基于图像处理的黑头识别方法、黑头识别装置及终端设备

摘要

本发明实施例公开了一种基于图像处理的黑头识别方法、黑头识别装置及终端设备，用于提高黑头识别装置识别黑头的准确性。本发明实施例方法包括：获取待识别图像，并对所述待识别图像进行灰度处理，得到第一图像；对所述第一图像进行同态滤波和局部直方图均衡处理，得到第二图像；对所述第二图像进行阈值分割，得到初始灰度阈值；对所述初始灰度阈值进行调整得到目标灰度阈值，并根据所述目标灰度阈值对所述第二图像进行处理，得到目标图像；从所述目标图像中，识别得到黑头的总数量和总面积。

说明书

技术领域

本发明涉及终端设备应用领域，尤其涉及一种基于图像处理的黑头识别方法、黑头识别装置及终端设备。

背景技术

目前，人们的脸部皮肤问题较为严重，尤其是人们脸部出现的黑头就是常见的皮肤问题。而且，由于人们的性别、年龄以及地域属性等不同因素，导致黑头的严重程度也各不相同。

在美容美妆领域中，一般可以通过终端设备自拍用户的脸部图片，该终端设备能够自动检测用户黑头的数量，再结合该用户脸部的其他皮肤特征，为该用户提供护肤意见，例如，该终端设备可以为该用户选择合适的护肤品、食品以改善该用户的面部皮肤问题。现有技术中，检测黑头数量的方法一般可以通过普通白色光和紫外光线两种光线照射皮肤，从而提取出该紫外光线中的高亮目标，得到目标高亮图像，然后根据目标高亮图像生成黑头区域图，进而以该黑头区域图作为掩模，对白色光图像中的黑头区域进行标记，从而识别出黑头。

然而现有技术识别黑头的方法所使用设备要求复杂，会掺杂很多影响因素，从而导致终端设备识别黑头的准确性较低。

发明内容

本发明实施例提供了一种基于图像处理的黑头识别方法、黑头识别装置及终端设备，用于提高黑头识别装置识别黑头的准确性。

本发明实施例第一方面提供了一种基于图像处理的黑头识别方法，可以包括：

获取待识别图像，并对该待识别图像进行灰度处理，得到第一图像；

对该第一图像进行同态滤波和局部直方图均衡处理，得到第二图像；

对该第二图像进行阈值分割，得到初始灰度阈值；

对该初始灰度阈值进行调整得到目标灰度阈值，并根据该目标灰度阈值对该第二图像进行处理，得到目标图像；

从该目标图像中，识别得到黑头的总数量和总面积。

可选的，该获取待识别图像，并对该待识别图像进行灰度处理，得到第一图像，包括：

获取待识别图像；通过预设算法，在该待识别图像中，确定人脸特征点；根据该人脸特征点，确定目标区域图像；对该目标区域图像进行灰度处理，得到第一图像。

可选的，该对该第二图像进行阈值分割，得到初始灰度阈值；对该初始灰度阈值进行调整得到目标灰度阈值，并根据该目标灰度阈值对该第二图像进行处理，得到目标图像，包括：对该第二图像利用Otsu算法，得到初始灰度阈值；根据该初始灰度阈值和预设灰度差值，得到目标灰度阈值；根据预设函数公式，得到目标图像；其中，该预设函数公式为bin＝threshold(A)，A＝gray_h，η；η＝thr-Δt；bin表示该目标图像；threshold(A)表示threshold函数公式；gray_h表示该第二图像；thr表示初始灰度阈值；Δt表示预设灰度差值；η表示目标灰度阈值。

可选的，该根据预设函数公式，得到目标图像，包括：根据预设函数公式，得到第三图像；对该第三图像上的噪声进行去除，得到第四图像；对该第四图像进行裁剪，得到目标图像。

可选的，该从该目标图像中，识别得到黑头的总数量和总面积，包括：从该目标图像中，确定每个黑头的面积；将该每个黑头中的面积小于预设面积阈值的黑头，确定为第一黑头；确定该第一黑头的数量，以及该第一黑头的总面积。

可选的，该方法还包括：将该黑头的总数量进行归一化处理，得到目标总数量；将该黑头的总面积进行该归一化处理，得到目标总面积；根据第一公式，得到目标数值；其中，该目标数值用于表征该黑头的严重程度；该第一公式为B＝λC+(1-λ)D；B表示该目标数值；C表示该目标总数量；D表示该目标总面积；λ表示严重程度系数。

可选的，该方法还包括：当该目标数值小于第一预设数值时，根据第二公式，生成并输出第一皮肤质量分数；当该目标数值大于等于该第一预设数值，且小于第二预设数值时，根据第三公式，生成并输出第二皮肤质量分数；当该目标数值大于等于该第二预设数值时，根据第四公式，生成并输出第三皮肤质量分数；其中，该第二公式为E

本发明实施例第二方面提供了一种黑头识别装置，可以包括：

获取模块，用于获取待识别图像，并对该待识别图像进行灰度处理，得到第一图像；

处理模块，用于对该第一图像进行同态滤波和局部直方图均衡处理，得到第二图像；对该第二图像进行阈值分割，得到初始灰度阈值；对该初始灰度阈值进行调整得到目标灰度阈值，并根据该目标灰度阈值对该第二图像进行处理，得到目标图像；

识别模块，用于从该目标图像中，识别得到黑头的总数量和总面积。

可选的，在本发明的一些实施例中，

该获取模块，具体用于获取待识别图像；

该处理模块，具体用于通过预设算法，在该待识别图像中，确定人脸特征点；根据该人脸特征点，确定目标区域图像；

该获取模块，还用于对该目标区域图像进行灰度处理，得到第一图像。

可选的，该处理模块，具体用于对该第二图像利用Otsu算法，得到初始灰度阈值；根据该初始灰度阈值和预设灰度差值，得到目标灰度阈值；根据预设函数公式，得到目标图像；其中，该预设函数公式为bin＝threshold(A)，A＝gray_h，η；η＝thr-Δt；bin表示该目标图像；threshold(A)表示threshold函数公式；gray_h表示该第二图像；thr表示初始灰度阈值；Δt表示预设灰度差值；η表示目标灰度阈值。

可选的，该处理模块，具体用于根据预设函数公式，得到第三图像；对该第三图像上的噪声进行去除，得到第四图像；对该第四图像进行裁剪，得到目标图像。

可选的，该处理模块，具体用于从该目标图像中，确定每个黑头的面积；将该每个黑头中的面积小于预设面积阈值的黑头，确定为第一黑头；

该识别模块，具体用于确定该第一黑头的数量，以及该第一黑头的总面积。

可选的，该处理模块，还用于将该黑头的总数量进行归一化处理，得到目标总数量；将该黑头的总面积进行该归一化处理，得到目标总面积；根据第一公式，得到目标数值；其中，该目标数值用于表征该黑头的严重程度；该第一公式为B＝λC+(1-λ)D；B表示该目标数值；C表示该目标总数量；D表示该目标总面积；λ表示严重程度系数。

可选的，该处理模块，还用于当该目标数值小于第一预设数值时，根据第二公式，生成并输出第一皮肤质量分数；当该目标数值大于等于该第一预设数值，且小于第二预设数值时，根据第三公式，生成并输出第二皮肤质量分数；当该目标数值大于等于该第二预设数值时，根据第四公式，生成并输出第三皮肤质量分数；其中，该第二公式为E

本发明实施例第三方面提供了一种黑头识别装置，可以包括：

存储有可执行程序代码的存储器；

以及所述存储器耦合的处理器；

所述处理器调用所述存储器中存储的所述可执行程序代码，所述可执行程序代码被所述处理器执行时，使得所述处理器实现如本发明实施例第一方面所述的方法。

本发明实施例又一方面提供了一种终端设备，可以包括如本发明实施例第二方面或第三方面所述的黑头识别装置。

本发明实施例又一方面提供一种计算机可读存储介质，其上存储有可执行程序代码，所述可执行程序代码被处理器执行时，实现如本发明实施例第一方面所述的方法。

本发明实施例又一方面公开一种计算机程序产品，当该计算机程序产品在计算机上运行时，使得该计算机执行本发明实施例第一方面公开的任意一种所述的方法。

本发明实施例又一方面公开一种应用发布平台，该应用发布平台用于发布计算机程序产品，其中，当该计算机程序产品在计算机上运行时，使得该计算机执行本发明实施例第一方面公开的任意一种所述的方法。

从以上技术方案可以看出，本发明实施例具有以下优点：

在本发明实施例中，获取待识别图像，并对所述待识别图像进行灰度处理，得到第一图像；对所述第一图像进行同态滤波和局部直方图均衡处理，得到第二图像；对所述第二图像进行阈值分割，得到初始灰度阈值；对所述初始灰度阈值进行调整得到目标灰度阈值，并根据所述目标灰度阈值对所述第二图像进行处理，得到目标图像；从所述目标图像中，识别得到黑头的总数量和总面积。即黑头识别装置对待识别图像经过灰度处理，以及按照调整后的初始灰度阈值进行噪点去除处理，得到目标图像；该黑头识别装置在该目标图像中对黑头进行识别。这种方法提高了黑头识别装置识别黑头的准确性。

附图说明

为了更清楚地说明本发明实施例技术方案，下面将对实施例和现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，还可以根据这些附图获得其它的附图。

图1为本发明实施例中基于图像处理的黑头识别方法的一个实施例示意图；

图2为本发明实施例中基于图像处理的黑头识别方法的另一个实施例示意图；

图3为本发明实施例中黑头识别装置对黑头进行识别和评分的一个实施例示意图；

图4为本发明实施例中黑头识别装置对黑头进行标注和评分的一个实施例示意图；

图5为本发明实施例中黑头识别装置的一个实施例示意图；

图6为本发明实施例中黑头识别装置的另一个实施例示意图；

图7为本发明实施例中终端设备的一个实施例示意图。

具体实施方式

本发明实施例提供了一种基于图像处理的黑头识别方法、黑头识别装置及终端设备，用于提高黑头识别装置识别黑头的准确性。

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书中的术语“第一”、“第二”、“第三”“第四”等是用于区别不同的对象，而不是用于描述特定顺序。本发明实施例的术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

需要说明的是，本发明实施例中所涉及的执行主体可以是黑头识别装置，也可以是终端设备。下面的实施例以黑头识别装置为例，对本发明技术方案做进一步的说明。

如图1所示，为本发明实施例中基于图像处理的黑头识别方法的一个实施例示意图，可以包括：

101、获取待识别图像，并对所述待识别图像进行灰度处理，得到第一图像。

需要说明的是，待识别图像可以是用户的脸部图像，也可以是该用户脸部的特定部分(例如：鼻子部分)图像；该待识别图像可以通过摄像头拍摄得到，也可以通过其他拍摄装置拍摄得到，此处不做具体限定。

其中，灰度处理是指黑头识别装置对待识别图像上的三种颜色分量进行处理，该三种颜色分量分别包括：红色(Red，R)、绿色(Green，G)和蓝色(Blue，B)。该灰度处理可以包括但不限于以下四种方法：分量法、最大值法、平均值法以及加权平均法。

可以理解的是，分类法是指黑头识别装置将待识别图像上的RGB，分别确定为三种目标颜色分量，例如：将R确定为第一目标颜色分量，该第一目标颜色分量的灰度为N；将G确定为第二目标颜色分量，该第二目标颜色分量的灰度为P；将B确定为第三目标颜色分量，该第三目标颜色分量的灰度为Q。最大值法是指黑头识别装置将待识别图像上的RGB中亮度值最大的颜色分量，确定为最大目标颜色分量，该最大目标颜色分量的灰度为M。平均值法是指黑头识别装置将待识别图像上的RGB对应的三个亮度值进行平均，得到第四目标颜色分量，该第四目标颜色分量的灰度值为RGB的平均灰度值。加权平均法是指黑头识别装置将待识别图像上的RGB对应的三个亮度值按照不同的权重比例，进行加权平均，得到第五目标颜色分量，该第五目标颜色分量的灰度值为RGB的加权平均灰度值H。

其中，N、P、Q、M以及H都表示不同于R、G和B的灰度值；N、P、Q、M以及H可以相同，也可以不相同，此处不做具体限定。

可选的，黑头识别装置获取待识别图像，并对该待识别图像进行灰度处理，得到第一图像，可以包括但不限于以下实现方式：

实现方式1：黑头识别装置获取待识别图像；该黑头识别装置通过预设算法，在该待识别图像中，确定人脸特征点；该黑头识别装置根据该人脸特征点，确定目标区域图像；该黑头识别装置对该目标区域图像进行灰度处理，得到第一图像。

需要说明的是，预设算法可以是跨平台计算机视觉函数库(Open SourceComputer Vision Library，OpenCV函数库)、边缘检测算法、索贝尔算法以及主动轮廓线模型中的至少一项。人脸特征点可以从预设算法中进行提取。目标区域图像可以是该用户脸部的特定部分图像。

可选的，黑头识别装置根据该人脸特征点，确定目标区域图像，可以包括：该人脸特征点包括第一特征点、第二特征点，第三特征点以及第四特征点。黑头识别装置将该第一特征点的纵坐标作为上边界；将该第二特征点的纵坐标作为下边界；将该第三特征点的横坐标作为左边界；将该第四特征点的纵坐标作为右边界；根据该上边界、该下边界，该左边界以及该右边界，确定目标区域图像。

示例性的，第一特征点为OpenCV函数库为的28号特征点，第二特征点为29号特征点，第三特征点为32号特征点，第四特征点为34号特征点。黑头识别装置可以根据28号特征点的纵坐标，29号特征点的纵坐标，32号特征点的横坐标，34号特征点的横坐标，确定目标区域图像。其中，该目标区域图像可以为用户的鼻子区域。

实现方式2：黑头识别装置检测用户与该黑头识别装置之间的距离；当该距离位于预设距离范围内时，该黑头识别装置获取待识别图像，并对该待识别图像进行灰度处理，得到第一图像。

需要说明的是，预设距离范围是第一距离阈值和第二距离阈值构建的区间。该距离位于预距离设范围内，即该距离大于该第一距离阈值，且小于等于该第二距离阈值。

示例性的，假设第一距离阈值为10厘米(简称：cm)，第二距离阈值为25cm，预设距离范围为(10cm，25cm)。黑头识别装置检测用户与该黑头识别装置之间的距离为18cm，该18cm位于预设距离设范围(10cm，25cm)内，此时，该黑头识别装置获取待识别图像。

实现方式3：黑头识别装置检测当前环境亮度值；当该当前环境亮度值位于预设亮度范围内时，该黑头识别装置获取待识别图像，并对该待识别图像进行灰度处理，得到第一图像。

需要说明的是，预设亮度范围是第一亮度阈值和第二亮度阈值构建的区间。该当前环境亮度值位于预设亮度范围内，即该当前环境亮度值大于该第一亮度阈值，且小于等于该第二亮度阈值。

示例性的，假设第一亮度阈值为120坎德拉/平方米(简称：cd/m

可以理解的是，黑头识别装置在预设距离范围内或预设亮度范围内获取的待识别图像较为清晰，便于对该待识别图像进行灰度处理。

102、对所述第一图像进行同态滤波和局部直方图均衡处理，得到第二图像。

需要说明的是，同态滤波是指同态滤波器可以在频域中对第一图像进行对比度增强，同时，压缩该第一图像亮度范围。同态滤波器能够减少低频并且增加高频，从而能减少第一图像中的光照变化，并锐化该第一图像的边缘细节。同态滤波的依据是黑头识别装置在获取第一图像的过程中，照明反射成像的原理，对该第一图像的灰度范围进行调整，消除该第一图像上照明不均的问题，并有效增强目标区域图像的灰度值，其中，该第一图像包括该目标区域图像。

其中，同态滤波的实现过程：同态滤波器对第一图像取对数后，进行傅立叶变换，得到第一目标图像；该同态滤波器对该第一目标图像进行滤波，得到灰度幅度范围；该同态滤波器对该灰度幅度范围进行傅里叶逆变换，再取指数，得到第二图像。

可选的，该同态滤波器对该第一目标图像进行滤波，得到灰度幅度范围，可以包括：该同态滤波器对该第一目标图像里利用滤波函数公式，得到灰度幅度范围。

其中，该滤波函数公式为H＝(γ

H表示滤波函数公式；γ

通常情况下，γ

示例性的，c＝4；Z取10。

需要说明的是，局部直方图均衡是指对第一图像进行平滑处理(简称：图像平滑)以及对该第一图像进行锐化处理(简称：图像锐化)。其中，图像平滑是低频增强的空域滤波技术。图像平滑可以模糊第一图像，也可以消除该第一图像的噪声。该图像平滑一般采用简单平均法，即计算得到相邻两个像素点之间的平均亮度值。相邻两个像素点之间的邻域大小与第一图像的平滑效果直接相关，邻域越大，平滑效果越好，但邻域过大，第一图像的边缘信息损失也会越大，从而使输出的第二图像较为模糊，即该第一图像的平滑效果较差，因此，黑头识别装置需要设定合适的邻域大小，以保证第二图像的清晰度。然而，图像锐化与图像平滑是相反的图像均衡技术，图像锐化是高频增强的空域滤波技术。该图像锐化是通过增强高频分量来减少第一图像中的模糊度，即增强该第一图像的细节边缘和轮廓，同时，增强该第一图像上的灰度反差，便于得到较为清晰的第二图像。但是，图像锐化在增强第一图像细节边缘的同时，也会增加该第一图像的噪声。因此，黑头识别装置会结合图像平滑和图像锐化，对第一图像进行局部直方图均衡，以得到第二图像。

具体的，黑头识别装置将第一图像分成小区域，称之为tiles，然后对各个tiles进行直方图均衡化。因为每一个tiles的直方图都会集中在一个小的灰度范围内，所以，当第一图像上存在噪声时，该第一图像上的噪声将会被直方图放大。该黑头识别装置通过使用对比度限制的方法，以避免放大该第一图像上存在的噪声。对于每个tiles而言，如果直方图中的某个灰度值的像素点个数超过对比度上限，就将多余的像素点均分到其他灰度值上，经过以上的直方图重构操作以后，该黑头识别装置再进行直方图均衡化，最后使用双线性插值对每一个tiles的边界进行拼接。通常情况下，tiles的大小为8×8，单位为像素点的格式，对比度上限为3cd/m

103、对所述第二图像进行阈值分割，得到初始灰度阈值。

需要说明的是，阈值分割是指黑头识别装置通过设定不同的灰度阈值，把第二图像的像素点进行分类。

可选的，黑头识别装置对该第二图像进行阈值分割，得到初始灰度阈值，可以包括：黑头识别装置对该第二图像利用Otsu算法，得到初始灰度阈值。

需要说明的是，Otsu算法可以是一个Otsu函数公式。

其中，该Otsu函数公式为thr＝Otsu(B)，B＝gray_h；

thr表示初始灰度阈值；Otsu(B)表示Otsu函数公式，gray_h表示第二图像。

104、对所述初始灰度阈值进行调整得到目标灰度阈值，并根据所述目标灰度阈值对所述第二图像进行处理，得到目标图像。

可选的，黑头识别装置对该初始灰度阈值进行调整得到目标灰度阈值，并根据该目标灰度阈值对该第二图像进行处理，得到目标图像，可以包括：黑头识别装置根据该初始灰度阈值和预设灰度差值，得到目标灰度阈值；该黑头识别装置根据预设函数公式，得到目标图像；

其中，该预设函数公式为bin＝threshold(A)，A＝gray_h，η；η＝thr-Δt；

bin表示该目标图像；threshold(A)表示threshold函数公式；gray_h表示该第二图像；thr表示初始灰度阈值；Δt表示预设灰度差值；η表示目标灰度阈值。

需要说明的是，threshold函数公式是指黑头识别装置通过遍历第二图像图，将该第二图像的像素值进行二值化，能够目标图像，该目标图像只有两种只有两种颜色分量。预设灰度差值用于调整初始灰度阈值，该预设灰度阈值可以是黑头识别装置在出厂前设置的，也可以是用户根据自身需要自定义设置的，此处不做具体限定。

可以理解的是，预设函数公式不同于现有的阈值分割方法，该预设函数公式适用于所有图像，同时，黑头识别装置根据预设函数公式得到的目标图像上的噪声也相对较少，这样便于有效识别该目标图像上的黑头。

可选的，黑头识别装置根据预设函数公式，得到目标图像，可以包括：黑头识别装置根据预设函数公式，得到第三图像；该黑头识别装置对该第三图像上的噪声进行去除，得到第四图像；该黑头识别装置对该第四图像进行裁剪，得到目标图像。

可选的，黑头识别装置对该第三图像上的噪声进行去除，得到第四图像，可以包括但不限于以下实现方式：

实现方式1：黑头识别装置对该第三图像上的噪声通过低通滤波进行去除，得到第四图像。

需要说明的是，低通滤波保留低频部分去除高频部分，可以滤除第三图像中的噪声，使得该第三图像的光滑度较高，该第三图像的纹理细节变模糊，以有效去除噪声。

实现方式2：黑头识别装置对该第三图像上的噪声通过形态学处理进行去除，得到第四图像。

需要说明的是，形态学处理可以包括膨胀的形态学处理和/或腐蚀的形态学处理。先膨胀再腐蚀的形态学处理指的是一种开运算，能够分离第三图像上的目标区域，消除一些无关区域；先腐蚀再膨胀的形态学处理指的是一种闭运算，能够得到第三图像上的目标区域对应的轮廓。无论是开运算还是闭运算，都可以去除该第三图像中的噪声，使得得到的第四图像更为清晰。

可以理解的是，形态学处理和低通滤波都能够去除第三图像上的噪声。因为形态学处理去除噪声的操作步骤更为简洁明了，所以，通常情况下，黑头识别装置会利用形态学处理去除第三图像上的噪声。

可选的，黑头识别装置对该第四图像进行裁剪，得到目标图像，可以包括：黑头识别装置确定该第四图像上四个边的待裁剪宽度；该黑头识别装置根据该待裁剪宽度对该第四图像进行裁剪，得到目标图像。

其中，该目标图像可以包括目标区域，即感兴趣区域(Rregion Of Interest，ROI)。

需要说明的是，该第四图像上四个边的待裁剪宽度可以相同，也可以不相同。该待裁剪宽度可以是黑头识别装置在出厂前设置的，也可以是用户根据自身习惯自定义设置的，此处不做具体限定。例如，黑头识别装置在出厂前设置的四个边的待裁剪宽度为0.5cm。

105、从所述目标图像中，识别得到黑头的总数量和总面积。

可选的，黑头识别装置从该目标图像中，识别得到黑头的总数量和总面积，可以包括：黑头识别装置从该目标图像中，确定每个黑头的面积；该黑头识别装置将该每个黑头中的面积小于预设面积阈值的黑头，确定为第一黑头；该黑头识别装置确定该第一黑头的数量，以及该第一黑头的总面积。

需要说明的是，第一黑头的面积是指该第一黑头对应的第一像素点的个数；预设面积阈值是指预设像素点个数阈值。第一黑头的面积小于预设面积阈值，即第一黑头对应的像素点个数小于预设像素点个数阈值。

示例性的，假设预设像素点个数阈值为10个。黑头识别装置从目标图像中，确定第一目标黑头有9个第一像素点，该9个小于10个；第二目标黑头有13个第二像素点，该13个大于10个；第三目标黑头有7个第三像素点，该7个小于10个；第四目标黑头有10个第四像素点，该10个等于10个。此时，该黑头识别装置确定第一目标黑头为第一黑头，第三目标黑头为第二黑头，第四目标黑头为第三黑头，即该黑头识别装置可以确定在目标图像上有三个黑头，且这三个黑头的总面积为26个像素点。

在本发明实施例中，获取待识别图像，并对所述待识别图像进行灰度处理，得到第一图像；对所述第一图像进行同态滤波和局部直方图均衡处理，得到第二图像；对所述第二图像进行阈值分割，得到初始灰度阈值；对所述初始灰度阈值进行调整得到目标灰度阈值，并根据所述目标灰度阈值对所述第二图像进行处理，得到目标图像；从所述目标图像中，识别得到黑头的总数量和总面积。即黑头识别装置对待识别图像经过灰度处理，以及按照调整后的初始灰度阈值进行噪点去除处理，得到目标图像；该黑头识别装置在该目标图像中对黑头进行识别。这种方法提高了黑头识别装置识别黑头的准确性。

如图2所示，为本发明实施例中基于图像处理的黑头识别方法的另一个实施例示意图，可以包括：

201、获取待识别图像，并对所述待识别图像进行灰度处理，得到第一图像。

202、对所述第一图像进行同态滤波和局部直方图均衡处理，得到第二图像。

203、对所述第二图像进行阈值分割，得到初始灰度阈值。

204、对所述初始灰度阈值进行调整得到目标灰度阈值，并根据所述目标灰度阈值对所述第二图像进行处理，得到目标图像。

205、从所述目标图像中，识别得到黑头的总数量和总面积。

需要说明的是，步骤201-205与本实施例中图1所示的步骤101-105类似，此处不再赘述。

206、将所述黑头的总数量进行归一化处理，得到目标总数量。

需要说明的是，归一化处理是将黑头的总数量，经过变换，得到目标总数量，成为纯量。

207、将所述黑头的总面积进行所述归一化处理，得到目标总面积。

208、根据第一公式，得到目标数值。

其中，该目标数值用于表征该黑头的严重程度。

该第一公式为B＝λC+(1-λ)D；

B表示该目标数值；C表示该目标总数量；D表示该目标总面积；λ表示严重程度系数，λ用于调节黑头的目标总面积对黑头的严重程度的影响比例。

其中，根据第一实验数据可知，通常情况下，当λ＝0.6时，得到的目标数值，即黑头的严重程度较为准确。

需要说明的是，黑头的严重程度是指黑头的目标总面积与目标区域面积的比例。比例越大，说明黑头的严重程度较大，反之，则说明黑头的严重程度较小。

示例性的，如图3所示，为本发明实施例中黑头识别装置对黑头进行识别和评分的一个实施例示意图，可以包括：待识别图像301、目标区域图像302、第一图像303、第二图像304、第三图像305、第四图像306、目标图像307以及评分图像308。

需要说明的是，待识别图像301和目标区域图像302是彩色的；黑头识别装置根据预设算法对待识别图像301进行处理后，得到目标区域图像302；该黑头识别装置对目标区域图像302进行灰度处理后，得到第一图像303；该黑头识别装置对第一图像303进行同态滤波和局部直方图均衡处理后，得到第二图像304；该黑头识别装置利用Otsu算法和预设函数公式对第二图像304进行处理后，得到第三图像305；该黑头识别装置对第三图像305进行形态学处理后，得到第四图像306；该黑头识别装置对第四图像306进行裁剪处理后，得到目标图像307；该黑头识别装置对目标图像307上的黑头进行识别和分数评估后，得到评分图像308。

其中，评分图像308可以包括该黑头识别装置对识别得到的黑头进行标注后得到位置，还可以包括分数Grades。可以理解的是，该分数可以用于表征用户的皮肤质量，例如Grades为72分。

可以理解的是，黑头识别装置对第四图像306进行裁剪处理的过程，可以认为是该黑头识别装置提取ROI的过程。可选的，该黑头识别装置在提取ROI后，可以对ROI上的“假黑头”进行剔除，其中，“假黑头”可以是像素点个数大于等于预设像素点个数阈值的黑头；该黑头识别装置在剔除“假黑头”后，得到目标图像307；该黑头识别装置对目标图像307上的黑头进行识别，得到该黑头的个数和面积，并进行皮肤质量的分数评估。

可选的，步骤208之后，该方法还可以包括：当该目标数值小于第一预设数值时，黑头识别装置根据第二公式，得到生成并输出第一皮肤质量分数；当该目标数值大于等于该第一预设数值，且小于第二预设数值时，根据第三公式，生成并输出第二皮肤质量分数；当该目标数值大于等于该第二预设数值时，根据第四公式，生成并输出第三皮肤质量分数。

其中，该第二公式为E

该第四公式为E

E

其中，根据第二实验数据可知，通常情况下，当F＝0.27，G＝0.40时，得到的皮肤质量分数较为准确。

可选的，步骤208之后，该方法还可以包括：当该目标数值小于第一预设数值时，黑头识别装置对黑头进行标注，并根据第二公式，得到生成并输出第一皮肤质量分数；当该目标数值大于等于该第一预设数值，且小于第二预设数值时，该黑头识别装置对黑头进行标注，并根据第三公式，生成并输出第二皮肤质量分数；当该目标数值大于等于该第二预设数值时，该黑头识别装置对黑头进行标注，并根据第四公式，生成并输出第三皮肤质量分数。

可以理解的是，黑头识别装置对黑头进行标注，即为黑头识别装置在目标区域内将黑头标注出来，以便用户通过目标图像获知黑头的数量和位置。

示例性的，如图4所示，为本发明实施例中黑头识别装置对黑头进行标注和评分的一个实施例示意图，可以包括：(1)原始鼻尖；(2)黑头标注结果及分数。

可以理解的是，如果黑头识别装置将原始鼻尖作为目标区域，那么，(1)原始鼻尖表示包含原始笔尖的图像，即目标区域图像；(2)黑头标注结果及分数表示黑头识别装置对黑头的数量和位置的标注结果，以及生成的皮肤质量分数，其中，该皮肤质量分数为74分。

可选的，皮肤质量分数可以包括：第一皮肤质量分数、第二皮肤质量分数或第三皮肤质量分数；黑头识别装置在生成并输出皮肤质量分数后，该方法还可以包括：根据该皮肤质量分数，生成并输出皮肤质量评价结果及建议。

需要说明的是，皮肤质量评价结果是指黑头识别装置针对皮肤质量分数，对该用户的黑头进行评价；该皮肤质量建议是指该黑头识别装置针对皮肤质量分数和皮肤质量评价结果，对该用户如何去除黑头提供针对性建议。

可以理解的是，黑头识别装置输出皮肤质量评价结果及建议，便于用户根据针对性建议作出相应动作，以改善该用户的皮肤质量。

在本发明实施例中，获取待识别图像，并对所述待识别图像进行灰度处理，得到第一图像；对所述第一图像进行同态滤波和局部直方图均衡处理，得到第二图像；对所述第二图像进行阈值分割，得到初始灰度阈值；对所述初始灰度阈值进行调整得到目标灰度阈值，并根据所述目标灰度阈值对所述第二图像进行处理，得到目标图像；从所述目标图像中，识别得到黑头的总数量和总面积；将所述黑头的总数量进行归一化处理，得到目标总数量；将所述黑头的总面积进行所述归一化处理，得到目标总面积；根据第一公式，得到目标数值，其中，该目标数值用于表征该黑头的严重程度。

即黑头识别装置对待识别图像经过灰度处理，以及按照调整后的初始灰度阈值进行噪点去除处理，得到目标图像；该黑头识别装置在该目标图像中对黑头进行识别，得到黑头的总数量和总面积，并根据该黑头的总数量和总面积，输出用于表征该黑头的严重程度的目标数值。这种方法使得黑头识别装置通过对待识别图像进行多次噪声去除，不仅提高了该黑头识别装置识别黑头的准确性，而且便于用户及时掌握该用户的黑头的严重程度。

如图5所示，为本发明实施例中黑头识别装置的一个实施例示意图，可以包括：

获取模块501，用于获取待识别图像，并对该待识别图像进行灰度处理，得到第一图像；

处理模块502，用于对该第一图像进行同态滤波和局部直方图均衡处理，得到第二图像；对该第二图像进行阈值分割，得到初始灰度阈值；对该初始灰度阈值进行调整得到目标灰度阈值，并根据该目标灰度阈值对该第二图像进行处理，得到目标图像；

识别模块503，用于从该目标图像中，识别得到黑头的总数量和总面积。

可选的，在本发明的一些实施例中，

获取模块501，具体用于获取待识别图像；

处理模块502，具体用于通过预设算法，在该待识别图像中，确定人脸特征点；根据该人脸特征点，确定目标区域图像；

获取模块501，还用于对该目标区域图像进行灰度处理，得到第一图像。

可选的，在本发明的一些实施例中，

处理模块502，具体用于对该第二图像利用Otsu算法，得到初始灰度阈值；根据该初始灰度阈值和预设灰度差值，得到目标灰度阈值；根据预设函数公式，得到目标图像；其中，该预设函数公式为bin＝threshold(A)，A＝gray_h，η；η＝thr-Δt；bin表示该目标图像；threshold(A)表示threshold函数公式；gray_h表示该第二图像；thr表示初始灰度阈值；Δt表示预设灰度差值；η表示目标灰度阈值。

可选的，在本发明的一些实施例中，

处理模块502，具体用于根据预设函数公式，得到第三图像；对该第三图像上的噪声进行去除，得到第四图像；对该第四图像进行裁剪，得到目标图像。

可选的，在本发明的一些实施例中，

处理模块502，具体用于从该目标图像中，确定每个黑头的面积；将该每个黑头中的面积小于预设面积阈值的黑头，确定为第一黑头；

识别模块503，具体用于确定该第一黑头的数量，以及该第一黑头的总面积。

可选的，在本发明的一些实施例中，

处理模块502，还用于将该黑头的总数量进行归一化处理，得到目标总数量；将该黑头的总面积进行该归一化处理，得到目标总面积；根据第一公式，得到目标数值；其中，该目标数值用于表征该黑头的严重程度；该第一公式为B＝λC+(1-λ)D；B表示该目标数值；C表示该目标总数量；D表示该目标总面积；λ表示严重程度系数。

可选的，在本发明的一些实施例中，

处理模块502，还用于当该目标数值小于第一预设数值时，根据第二公式，生成并输出第一皮肤质量分数；当该目标数值大于等于该第一预设数值，且小于第二预设数值时，根据第三公式，生成并输出第二皮肤质量分数；当该目标数值大于等于该第二预设数值时，根据第四公式，生成并输出第三皮肤质量分数；其中，该第二公式为E

如图6所示，为本发明实施例中黑头识别装置的另一个实施例示意图，可以包括：处理器601和存储器602；

处理器601具有以下功能：

获取待识别图像，并对该待识别图像进行灰度处理，得到第一图像；

对该第一图像进行同态滤波和局部直方图均衡处理，得到第二图像；

对该第二图像进行阈值分割，得到初始灰度阈值；

对该初始灰度阈值进行调整得到目标灰度阈值，并根据该目标灰度阈值对该第二图像进行处理，得到目标图像；

从该目标图像中，识别得到黑头的总数量和总面积。

可选的，处理器601还具有以下功能：

获取待识别图像；通过预设算法，在该待识别图像中，确定人脸特征点；根据该人脸特征点，确定目标区域图像；对该目标区域图像进行灰度处理，得到第一图像。

可选的，处理器601还具有以下功能：

对该第二图像利用Otsu算法，得到初始灰度阈值；根据该初始灰度阈值和预设灰度差值，得到目标灰度阈值；根据预设函数公式，得到目标图像；其中，该预设函数公式为bin＝threshold(A)，A＝gray_h，η；η＝thr-Δt；bin表示该目标图像；threshold(A)表示threshold函数公式；gray_h表示该第二图像；thr表示初始灰度阈值；Δt表示预设灰度差值；η表示目标灰度阈值。

可选的，处理器601还具有以下功能：

根据预设函数公式，得到第三图像；对该第三图像上的噪声进行去除，得到第四图像；对该第四图像进行裁剪，得到目标图像。

可选的，处理器601还具有以下功能：

从该目标图像中，确定每个黑头的面积；将该每个黑头中的面积小于预设面积阈值的黑头，确定为第一黑头；确定该第一黑头的数量，以及该第一黑头的总面积。

可选的，处理器601还具有以下功能：

将该黑头的总数量进行归一化处理，得到目标总数量；将该黑头的总面积进行该归一化处理，得到目标总面积；根据第一公式，得到目标数值；其中，该目标数值用于表征该黑头的严重程度；该第一公式为B＝λC+(1-λ)D；B表示该目标数值；C表示该目标总数量；D表示该目标总面积；λ表示严重程度系数。

可选的，处理器601还具有以下功能：

当该目标数值小于第一预设数值时，根据第二公式，生成并输出第一皮肤质量分数；当该目标数值大于等于该第一预设数值，且小于第二预设数值时，根据第三公式，生成并输出第二皮肤质量分数；当该目标数值大于等于该第二预设数值时，根据第四公式，生成并输出第三皮肤质量分数；其中，该第二公式为E

存储器602具有以下功能：

存储处理器601的处理过程和处理结果。

如图7所示，为本发明实施例中终端设备的另一个实施例示意图，可以包括如本实施中图5或图6所示的黑头识别装置。

可以理解的是，图7中的终端设备可以包括一般的手持有屏电子终端设备，诸如手机、智能电话、便携式终端、终端、个人数字助理(Personal Digital Assistant，PDA)、便携式多媒体播放器(Personal Media Player，PMP)装置、笔记本电脑、笔记本(Note Pad)、无线宽带(Wireless Broadband，Wibro)终端、平板电脑(Personal Computer，PC)、智能PC、销售终端(Point of Sales，POS)和车载电脑等。

该终端设备也可以包括可穿戴设备。可穿戴设备可以直接穿戴在用户身上，或是整合到用户的衣服或配件的一种便携式电子设备。可穿戴设备不仅仅是一种硬件设备，更可以通过软件支持以及数据交互、云端交互来实现强大的智能功能，比如：计算功能、定位功能、报警功能，同时还可以连接手机及各类终端。可穿戴设备可以包括但不限于以手腕为支撑的watch类(比如手表、手腕等产品)，以脚为支撑的shoes类(比如鞋、袜子或者其他腿上佩戴产品)，以头部为支撑的Glass类(比如眼镜、头盔、头带等)以及智能服装，书包、拐杖、配饰等各类非主流产品形态。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。

所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存储的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本发明所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。