本發(fā)明涉及一種皮膚組織估計方法及應用其的系統(tǒng)。

背景技術：

伴隨皮膚科及醫(yī)美領域的龐大市場需求，在評估受測者的皮膚狀況時，有時會通過斷層圖像成像技術(如光學同調斷層掃描(opticalcoherencetomography，oct)成像技術)來產生受測者的皮膚斷層圖像，以作為判斷受測者皮膚狀況的依據。

然而，傳統(tǒng)的皮膚斷層圖像需經由醫(yī)師或其他專業(yè)人士利用其經驗、專業(yè)知識進行肉眼判讀，才能理解皮膚斷層圖像中所呈現的組織信息。而這對于一般無相關醫(yī)學背景、但有皮膚檢測需求的民眾而言，是相當不便利的。

因此，如何提出一種簡單、有效的皮膚組織估計方法及應用其的裝置，乃本領域待解的議題之一。

技術實現要素：

本發(fā)明涉及一種皮膚組織估計方法及應用其的系統(tǒng)，可基于皮膚斷層圖像的圖像處理結果，估計出受測者皮膚組織的相關參數。

根據本發(fā)明的一方面，提出一種皮膚組織估計方法，包括：取得皮膚斷層圖像；將皮膚斷層圖像的亮度值量化成多個亮度位階，以產生量化后圖像；依據第一亮度閾值區(qū)間二值化量化后圖像的各圖像點的亮度值，以產生第一過濾后圖像，其中量化后圖像中亮度值落在第一亮度閾值區(qū)間內的圖像點在第一過濾后圖像中被設為亮點，量化后圖像中亮度值落在第一亮度閾值區(qū)間外的圖像點在第一過濾后圖像中被設為暗點；依據第二亮度閾值區(qū)間二值化量化后圖像的各圖像點的亮度值，以產生第二過濾后圖像，其中量化后圖像中亮度值落在第二亮度閾值區(qū)間內的圖像點在第二過濾后圖像中被設為亮點，量化后圖像中亮度值落在第二亮度閾值區(qū)間外的圖像點在第二過濾后圖像中被設為暗點；依據第一過濾后圖像中的亮點分布，取得第一組織邊界估計值；依據第二過濾后圖像中的亮點分布，取得第二組織邊界估計值；依據第一組織邊界估計值與第二組織邊界估計值的差值，估計皮膚組織厚度。

根據本發(fā)明的一方面，提出一種皮膚組織估計方法，包括：取得皮膚斷層圖像；對皮膚斷層圖像作雜點消除處理，以產生雜點消除圖像；二值化雜點消除圖像的各圖像點的亮度值，以產生二值化后圖像，二值化后圖像包括多個由亮點聚集而成的亮部區(qū)塊；濾除二值化圖像中面積低于面積閾值的亮度區(qū)塊，以產生參考圖像；檢測參考圖像中各圖像直行中的底部亮點，以取得真皮層底部輪廓線，其中各底部亮點在參考圖像的對應圖像直行中相較于對應圖像直行中的其他亮點具有最小的高度值；檢測參考圖像中各圖像直行中的頂部亮點，以取得表皮層頂部輪廓線，其中各頂部亮點在參考圖像的對應圖像直行中相較于對應圖像直行中的其他亮點具有最大的高度值；依據表皮層頂部輪廓線推得一真皮層頂部輪廓線；以及依據表皮層頂部輪廓線、真皮層底部輪廓線以及真皮層頂部輪廓線計算至少一皮膚特征參數。

為了對本發(fā)明的上述及其他方面有更佳的了解，下文特舉優(yōu)選實施例，并配合附圖，作詳細說明如下：

附圖說明

圖1繪示本發(fā)明的一實施例的皮膚組織估計系統(tǒng)的方塊圖。

圖2繪示依據本發(fā)明的一實施例的皮膚組織估計方法的流程圖。

圖3繪示依據本發(fā)明的一實施例的皮膚組織估計方法的流程圖。

圖4a繪示一例示的皮膚斷層圖像。

圖4b繪示一例示的量化后圖像。

圖5繪示一例示的過濾后圖像。

圖6繪示一例示的修補圖像。

圖7繪示修補圖像中的一局部圖像示意圖。

圖8繪示一例示的過濾后圖像。

圖9繪示過濾后圖像中的一局部圖像示意圖。

圖10繪示一例示的過濾后圖像。

圖11繪示過濾后圖像的局部圖像示意圖。

圖12繪示各組織邊界估計值與皮膚斷層圖像的關系圖。

圖13繪示依據本發(fā)明的一實施例的皮膚組織估計方法的流程圖。

圖14繪示一例示的皮膚斷層圖像。

圖15繪示一例示的預處理圖像。

圖16繪示一例示的雜點消除圖像。

圖17繪示一例示的二值化后圖像。

圖18繪示一例示的參考圖像。

圖19繪示自參考圖像檢測出的一例示的真皮層底部輪廓線。

圖20繪示自參考圖像檢測出的一例表皮層頂部輪廓線。

圖21繪示藉由平移表皮層頂部輪廓線所得出的一例真皮層頂部輪廓線。

圖22繪示皮膚斷層圖像中的一局部圖像示意圖。

圖23繪示根據真皮層頂部輪廓線與真皮層底部輪廓線所建立的一例真皮層區(qū)域。

圖24繪示一例示的圖形化使用者界面。

【符號說明】

100：皮膚組織估計系統(tǒng)

102：取像裝置

104：存儲器

106：圖像處理器

108：顯示裝置

202、204、206、208、210、212、214、302、304、306a～306c、308a～308c、310、1302、1304、1306、1308、1310、1312、1314、1316：步驟

i、i’：皮膚斷層圖像

aa、aa’：表皮反光區(qū)

qi：量化后圖像

fi1、fi2、fi3：過濾后圖像

fi1’：修補圖像

700、900、1100、2200：局部圖像

d1：第一方向

d2：第二方向

702：水平線

902、904、1102、1104、1202、1204、1206、ol1～ol7：曲線

pi：預處理圖像

fi：雜點消除圖像

bi：二值化后圖像

ri：參考圖像

olderbon：真皮層底部輪廓線

olepitop：表皮層頂部輪廓線

oldertop：真皮層頂部輪廓線

p：直方圖的最大切線斜率點

da：真皮層區(qū)域

2400：圖形化使用者界面

具體實施方式

在本文中，參照附圖仔細地描述本公開的一些實施例，但不是所有實施例都有表示在圖示中。實際上，這些發(fā)明可使用多種不同的變形，且并不限于本文中的實施例。相對的，本公開提供這些實施例以滿足應用的法定要求。圖式中相同的參考符號用來表示相同或相似的元件。

圖1繪示本發(fā)明的一實施例的皮膚組織估計系統(tǒng)100的方塊圖。皮膚組織估計系統(tǒng)100主要包括取像裝置102、存儲器104以及圖像處理器106，并可選擇性地包括顯示裝置108。

取像裝置102可掃描受測者的皮膚以取得輸入圖像。取像裝置102例如是光學同調斷層掃描(opticalcoherencetomography，oct)裝置、超聲波掃描裝置、或其它可通過非侵入掃描方式取得生物組織圖像的裝置。

存儲器104可存儲程序代碼，以供圖像處理器106執(zhí)行本發(fā)明實施例的皮膚組織估計方法。存儲器104可由任一形式的非易失性存儲器來實現。

圖像處理器106耦接取像裝置102以及存儲器104，可對取像裝置102所提取的輸入圖像執(zhí)行本發(fā)明實施例的皮膚組織估計方法，以產生對應的皮膚特征參數。圖像處理器106可由中央處理單元、微處理器、或其它具備圖像處理能力的電子電路來實現。

在一實施例中，皮膚組織估計系統(tǒng)100還包括一顯示裝置108。顯示裝置108可以是位在本地端與圖像處理器106連接的顯示器，也可是一遠端裝置的顯示屏幕。顯示裝置108可提供一人機接口，如圖形化使用者界面，以視覺化地呈現受測者皮膚狀況的相關信息，如皮膚特征參數。

圖2繪示依據本發(fā)明的一實施例的皮膚組織估計方法的流程圖。所述的皮膚組織估計方法可例如由皮膚組織估計系統(tǒng)100的圖像處理器106經配置后執(zhí)行。

在步驟202，圖像處理器106取得皮膚斷層圖像。所述的皮膚斷層圖像例如是取像裝置102掃描受測者皮膚后所得到的輸入圖像，如皮膚oct圖像、超聲波圖像等，取決于取像裝置102的裝置類型。

在一實施例中，使用者可自輸入圖像定義一欲處理的范圍，并以輸入圖像中欲處理范圍內的圖像部分作為此處所述的皮膚斷層圖像。

在一實施例中，圖像處理器106會先對輸入圖像作一亮度正規(guī)化(intensitynormalization)處理，并以經亮度正規(guī)化處理后的輸入圖像可作為皮膚斷層圖像。

所述的亮度正規(guī)化處理例如包括：圖像處理器106檢測輸入圖像中對應表皮反光區(qū)(如圖4a所示的區(qū)域aa)的平均亮度值，以及平移輸入圖像的整體亮度值，使平均亮度值被調整至一預設值。以亮度值范圍為0～255為例，可設定預設值為(但不限于)230。

由于輸入圖像中對應表皮反光區(qū)的部分通常是圖像中最亮的部分，故藉由設定部分的亮度值，可將輸入圖像的整體亮度調整至一適當的范圍，以利后續(xù)基于預設的亮度閾值條件自圖像分析出皮膚組織特征。

在步驟204，圖像處理器106將皮膚斷層圖像的亮度值量化成多個亮度位階，以產生量化后圖像。舉例來說，若原本皮膚斷層圖像的亮度值范圍為0～255，其在被量化成k個亮度位階后，亮度值范圍0～255將被平分成k個區(qū)間，其中亮度值落在同一區(qū)間的圖像點將被歸類在同一亮度位階而被設成具有相同的亮度值。因此，量化后圖像變成只有k個可能的亮度值。在一實施例中，圖像處理器106可利用kmeans算法將皮膚斷層圖像的亮度值量化成k個亮度位階，以產生量化后圖像。

在步驟206，圖像處理器106依據第一亮度閾值區(qū)間二值化量化后圖像的各圖像點的亮度值，以產生第一過濾后圖像，其中量化后圖像中亮度值落在第一亮度閾值區(qū)間內的圖像點在第一過濾后圖像中被設為亮點，量化后圖像中亮度值落在第一亮度閾值區(qū)間外的圖像點在第一過濾后圖像中被設為暗點。

舉例來說，若量化后圖像具有8(即k等于8)個亮度位階，且第一亮度閾值區(qū)間涵蓋第5～7個亮度位階，此時，量化后圖像中亮度值落在第5～7個亮度位階的圖像點將被設為亮點，而亮度值落在第1、2、3、4、8個亮度位階的圖像點將被設為暗點，以形成第一過濾后圖像。

基于二值化處理機制，亮點的亮度值被設為最大亮度值(如255)，暗點的亮度值被設為最小亮度值(如0)。

在步驟208，圖像處理器106依據第二亮度閾值區(qū)間二值化量化后圖像的各圖像點的亮度值，以產生第二過濾后圖像，其中量化后圖像中亮度值落在第二亮度閾值區(qū)間內的圖像點在第二過濾后圖像中被設為亮點，量化后圖像中亮度值落在第二亮度閾值區(qū)間外的圖像點在第二過濾后圖像中被設為暗點。

第二亮度閾值區(qū)間例如是與第一亮度閾值區(qū)間不同的區(qū)間。舉例來說，若量化后圖像具有8個亮度位階，且第二亮度閾值區(qū)間涵蓋第2～8個亮度位階，此時，量化后圖像中亮度值落在第2～8個亮度位階的圖像點將被設為亮點，而亮度值落在第1個亮度位階的圖像點將被設為暗點，以形成第二過濾后圖像。

同樣地，基于二值化處理機制，亮點的亮度值被設為最大亮度值(如255)，暗點的亮度值被設為最小亮度值(如0)。

由于皮膚的各層組織(如表皮層、真皮層)在一灰階圖像中會呈現不同的明暗變化，利用此一特性，經由第一、二亮度閾值區(qū)間二值化處理后所產生的第一、二過濾后圖像，其亮點分布將具備皮膚組織的特征信息。

如步驟210及212所示，圖像處理器106依據第一過濾后圖像中的亮點分布，取得第一組織邊界估計值，并依據第二過濾后圖像中的亮點分布，取得第二組織邊界估計值。

所述的第一組織邊界估計值及第二組織邊界估計值可以是一真皮層頂部位置估計值、一真皮層底部位置估計值、或一表皮層頂部位置估計值。

在步驟214，圖像處理器106依據第一組織邊界估計值與第二組織邊界估計值的差值，估計皮膚組織厚度。舉例來說，若第一組織邊界估計值及第二組織邊界估計值分別代表真皮層頂部位置估計值以及真皮層底部位置估計值，兩者的差值將代表真皮層厚度。

須注意的是，雖然圖2實施例基于第一、二亮度閾值區(qū)間對量化后圖像作處理，以分別取得第一及第二組織邊界估計值，然本發(fā)明并不以此為限。在一實施例中，圖像處理器106更可采用第三亮度閾值區(qū)間對量化后圖像作處理，并基于處理結果取得第三組織邊界估計值。所述的第三組織邊界估計值可以是一真皮層頂部位置估計值、一真皮層底部位置估計值、或一表皮層頂部位置估計值。

進一步說，圖像處理器106可依據第三亮度閾值區(qū)間二值化量化后圖像的各圖像點的亮度值，以產生第三過濾后圖像，其中量化后圖像中亮度值落在第三亮度閾值區(qū)間內的圖像點在第三過濾后圖像中被設為亮點，量化后圖像中亮度值落在第三亮度閾值區(qū)間外的圖像點在第三過濾后圖像中被設為暗點。接著，圖像處理器106依據第三過濾后圖像中的亮點分布，取得第三組織邊界估計值，并依據第三組織邊界估計值與第一組織邊界估計值的差值，或是第三組織邊界估計值與第二組織邊界估計值的差值，估計另一皮膚組織厚度。舉例來說，若第一組織邊界估計值及第三組織邊界估計值分別代表真皮層頂部位置估計值以及表皮層頂部位置估計值，兩者的差值將代表表皮層厚度。

為幫助理解本發(fā)明，以下將配合第3至12圖說明一例示的皮膚組織估計方法。

圖3繪示依據本發(fā)明的一實施例的皮膚組織估計方法的流程圖。所述的皮膚組織估計方法可例如由皮膚組織估計系統(tǒng)100的圖像處理器106經配置后執(zhí)行。

在步驟302，圖像處理器106取得皮膚斷層圖像i。皮膚斷層圖像i例如是經亮度正規(guī)化處理后的皮膚oct灰階圖像，如圖4a所示。

在步驟304，圖像處理器106執(zhí)行量化處理(如kmeans算法)將皮膚斷層圖像i的亮度值量化成k個亮度位階，以產生量化后圖像qi，其中亮度值由低至高依序為第1個亮度位階、第2個亮度位階、第3個亮度位階、...、第k個亮度位階。如圖4b所示，其繪示被量化成8個亮度位階的量化后圖像qi。

在取得量化后圖像qi后，圖像處理器106可通過步驟306a、308a以取得真皮層頂部的特征信息，并通過步驟306b、308b以取得真皮層底部的特征信息，以及通過步驟306c、308c以取得表皮層頂部的特征信息。

須注意的是，雖上述步驟以并列的方式繪示，但此并非用以限定這些步驟的執(zhí)行順序。依據實際應用的不同，圖像處理器106可同步執(zhí)行這些步驟、或是依序執(zhí)行這些步驟，或是同步執(zhí)行部分之這些步驟，并依序執(zhí)行另一部分之這些步驟。

在步驟306a，圖像處理器106基于亮度閾值區(qū)間th1對量化后圖像qi作二值化處理，以產生過濾后圖像fi1(第一亮度閾值區(qū)間)。如圖5所示，其繪示當亮度閾值區(qū)間th1涵蓋第5～7個亮度位階時，對量化后圖像qi作二值化處理所取得的過濾后圖像fi1，其中量化后圖像qi中亮度值落在第5～7個亮度位階的圖像點被設為亮點，而亮度值落在第1、2、3、4、8個亮度位階的圖像點被設為暗點。

在此例中，將亮度閾值區(qū)間th1設為第5～7個亮度位階的原因在于，研究發(fā)現，真皮層組織在圖像中通常會對應較亮的部分，也就是較高的亮度位階，但因表皮層頂部常會因界面反射光而在圖像中呈現最亮的部分，故此實施例中使亮度閾值區(qū)間th1排除最高的亮度位階(此例中為第8個亮度位階)，以避免表皮層頂部的亮度信息對真皮層組織特征的分析產生干擾。

在步驟308a，圖像處理器106對過濾后圖像fi1執(zhí)行膨脹(dilation)及腐蝕(erosion)處理，以產生修補圖像fi1’，并依據修補圖像fi1’計算出真皮層頂部位置估計值(第一組織邊界估計值)。如圖6所示，其繪示過濾后圖像fi1經膨脹及腐蝕處理后所產生的修補圖像fi1’。

基于膨脹及腐蝕處理的算法機制，修補圖像fi1’包括多個由亮點聚集而成的亮部區(qū)塊。圖像處理器106可依據亮部區(qū)塊在修補圖像fi1’中的頂部平均高度，計算出真皮層頂部位置的估計值。

進一步說，由于修補圖像fi1’中亮部區(qū)塊的分布大致可呈現真皮層組織的分布，因此，亮部區(qū)塊在修補圖像fi1’中的頂部平均高度可用來估計真皮層頂部的位置。

以下，將配合圖7所呈現的非限定實施例，例示性地說明如何藉由修補圖像fi1’中的亮部區(qū)塊的分布計算真皮層頂部位置估計值。

圖7繪示修補圖像fi1’中的一局部圖像700示意圖。局部圖像700包括多個圖像點，每個圖像點以一方格表示，其中具有斜線網底的方格表示亮點，不具有斜線網底的方格表示暗點。

在圖7的例子中，局部圖像700沿著第一方向d1定義有6個圖像直行，并沿著第二方向d2定義有8個圖像橫列。

為使本發(fā)明實施例所提出的算法的文字表達具一致性，本文定義當一圖像被擺設成其下半部對應皮膚組織的取像部分時(如圖4a所示，皮膚組織的取像部分在圖像下半部，上半部則為空氣)，圖像的水平方向為第一方向d1，而圖像由下往上的垂直方向為第二方向d2。也因此，本文所使用的“上方”與“下方”等位置表示用語基于所述的第二方向d2來定義。

此外，本文亦定義一圖像點在一圖像直行中沿著第二方向d2的橫列位置為其高度值。舉例來說，在局部圖像700中位在第1個圖像直行、第4個橫列的圖像點(坐標(1，4))的高度值為4，而位在第2個圖像直行、第7個橫列的圖像點(坐標(2，7))的高度值為7，以此類推。

然須注意的是，本文中定義高度值一詞僅是方便指明特定位置的圖像點，并非用以限制算法中所采用的參數。在一些實施例中，也可基于其他坐標來表示相同位置的圖像點。舉例來說，當采用一原點在局部圖像700左上角的x-y坐標(x軸定義為第一方向d1，y軸為第二方向d2的反向)來定義各圖像點的坐標，此時，在原d1-d2坐標中坐標為(1，1)的圖像點，在此x-y坐標中的坐標變?yōu)?1，8)，而在原d1-d2坐標中坐標為(2，3)的圖像點，在此x-y坐標中的坐標變?yōu)?2，6)，以此類推。

在此實施例中，圖像處理器106可基于下列式子來計算真皮層頂部位置估計值(dermtoa)：

其中，n表示圖像中的總亮點數，ni表示第i個圖像直行中的亮點數量，hi表示第i個圖像直行中位在最頂端的亮點的高度值。

以圖7為例，局部圖像700包括20個亮點，其中第1個圖像直行占5個亮點，第2個圖像直行占4個亮點，第3個圖像直行占2個亮點，第4個圖像直行占1個亮點、第5個圖像直行占4個亮點、第6個圖像直行占4個亮點。又，第1個圖像直行中最頂端的亮點位在坐標(1，6)，其高度值為6；第2個圖像直行中最頂端的亮點位在坐標(2，6)，其高度值為6；第3個圖像直行中最頂端的亮點位在坐標(3，5)，其高度值為5；第4個圖像直行中最頂端的亮點位在坐標(4，6)，其高度值為6；第5個圖像直行中最頂端的亮點位在坐標(5，7)，其高度值為7；第6個圖像直行中最頂端的亮點位在坐標(6，6)，其高度值為6。

圖像處理器106可藉由檢測圖像中亮點并進行計數以獲得上述信息，進而運算獲得真皮層頂部位置估計值如下：

這表示在圖7的例子中，真皮層的頂部邊界約在圖像中高度值為6.1的位置。圖中高度值為6.1的水平線702即表示估計出的真皮層頂部位置。

請再參考圖3。在步驟306b，圖像處理器106基于亮度閾值區(qū)間th2(如第二亮度閾值區(qū)間)對量化后圖像作二值化處理，以產生過濾后圖像fi2。如圖8所示，其繪示當亮度閾值區(qū)間th2為第2～8個亮度位階時，對量化后圖像qi作二值化處理所取得的過濾后圖像fi2，其中量化后圖像qi中亮度值落在第2～8個亮度位階的圖像點在過濾后圖像fi2中被設為亮點，而亮度值落在第1個亮度位階的圖像點在過濾后圖像fi2中被設為暗點。

在此例中，將亮度閾值區(qū)間th2設為第2～8個亮度位階的原因在于，通過亮度閾值區(qū)間th2以排除圖像中呈現低亮度值的雜點。

在步驟308b，圖像處理器106自過濾后圖像fi2中檢測并修正真皮層底部輪廓線，以取得真皮層底部位置估計值(如第二組織邊界估計值)。所述的真皮層底部輪廓線由過濾后圖像fi2中各圖像直行的底部亮點逐一連線構成。各底部亮點在過濾后圖像fi2的對應圖像直行中相較于對應圖像直行中的其他亮點具有最小的高度值。

圖像處理器106可檢測過濾后圖像fi2中多個底部亮點的高度值，再基于底部亮點的高度值計算真皮層底部位置估計值。舉例來說，在檢測并修正真皮層底部輪廓線之后，圖像處理器106可基于真皮層底部輪廓線中底部亮點的高度信息，如平均高度值、最大高度值、最小高度值等，計算出真皮層底部位置估計值。例如是基于真皮層底部輪廓線中底部亮點的高度信息，依據底部亮點的平均高度值、最大高度值以及最小高度值作加權平均，產生真皮層底部位置估計值。

在一實施例中，圖像處理器106可依據下列式子計算真皮層底部位置估計值(dermboa)：

dermboa＝w1×平均高度值+w2×最大高度值+w3×最小高度值

其中w1、w2、w3為權重系數。在一例子中，w1的范圍在0.4～0.6、w2的范圍在0.2～0.3、w3的范圍在0.2～0.3，例如，可設定w1＝0.5、w2＝0.25、w3＝0.25。

在一實施例中，圖像處理器106可基于一或多個判斷條件來修正真皮層底部輪廓線，使其更貼近真實的真皮層底部起伏變化。

舉例來說，由于真皮層底部的高度值并不會超過真皮層頂部的高度值，因此，圖像處理器106可藉由判斷底部亮點的一第一底部亮點的高度值是否大于真皮層頂部位置估計值，并在判斷結果為“是”時，將第一底部亮點的高度值調整至小于真皮層頂部位置估計值。若判斷結果為“否”，則可維持第一底部亮點的高度值，或是再基于其他判斷條件決定是否需修正其高度值。

舉例來說，圖像處理器106可藉由判斷第一底部亮點的高度值與底部亮點的一第二底部亮點的高度值相差是否大于一高度閾值，以初步判斷第一底部亮點是否為可能的圖像雜點。所述的第一底部亮點與第二底部亮點例如分別位在過濾后圖像fi2中的兩相鄰圖像直行。

若第一底部亮點與相鄰圖像直行(如前一圖像直行)中的第二底部亮點兩者高度值差異過大(超過高度閾值)，則表示第一底部亮點可能是未被濾除的圖像雜點。此時，圖像處理器106將進一步判斷第一底部亮點在所處圖像直行中，其上方的一段預設區(qū)段中的亮點數量是否大于一數量閾值，以確認第一底部亮點上方的亮點數量是否充足(例如占預設區(qū)段50％以上)。若是，則表示第一底部亮點屬于真皮組織圖像的一部分，此時將不對第一底部亮點的高度值作修正。反之，圖像處理器106將認定第一底部亮點為圖像雜點，并將第一底部亮點的高度值調整至第二底部亮點的高度值。

以下，將配合圖9所呈現的非限定實施例，例示性地說明如何自過濾后圖像fi2檢測并修正真皮層底部輪廓線。

圖9繪示過濾后圖像fi2中的一局部圖像900示意圖。局部圖像900包括多個圖像點，每個圖像點以一方格表示，其中具有斜線網底的方格表示亮點，不具有斜線網底的方格表示暗點。

在修正前，底部亮點為各圖像直行中高度值最小的亮點。如圖9所示，各圖像直行的底部亮點分別位于坐標(1，7)、(2，1)、(3，2)、(4，7)、(5，1)、(6，4)。各圖像直行的底部亮點依序連線后形成曲線902，其表示未經修正的真皮層底部輪廓線。

曲線904表示經前述機制修正后的真皮層底部輪廓線。以高度閾值＝5個圖像點(像素點)為例，第2個圖像直行的底部亮點(坐標(2，1))與第1個圖像直行的底部亮點(坐標(1，7))兩者高度值雖相差6而超過高度閾值，但由于第2個圖像直行的底部亮點上方的亮點數量充足，故尚不需進行修正。

反之，第5個圖像直行的底部亮點與第4個圖像直行的底部亮點兩者高度值雖同樣相差6，但由于第5個圖像直行的底部亮點上方僅有一亮點，亮點數量并不充足，故圖像處理器106將對其作修正，改以與第4個圖像直行的底部亮點有相同高度值的亮點(坐標(5，7))作為新底部亮點。經修正后，各圖像直行的底部亮點依序連線后形成修正后的真皮層底部輪廓線，如曲線904所示。

請再回到圖3。在步驟306c，圖像處理器106基于亮度閾值區(qū)間th3(如第三亮度閾值區(qū)間)對量化后圖像qi作二值化處理，以產生過濾后圖像fi3(如第三過濾后圖像)。如圖10所示，其繪示當亮度閾值區(qū)間th3涵蓋第4～8個亮度位階時，對量化后圖像qi作二值化處理所產生的過濾后圖像fi3，其中量化后圖像qi中亮度值落在第4～8個亮度位階的圖像點在過濾后圖像fi3中被設為亮點，而亮度值落在第1～3個亮度位階的圖像點在過濾后圖像fi3中被設為暗點。

在步驟308c，圖像處理器106自過濾后圖像fi3中檢測并修正表皮層頂部輪廓線，以取得表皮層頂部位置估計值(如第三組織邊界估計值)。

所述的表皮層頂部輪廓線由過濾后圖像fi3中各圖像直行的頂部亮點逐一連線構成。各頂部亮點在過濾后圖像fi3的對應圖像直行中相較于對應圖像直行中的其他亮點具有最大的高度值。

圖像處理器106可檢測過濾后圖像fi3中多個頂部亮點的高度值，再基于頂部亮點的高度值計算表皮層頂部位置估計值。舉例來說，在檢測并修正表皮層頂部輪廓線之后，圖像處理器106可基于表皮層頂部輪廓線中頂部亮點的高度信息，如平均高度值、最大高度值、最小高度值等，計算出表皮層頂部位置估計值。例如是基于表皮層頂部輪廓線中頂部亮點的高度信息，依據底部亮點的平均高度值、最大高度值以及最小高度值作加權平均，產生表皮層頂部位置估計值。

在一實施例中，圖像處理器106可依據下列式子計算表皮層頂部位置估計值(epidermtoa)：

epidermtoa＝w1×平均高度值+w2×最大高度值+w3×最小高度值

其中w1、w2、w3為權重系數。計算表皮層頂部位置估計值時所采用的權重系數w1、w2、w3例如與前述計算真皮層底部位置估計值時所采用的權重系數相同。

在一實施例中，圖像處理器106可基于一或多個判斷條件修正表皮層頂部輪廓線，使其更貼近真實的表皮層頂部起伏變化。

舉例來說，圖像處理器106可藉由判斷頂部亮點的一第一頂部亮點的高度值與頂部亮點的一第二頂部亮點的高度值相差是否大于一高度閾值，以判斷第一頂部亮點是否為圖像雜點。所述的第一頂部亮點與第二頂部亮點例如分別位在過濾后圖像fi3中的兩相鄰圖像直行。

當第一頂部亮點的高度值與第二頂部亮點的高度值相差大于高度閾值，第一頂部亮點將被視為圖像雜點，此時圖像處理器106將調整第一頂部亮點的高度值，使其與第二頂部亮點的高度值相差小于高度閾值。

在一實施例中，當第一頂部亮點的高度值與第二頂部亮點的高度值相差大于高度閾值，圖像處理器106將判斷第一頂部亮點在所處圖像直行下方的一預設區(qū)間(例如5個圖像點)內是否存在亮點，若是，則將第一頂部亮點更新為預設區(qū)間中具有最大高度值的亮點；若否，則將第一頂部亮點的高度值調整至第二頂部亮點的高度值。

以下，將配合圖11所呈現的非限定實施例，例示性地說明如何自過濾后圖像fi3檢測并修正表皮層頂部輪廓線。

圖11繪示過濾后圖像fi3的局部圖像1100示意圖。局部圖像1100包括多個圖像點，每個圖像點以一方格表示，其中具有斜線網底的方格表示亮點，不具有斜線網底的方格表示暗點。

頂部亮點為各圖像直行中高度值最小的亮點。如圖11所示，各圖像直行的底部亮點分別位于坐標(1，3)、(2，1)、(3，8)、(4，2)、(5，3)、(6，2)。各圖像直行的頂部亮點依序連線后形成曲線1102，其表示未經修正的表皮層頂部輪廓線。

曲線1104則是表示經前述機制修正后的表皮層頂部輪廓線。以高度閾值＝5個圖像點(像素點)為例，第3個圖像直行的頂部亮點(坐標(3，8))與第2個圖像直行的頂部亮點(坐標(2，1))兩者高度值相差7而超過高度閾值，此時，由于第3個圖像直行的頂部亮點下方的一預設區(qū)間(5個圖像點)內存在亮點(位在坐標(3，3)及(3，4))，故以預設區(qū)間內具有最大高度值的亮點(坐標(3，4))作為新的頂部亮點。經修正后，各圖像直行的頂部亮點依序連線后形成修正后的表皮層頂部輪廓線，如曲線1104所示。

圖12繪示各組織邊界估計值與皮膚斷層圖像i的關系圖。在圖12中，水平線1202、1204以及1206的高度分別為表皮層頂部位置估計值、真皮層頂部位置估計值以及真皮層底部位置估計值?？煽闯觯幢闫つw斷層圖像i中表皮層組織與真皮層組織呈現不規(guī)則的起伏變化，各層組織間的厚度關系仍可通過水平線1202、1204、1206間的高度值差異清楚呈現。

請再回到圖3。在步驟310，圖像處理器106將依據真皮層頂部位置估計值、真皮層底部位置估計值以及表皮層頂部位置估計值，計算至少一皮膚特征參數，如表皮層厚度、真皮層厚度等。

舉例來說，圖像處理器106可依據表皮層頂部位置估計值(epidermtoa)與真皮層頂部位置估計值(dermtoa)的差值計算出表皮層厚度(epidermth)：

epidermth＝epidermtoa-dermtoa

圖像處理器106也可依據真皮層頂部位置估計值(dermtoa)與真皮層底部位置估計值(dermboa)的差值計算出真皮層厚度(dermth)：

dermth＝dermtoa-dermboa

此外，圖像處理器106也可依據真皮層頂部位置估計值以及真皮層底部位置估計值(或是真皮層底部輪廓線)在皮膚斷層圖像i上定義出真皮層區(qū)域，并在濾除真皮層區(qū)域中亮度低于一閾值的圖像點后，計算真皮層區(qū)域的平均亮度值，以取得與真皮層膠原蛋白密度呈正相關的膠原蛋白指標。

簡述圖3的流程，圖像處理器106在取得皮膚斷層圖像的量化后圖像之后，可基于不同的亮度區(qū)間分別對量化后圖像作二值化處理，以對應取得過濾后圖像，再分別依據此些過濾后圖像計算出各層的組織邊界估計值，如真皮層頂部位置估計值、真皮層底部位置估計值以及表皮層頂部位置估計值。取得的組織邊界估計值將可用于計算至少一皮膚特征參數。

圖13繪示依據本發(fā)明的一實施例的皮膚組織估計方法的流程圖。所述的皮膚組織估計方法可例如由皮膚組織估計系統(tǒng)100的圖像處理器106經配置后執(zhí)行。

在步驟1302，圖像處理器106取得皮膚斷層圖像i’。如圖14所示，皮膚斷層圖像i’例如是提取自一皮膚oct灰階圖像的一欲處理范圍內的圖像部分。

在步驟1304，圖像處理器106對皮膚斷層圖像i’作一雜點消除處理，以產生雜點消除圖像fi。

在一實施例中，雜點消除處理可包括：圖像處理器106自皮膚斷層圖像i’檢測一表皮反光區(qū)aa’，并將皮膚斷層圖像i’中位在表皮反光區(qū)aa’上方的圖像點設為暗點，以產生預處理圖像pi，以及對預處理圖像pi作空間濾波處理，以產生雜點消除圖像fi。其中，表皮反光區(qū)aa’中圖像點的亮度值大于一亮度閾值(如亮度值245)。

請配合參考圖14～16。圖像處理器106可自皮膚斷層圖像i’的各圖像直行由上至下(即高度值遞減的方向)搜尋發(fā)生亮度值大于亮度閾值的第一個圖像點，并將其視為表皮反光區(qū)aa’的頂部圖像點。由于表皮反光區(qū)aa’的上方即非皮膚組織的圖像(如空氣)，因此，圖像處理器106可藉由將各圖像直行中表皮反光區(qū)aa’頂部圖像點上方的圖像點皆設為暗點，以濾除表皮的界面反射光所造成的線狀雜紋。如圖15所示，其繪示基于上述機制所產生的一例預處理圖像pi。

考慮到可能有部分的圖像直行并不存在亮度值大于亮度閾值的圖像點(即表皮反光區(qū)aa’的頂部圖像點)，故部分雜點或細線仍可能存在于預處理圖像pi中。因此，圖像處理器106更可進一步對預處理圖像pi作一空間濾波處理(如中值濾波(mediumfilter))，以進一步濾除預處理圖像pi中不屬于皮膚組織結構的獨立雜點或細線。如圖16所示，其繪示對預處理圖像pi作中值濾波后所產生的一例雜點消除圖像fi。

在步驟1306，圖像處理器106二值化雜點消除圖像fi中各圖像點的亮度值，以產生二值化后圖像bi。舉例來說，圖像處理器106可將雜點消除圖像fi中亮度值不為0的圖像點設為亮點，并將剩余的圖像點設為暗點，以產生二值化后圖像bi。如圖17所示，二值化后圖像bi包括多個由亮點聚集而成的亮部區(qū)塊。

在步驟1308，圖像處理器106濾除二值化圖像bi中面積低于一面積閾值的亮度區(qū)塊，以產生參考圖像ri。

面積閾值可依據皮膚組織結構在二值化圖像bi中可能呈現的最小面積來決定。舉例來說，可設定面積閾值＝100個圖像點。由于面積小于100個圖像點的亮度區(qū)塊很可能不屬于皮膚組織結構，故藉由將面積小于100個圖像點的亮度區(qū)塊設為暗點并保留面積大于100個圖像點的亮度區(qū)塊，可進一步濾除仍存在于二值化圖像bi中的雜點或細線。如圖18所示，其繪示當面積閾值＝100個圖像點時，濾除二值化圖像bi中部分亮度區(qū)塊后所產生的一例參考圖像ri。

從圖18可看出，參考圖像ri中的亮部區(qū)塊實質上涵蓋了從表皮層頂部至真皮層底部的區(qū)域。換句話說，參考圖像ri中亮部區(qū)塊的上、下邊界即分別對應了表皮層頂部的輪廓以及真皮層底部的輪廓。此外，由于表皮層與真皮層在皮膚斷層圖像中會呈現不同的明暗特征，且真皮層頂部的輪廓近乎與表皮層頂部的輪廓平行，故可藉由表皮層頂部輪廓線進一步推得真皮層頂部輪廓線。

以下，將配合圖示及步驟1310、1312、1314及1316作說明。

在步驟1310，圖像處理器106檢測參考圖像ri中各圖像直行中的底部亮點，以取得真皮層底部輪廓線，其中各底部亮點在參考圖像ri的對應圖像直行中相較于對應圖像直行中的其他亮點具有最小的高度值。如圖19所示，其繪示自參考圖像ri檢測出的一例真皮層底部輪廓線olderbon。

在一實施例中，圖像處理器106可對測得的真皮層底部輪廓線作一平滑處理(例如每n個圖像直行作平均)，以得到較平滑的真皮層底部輪廓線olderbon。

在步驟1312，圖像處理器106檢測參考圖像ri中各圖像直行中的頂部亮點，以取得表皮層頂部輪廓線，其中各頂部亮點在參考圖像ri的對應圖像直行中相較于對應圖像直行中的其他亮點具有最大的高度值。如圖20所示，其繪示自參考圖像ri檢測出的一例表皮層頂部輪廓線olepitop。

在一實施例中，圖像處理器106可對測得的表皮層頂部輪廓線作一平滑處理(例如每n個圖像直行作平均)，以得到較平滑的表皮層頂部輪廓線olepitop。

在步驟1314，圖像處理器106依據表皮層頂部輪廓線推得真皮層頂部輪廓線。

舉例來說，圖像處理器106可在皮膚斷層圖像i’或雜點消除圖像fi中(或其它尚未二值化的圖像，如預處理圖像pi)，以表皮層頂部輪廓線的位置為起始，朝高度值遞減的方向(即第二方向d2的反向)依次平移表皮層頂部輪廓線，以取得多條平移后輪廓線，并依據各平移后輪廓線的平均亮度值，以自平移后輪廓線中挑選其一作為真皮層頂部輪廓線，其中，真皮層頂部輪廓線與前一平移后輪廓線之間具有最大的平均亮度值變化量。如圖21所示，其繪示藉由平移表皮層頂部輪廓線olepitop所得出的一例真皮層頂部輪廓線oldertop。

在一實施例中，圖像處理器106可藉由建立各平移后輪廓線的高度值對平均亮度值的一直方圖(histogram)，并自直方圖檢測一最大切線斜率點，以自平移后輪廓線中挑選對應最大切線斜率點中的一個作為真皮層頂部輪廓線oldertop。

在一實施例中，圖像處理器106也可對取得的真皮層頂部輪廓線作一平滑處理(例如每n個圖像直行作平均)，以得到較平滑的真皮層頂部輪廓線。如圖21所示，圖像處理器106執(zhí)行平滑處理以得到一條較表皮層頂部輪廓線olepitop平滑的真皮層頂部輪廓線oldertop。

以下，將配合圖22所呈現的非限定實施例，例示性地說明如何藉由平移表皮層頂部輪廓線來找出真皮層頂部輪廓線。

圖22繪示皮膚斷層圖像i’中的一局部圖像2200示意圖。局部圖像2200包括多個圖像點，每個圖像點以一方格表示。由于皮膚斷層圖像i’屬于尚未二值化的圖像，故各圖像點的亮度值在一連續(xù)范圍內，如0～255。

曲線ol1為呈現在皮膚斷層圖像i’上的一表皮層頂部輪廓線。也就是說，構成曲線ol1的圖像點與在參考圖像ri中構成表皮層頂部輪廓線的圖像點具有相同的位置。

將曲線ol1往高度值遞減的方向(即第二方向d2的反向)依次平移可得到曲線ol2～ol7。

曲線ol1～ol7的高度值對其平均亮度值的直方圖繪示于圖22中右半部。其中，曲線ol1～ol7的高度值基于一選定的圖像直行來定義。以圖22為例，各曲線ol1～ol7的高度值由各曲線在第1個圖像直行上的圖像點的高度值來決定。因此，曲線ol1、ol2、ol3、ol4、ol5、ol6、ol7的高度值分別為8、7、6、5、4、3、2。另一方面，一曲線的平均亮度值表示曲線上所有圖像點的亮度值的平均值。以曲線ol1為例，其平均亮度值表示位在坐標(1，8)、(2，7)、(3，7)、(4，8)、(5，7)、(6，7)的圖像點的亮度值的平均值。

在圖22的例子中，直方圖的最大切線斜率點發(fā)生在點p的位置，其對應高度值為6的曲線ol3。這表示曲線ol3位在局部圖像2200中明暗變化的交界處。由于在皮膚斷層圖像i’中，真皮層組織相較于表皮層組織會呈現較高的亮度，故當一曲線的平均亮度值較前一曲線的平均亮度值明顯提升(即具有最大的平均亮度值變化率)，曲線將被視為真皮層與表皮層的邊界，也就是真皮層頂部輪廓線。因此，此例中圖像處理器106將以曲線ol3作為真皮層頂部輪廓線。

請再回到圖13。在步驟1316，圖像處理器106將依據表皮層頂部輪廓線、真皮層底部輪廓線以及真皮層頂部輪廓線計算至少一皮膚特征參數。

皮膚特征參數可包括表皮層厚度、真皮層厚度、膠原蛋白分布面積比例、膠原蛋白含量指標至少其一。

在一實施例中，圖像處理器106可計算表皮層頂部輪廓線與真皮層頂部輪廓線在各圖像直行上的高度值差，并平均高度值差，以取得表皮層厚度。

在一實施例中，圖像處理器106可計算真皮層頂部輪廓線與真皮層底部輪廓線在各圖像直行上的高度值差，并平均高度值差，以取得真皮層厚度。

在一實施例中，圖像處理器106可依據真皮層頂部輪廓線與真皮層底部輪廓線，自皮膚斷層圖像i’或雜點消除圖像fi中建立真皮層區(qū)域，并自真皮層區(qū)域中檢測亮度值大于一亮度閾值的多個目標圖像點，以及計算目標圖像點占真皮層區(qū)域的面積比例，以取得膠原蛋白分布面積比例。

又一實施例中，圖像處理器106更可計算目標圖像點的平均亮度值，以取得與真皮層膠原蛋白密度呈正相關的膠原蛋白含量指標。

如圖23所示，在取得真皮層頂部輪廓線oldertop與真皮層底部輪廓線olderbon后，圖像處理器106可將兩輪廓線oldertop、olderbon之間的區(qū)域視為真皮層區(qū)域da(以斜線區(qū)域表示)。由于真皮層組織的膠原蛋白含量與其在皮膚斷層圖像i’中的亮度值呈正相關，故圖像處理器106可藉由檢測亮度值大于一亮度閾值的圖像點(目標圖像點)，以找出真皮層組織中富含膠原蛋白的區(qū)域，進而計算膠原蛋白在真皮層區(qū)域da中的分布面積比例。圖像處理器106也可計算目標圖像點的平均亮度值，以評估真皮層組織的膠原蛋白富含程度。一般而言，若目標圖像點的平均亮度值越高，表示膠原蛋白富含程度越高。

圖24繪示一例示的圖形化使用者界面2400。圖形化使用者界面2400用以呈現依據本發(fā)明實施例的皮膚組織估計方法所產生的一或多個皮膚估計參數。所述的圖形化使用者界面2400可例如顯示于顯示裝置108的顯示屏幕。

如圖24所示，圖形化使用者界面2400可在一“分析結果”字段中顯示估計出的表皮層厚度、真皮層厚度、膠原蛋白分布面積以及膠原蛋白含量指標等皮膚特征參數。

在一實施例中，圖形化使用者界面2400也可基于真皮層頂部輪廓線、真皮層底部輪廓線與表皮層頂部輪廓線自原皮膚斷層圖像中標記出表皮層區(qū)域以及真皮層區(qū)域，并針對各區(qū)域采用不同的顏色進行配色，以輔助使用者了解皮膚組織的分布情形。

綜上所述，本發(fā)明提出一種皮膚組織估計方法及應用其的系統(tǒng)，可基于皮膚斷層圖像的圖像處理結果，估計受測者皮膚組織的相關參數。

雖然本發(fā)明已以優(yōu)選實施例公開如上，然其并非用以限定本發(fā)明。本發(fā)明所屬領域技術人員，在不脫離本發(fā)明的精神和范圍內，當可作各種的更動與潤飾。因此，本發(fā)明的保護范圍當視所附權利要求書界定范圍為準。