通过至少一条细纹连接。
31.本文的方法可以提供附加显示步骤。也就是说，可以向受检者显示所识别的树突状毛孔或树突状毛孔簇。可以经由包括通过计算机可视的网站或应用程序的各种众所周知的方式来进行显示。优选地，显示是通过具有可视屏幕的移动智能电话的方式的。
32.本文的方法还可以提供确定至少部分地与受检者的所识别的树突状毛孔相关联的数值严重程度的附加步骤(并且向受检者显示所确定的数值严重程度)。此类数值严重程度的非限制性示例是基于1-5的级别的数值严重程度。1表示在面部区域的限定单元中的最小数量的树突状毛孔，而5是较大数量的树突状毛孔。另选地，数值严重程度可以与其他皮肤参数相关联，以提供受检者的更广泛的整体数值严重程度。在不限制的情况下，这些其他皮肤参数可以包括至少部分地基于斑点、纹理、皱纹、独立毛孔、肤、亮度和其他成像测量结果的那些。另外其他皮肤参数可以包括基于体内物理测量结果诸如干燥、水合、屏障功
能、水合和皮脂分泌的那些。
33.本文的方法还可以提供生成受检者的数值严重程度与跟人相关联的预定值之间的比较结果的附加步骤。所用的人数据可特定于受检者的年龄、地理位置、种族起源或任何其他因素。参见us 6,571,003 b1，第9栏，第5行到第47行，其以引用方式并入本文。
34.实施例1
35.图5是绘制跨不同年龄的用户测量的平均树突状毛孔面积的表。这些用户在20岁至小于80岁的实足年龄范围内。线性回归确定树突状毛孔面积每年以2.14个任意单位增加。受检者的面部区域皮肤的数字图像通过使用7的主相机获得。使用上述方法，生成表1的数据。
36.表1.识别跨第一用户体和第二用户体的树突状毛孔面积，并且在第二用户体中，树突状毛孔面积整天改变。
37.可变值第一用户体(20岁-35岁)的平均树突状毛孔面积199.87个任意单位第一用户体(n＝20个用户)的平均年龄30.47岁第二用户体(》35岁)的平均树突状毛孔面积229.20个任意单位第二用户体(n＝24个用户)的平均年龄44.18岁树突状毛孔面积每年增加，如通过线性回归确定2.14个任意单位第一用户体中整天(早晨与傍晚)的平均毛孔大小变化19.39个任意单位等同于第一用户体的年龄的平均毛孔大小变化(19.39/2.14)9.07年当量
38.令人惊讶的发现是至少第一用户体中整天发生的树突状毛孔面积的大幅增加。具体地，当在同一天的早晨与傍晚之间测量时，存在超过19.39个任意单位的平均变化。使19.39除以2.14，即树突状毛孔面积在每年的基础上的增加(通过跨所有用户的线性回归确定)表示9.07年当量的变化。这是针对至少第一用户体整天发生的“皮肤年龄”的显著增加。因此，这为开发非医疗皮肤护理产品和方案以解决这种日变化(在至少第一用户体中)提供机会。因此，本发明的一个方面提供了使用以每天超过一次的频率识别受检者中的树突状毛孔的这些方法，以跟踪这些对树突状毛孔和/或树突状毛孔的面积的变化。例如，将本文中识别树突状毛孔的方法以每天2-10次应用于受检者以理解这些变化以及产品或如何影响这些变化。优选地，该方法间隔开至少30分钟，优选地间隔开至少一小时，更优选地早晨至少一次并且傍晚至少一次。该方法还可以测量所识别的树突状毛孔的面积(因此可以估计所识别的树突状毛孔的面积的任何变化)。
39.本文所公开的量纲和值不应理解为严格限于所引用的精确数值。相反，除非另外指明，否则每个此类量纲旨在表示所述值以及围绕该值功能上等同的范围。例如，公开为“40mm”的尺寸旨在表示“约40mm”。本文所述的所有数值范围包括较窄的范围；所描述的范围上限和下限是可互换的，以进一步形成没有明确描述的范围。本文所述的实施方案可包含本文所描述的基本组分以及任选成分，本文所述的实施方案基本上由或由本文所描述的基本组分以及任选成分组成。如说明书和所附权利要求书中所用，除非上下文另外清楚地指明，否则单数形式“一个”、“一种”和“该(所述)”旨在也包括复数形式。
40.除非明确排除或以其他方式限制，否则本文中引用的每一篇文献，包括任何交叉引用或相关专利或专利申请以及本技术对其要求优先权或其有益效果的任何专利申请或
专利，均据此全文以引用方式并入本文。对任何文献的引用不是对其作为与本发明的任何所公开或本文受权利要求书保护的现有技术的认可，或不是对其自身或与任何一个或多个参考文献的组合提出、建议或公开任何此类发明的认可。此外，当本发明中术语的任何含义或定义与以引用方式并入的文献中相同术语的任何含义或定义矛盾时，应当服从在本发明中赋予该术语的含义或定义。
41.虽然已举例说明和描述了本发明的具体实施方案，但是对于本领域技术人员来说显而易见的是，在不脱离本发明的实质和范围的情况下可作出各种其他变化和修改。因此，本文旨在于所附权利要求书中涵盖属于本发明范围内的所有此类变化和修改。

技术特征：

1.一种识别树突状毛孔(18)的方法，所述方法包括以下步骤：(a)获得受检者的皮肤的数字图像(300)；(b)从所获得的数字图像(300)生成具有细纹的细纹图像(500)；(c)从所获得的数字图像(300)生成具有毛孔的毛孔图像(700)；以及(d)重叠所述细纹图像(500)和所述毛孔图像(700)以提供第一重叠图像(900)，从而将具有与所述毛孔相交的至少一条细纹的那些毛孔识别为树突状毛孔(18)。2.根据权利要求1所述的方法，还包括将形态学重建应用于所述第一重叠图像以识别具有与所述毛孔相交的至少一条细纹的那些毛孔的步骤。3.根据权利要求1或2所述的方法，其中所述毛孔图像(700)识别皮肤毛孔边界，并且重叠所述细纹图像(500)和所述毛孔图像(700)的所述步骤识别具有与所识别的皮肤毛孔边界相交的至少一条细纹的那些毛孔，以识别所述树突状毛孔(18)。4.根据权利要求3所述的方法，其中所述细纹图像(500)识别细纹边界，并且重叠所述细纹图像(500)和所述毛孔图像(700)的所述步骤识别具有与所识别的皮肤毛孔边界相交的至少一个细纹边界的那些毛孔，以识别所述树突状毛孔(18)。5.根据前述权利要求中任一项所述的方法，还包括生成二值细纹图像(500)或二值毛孔图像(700)，优选地二值细纹图像和二值毛孔图像两者的步骤。6.根据前述权利要求中任一项所述的方法，还包括在生成所述细纹图像和所述毛孔图像之前将形状滤波器应用于所述受检者的皮肤的所获得的数字图像的步骤。7.根据权利要求6所述的方法，其中所述形状滤波器包括通过毛孔几何形状参数限定所述毛孔；优选地其中毛孔几何形状参数是毛孔面积(优选地25,000微米
2-1
×
106微米2)、直径(优选地175微米-1100微米)、宽度/长度长径比(优选地0.3-1)，以及它们的组合。8.根据权利要求6或7所述的方法，其中所述形状滤波器包括通过细纹几何形状参数限定所述细纹；优选地其中所述细纹几何形状参数选自细纹厚度(优选地其中所述细纹厚度大于35微米)、细纹长度(优选地大于200微米)，以及它们的组合。9.根据前述权利要求中任一项所述的方法，其中获得受检者的皮肤的数字图像的所述步骤还包括执行柱状图均衡化以获得柱状图均衡化的图像的步骤。10.根据前述权利要求中任一项所述的方法，还包括通过去除一个或多个非相关的皮肤特征来对所述上述图像中的任何一个图像进行滤波的步骤；优选地，所述非相关的皮肤特征选自斑点、毛发、痣、丘疹、痤疮、黑头粉刺、白头粉刺，以及它们的组合。11.根据权利要求10所述的方法，其中所述滤波的步骤包括至少使用频率滤波器，其中所述频率滤波器选自以下的组：快速傅立叶变换滤波器和带通滤波器、高斯差分滤波器以及它们的任何组合，更优选地，所述频率滤波器为所述高斯差分滤波器。12.根据前述权利要求中任一项所述的方法，还包括将所述至少一个树突状毛孔分类为预定类别；优选地，所述预定类别选自：具有一条细纹的树突状毛孔；具有两条细纹的树突状毛孔；具有至少三条细纹的树突状毛孔；经由至少一条细纹连接到另一个树突状毛孔的树突状毛孔；以及它们的组合。13.根据前述权利要求中任一项所述的方法，还包括向所述受检者显示所识别的树突状毛孔的步骤，优选地，所述显示是经由智能电话的。14.根据前述权利要求中任一项所述的方法，还包括确定与所识别的树突状毛孔相关
联的数值严重程度的步骤。15.根据权利要求14所述的方法，还包括生成所述受检者的数值严重程度与跟人相关联的预定值之间的比较结果的步骤。16.根据前述权利要求中任一项所述的方法，还包括以每天超过一次的频率、优选地每天2-10次、更优选地间隔开至少1小时的频率，识别受检者中的树突状毛孔的步骤；并且优选地包括确定所识别的树突状毛孔的面积的附加步骤。

技术总结

本发明提供了一种用于识别树突状毛孔的方法。从受检者的皮肤的数字图像获得细纹图像和毛孔图像。这些细纹图像和毛孔图像重叠以将具有与毛孔相交的至少一条细纹的那些毛孔识别为树突状毛孔。别为树突状毛孔。别为树突状毛孔。

技术研发人员：

D

受保护的技术使用者：

宝洁公司

技术研发日：

2021.05.07

技术公布日：

2022/12/23