摘 要：人体皮肤光泽度在人们的健康指标中占有重要地位，一个人的皮肤光泽度可以反映出他（或她）的气色、心情等健康指标。该系统需要先对图像进行脉冲噪声处理，使图像变得清晰，这就需要用到中值滤波。接着利用图像分割将人脸与周围环境分割开来，然后利用Retinex算法中的单尺度算法对处理后的图片进行计算，最终得到此人的皮肤光泽度检测报告。试验结果表明，该系统操作简便，并能得到较精确的结果。
關键词：图像处理;皮肤光泽度;图像分割;中值滤波;单尺度Retinex算法
一、皮肤光泽
（一）皮肤光泽的重要性
随着时代发展，人们不再只停留于维持温饱冷暖的低层次生活需求，正如新时代我国社会主要矛盾是人民日益增长的美好生活需要和不平衡不充分的发展之间的矛盾所说，人们正在向高水平生活和美好生活需求靠近。其中最明显的一个方面，便是人们对自己的相貌很在意，购买各种护肤品、化妆品和整容整形逐渐成为时代潮流。就相貌而言，构成相貌的最基本单位是皮肤。
皮肤是我们从出生开始就拥有的最天然的坚实屏障，它能帮我们抵挡住外部细菌、病毒等微生物和灰尘颗粒的侵害;它能通过呼吸来维持或增加人体内部的含氧量;它还能保证人类身体内部各部分生物化学反应的进行和环境的稳定;同时，还能用它区别不同的人，进行机器识别。
皮肤光泽度是人体健康状况的晴雨表，能实时传递出身体状况和心情的信号。一个健康快乐的人会体现出气色佳，皮肤有血色、自然透亮，反之则是身体欠佳或是情绪低落。就广义而言，社会中任何一个人都比较注重他（或她）的皮肤光泽度，它在一定程度上可以反映一个人的心理健康状况。就狭义而言，尤其是女性，平时购买护肤产品或是做皮肤保养，大多都是要保持良好的皮肤光泽度，展示自己美丽健康的形象。
（二）皮肤光泽检测的现状与弊端
对于中国这个人口数量庞大的国家来说，人们向往美好生活的需求不断提高，对皮肤的护理和修复的关注度逐渐上升。就目前而言，最常用最普遍的方法是去专业机构进行检测和购买护肤品、化妆品。这类机构一般拥有一套或多套检测设备，通过专业的皮肤检测，不仅数据可靠，而且还能得到科学的护肤建议。现在的市场上有很多名牌护肤品、化妆品，并且新兴品牌越来越多，选择使用范围越来越广。对于女性来讲，大多数人会经常购买护肤产品或者是与专业机构约定时间去进行皮肤护理修复，但错误地使用一些化妆品往往会导致皮肤受损，不能及时修复，给皮肤带来不可逆的损害。同时亲自去专业机构要花费大量的时间、金钱和精力，购买护肤品也是一笔不小的开支，有时还会出现因为不了解自己的皮肤状况而购买的多余的护肤产品和化妆品的情况。单纯以了解皮肤情况为目的，这样做成本太高，对收入不高无法负担皮肤检测的人而言，这不是一种最佳选择。
因此皮肤检测系统可以帮人们清楚地认识到自己的皮肤状况，并且可以根据这一检测报告合理地进行护肤产品的选择和美容保养。
（三）创新点
对于人们来讲，尤其是女性，十分在意自己的面部光泽度。大多数人都希望自己展现在别人面前的是面色红润、气色佳的形象。就目前而言，市场上还没有一套完整的、专业的检测皮肤光泽度的系统或是设备。相比之下比较可靠的专业机构的检测系统也收费昂贵，而且检测地点固定，被检测者的自由受限，无法真正做到实时检测。这一基于图像处理的皮肤光泽检测系统首先用中值滤波去除脉冲噪声，再用图像分割将人脸与周围的环境分离开来，然后用Retinex算法对处理后的人脸图片进行计算，从而获得自己面部皮肤光泽的相关数据，而且可以有效利用人们手边现有的资源，让人们实时进行检测，且用法简便，适用于各种类型的人。
二、系统处理
（一）图像采集
图像采集主要分为两类：静态图片采集和动态图片采集，静态图片（例如：从人们所使用的有自拍功能的智能手机中筛选有人脸的相片），因采用数字信息储存可以直接进行图像分割。动态图片（例如：从摄像机所录的视频中截取人脸的相片），所存在的各种噪声特别是脉冲噪声会对图像分割造成很大的影响，因此需要先使用中值滤波器对其进行降噪处理，尽量把类似的噪声干扰量减到最小。降噪以后，再进行图像分割。
（二）图像预处理
用手机或相机直接照出的相片或多或少会有背景、雾化、景物繁多、光线太强或太弱等干扰因素，要想准确地得到人面部皮肤的健康检测结果，就要将这些干扰项全部消除或是降到最小化。因此在进行图像特征提取之前，要先进行图像预处理，使图像最大化地只留下人的面部，以便后续检测，使检测结果更加准确。
（1）中值滤波〔4-10〕。中值滤波法是一种非线性平滑技术，中值其实就是数学意义上的平均数，而这种技术的处理方式的原理就是用中值来代表某一像素点邻域窗口内的所有像素点灰度值。用其他办法例如均值滤波、最大值滤波、最小值滤波等方法处理，并使脉冲噪声平滑是一件相当困难的事情，但如果利用中值滤波，就可以保护图像尖锐的边缘不被破坏，再选择适宜的点来代替图像所存在的噪声点的值，在中值滤波的分类中有一种加权中值滤波，中值滤波的边缘信号能通过它有效改进，因此它为处理噪声方面提供了非常大的帮助。比如人脸图像，可以使图像平滑，从而使图像对比度提高，有效地凸显出人脸部分，方便下一步操作。
均值滤波，是图像处理方法中最常用的手段，就频率而言，它是一种低频滤波，顾名思义，高频信号会在处理过程中被去除掉，可以为消除图像尖锐噪声提供帮助，处理后得到的图像会有平滑效果。但使用这种均值滤波后对图像的处理效果还需要根据Kernel数据的大小和进行迭代的次数来判断比较，较中值滤波而言较麻烦，而且为低频率，有可能将中度频率也处理掉，导致结果不准确。
最大值滤波、最小值滤波是两种早期使用的图像处理手段，较上面两种方法而言使用较少，它们是两种与中值滤波类似的图像噪声过滤方式。但用最大值或最小值来替换所有的滤波会导致计算误差较大，检测结果不准确。 因此，本系统选择用中值滤波进行图像分割前的处理。
