画像処理装置、画像処理方法、プログラム、および、記録媒体
【課題】肌のきめの状態を評価する。
【解決手段】表皮パターン検出部は、表皮画像撮像部により肌の表皮が撮影された表皮画像における表皮パターンを検出する。後天的要素解析部は、表皮画像において、表皮パターンの形状の均一性を解析する。きめ評価部は、表皮パターンの形状の均一性に基づいて、肌のきめの状態を評価する。本技術は、例えば、肌のきめの状態を評価するシステムに適用できる。
【解決手段】表皮パターン検出部は、表皮画像撮像部により肌の表皮が撮影された表皮画像における表皮パターンを検出する。後天的要素解析部は、表皮画像において、表皮パターンの形状の均一性を解析する。きめ評価部は、表皮パターンの形状の均一性に基づいて、肌のきめの状態を評価する。本技術は、例えば、肌のきめの状態を評価するシステムに適用できる。
【発明の詳細な説明】
【技術分野】
【０００１】
本技術は、画像処理装置、画像処理方法、プログラム、および、記録媒体に関し、特に、肌のきめ状態を評価する場合に用いて好適な画像処理装置、画像処理方法、プログラム、および、記録媒体に関する。
【背景技術】
【０００２】
従来、人の肌を撮影した肌画像の解析を行い、肌のきめの状態を評価する技術が提案されている。
【０００３】
例えば、肌画像における皮丘数によりきめの細かさを評価し、肌画像に対してフーリエ変換を施したフーリエ変換画像のスペクトル形状に基づいて、きめの方向性を評価することが提案されている（例えば、特許文献１参照）。
【０００４】
また、例えば、肌画像における毛穴の大きさ、皮溝の鮮明さ、皮丘の細かさ、および、皮丘の円形度に基づいて、肌のきめまたは毛穴の解析を行うことが提案されている（例えば、特許文献２参照）。
【先行技術文献】
【特許文献】
【０００５】
【特許文献１】特開２００６−６１１７０号公報
【特許文献２】特開２００６−３０５１８４号公報
【発明の概要】
【発明が解決しようとする課題】
【０００６】
しかしながら、特許文献１に記載の発明では、きめの形については考慮されていないため、必ずしも正確に肌のきめの状態を評価できるとは限らない。また、特許文献２に記載の発明のように皮丘の円形度を考慮しても、皮丘の形状は千差万別であるため、必ずしも正確に肌のきめの状態を評価できるとは限らない。
【０００７】
本技術は、肌のきめの状態を評価できるようにするものである。
【課題を解決するための手段】
【０００８】
本技術の第１の側面の画像処理装置は、肌の表皮を撮影した表皮画像における表皮のパターンである表皮パターンを検出する表皮パターン検出部と、前記表皮パターンの形状の均一性を解析する解析部と、前記表皮パターンの形状の均一性に基づいて、肌のきめの状態を評価する評価部とを含む。
【０００９】
前記解析部に、前記表皮パターンのサイズの均一性および前記表皮パターンのエッジ方向の分布の均一性のうち少なくとも１つをさらに解析させ、前記評価部、さらに、前記表皮パターンのサイズの均一性および前記表皮パターンのエッジ方向の分布の均一性のうち少なくとも１つに基づいて、肌のきめの状態を評価させるようにすることができる。
【００１０】
前記解析部に、前記表皮パターンが所定の形状を有する割合をさらに解析させ、前記評価部に、さらに前記表皮パターンが所定の形状を有する割合に基づいて、肌のきめの状態を評価させるようにすることができる。
【００１１】
前記表皮パターンは、皮丘または皮溝により表皮に形成されるパターンとすることができる。
【００１２】
本技術の第１の側面の画像処理方法は、肌のきめの状態を評価する画像処理装置が、肌の表皮を撮影した表皮画像における表皮のパターンである表皮パターンを検出し、前記表皮パターンの形状の均一性を解析し、前記表皮パターンの形状の均一性に基づいて、肌のきめの状態を評価するステップを含む。
【００１３】
本技術の第１の側面のプログラムは、肌の表皮を撮影した表皮画像における表皮のパターンである表皮パターンを検出し、前記表皮パターンの形状の均一性を解析し、前記表皮パターンの形状の均一性に基づいて、肌のきめの状態を評価するステップを含む処理をコンピュータに実行させる。
【００１４】
本技術の第２の側面の画像処理装置は、肌の表皮を撮影した表皮画像における表皮のパターンである表皮パターンを検出する表皮パターン検出部と、検出された前記表皮パターンに基づいて、肌のきめの状態を示す要素のうち後天的な要素を解析する後天的要素解析部と、検出された前記表皮パターンに基づいて、肌のきめの状態を示す要素のうち先天的な要素を解析する先天的要素解析部と、前記後天的要素の解析結果および前記先天的要素の解析結果に基づいて、肌のきめの状態を評価する評価部とを含む。
【００１５】
前記後天的要素解析部には、前記後天的要素として、前記表皮パターンの形状の均一性、前記表皮パターンのサイズの均一性、および、前記表皮パターンのエッジ方向の分布の均一性のうち少なくとも１つを解析させ、前記先天的要素解析部には、前記先天的要素として、単位面積当たりの前記表皮パターンの数を解析させるようにすることができる。
【００１６】
前記評価部には、前記後天的要素の解析結果に基づく評価値と、前記先天的要素の解析結果に基づく評価値とを重みを付けて加算することにより、肌のきめの状態を示す評価値を算出させるようにすることができる。
【００１７】
前記表皮パターンを、皮丘または皮溝により表皮に形成されるパターンとすることができる。
【００１８】
本技術の第２の側面の画像処理方法は、肌のきめの状態を評価する画像処理装置が、肌の表皮を撮影した表皮画像における表皮のパターンである表皮パターンを検出し、検出された前記表皮パターンに基づいて、肌のきめの状態を示す要素のうち後天的な要素を解析し、検出された前記表皮パターンに基づいて、肌のきめの状態を示す要素のうち先天的な要素を解析し、前記後天的要素の解析結果および前記先天的要素の解析結果に基づいて、肌のきめの状態を評価するステップを含む。
【００１９】
本技術の第２の側面のプログラムは、肌の表皮を撮影した表皮画像における表皮のパターンである表皮パターンを検出し、検出された前記表皮パターンに基づいて、肌のきめの状態を示す要素のうち後天的な要素を解析し、検出された前記表皮パターンに基づいて、肌のきめの状態を示す要素のうち先天的な要素を解析し、前記後天的要素の解析結果および前記先天的要素の解析結果に基づいて、肌のきめの状態を評価するステップを含む。
【００２０】
本技術の第３の側面の画像処理装置は、肌の表皮を撮影した表皮画像における表皮のパターンである表皮パターンを検出する表皮パターン検出部と、肌の真皮を撮影した真皮画像における真皮のパターンである真皮パターンを検出する真皮パターン検出部と、検出された前記表皮パターンに基づいて、肌のきめの状態を示す要素のうち後天的な要素を解析する後天的要素解析部と、検出された前記真皮パターンに基づいて、肌のきめの状態を示す要素のうち先天的な要素を解析する先天的要素解析部と、前記後天的要素の解析結果および前記先天的要素の解析結果に基づいて、肌のきめの状態を評価する評価部とを含む。
【００２１】
前記後天的要素解析部に、前記後天的要素として、前記表皮パターンの形状の均一性、前記表皮パターンのサイズの均一性、および、前記表皮パターンのエッジ方向の分布の均一性のうち少なくとも１つを解析させ、前記先天的要素解析部に、前記先天的要素として、前記真皮パターンの形状の均一性、前記真皮パターンのサイズの均一性、前記真皮パターンのエッジ方向の分布の均一性、および、単位面積当たりの前記真皮パターンの数のうち少なくとも１つを解析させるようにすることができる。
【００２２】
前記先天的要素解析部に、さらに、検出された前記表皮パターンに基づいて、前記先天的要素として、単位面積当たりの前記表皮パターンの数を解析させるようにすることができる。
【００２３】
前記先天的要素解析部に、さらに、検出された前記表皮パターンに基づいて、前記先天的要素として、単位面積当たりの前記表皮パターンの数を解析させるようにすることができる。
【００２４】
前記表皮パターンを、皮丘または皮溝により表皮に形成されるパターンとし、前記真皮パターンを、乳頭層により真皮に形成されるパターンとすることができる。
【００２５】
本技術の第３の側面の画像処理方法は、肌のきめの状態を評価する画像処理装置が、肌の表皮を撮影した表皮画像における表皮のパターンである表皮パターンを検出し、肌の真皮を撮影した真皮画像における真皮のパターンである真皮パターンを検出し、検出された前記表皮パターンに基づいて、肌のきめの状態を示す要素のうち後天的な要素を解析し、検出された前記真皮パターンに基づいて、肌のきめの状態を示す要素のうち先天的な要素を解析し、前記後天的要素の解析結果および前記先天的要素の解析結果に基づいて、肌のきめの状態を評価するステップを含む。
【００２６】
本技術の第３の側面のプログラムは、肌の表皮を撮影した表皮画像における表皮のパターンである表皮パターンを検出し、肌の真皮を撮影した真皮画像における真皮のパターンである真皮パターンを検出し、検出された前記表皮パターンに基づいて、肌のきめの状態を示す要素のうち後天的な要素を解析し、検出された前記真皮パターンに基づいて、肌のきめの状態を示す要素のうち先天的な要素を解析し、前記後天的要素の解析結果および前記先天的要素の解析結果に基づいて、肌のきめの状態を評価するステップを含む処理をコンピュータに実行させる。
【００２７】
本技術の第１の側面においては、肌の表皮を撮影した表皮画像における表皮のパターンである表皮パターンが検出され、前記表皮パターンの形状の均一性が解析され、前記表皮パターンの形状の均一性に基づいて、肌のきめの状態が評価される。
【００２８】
本技術の第２の側面においては、肌の表皮を撮影した表皮画像における表皮のパターンである表皮パターンが検出され、検出された前記表皮パターンに基づいて、肌のきめの状態を示す要素のうち後天的な要素が解析され、検出された前記表皮パターンに基づいて、肌のきめの状態を示す要素のうち先天的な要素が解析され、前記後天的要素の解析結果および前記先天的要素の解析結果に基づいて、肌のきめの状態が評価される。
【００２９】
本技術の第３の側面においては、肌の表皮を撮影した表皮画像における表皮のパターンである表皮パターンが検出され、肌の真皮を撮影した真皮画像における真皮のパターンである真皮パターンが検出され、検出された前記表皮パターンに基づいて、肌のきめの状態を示す要素のうち後天的な要素が解析され、検出された前記真皮パターンに基づいて、肌のきめの状態を示す要素のうち先天的な要素が解析され、前記後天的要素の解析結果および前記先天的要素の解析結果に基づいて、肌のきめの状態が評価される。
【発明の効果】
【００３０】
本技術の第１乃至第３の側面によれば、肌のきめの状態を評価することができる。
【図面の簡単な説明】
【００３１】
【図１】本技術を適用した画像処理システムの第１の実施の形態を示すブロック図である。
【図２】表皮画像処理部および表皮パターン検出部の構成例を示すブロック図である。
【図３】後天的要素解析部の構成例を示すブロック図である。
【図４】表皮方向性解析部の構成例を示すブロック図である。
【図５】きめ評価処理を説明するためのフローチャートである。
【図６】表皮画像処理を説明するためのフローチャートである。
【図７】表皮パターン検出処理を説明するためのフローチャートである。
【図８】ラベリング処理の具体例を説明するための図である。
【図９】後天的要素解析処理を説明するためのフローチャートである。
【図１０】皮丘領域のサイズのヒストグラムの例を示す図である。
【図１１】表皮サイズ分布評価値を算出するための正規化カーブの例を示す図である。
【図１２】表皮形状分布解析処理１を説明するためのフローチャートである。
【図１３】表皮形状分布評価値を算出するための正規化カーブの例を示す図である。
【図１４】表皮形状分布解析処理２を説明するためのフローチャートである。
【図１５】参照形状の例を示す図である。
【図１６】本技術を適用した画像処理システムの第２の実施の形態を示すブロック図である。
【図１７】先天的要素解析部の構成例を示すブロック図である。
【図１８】きめ評価処理を説明するためのフローチャートである。
【図１９】先天的要素解析処理を説明するためのフローチャートである。
【図２０】皮丘数評価値を算出するための正規化カーブの例を示す図である。
【図２１】肌のきめの状態の評価結果を提示するための画面の例を示す図である。
【図２２】総合判定値を求めるための表の一例を示す図である。
【図２３】肌のきめの状態の評価結果を提示するための画面の例を示す図である。
【図２４】本技術を適用した画像処理システムの第３の実施の形態を示すブロック図である。
【図２５】人の肌の皮膚組織の断面を示す模式図である。
【図２６】真皮画像撮像部の構成例を示す図である。
【図２７】先天的要素解析部の構成例を示すブロック図である。
【図２８】きめ評価処理を説明するためのフローチャートである。
【図２９】先天的要素解析処理を説明するためのフローチャートである。
【図３０】コンピュータの構成例を示すブロック図である。
【発明を実施するための形態】
【００３２】
以下、本技術を実施するための形態（以下、実施の形態という）について説明する。なお、説明は以下の順序で行う。
１．第１の実施の形態（後天的要素のみ解析を行う例）
２．第２の実施の形態（後天的要素と先天的要素の両方の解析を行う例）
３．第３の実施の形態（表皮と真皮の両方の解析を行う例）
４．変形例
【００３３】
＜１．第１の実施の形態＞
まず、図１乃至図１５を参照して、本技術の第１の実施の形態について説明する。
【００３４】
［画像処理システム１０１の構成例］
図１は、本技術を適用した画像処理システムの第１の実施の形態である画像処理システム１０１の構成例を示すブロック図である。
【００３５】
画像処理システム１０１は、評価対象となる人（以下、被評価者と称する）の肌の表皮を撮影し、その結果得られた画像（以下、表皮画像と称する）に基づいて、被評価者の肌のきめ状態を評価するシステムである。
【００３６】
画像処理システム１０１は、表皮画像撮像部１１１、画像処理部１１２、および、表示部１１３を含むように構成される。
【００３７】
表皮画像撮像部１１１は、被評価者の肌の表皮を撮影し、その結果得られた表皮画像を画像処理部１１２の表皮画像処理部１２１に供給する。
【００３８】
なお、表皮画像撮像部１１１は、特定の種類の撮像装置に限定されるものではなく、任意の撮像装置を採用することができる。
【００３９】
ただし、表皮画像撮像部１１１は、マニュアルのフォーカス調整機能、被写体全体に一様に照明光を照射可能な光源（例えば、LED（Light Emitting Diode）等）、肌表面の構造を認識できる程度の撮影が可能なマクロレンズを備えることが望ましい。さらに、表皮画像撮像部１１１は、フォーカス位置を固定にして毎回撮影できるように、レンズの先に肌に密着させるアタッチメントを備えることが望ましい。この場合、外光の影響を防ぐためにアタッチメントに遮光機能を持たせてもよい。
【００４０】
なお、表皮画像撮像部１１１の光源の波長帯は、可視域（400-700nm）でよい。同様に、表皮画像撮像部１１１のイメージセンサの分光感度も可視域に感度がある通常のRGB対応のものでよい。ただし、短波長側に感度が高いものがより望ましい。
【００４１】
画像処理部１１２は、表皮画像に対してセグメンテーション（領域分割）を行い、その結果を元に、被評価者の肌のきめの評価を行う。
【００４２】
画像処理部１１２は、表皮画像処理部１２１、表皮パターン検出部、後天的要素解析部１２３、きめ評価部１２４、および、評価結果提示部１２５を含むように構成される。
【００４３】
表皮画像処理部１２１は、後述するように、補正やノイズ除去等の所定の画像処理を表皮画像に施し、画像処理後の表皮画像を、表皮パターン検出部１２２および後天的要素解析部１２３に供給する。
【００４４】
表皮パターン検出部１２２は、後述するように、皮丘または皮溝により表皮に形成されている表皮画像内の表皮のパターン（以下、表皮パターンと称する）を検出し、検出結果（以下、表皮パターン検出結果と称する）を後天的要素解析部１２３に供給する。
【００４５】
後天的要素解析部１２３は、後述するように、画像処理後の表皮画像、および、表皮パターン検出結果に基づいて、肌のきめの状態を示す要素のうち後天的な要素の解析を行う。後天的要素解析部１２３は、解析結果をきめ評価部１２４に供給する。
【００４６】
きめ評価部１２４は、後天的要素解析部１２３による解析結果に基づいて、被評価者の肌のきめの状態を評価し、評価結果を評価結果提示部１２５に供給する。
【００４７】
評価結果提示部１２５は、被評価者の肌のきめの状態の評価結果を示す情報を表示部１１３に表示させる。
【００４８】
表示部１１３は、特定の種類の表示装置に限定されるものではなく、任意の種類の表示装置を採用することができる。また、表示部１１３を、画像処理システム１０１専用に設けるようにしてもよいし、テレビジョン受像機や携帯電話機等の他の装置の表示装置を利用するようにしてもよい。
【００４９】
［表皮画像処理部１２１および表皮パターン検出部１２２の構成例］
図２は、表皮画像処理部１２１および表皮パターン検出部１２２の機能の構成例を示すブロック図である。
【００５０】
表皮画像処理部１２１は、画像補正部１４１、単一チャネル抽出部１４２、および、ノイズ除去部１４３を含むように構成される。また、表皮パターン検出部１２２は、２値化部１５１およびラベリング処理部１５２を含むように構成される。
【００５１】
画像補正部１４１は、表皮画像の歪み補正や縮小等の所定の画像補正を行い、補正後の表皮画像を単一チャネル抽出部１４２に供給する。
【００５２】
単一チャネル抽出部１４２は、補正した表皮画像から所定のチャネルの信号成分を抽出し、抽出した信号成分からなる表皮画像（以下、単一チャネル表皮画像と称する）をノイズ除去部１４３に供給する。
【００５３】
ノイズ除去部１４３は、単一チャネル表皮画像のノイズを除去し、ノイズ除去後の単一チャネル表皮画像（以下、ノイズ除去表皮画像と称する）を、表皮パターン検出部１２２の２値化部１５１および後天的要素解析部１２３に供給する。
【００５４】
２値化部１５１は、ノイズ除去表皮画像に対して２値化処理を行い、得られた２値化画像（以下、２値化表皮画像と称する）をラベリング処理部１５２に供給する。
【００５５】
ラベリング処理部１５２は、２値化表皮画像に対してラベリング処理を行うことにより、表皮パターンを検出する。より具体的には、ラベリング処理部１５２は、表皮画像内の皮丘の領域（以下、皮丘領域と称する）を表皮パターンとして検出する。また、ラベリング処理部１５２は、表皮画像内の皮丘領域の数をカウントする。そして、ラベリング処理部１５２は、皮丘領域および皮丘数の検出結果を示す表皮パターン検出結果を後天的要素解析部１２３に供給する。
【００５６】
［後天的要素解析部１２３の構成例］
図３は、後天的要素解析部１２３の機能の構成例を示すブロック図である。後天的要素解析部１２３は、表皮サイズ分布解析部１７１、表皮形状分布解析部１７２、表皮形状分布解析部１７３、および、表皮方向性解析部１７４を含むように構成される。
【００５７】
表皮サイズ分布解析部１７１は、表皮パターンのサイズの分布を解析する。より具体的には、表皮サイズ分布解析部１７１は、皮丘領域のサイズの分布を解析し、皮丘領域のサイズの均一性を表す表皮サイズ分布評価値を算出する。表皮サイズ分布解析部１７１は、算出した表皮サイズ分布評価値をきめ評価部１２４に供給する。
【００５８】
表皮形状分布解析部１７２は、表皮パターンの形状の分布を解析する。より具体的には、表皮形状分布解析部１７２は、皮丘領域の形状の分布を解析し、皮丘領域の形状の均一性を表す表皮形状分布評価値を算出する。表皮形状分布解析部１７２は、算出した表皮形状分布評価値をきめ評価部１２４に供給する。
【００５９】
表皮形状分布解析部１７３は、表皮形状分布解析部１７２とは異なる観点で、表皮パターンの形状の分布を解析する。より具体的には、表皮形状分布解析部１７３は、各皮丘領域と所定の参照形状とを比較し、各参照形状に近い形状を有する皮丘領域の割合を示す表皮形状分布情報を求める。表皮形状分布解析部１７３は、求めた表皮形状分布情報をきめ評価部１２４に供給する。
【００６０】
表皮方向性解析部１７４は、表皮パターンの方向性を解析する。より具体的には、表皮方向性解析部１７４は、皮丘領域のエッジ方向の分布を解析し、皮丘領域のエッジ方向の分布の均一性を表す表皮方向性評価値を算出する。表皮方向性解析部１７４は、算出した表皮方向性評価値をきめ評価部１２４に供給する。
【００６１】
なお、皮丘のサイズ、形状、エッジ方向は、加齢、健康状態、肌の手入れ等により後天的に変化する。従って、表皮サイズ分布評価値、表皮形状分布評価値、表皮形状分布情報、および、表皮方向性評価値は、肌のきめの状態の後天的性質を評価するための指標となる。
【００６２】
［表皮方向性解析部１７４の構成例］
図４は、表皮方向性解析部１７４の機能の構成例を示すブロック図を示している。
【００６３】
表皮方向性解析部１７４は、４方向フィルタリング部１８１、絶対値和演算部１８２、加算部１８３、除算部１８４、および、評価値算出部１８５を含むように構成される。
【００６４】
４方向フィルタリング部１８１は、ノイズ除去表皮画像に対して、0度、45度、90度、135度の４方向のエッジフィルタを適用する。そして、４方向フィルタリング部１８１は、その結果得られた４つのフィルタ出力画像を絶対値和演算部１８２に供給する。
【００６５】
絶対値和演算部１８２は、４つのフィルタ出力画像のそれぞれについて、画像内の画素値の絶対値和を計算する。そして、絶対値和演算部１８２は、４つのフィルタ出力画像の画素値の絶対値和を加算部１８３および除算部１８４に供給する。
【００６６】
加算部１８３は、各フィルタ出力画像の画素値の絶対値和を積算し、得られた積算値を除算部１８４に供給する。
【００６７】
除算部１８４は、各フィルタ出力画像の画素値の絶対値和を、それぞれ加算部１８３から供給される積算値で除算し、得られた値を評価値算出部１８５に供給する。
【００６８】
評価値算出部１８５は、除算部１８４により算出された算出値に基づいて、表皮方向性評価値を算出し、算出した表皮方向性評価値をきめ評価部１２４に供給する。
【００６９】
［きめ評価処理］
次に、図５のフローチャートを参照して、画像処理システム１０１により実行されるきめ評価処理について説明する。
【００７０】
なお、この処理は、例えば、画像処理システム１０１の図示せぬ入力部を介して、きめ評価処理の実行の指令が入力されたとき開始される。
【００７１】
ステップＳ１において、表皮画像撮像部１１１は、表皮画像を撮影する。すなわち、表皮画像撮像部１１１は、被評価者の評価する部位（例えば、頬、額など）の肌の表皮を撮影し、その結果得られた表皮画像を画像補正部１４１に供給する。
【００７２】
ステップＳ２において、表皮画像処理部１２１は、表皮画像処理を行う。
【００７３】
［表皮画像処理］
ここで、図６のフローチャートを参照して、表皮画像処理の詳細について説明する。
【００７４】
ステップＳ２１において、画像補正部１４１は、画像の補正を行う。例えば、表皮画像の周縁部には、シェーディング歪みやレンズ歪みなどが発生していると考えられる。そこで、画像補正部１４１は、例えば、表皮画像に対してシェーディング補正やレンズ歪補正を行ったり、表皮画像の中央の領域を切り出したりする。
【００７５】
また、画像補正部１４１は、例えば、処理コストを下げるために、補正後の画像を縮小する。
【００７６】
なお、以下、特に断りのない限り、補正後の表皮画像のサイズを縦160画素×横120画素とする。
【００７７】
画像補正部１４１は、補正後の表皮画像を単一チャネル抽出部１４２に供給する。
【００７８】
ステップＳ２２において、単一チャネル抽出部１４２は、補正した表皮画像から所定のチャネルの信号成分を抽出する。例えば、単一チャネル抽出部１４２は、補正した表皮画像からＢ（Blue）チャネルの信号成分を抽出する。そして、単一チャネル抽出部１４２は、抽出した信号成分からなる単一チャネル表皮画像をノイズ除去部１４３に供給する。
【００７９】
なお、表皮画像撮像部１１１として分光カメラが用いられる場合、この処理を省略することが可能である。
【００８０】
ステップＳ２３において、ノイズ除去部１４３は、単一チャネル表皮画像のノイズを除去する。例えば、ノイズ除去部１４３は、単一チャネル表皮画像に対して平滑化フィルタを適用する。
【００８１】
より具体的には、ノイズ除去部１４３は、例えば、ランダムノイズや、皮丘、皮溝上のテクスチャ成分を除去するために、単一チャネル表皮画像に対してエッジ保存型平滑化フィルタを適用する。このエッジ保存型平滑化フィルタには、例えば、kernelサイズが３×３画素、σspace＝15、σcolor＝15のバイラテラルフィルタが用いられる。
【００８２】
次に、ノイズ除去部１４３は、例えば、汗腺などの影響による高輝度領域や鏡面反射成分を除去するために、単一チャネル表皮画像に対して孤立点除去フィルタを適用する。この孤立点除フィルタには、例えば、３×３画素のメディアンフィルタが用いられる。
【００８３】
なお、これらのノイズ除去の処理は撮影環境や表皮画像撮像部１１１の性能に大きく依存するため、それらに応じて、適用するフィルタ、パラメータなどを適宜変更することが望ましい。
【００８４】
そして、ノイズ除去部１４３は、ノイズ除去後の単一チャンネル表皮画像であるノイズ除去表皮画像を、表皮パターン検出部１２２の２値化部１５１、および、後天的要素解析部１２３の表皮方向性解析部１７４に供給する。
【００８５】
その後、表皮画像処理は終了する。
【００８６】
図５に戻り、ステップＳ３において、表皮パターン検出部１２２は、表皮パターン検出処理を行う。
【００８７】
［表皮パターン検出処理］
ここで、図７のフローチャートを参照して、表皮パターン検出処理の詳細について説明する。
【００８８】
ステップＳ４１において、２値化部１５１は、２値化処理を行う。具体的には、２値化部１５１は、一様な光源下において、表皮画像の明るい領域は手前にある皮丘、暗い領域は奥にある皮溝であるという前提のもと、皮丘、皮溝のセグメンテーションを行うために、ノイズ除去表皮画像を２値化する。
【００８９】
例えば、２値化部１５１は、シェーディングなどの外光の影響をさらに減少させるために、ノイズ除去表皮画像に対して領域適応型２値化処理を行う。例えば、２値化部１５１は、次式（１ａ）および（１ｂ）に基づいて、近傍領域に対してガウシアンを重みとして総和をとり、そこから所定の値bin_paramを引いた値を閾値として、ノイズ除去表皮画像を２値化する。
【００９０】
【数１】
【００９１】
I(x,y)は、ノイズ除去表皮画像の座標(x,y)の画素の画素値を示し、G(x,y)は、ガウシアン関数を示し、Ibin(x,y)は、２値化表皮画像の座標(x,y)の画素の画素値を示している。また、Ibは黒の画素値を示し、Iｗは白の画素値を示している。
【００９２】
なお、bin_paramは、表皮画像内の皮丘領域と皮溝領域を適切に分離できるように、適切な値に設定される。
【００９３】
２値化部１５１は、注目ブロックを１画素ずつずらしながら、ノイズ除去表示画像の全画素に対して２値化を行い、２値化表皮画像を生成する。そして、２値化部１５１は、生成した２値化表皮画像をラベリング処理部１５２に供給する。
【００９４】
ステップＳ４２において、ラベリング処理部１５２は、２値化表皮画像に対して、外側から４連結または８連結によるラベリング処理を行う。ここで、ラベリング処理部１５２は、最も外側の白の輪郭で囲まれる領域を１つの領域として検出し、その内側に黒色の領域や、白の輪郭で囲まれる領域が存在しても無視する。
【００９５】
例えば、図８に示されるように、２値化表皮画像内に白の輪郭で囲まれる領域の内側に黒の領域が存在する領域Ａ１およびＡ２が存在する場合、まず、４連結のラベリング処理により、領域Ａ１と領域Ａ２が個別に認識される。さらに、領域Ａ１および領域Ａ２内の黒の領域が無視された結果、３×３画素の領域Ｒ１および領域Ｒ２が、それぞれ１つの領域として認識され、ラベルが付与される。
【００９６】
これにより、例えば、皮丘の内側の凹み等により暗くなる領域が無視され、皮丘領域を正確に検出することが可能になる。
【００９７】
なお、以下、ラベリング処理によりラベルが付与された領域をラベリング領域と称する。
【００９８】
また、一般的な人の肌において、皮溝の間隔は0.25〜0.5mmとされる。皮丘の形状が三角形または四角形が多いことを考慮すると、皮丘の面積は0.031〜0.25mm2程度になると考えられる。
【００９９】
そこで、ラベリング処理部１５２は、表皮画像撮像部１１１のイメージセンサのサイズ等に基づいて、表皮画像における皮丘のサイズの適正範囲を求める。そして、ラベリング処理部１５２は、検出したラベリング領域の中から、求めた適正範囲内のサイズの領域を皮丘領域として検出する。
【０１００】
また、ラベリング処理部１５２は、検出した皮丘領域の数を、皮丘数Nridgeとしてカウントする。
【０１０１】
そして、ラベリング処理部１５２は、皮丘領域および皮丘数Nridgeの検出結果を示す表皮パターン検出結果を、後天的要素解析部１２３の表皮サイズ分布解析部１７１、表皮形状分布分析部１７２、および、表皮形状分布解析部１７３に供給する。
【０１０２】
図５に戻り、ステップＳ４において、後天的要素解析部１２３は、後天的要素解析処理を行う。
【０１０３】
［後天的要素解析処理］
ここで、図９のフローチャートを参照して、後天的要素解析処理の詳細について説明する。
【０１０４】
ステップＳ６１において、表皮サイズ分布解析部１７１は、表皮パターンのサイズの分布を解析する。
【０１０５】
具体的には、まず、表皮サイズ分布解析部１７１は、皮丘領域のサイズのヒストグラムを作成する。図１０は、皮丘領域のサイズ（面積）のヒストグラムの例を示している。図内の横軸は、皮丘領域のサイズを示し、縦軸はヒストグラムの各ビンの度数frqnを示している。
【０１０６】
次に、表皮サイズ分布解析部１７１は、次式（２）により、皮丘領域のサイズの平均値Havgを算出する。
【０１０７】
【数２】
【０１０８】
なお、ｎは各ビンの中央値を示している。
【０１０９】
また、表皮サイズ分布解析部１７１は、次式（３）により、皮丘領域のサイズの分散Hvarを算出する。
【０１１０】
【数３】
【０１１１】
さらに、表皮サイズ分布解析部１７１は、図１１に示される正規化カーブにより、分散Hvarを0から1の範囲内に正規化した表皮サイズ分布評価値Eevalsizeを算出する。ここで、図中、Size_th_minおよびSize_th_maxは、それぞれ正規化カーブを決定する閾値である。
【０１１２】
表皮サイズ分布評価値Eevalsizeは、皮丘領域のサイズの分散Hvarが小さくなるほど大きくなる。すなわち、表皮サイズ分布評価値Eevalsizeは、皮丘領域のサイズのバラツキが小さくなるほど大きくなる。従って、表皮サイズ分布評価値Eevalsizeは、皮丘領域のサイズの均一性を表す指標となる。
【０１１３】
表皮サイズ分布解析部１７１は、表皮サイズ分布評価値Eevalsizeをきめ評価部１２４に供給する。
【０１１４】
ステップＳ６２において、表皮形状分布解析部１７２は、表皮形状分布解析処理１を行う。
【０１１５】
［表皮形状分布解析処理１］
ここで、図１２のフローチャートを参照して、ステップＳ６２の表皮形状分布解析処理１の詳細について説明する。
【０１１６】
ステップＳ８１において、表皮形状分布解析部１７２は、基準領域を選択する。すなわち、表皮形状分布解析部１７２は、まだ基準領域に設定していない皮丘領域を１つ選択し、基準領域に設定する。
【０１１７】
ステップＳ８２において、表皮形状分布解析部１７２は、比較領域を選択する。すなわち、表皮形状分布解析部１７２は、まだ基準領域との形状の比較を行っていない皮丘領域を１つ選択し、比較領域に設定する。
【０１１８】
ステップＳ８３において、表皮形状分布解析部１７２は、基準領域と比較領域の形状の相違度を算出する。
【０１１９】
例えば、表皮形状分布解析部１７２は、基準領域と比較領域の形状をHuモーメント不変量により数値化し、その数値化した値に基づいて、基準領域と比較領域の形状の相違度を算出する。
【０１２０】
ここで、Huモーメント不変量について簡単に説明する。
【０１２１】
まず、画像の原点を中心とした画素の分散値を表す画像モーメントMpqを、次式（４）により算出する。
【０１２２】
【数４】
【０１２３】
画像モーメントMpqは、大きな値の画素値が原点から離れた位置に散らばるほど、大きくなる。
【０１２４】
なお、式（４）におけるpはX軸方向に対する重みを表し、qはY軸方向に対する重みを表している。従って、pの値が大きくなればX軸方向への分散に対する重みが増し、qの値が大きくなればY軸方向への分散に対する重みが増すことになる。
【０１２５】
次に、像内の画素値におけるX軸およびY軸方向に対する重心を考慮した分散を表す中心モーメント（重心モーメント）μpqを、次式（５）により算出する。
【０１２６】
【数５】
【０１２７】
ここで、xc,、ycは、次式（６ａ）および（６ｂ）により表され、それぞれ形状のX軸方向、Y軸方向の重心位置を表す。
【０１２８】
【数６】
【０１２９】
最後に、次式（７）により、中心モーメントμpqを画像モーメントMpqにより正規化することにより、正規重心モーメントηpqを求める。
【０１３０】
【数７】
【０１３１】
この正規化により、分散の広がり具合がモーメントの値に影響しなくなるため、正規重心モーメントηpqは、画像内のオブジェクトの平行移動または回転移動や、画像サイズに対して不変となる。
【０１３２】
Huモーメント不変量は、この正規重心モーメントηpqを組み合わせたものであり、次式（８ａ）乃至（８ｇ）のように定義される。
【０１３３】
【数８】
【０１３４】
なお、Huモーメント不変量の詳細については、例えば、「M-K. Hu. "Visual pattern recognition by moment invariants", IRE Trans.action on Information Theory, 1962年2月, Volume 8、pp. 179-187」に記載されている。
【０１３５】
表皮形状分布解析部１７２は、式（４）乃至式（８ｇ）に基づいて、基準領域のHuモーメント量hAiおよび比較領域のHuモーメント量hBiを算出する。ただし、式（４）および式（５）において、画素値I(x,y)の代わりに、２値化表皮画像の画素値Ibin(x,y)が用いられる。
【０１３６】
そして、表皮形状分布解析部１７２は、次式（９ａ）により、基準領域（領域Ａ）と比較領域（領域Ｂ）の形状の相違度D(A,B)を算出する。
【０１３７】
【数９】
【０１３８】
ここで、mAi およびmBiは、次式（１０）により表される量である。
【０１３９】
【数１０】
【０１４０】
なお、式（９ａ）の代わりに、次式（９ｂ）または（９ｃ）により、相違度D(A,B)を算出するようにしてもよい。
【０１４１】
【数１１】
【０１４２】
式（９ａ）乃至式（９ｃ）のいずれの相違度D(A,B)も、基準領域と比較領域の形状が近いほど小さくなる。
【０１４３】
ステップＳ８４において、表皮形状分布解析部１７２は、相違度を積算する。すなわち、表皮形状分布解析部１７２は、これまでの各皮丘領域の相違度の積算値に、新たに算出した相違度を加算する。
【０１４４】
ステップＳ８５において、表皮形状分布解析部１７２は、基準領域と比較していない皮丘領域が残っているか否かを判定する。基準領域と比較していない皮丘領域が残っていると判定された場合、処理はステップＳ８２に戻る。
【０１４５】
その後、ステップＳ８５において、基準領域と比較していない皮丘領域が残っていないと判定されるまで、ステップＳ８２乃至Ｓ８５の処理が繰り返し実行される。
【０１４６】
一方、ステップＳ８５において、基準領域と比較していない皮丘領域が残っていないと判定された場合、処理はステップＳ８６に進む。
【０１４７】
ステップＳ８６において、表皮形状分布解析部１７２は、基準領域に設定していない皮丘領域が残っているか否かを判定する。基準領域に設定していない皮丘領域が残っていると判定された場合、処理はステップＳ８１に戻る。
【０１４８】
その後、ステップＳ８６において、基準領域に設定していない皮丘領域が残っていないと判定されるまで、ステップＳ８１乃至Ｓ８６の処理が繰り返し実行される。これにより、全ての皮丘領域の組み合わせについて相違度が算出され、さらに、相違度の累積加算値が算出される。
【０１４９】
一方、ステップＳ８６において、基準領域に設定していない皮丘領域が残っていないと判定された場合、処理はステップＳ８７に進む。
【０１５０】
ステップＳ８７において、表皮形状分布解析部１７２は、次式（１１）により、相違度の平均Diffavgを算出する。
【０１５１】
【数１２】
【０１５２】
なお、Ri、Rjは、それぞれラベルｉおよびラベルｊの皮丘領域を表す。従って、式（１１）の右辺の分母は、全ての皮丘領域の組み合わせの形状の相違度の累積加算値となる。また、Ncompは、次式（１２）により求められ、皮丘領域の形状の比較数を表す。
【０１５３】
【数１３】
【０１５４】
ステップＳ８８において、表皮形状分布解析部１７２は、評価値を算出する。具体的には、表皮形状分布解析部１７２は、図１３に示される正規化カーブにより、相違度の平均Diffavgを0から1の範囲内に正規化した表皮形状分布評価値Eevalshapeを算出する。ここで、図中、Shape_th_minおよびShape_th_maxは、それぞれ正規化カーブを決定する閾値である。
【０１５５】
表皮形状分布評価値Eevalshapeは、皮丘領域の形状の相違度の平均Diffavgが小さくなるほど大きくなる。すなわち、表皮形状分布評価値Eevalshapeは、皮丘領域の形状のバラツキが小さくなるほど大きくなる。従って、表皮形状分布評価値Eevalshapeは、皮丘領域の形状の均一性を表す指標となる。
【０１５６】
表皮形状分布解析部１７２は、表皮形状分布評価値Eevalshapeをきめ評価部１２４に供給する。
【０１５７】
その後、表皮形状分布解析処理１は終了する。
【０１５８】
図９に戻り、ステップＳ６３において、表皮形状分布解析部１７３は、表皮形状分布解析処理２を行う。
【０１５９】
［表皮形状分布解析処理２］
ここで、図１４のフローチャートを参照して、ステップＳ６３の表皮形状分布解析処理２の詳細について説明する。
【０１６０】
ステップＳ１０１において、表皮形状分布解析部１７３は、参照形状を選択する。
【０１６１】
皮丘の形状は、一般的に三角形、または菱形が理想的とされている。一方、二股以上に分かれているような形状、細長い形状のものは、理想的でないと考えられる。
【０１６２】
そこで、表皮形状分布解析部１７３は、例えば、図１５に示されるShape0乃至Shape3を参照形状に設定する。参照形状Shape0およびShape1は、それぞれ三角形および菱形とされ、理想的な皮丘の形状に近い。一方、参照形状Shape2およびShape3は、二股に分かれた形状および細長い形状であり、理想的でない皮丘の形状に近い。
【０１６３】
そして、表皮形状分布解析部１７３は、まだ皮丘領域との比較を行っていない参照形状を１つ選択する。
【０１６４】
ステップＳ１０２において、表皮形状分布解析部１７３は、比較領域を選択する。すなわち、表皮形状分布解析部１７２は、まだ参照形状との比較を行っていない皮丘領域を１つ選択し、比較領域に設定する。
【０１６５】
ステップＳ１０３において、表皮形状分布解析部１７３は、参照形状と比較領域の形状の相違度を算出する。なお、ここでの相違度の算出には、上述した図１２のステップＳ８３における、皮丘領域の基準領域と比較領域の相違度の算出と同様の方法が用いられる。
【０１６６】
ステップＳ１０４において、表皮形状分布解析部１７３は、相違度を積算する。すなわち、表皮形状分布解析部１７３は、現在の参照形状に対する各皮丘領域の相違度のこれまでの積算値に、新たに算出した相違度を加算する。
【０１６７】
ステップＳ１０５において、表皮形状分布解析部１７３は、現在の参照形状と比較していない皮丘領域が残っているか否かを判定する。現在の参照形状と比較していない皮丘領域が残っていると判定された場合、処理はステップＳ１０２に戻る。
【０１６８】
その後、ステップＳ１０５において、現在の参照形状と比較していない皮丘領域が残っていないと判定されるまで、ステップＳ１０２乃至Ｓ１０５の処理が繰り返し実行される。
【０１６９】
一方、ステップＳ１０５において、現在の参照形状と比較していない皮丘領域が残っていないと判定された場合、処理はステップＳ１０６に進む。
【０１７０】
ステップＳ１０６において、表皮形状分布解析部１７３は、比較していない参照形状が残っているか否かを判定する。比較していない参照形状が残っていると判定された場合、処理はステップＳ１０１に戻る。
【０１７１】
その後、ステップＳ１０６において、比較していない参照形状が残っていないと判定されるまで、ステップＳ１０１乃至Ｓ１０６の処理が繰り返し実行される。これにより、次式（１３）に示されるように、各参照形状について、各皮丘領域との形状の相違度の累積加算値Diffiが算出される。
【０１７２】
【数１４】
【０１７３】
なお、Siは、IDの値がiの参照形状を表す。
【０１７４】
一方、ステップＳ１０６において、比較していない参照形状が残っていないと判定された場合、処理はステップＳ１０７に進む。
【０１７５】
ステップＳ１０７において、表皮形状分布解析部１７３は、皮丘領域の形状の割合を算出する。具体的には、表皮形状分布解析部１７３は、次式（１４）により、皮丘領域の形状の割合を示す表皮形状分布情報ShapeRatioiを算出する。
【０１７６】
【数１５】
【０１７７】
ここで、NRSは参照形状の総数を表している。
【０１７８】
従って、表皮形状分布情報ShapeRatioiは、IDの値がiの参照形状に近い形状を有する皮丘領域の割合を示す。
【０１７９】
表皮形状分布解析部１７２は、表皮形状分布情報ShapeRatioiをきめ評価部１２４に供給する。
【０１８０】
その後、表皮形状分布解析処理２は終了する。
【０１８１】
図９に戻り、ステップＳ６４において、表皮方向性解析部１７４は、表皮パターンの方向性を解析する。
【０１８２】
具体的には、表皮方向性解析部１７４の４方向フィルタリング部１８１は、例えば、次式（１５ａ）乃至（１５ｄ）に示される４方向のフィルタｆ0乃至f3を、式（１６）に示すように、ノイズ除去表皮画像にそれぞれ適用する。
【０１８３】
【数１６】
【０１８４】
なお、フィルタｆ0は0度方向（水平方向）、フィルタｆ1は45度方向、フィルタｆ2は90度方向（垂直方向）、フィルタｆ3は135度方向のエッジ抽出フィルタである。また、ILPFは、ノイズ除去表皮画像を表し、IHPFiは、ノイズ除去表皮画像ILPFにフィルタfiを適用することにより得られるフィルタ出力画像を表す。
【０１８５】
４方向フィルタリング部１８１は、フィルタ出力画像IHPFiを絶対値和積算部１８２に供給する。
【０１８６】
次に、絶対値和積算部１８２は、次式（１７）により、各フィルタ出力画像IHPFiについて、画像内の画素値IHPFi(x,y)の絶対値和Siを算出する。
【０１８７】
【数１７】
【０１８８】
絶対値和積算部１８２は、得られた絶対値和siを加算部１８３および除算部１８４に供給する。
【０１８９】
加算部１８３は、絶対値和siを積算し、得られた積算値Σsiを除算部１８４に供給する。
【０１９０】
除算部１８４は、各絶対値和siをそれぞれ積算値Σsiで除算し、得られた値si／Σsiを評価値算出部１８５に供給する。
【０１９１】
そして、評価値算出部１８５は、次式（１８）により、表皮方向性評価値Eevaldirectionを算出する。
【０１９２】
【数１８】
【０１９３】
なお、gainはゲイン値であり、所定の値に設定される。
【０１９４】
ここで、皮丘領域のエッジ方向が縦、横、斜め（0度、45度、90度、135度）の４方向に均一に分布している場合、si/Σsiは、それぞれ１／４となり、表皮方向性評価値Eevaldirectionは１となる。一方、皮丘領域のエッジ方向が４方向に均一に分布していない場合、si/Σsiのうち少なくとも１つが１／４とならないため、表皮方向性評価値Eevaldirectionは1よりよりも小さくなる。従って、表皮方向性評価値Eevalshapeは、皮丘領域のエッジ方向の分布の均一性を表す指標となる。
【０１９５】
評価値算出部１８５は、表皮方向性評価値Eevaldirectionをきめ評価部１２４に供給する。
【０１９６】
その後、後天的要素解析処理は終了する。
【０１９７】
図５に戻り、ステップＳ５において、きめ評価部１２４は、きめ評価値を算出する。
【０１９８】
例えば、きめ評価部１２４は、次式（１９）により、きめ評価値eval1totalを算出する。
【０１９９】
eval1total＝Eevalsize×Eevalshape×Eevaldirection ・・・（１９）
【０２００】
きめ評価値eval1totalは、皮丘のサイズの均一性、皮丘の形状の均一性、皮丘の方向の分布の均一性がそれぞれ高いほど、すなわち、きめが全体的に整っているほど（きめの均一性が高いほど）大きくなる。また、皮丘のサイズの均一性、皮丘の形状の均一性、皮丘の方向の分布の均一性は、加齢、健康状態、手入れの状態等により後天的に変化する。従って、きめ評価値eval1totalは、後天的に変化する肌のきめの均一性を評価する指標となる。
【０２０１】
このきめの均一性は、きめの細かさと同様に、肌の美観に大きく影響する。すなわち、きめが細かくても、きめが全体的に整っていなければ、肌の見た目が悪くなる一方、きめが細かくなくても、きめが全体的に整っていれば、肌の見た目が良くなる。
【０２０２】
また、きめ評価値eval1totalの代わりに、あるいは、きめ評価値eval1totalとともに、次式（２０）により、きめ評価値eval2totalを算出するようにしてもよい。
【０２０３】
eval2total＝Eevalsize×Eevalshape×Eevaldirection×ShapeRatioideal ・・・（２０）
【０２０４】
ShapeRatioidealは、例えば、次式（２１）により算出される。
【０２０５】
ShapeRatioideal＝ShapeRatio0×ShapeRatio1 ・・・（２１）
【０２０６】
ShapeRatio0は図１５の三角形の参照形状Shape0に対するShapeRatioであり、ShapeRatio1は図１５の菱形の参照形状Shape1に対するShapeRatioである。すなわち、ShapeRatioidealは、皮丘領域が理想的な形状とされる三角形または菱形の形状を有する割合を示している。
【０２０７】
従って、eval2totalは、きめの均一性に加えて、理想的な形状の皮丘の割合が高いほど大きくなる。ゆえに、きめ評価値eval2totalは、きめ評価値eval1totalと比較して、肌のきめ状態に影響を与える後天的な要素をより詳細に評価する指標となる。
【０２０８】
そして、きめ評価部１２４は、肌のきめの状態の評価結果を評価結果提示部１２５に供給する。このとき、きめ評価部１２４は、きめ評価値eval1totalおよびきめ評価値eval2totalだけでなく、それらの算出に用いた各評価値も評価結果提示部１２５に供給する。
【０２０９】
ステップＳ６において、評価結果提示部１２５は、評価結果を提示する。なお、評価結果の提示方法の具体例については、本技術の第２の実施の形態で説明する。
【０２１０】
その後、きめ評価処理は終了する。
【０２１１】
以上のようにして、肌のきめの状態を示す後天的要素であるきめの均一性、および、皮丘の形状に基づいて、肌のきめの状態を評価することができる。その結果、より正確に肌のきめの状態を評価することができる。
【０２１２】
＜２．第２の実施の形態＞
次に、図１６乃至図２３を参照して、本技術の第２の実施の形態について説明する。第２の実施の形態では、後天的要素だけでなく先天的要素を解析して、肌のきめの状態を評価する。
【０２１３】
［画像処理システム２０１の構成例］
図１６は、本技術を適用した画像処理システムの第２の実施の形態である画像処理システム２０１の構成例を示すブロック図である。なお、図中、図１と対応する部分には同じ符号を付してあり、処理が同じ部分については、その説明は繰り返しになるので適宜省略する。
【０２１４】
画像処理システム２０１は、図１の画像処理システム１０１と比較して、画像処理部１１２の代わりに画像処理部２１１が設けられている点が異なる。また、画像処理部２１１は、画像処理部１１２と比較して、先天的要素解析部２２１が追加され、きめ評価部１２４および評価結果提示部１２５の代わりに、きめ評価部２２２および評価結果提示部２２３が設けられている点が異なる。
【０２１５】
先天的要素解析部２２１は、後述するように、表皮パターン検出結果に基づいて、肌のきめの状態を示す要素のうち先天的な要素の解析を行う。先天的要素解析部２２１は、解析結果をきめ評価部２２２に供給する。
【０２１６】
きめ評価部２２２は、後天的要素解析部１２３による解析結果、および、先天的要素解析部２２１による解析結果に基づいて、被評価者の肌のきめの状態を評価し、評価結果を評価結果提示部２２３に供給する。
【０２１７】
評価結果提示部２２３は、被評価者の肌のきめの状態の評価結果を示す情報を表示部１１３に表示させる。
【０２１８】
［先天的要素解析部２２１の構成例］
図１７は、先天的要素解析部２２１の構成例示すブロック図である。
【０２１９】
先天的要素解析部２２１は、皮丘数解析部２４１を含むように構成される。
【０２２０】
皮丘数解析部２４１は、表皮パターン検出部１２２のラベリング処理部１５２から表皮パターン検出結果を取得する。そして、皮丘数解析部２４１は、表皮パターン検出結果に含まれる皮丘数Nridgeに基づいて、肌のきめの細かさを示す指標となる皮丘数評価値を算出する。皮丘数解析部２４１は、算出した皮丘数評価値をきめ評価部２２２に供給する。
【０２２１】
なお、皮丘数Nridgeは、先天的なものであり、加齢、健康状態、肌の手入れ等による変化が小さいことが知られている。従って、皮丘数評価値は、肌のきめの状態の先天的性質を評価するための指標となる。
【０２２２】
［きめ評価処理］
次に、図１８のフローチャートを参照して、画像処理システム２０１により実行されるきめ評価処理について説明する。
【０２２３】
なお、この処理は、例えば、画像処理システム２０１の図示せぬ入力部を介して、きめ評価処理の実行の指令が入力されたとき開始される。
【０２２４】
ステップＳ２０１乃至Ｓ２０４の処理は、図５のステップＳ１乃至Ｓ４の処理と同様であり、その説明は繰り返しになるので省略する。
【０２２５】
ステップＳ２０５において、先天的要素解析部２２１は、先天的要素解析処理を行う。
【０２２６】
［先天的要素解析処理］
ここで、図１９のフローチャートを参照して、先天的要素解析処理の詳細について説明する。
【０２２７】
ステップＳ２２１において、先天的要素解析部２２１の皮丘数解析部２４１は、皮丘数を解析する。具体的には、皮丘数解析部２４１は、表皮パターン検出部１２２のラベリング処理部１５２により検出された皮丘数Nridgeを、図２０に示される正規化カーブにより、0から1の範囲内に正規化した皮丘数評価値Eevalnumを算出する。ここで、図中、Num_th_minおよびNum_th_maxは、それぞれ正規化カーブを決定する閾値である。
【０２２８】
皮丘数評価値Eevalnumは、皮丘数Nridgeが大きくなるほど大きくなる。また、皮丘数Nridgeは、表皮画像内の皮丘数（すなわち、単位面積当たりの皮丘数）を表すので、皮丘数Nridgeが大きくなるほど、肌のきめが細かいと言える。従って、皮丘数評価値Eevalnumは、肌のきめの細かさを表す指標となる。
【０２２９】
皮丘数解析部２４１は、皮丘数評価値Eevalnumをきめ評価部２２２に供給する。
【０２３０】
その後、先天的要素解析処理は終了する。
【０２３１】
図１８に戻り、ステップＳ２０６において、きめ評価部２２２は、きめ評価値を算出する。
【０２３２】
例えば、きめ評価部２２２は、次式（２２）により、きめ評価値eval3totalを算出する。
【０２３３】
eval3total＝αinherent×Eevalnum＋（1−αinherent）×eval1total ・・・（２２）
【０２３４】
なお、αinherentは、肌のきめの状態に先天的要素が影響を及ぼす割合を示す重みであり、0〜1の範囲内で設定される。なお、この重みαinherentは、例えば、性別、人種、年齢など重みαinherentに影響を及ぼすと推定される要素に応じて、適切な値に自動設定されるようにすることが望ましい。
【０２３５】
また、式（２２）のきめ評価値eval1totalは、上述したように、式（１９）に基づいて算出される。
【０２３６】
きめ評価値eval3totalは、肌のきめの状態の後天的性質だけでなく、きめの細かさという先天的性質も評価した値になる。従って、きめ評価値eval3totalは、きめ評価値eval1totalと比較して、肌のきめの状態をより詳細に評価する指標となる。
【０２３７】
なお、式（２２）において、きめ評価値eval1totalの代わりに、式（２０）のきめ評価値eval2totalを用いるようにしてもよい。
【０２３８】
そして、きめ評価部２２２は、肌のきめの状態の評価結果を評価結果提示部２２３に供給する。このとき、きめ評価部２２２は、きめ評価値eval3totalだけでなく、きめ評価値eval3totalの算出に用いた各評価値も評価結果提示部２２３に供給する。
【０２３９】
ステップＳ２０７において、評価結果提示部２２３は、評価結果を提示する。
【０２４０】
例えば、評価結果提示部２２３は、図２１に示される画面を表示部１１３に表示させる。この例では、前回と今回の皮丘のサイズの均一性、皮丘の形状の均一性、皮丘の方向の分布の均一性、並びに、きめの細かさの評価値を個々に比較して示すレーダチャートが示されている。このレーダチャートの値には、表皮サイズ分布評価値Eevalsize、表皮形状分布評価値Eevalshape、表皮方向性評価値Eevaldirection、皮丘数評価値Eevalnumが、それぞれ用いられる。
【０２４１】
また、この例では、前回と今回の肌のきめの状態の総合判定の変化が示されている。この総合判定値は、例えば、図２２に示される表を用いて、きめ評価値eval3totalに基づいて決定される。すなわち、きめ評価値eval3totalが大きくなるほど、高い評価が与えられる。
【０２４２】
これにより、被評価者は、自分の肌の状態を瞬時に知ることができ、なおかつ、前回の評価時からの変化も知ることができる。
【０２４３】
また、図２３に示されるように、表皮形状分布情報ShapeRatioiに基づいて、皮丘の形状の分布を示す円グラフを、あわせて提示するようにしてもよい。
【０２４４】
その後、きめ評価処理は終了する。
【０２４５】
以上のようにして、肌のきめの状態の後天的性質と先天的性質を分けて評価することができる。また、後天的性質と先天的性質の両方に基づいて、より詳細に肌のきめの状態を評価することができる。その結果、より正確に肌のきめの状態を評価することができる。
【０２４６】
＜３．第３の実施の形態＞
次に、図２４乃至図２９を参照して、本技術の第３の実施の形態について説明する。第３の実施の形態では、表皮だけでなく真皮の状態も解析して、肌のきめの状態を評価する。
【０２４７】
［画像処理システム３０１の構成例］
図２４は、本技術を適用した画像処理システムの第３の実施の形態である画像処理システム３０１の構成例を示すブロック図である。なお、図中、図１６と対応する部分には同じ符号を付してあり、処理が同じ部分については、その説明は繰り返しになるため省略する。
【０２４８】
画像処理システム３０１は、後述するように、表皮のパターンだけでなく、真皮のパターンも検出して、肌の評価を行う。
【０２４９】
［画像処理システム３０１の構成例］
図２４は、本技術を適用した画像処理システムの第３の実施の形態である画像処理システム３０１の構成例を示すブロック図である。なお、図中、図１６と対応する部分には同じ符号を付してあり、処理が同じ部分については、その説明は繰り返しになるので適宜省略する。
【０２５０】
画像処理システム３０１は、図１６の画像処理システム２０１と比較して、真皮画像撮像部３１１が追加され、画像処理部２１１の代わりに画像処理部３１２が設けられている点が異なる。また、画像処理部３１２は、画像処理部２１１と比較して、真皮画像処理部３２１および真皮パターン検出部３２２が追加され、先天的要素解析部２２１、きめ評価部２２２および評価結果提示部２２３の代わりに、先天的要素解析部３２３、きめ評価部３２４および評価結果提示部３２５が設けられている点が異なる。
【０２５１】
真皮画像撮像部３１１は、後述するように、被評価者の肌の真皮を撮影し、その結果得られた真皮画像を画像処理部３１２の真皮画像処理部３２１に供給する。
【０２５２】
真皮画像処理部３２１は、図２に示される表皮画像処理部１２１と同様の構成を有している。従って、真皮画像処理部３２１は、真皮画像に対して画像補正、単一チャネルの抽出、および、ノイズ除去を行う。そして、真皮画像処理部３２１は、その結果得られたノイズ除去真皮画像を、真皮パターン検出部３２２および先天的要素解析部３２３に供給する。
【０２５３】
真皮パターン検出部３２２は、図２に示される表皮パターン検出部１２２と同様の構成を有している。従って、真皮パターン検出部３２２は、ノイズ除去真皮画像に対して２値化処理およびラベリング処理を行い、真皮画像内の真皮のパターン（以下、真皮パターンと称する）を検出する。
【０２５４】
ここで、図２５を参照して、真皮パターン検出部３２２により検出される真皮パターンの例について説明する。
【０２５５】
図２５は、人の肌の皮膚組織の断面を示す模式図である。
【０２５６】
皮膚組織は、大別して表皮３５１と真皮３５２とからなる。表皮３５１は、角質層３６１、透明層３６２、顆粒層３６３、有棘層３６４、基底層３６５、および、基底膜３６６から構成される。一方、真皮３５２は、乳頭層３７１、乳頭下層３７２、および、網状層（不図示）から構成される。
【０２５７】
表皮３５１と真皮３５２とでは、構成する組織が異なり、例えば、真皮３５２には、コラーゲンや弾性繊維等の表皮３５１には存在しない組織が存在する。従って、表皮３５１と真皮３５２とでは、光学特性が異なる。例えば、表皮３５１は、可視光の赤や近赤外線よりも長波長の帯域の光に対する透過性が高い一方、真皮３５２は、同じ波長帯の光に対する透過性が低い。
【０２５８】
真皮画像撮像部３１１は、後述するように、この表皮３５１と真皮３５２の光学特性の違いを利用して、真皮３５２を撮影する。そして、真皮パターン検出部３２２は、基底膜３６６により表皮組織と接する組織である乳頭層３７１により主に構成される凹凸状の隆起パターンの領域（以下、乳頭層領域と称する）を真皮パターンとして検出する。
【０２５９】
また、真皮パターン検出部３２２は、真皮画像内の乳頭層領域の数（以下、真皮パターン数と称する）をカウントする。そして、真皮パターン検出部３２２は、乳頭層領域および真皮パターン数の検出結果を示す真皮パターン検出結果を先天的要素解析部３２３に供給する。
【０２６０】
先天的要素解析部３２３は、後述するように、表皮パターン検出結果および真皮パターン検出結果に基づいて、肌のきめの状態を示す要素のうち先天的な要素の解析を行う。先天的要素解析部３２３は、解析結果をきめ評価部３２４に供給する。
【０２６１】
きめ評価部３２４は、後天的要素解析部１２３による解析結果、および、先天的要素解析部３２３による解析結果に基づいて、被評価者の肌のきめの状態を評価し、評価結果を評価結果提示部３２５に供給する。
【０２６２】
評価結果提示部３２５は、被評価者の肌のきめの状態の評価結果を示す情報を表示部１１３に表示させる。
【０２６３】
［真皮画像撮像部３１１の構成例］
図２６は、真皮画像撮像部３１１の構成例を示している。
【０２６４】
真皮画像撮像部３１１は、照射光学系として、光源４０１及び光学レンズ４０２、および、照射部偏光板４０３を備える。光源４０１には、例えば、LED等、任意の光源を用いることができる。ただし、光源４０１としては、表皮を透過して真皮で散乱される近赤外線等の長波長光を発する光源を用いることが好ましい。これにより、表皮下の組織における散乱や複屈折等の光学特性を利用して組織のパターンを得ることが可能となる。
【０２６５】
また、真皮画像撮像部３１１は、結像光学系として、受光素子である撮像素子（例えば、CCDイメージセンサ、CMOSイメージセンサ等）４０４、結像レンズ群４０５、および、受光部偏光板４０６を備える。さらに、上記照射光学系と結像光学系の間の光路には、ハーフミラー４０７が配されており、上記照射光学系と結像光学系とは互いに直交して配置されている。
【０２６６】
真皮画像撮像部３１１において、光源４０１からの照射光は、照射部偏光板４０３により振動方向が一方向に制限されて皮膚に照射される。また、結像光学系には受光部偏光板４０６が配置されているが、これは振動方向が照射部偏光板４０３とは直交するように構成されている。したがって、表皮組織での単純な反射光は、振動方向が受光部偏光板４０６とは直交することになり、受光部偏光板４０６によって遮蔽される。
【０２６７】
照射光学系から皮膚に照射された照射光は、皮膚深層組織（例えば真皮組織）にまで達し、様々な組織により散乱や複屈折が生じ、それにより偏光が解消される。これらは、後方散乱光としてハーフミラー４０７を透過して上記結像光学系へと導かれるが、上記の通り偏光が解消されているため受光部偏光板４０６を透過し、撮像素子４０４まで到達する。
【０２６８】
これにより、表皮組織での反射・散乱光と、複屈折組織（真皮組織）を経由した位相の異なる光を分離し、真皮の凹凸隆起状のパターンを撮影することができる。
【０２６９】
そして、撮像素子４０４は、得られた真皮画像を真皮画像処理部３２１に供給する。
【０２７０】
［先天的要素解析部３２３の構成例］
図２７は、先天的要素解析部３２３の構成例を示すブロック図である。なお、図中、図１７と対応する部分には同じ符号を付してあり、処理が同じ部分については、その説明は繰り返しになるので適宜省略する。
【０２７１】
先天的要素解析部３２３は、図１７の先天的要素解析部２２１と比較して、真皮パターン数解析部４２１、真皮サイズ分布解析部４２２、真皮形状分布解析部４２３、および、真皮方向性解析部４２４が追加されている点が異なる。
【０２７２】
真皮パターン数解析部４２１は、真皮パターン検出結果に基づいて、皮丘数解析部２４１と同様の処理を行う。すなわち、真皮パターン数解析部４２１は、真皮パターン検出結果に含まれる真皮パターン数に基づいて、肌のきめの細かさを示す指標となる真皮パターン数評価値を算出する。真皮パターン数解析部４２１は、算出した真皮パターン数評価値をきめ評価部３２４に供給する。
【０２７３】
真皮サイズ分布解析部４２２は、真皮パターン検出結果に基づいて、図３の後天的要素解析部１２３の表皮サイズ分布解析部１７１と同様の処理を行うことにより、真皮パターンのサイズの分布を解析する。より具体的には、真皮サイズ分布解析部４２２は、乳頭層領域のサイズの分布を解析し、乳頭層領域のサイズの均一性を表す真皮サイズ分布評価値を算出する。真皮サイズ分布解析部４２２は、算出した真皮サイズ分布評価値をきめ評価部３２４に供給する。
【０２７４】
真皮形状分布解析部４２３は、真皮パターン検出結果に基づいて、図３の後天的要素解析部１２３の表皮形状分布解析部１７２と同様の処理を行うことにより、真皮パターンの形状の分布を解析する。より具体的には、真皮形状分布解析部４２３は、乳頭層領域の形状の分布を解析し、乳頭層領域の形状の均一性を表す真皮形状分布評価値を算出する。真皮形状分布解析部４２３は、算出した真皮形状分布評価値をきめ評価部３２４に供給する。
【０２７５】
真皮方向性解析部４２４は、ノイズ除去真皮画像に基づいて、図３の後天的要素解析部１２３の表皮方向性解析部１７４と同様の処理を行うことにより、真皮パターンの方向性を解析する。より具体的には、真皮方向性解析部４２４は、乳頭層領域のエッジ方向の分布を解析し、乳頭層領域のエッジ方向の分布の均一性を表す真皮方向性評価値を算出する。真皮方向性解析部４２４は、算出した真皮方向性評価値をきめ評価部１２４に供給する。
【０２７６】
なお、乳頭層等により形成される真皮パターンは、先天的に備わる要素が多く、加齢、健康状態、肌の手入れ等による変化が少ないことが知られている。従って、真皮パターン数評価値、真皮サイズ分布評価値、真皮形状分布評価値、および、真皮方向性評価値は、肌のきめの状態の先天的性質を評価するための指標となる。
【０２７７】
［きめ評価処理］
次に、図２８のフローチャートを参照して、画像処理システム３０１により実行されるきめ評価処理について説明する。
【０２７８】
なお、この処理は、例えば、画像処理システム３０１の図示せぬ入力部を介して、きめ評価処理の実行の指令が入力されたとき開始される。
【０２７９】
ステップＳ３０１において、図５のステップＳ１の処理と同様に、表皮画像が撮影される。
【０２８０】
ステップＳ３０２において、真皮画像撮像部３１１は、真皮画像を撮影する。すなわち、真皮画像撮像部３１１は、図２６を参照して上述したように、被評価者の肌の真皮を撮影し、その結果得られた真皮画像を真皮画像処理部３２１に供給する。
【０２８１】
なお、表皮画像と真皮画像の撮影間隔は、できるだけ短い時間に設定するとともに、表皮画像と真皮画像の撮影範囲をほぼ一致するように設定することが望ましい。また、表皮画像と真皮画像の撮影順を逆にしてもよい。
【０２８２】
ステップＳ３０３乃至Ｓ３０５において、図５のステップＳ２乃至Ｓ４と同様の処理が行われる。これらの処理により、表皮サイズ分布評価値Eevalsize、表皮形状分布評価値Eevalshape、表皮形状分布情報ShapeRatioi、表皮方向性評価値Eevaldirection、および、皮丘数Nridgeが求められ、きめ評価部３２４に供給される。
【０２８３】
ステップＳ３０６において、真皮画像処理部３２１は、真皮画像処理を実行する。すなわち、真皮画像処理部３２１は、上述した図５のステップＳ２において表皮画像処理部１２１が表皮画像に対して行うのと同様の処理を、真皮画像に対して行う。そして、真皮画像処理部３２１は、その結果得られたノイズ除去真皮画像を、真皮パターン検出部３２２および先天的要素解析部３２３に供給する。
【０２８４】
ステップＳ３０７において、真皮パターン検出部３２２は、真皮パターン検出処理を実行する。すなわち、真皮パターン検出部３２２は、上述した図５のステップＳ３において表皮パターン検出部１２２がノイズ除去表皮画像に対して行うのと同様の処理を、ノイズ除去真皮画像に対して行う。
【０２８５】
これにより、真皮パターン検出部３２２は、ノイズ除去真皮画像から複数の乳頭層領域を検出する。また、真皮パターン検出部３２２は、真皮画像内の乳頭層領域の数である真皮パターン数Ndermisをカウントする。真皮パターン検出部３２２は、乳頭層領域および真皮パターン数Ndermisの検出結果を示す真皮パターン検出結果を先天的要素解析部３２３に供給する。
【０２８６】
ステップＳ３０８において、先天的要素解析部３２３は、先天的要素解析処理を行う。
【０２８７】
［先天的要素解析処理］
ここで、図２９のフローチャートを参照して、先天的要素解析処理の詳細について説明する。
【０２８８】
ステップＳ３３１において、上述した図１９のステップＳ２２１の処理と同様に、皮丘数が解析される。そして、皮丘数解析部２４１は、皮丘数評価値Eevalnumをきめ評価部３２４に供給する。
【０２８９】
ステップＳ３３２において、真皮パターン数解析部４２１は、真皮パターン数を解析する。具体的には、真皮パターン数解析部４２１は、図１９のステップＳ２２１において、皮丘数解析部２４１が皮丘数評価値Eevalnumを算出する場合と同様の処理により、真皮パターン数Ndermisを用いて、真皮パターン数評価値Devalnumを算出する。
【０２９０】
従って、真皮パターン数評価値Devalnumは、皮丘数評価値Eevalnumと同様に、真皮パターン数Ndermisが大きくなるほど大きくなる。また、真皮パターン数Ndermisは、真皮画像内の真皮パターン数（すなわち、単位面積当たりの真皮パターン数）を表すので、真皮パターン数Ndermisが大きくなるほど、肌のきめが細かいと言える。従って、真皮パターン数評価値Devalnumは、肌のきめの細かさを表す指標となる。
【０２９１】
真皮パターン数解析部４２１は、真皮パターン数評価値Devalnumをきめ評価部３２４に供給する。
【０２９２】
ステップＳ３３３において、真皮サイズ分布解析部４２２は、真皮パターンのサイズの分布を解析する。具体的には、真皮サイズ分布解析部４２２は、図９のステップＳ６１において、表皮サイズ分布解析部１７１が、表皮サイズ分布評価値Eevalsizeを算出する場合と同様の処理により、乳頭層領域の検出結果に基づいて、真皮サイズ分布評価値Devalsizeを算出する。
【０２９３】
従って、真皮サイズ分布評価値Devalsizeは、表皮サイズ分布評価値Eevalsizeと同様に、乳頭層領域のサイズの分散が小さくなるほど大きくなる。すなわち、真皮サイズ分布評価値Devalsizeは、乳頭層領域のサイズのバラツキが小さくなるほど大きくなる。従って、真皮サイズ分布評価値Devalsizeは、乳頭層領域のサイズの均一性を表す指標となる。
【０２９４】
真皮サイズ分布解析部４２２は、真皮サイズ分布評価値Devalsizeをきめ評価部３２４に供給する。
【０２９５】
ステップＳ３３４において、真皮形状分布解析部４２３は、真皮形状分布解析処理を実行する。具体的には、真皮形状分布解析部４２３は、図１２の表皮形状分布解析処理１において、表皮形状分布解析部１７２が、表皮形状分布評価値Eevalshapeを算出する場合と同様の処理により、乳頭層領域の検出結果に基づいて、真皮形状分布評価値Devalshapeを算出する。
【０２９６】
従って、真皮形状分布評価値Devalshapeは、表皮形状分布評価値Eevalshapeと同様に、乳頭層領域の形状のバラツキが小さくなるほど大きくなる。従って、真皮形状分布評価値Devalshapeは、乳頭層領域の形状の均一性を表す指標となる。
【０２９７】
真皮形状分布解析部４２３は、真皮形状分布評価値Devalshapeをきめ評価部３２４に供給する。
【０２９８】
ステップＳ３３５において、真皮方向性解析部４２４は、真皮パターンの方向性を解析する。具体的には、真皮方向性解析部４２４は、図９のステップＳ６４において、表皮方向性解析部１７４が表皮方向性評価値Eevaldirectionを算出する場合と同様の処理により、ノイズ除去真皮画像に基づいて、真皮方向性評価値Devaldirectionを算出する。
【０２９９】
従って、真皮方向性評価値Devaldirectionは、表皮方向性評価値Eevaldirectionと同様に、乳頭層領域のエッジ方向が、縦、横、斜め（0度、45度、90度、135度）の４方向に均一に分布しているほど大きくなる。従って、真皮方向性評価値Devaldirectionは、乳頭層領域のエッジ方向の分布の均一性を表す指標となる。
【０３００】
真皮方向性解析部４２４は、真皮方向性評価値Devaldirectionをきめ評価部３２４に供給する。
【０３０１】
図２８に戻り、ステップＳ３０９において、きめ評価部３２４は、きめ評価値を算出する。
【０３０２】
例えば、きめ評価部３２４は、次式（２３）により、きめ評価値eval4totalを算出する。
【０３０３】
eval4total＝αinherent×Eevalnum×Devalnum×Devalsize×Devalshape×Devaldirection
＋（1−αinherent）×eval1total ・・・（２３）
【０３０４】
なお、αinherentおよびeval1totalは、上述した式（２２）と同じものである。
【０３０５】
きめ評価値eval4totalは、式（２２）のきめ評価値eval3totalと比較して、表皮の状態だけでなく、真皮の状態も評価した値になる。従って、きめ評価値eval4totalは、きめ評価値eval3totalと比較して、肌のきめの状態をより詳細に評価する指標となる。
【０３０６】
なお、式（２３）において、きめ評価値eval1totalの代わりに、式（２０）のきめ評価値eval2totalを用いるようにしてもよい。
【０３０７】
そして、きめ評価部３２４は、肌のきめの状態の評価結果を評価結果提示部２２３に供給する。このとき、きめ評価部３２４は、きめ評価値eval4totalだけでなく、きめ評価値eval4totalの算出に用いた各評価値も評価結果提示部３２５に供給する。
【０３０８】
ステップＳ３０７において、図１８のステップＳ２０７の処理と同様に、評価結果が提示される。
【０３０９】
その後、きめ評価処理は終了する。
【０３１０】
以上のようにして、表皮の状態に加えて、真皮の状態に基づいて、より詳細に肌のきめの状態を評価することができる。その結果、より正確に肌のきめの状態を評価することができる。
【０３１１】
＜４．変形例＞
以下、本技術の実施の形態の変形例について説明する。
【０３１２】
［変形例１］
皮丘領域または乳頭層領域の形状の相違度（あるいは、類似度）を算出する方法は、図１２等を参照して上述した方法に限定されるものではなく、任意の方法を採用することができる。例えば、以下に説明するように、DPマッチングを用いて、形状の類似度を算出するようにすることが可能である。
【０３１３】
まず、領域Ａに対し輪郭抽出、細線化、ベクトル化を行い、次式（２４）および（２５）に示されるベクトル特徴量Ａを求める。
【０３１４】
A＝｛a1, a2, ・・・, am｝ ・・・（２４）
ai＝（xis, yis, xie, yie） ・・・（２５）
【０３１５】
なお、xisおよびyisは、ベクトルaiの始点の座標を示し、xieおよびyieは、ベクトルaiの終点の座標を示している。
【０３１６】
また、領域Ａと比較する領域Ｂに対しても同様の処理を行い、次式（２６）および（２７）に示されるベクトル特徴量Ｂを求める。
【０３１７】
B＝{b1, b2, ・・・, bm} ・・・（２６）
bj＝(xjs, yjs, xje, yje) ・・・（２７）
【０３１８】
なお、xjsおよびyjsは、ベクトルbjの始点の座標を示し、xjeおよびyjeは、ベクトルbjの終点の座標を示している。
【０３１９】
次に、領域Ａの１成分ベクトルaiと領域Ｂの１成分ベクトルbjとの間の類似度h(ai, bj)を、次式（２８）および（２９）により算出する。
【０３２０】
【数１９】
【０３２１】
そして、例えば、次式（３０）により、領域Ａと領域Ｂの類似度S(A,B)を算出する。
【０３２２】
【数２０】
【０３２３】
例えば、この類似度S(A,B)を、上述した式（９ａ）乃至（９ｃ）により算出される相違度D(A,B)の代わりに用いることが可能である。
【０３２４】
［変形例２］
図１４の表皮形状分布解析処理２における皮丘領域の形状の分類処理は、上述した方法に限定されるものではない。例えば、参照形状を用いて、SVM（Support Vector Machine）などを用いて学習ベースの形状分類を行うようにしてもよい。あるいは、例えば、参照形状を用いずに、K-Means法などのクラスタリングの手法を用いて形状分類を行うようにしてもよい。
【０３２５】
［変形例３］
皮丘領域または乳頭層領域のエッジ方向の分析処理は、上述した方法に限定されるものではない。例えば、ノイズ除去表皮画像またはノイズ除去真皮画像に対して、高速フーリエ変換（FFT）を施し、そのスペクトル画像から角度毎のヒストグラムを求め、ヒストグラムの形状に基づいて、皮丘領域または乳頭層領域のエッジ方向の分布を解析するようにしてもよい。
【０３２６】
［変形例４］
図２６の真皮画像撮像部３１１の構成例は、その一例であり、他の構成のものを用いるようにしてもよい。例えば、指紋認証などの生体認証に用いられるマイクロレンズアレイ（MLA）を用いた撮像装置により、真皮画像を撮影するようにしてもよい。
【０３２７】
［変形例５］
図２１乃至図２３を参照して上述した評価結果の提示方法は、その一例であり、他の方法により評価結果を提示するようにすることも可能である。なお、画像以外にも、音声等を用いて評価結果を提示するようにしてもよい。
【０３２８】
［変形例６］
きめ評価値eval1total乃至eval4totalは、必ずしも各式に示される評価値を全て用いて算出する必要はなく、目的や用途等に応じて、用いる評価値を選択するようにしてもよい。例えば、式（１９）において、表皮サイズ分布評価値Eevalsize、表皮形状分布評価値Eevalshape、および、表皮方向性評価値Eevaldirectionのうち１つまたは２つを用いて、きめ評価値eval1totalを算出するようにしてもよい。
【０３２９】
また、きめ評価値の算出に用いる評価値の選択に応じて、例えば、図３の後天的要素解析部１２３や、図２７の先天的要素解析部３２３の構成要素を削除することも可能である。
【０３３０】
［変形例７］
図１１、図１３、図２０の正規化カーブの形状は、その一例であり、各図の正規化カーブと同様の単調増加または単調減少を示す異なる形状を有するカーブを用いることが可能である。
【０３３１】
なお、本技術は、例えば、美容や健康指標として肌の状態を評価したり、診断したりするシステムや装置に適用できる。また、本技術は、人以外の生体の肌の状態を評価したり、診断したりする場合にも適用することが可能である。
【０３３２】
［コンピュータの構成例］
上述した一連の処理は、ハードウエアにより実行することもできるし、ソフトウエアにより実行することもできる。一連の処理をソフトウエアにより実行する場合には、そのソフトウエアを構成するプログラムが、コンピュータにインストールされる。ここで、コンピュータには、専用のハードウエアに組み込まれているコンピュータや、各種のプログラムをインストールすることで、各種の機能を実行することが可能な、例えば汎用のパーソナルコンピュータなどが含まれる。
【０３３３】
図３０は、上述した一連の処理をプログラムにより実行するコンピュータのハードウエアの構成例を示すブロック図である。
【０３３４】
コンピュータにおいて、CPU（Central Processing Unit）６０１，ROM（Read Only Memory）６０２，RAM（Random Access Memory）６０３は、バス６０４により相互に接続されている。
【０３３５】
バス６０４には、さらに、入出力インタフェース６０５が接続されている。入出力インタフェース６０５には、入力部６０６、出力部６０７、記憶部６０８、通信部６０９、及びドライブ６１０が接続されている。
【０３３６】
入力部６０６は、キーボード、マウス、マイクロフォンなどよりなる。出力部６０７は、ディスプレイ、スピーカなどよりなる。記憶部６０８は、ハードディスクや不揮発性のメモリなどよりなる。通信部６０９は、ネットワークインタフェースなどよりなる。ドライブ６１０は、磁気ディスク、光ディスク、光磁気ディスク、又は半導体メモリなどのリムーバブルメディア６１１を駆動する。
【０３３７】
以上のように構成されるコンピュータでは、CPU６０１が、例えば、記憶部６０８に記憶されているプログラムを、入出力インタフェース６０５及びバス６０４を介して、RAM６０３にロードして実行することにより、上述した一連の処理が行われる。
【０３３８】
コンピュータ（CPU６０１）が実行するプログラムは、例えば、パッケージメディア等としてのリムーバブルメディア６１１に記録して提供することができる。また、プログラムは、ローカルエリアネットワーク、インターネット、デジタル衛星放送といった、有線または無線の伝送媒体を介して提供することができる。
【０３３９】
コンピュータでは、プログラムは、リムーバブルメディア６１１をドライブ６１０に装着することにより、入出力インタフェース６０５を介して、記憶部６０８にインストールすることができる。また、プログラムは、有線または無線の伝送媒体を介して、通信部６０９で受信し、記憶部６０８にインストールすることができる。その他、プログラムは、ROM６０２や記憶部６０８に、あらかじめインストールしておくことができる。
【０３４０】
なお、コンピュータが実行するプログラムは、本明細書で説明する順序に沿って時系列に処理が行われるプログラムであっても良いし、並列に、あるいは呼び出しが行われたとき等の必要なタイミングで処理が行われるプログラムであっても良い。
【０３４１】
また、本明細書において、システムの用語は、複数の装置、手段などより構成される全体的な装置を意味するものとする。
【０３４２】
さらに、本技術の実施の形態は、上述した実施の形態に限定されるものではなく、本技術の要旨を逸脱しない範囲において種々の変更が可能である。
【０３４３】
また、例えば、本技術は以下のような構成も取ることができる。
【０３４４】
（１）
肌の表皮を撮影した表皮画像における表皮のパターンである表皮パターンを検出する表皮パターン検出部と、
前記表皮パターンの形状の均一性を解析する解析部と、
前記表皮パターンの形状の均一性に基づいて、肌のきめの状態を評価する評価部と
を含む画像処理装置。
（２）
前記解析部は、前記表皮パターンのサイズの均一性および前記表皮パターンのエッジ方向の分布の均一性のうち少なくとも１つをさらに解析し、
前記評価部は、さらに、前記表皮パターンのサイズの均一性および前記表皮パターンのエッジ方向の分布の均一性のうち少なくとも１つに基づいて、肌のきめの状態を評価する
前記（１）に記載の画像処理装置。
（３）
前記解析部は、前記表皮パターンが所定の形状を有する割合をさらに解析し、
前記評価部は、さらに前記表皮パターンが所定の形状を有する割合に基づいて、肌のきめの状態を評価する
前記（１）または（２）に記載の画像処理装置。
（４）
前記表皮パターンは、皮丘または皮溝により表皮に形成されるパターンである
前記（１）乃至（３）のいずれかに記載の画像処理装置。
（５）
肌のきめの状態を評価する画像処理装置が、
肌の表皮を撮影した表皮画像における表皮のパターンである表皮パターンを検出し、
前記表皮パターンの形状の均一性を解析し、
前記表皮パターンの形状の均一性に基づいて、肌のきめの状態を評価する
ステップを含む画像処理方法。
（６）
肌の表皮を撮影した表皮画像における表皮のパターンである表皮パターンを検出し、
前記表皮パターンの形状の均一性を解析し、
前記表皮パターンの形状の均一性に基づいて、肌のきめの状態を評価する
ステップを含む処理をコンピュータに実行させるためのプログラム。
（７）
肌の表皮を撮影した表皮画像における表皮のパターンである表皮パターンを検出する表皮パターン検出部と、
検出された前記表皮パターンに基づいて、肌のきめの状態を示す要素のうち後天的な要素を解析する後天的要素解析部と、
検出された前記表皮パターンに基づいて、肌のきめの状態を示す要素のうち先天的な要素を解析する先天的要素解析部と、
前記後天的要素の解析結果および前記先天的要素の解析結果に基づいて、肌のきめの状態を評価する評価部と
を含む画像処理装置。
（８）
前記後天的要素解析部は、前記後天的要素として、前記表皮パターンの形状の均一性、前記表皮パターンのサイズの均一性、および、前記表皮パターンのエッジ方向の分布の均一性のうち少なくとも１つを解析し、
前記先天的要素解析部は、前記先天的要素として、単位面積当たりの前記表皮パターンの数を解析する
前記（８）に記載の画像処理装置。
（９）
前記評価部は、前記後天的要素の解析結果に基づく評価値と、前記先天的要素の解析結果に基づく評価値とを重みを付けて加算することにより、肌のきめの状態を示す評価値を算出する
前記（７）または（８）に記載の画像処理装置。
（１０）
前記表皮パターンは、皮丘または皮溝により表皮に形成されるパターンである
前記（７）乃至（９）のいずれかに記載の画像処理装置。
（１１）
肌のきめの状態を評価する画像処理装置が、
肌の表皮を撮影した表皮画像における表皮のパターンである表皮パターンを検出し、
検出された前記表皮パターンに基づいて、肌のきめの状態を示す要素のうち後天的な要素を解析し、
検出された前記表皮パターンに基づいて、肌のきめの状態を示す要素のうち先天的な要素を解析し、
前記後天的要素の解析結果および前記先天的要素の解析結果に基づいて、肌のきめの状態を評価する
ステップを含む画像処理方法。
（１２）
肌の表皮を撮影した表皮画像における表皮のパターンである表皮パターンを検出し、
検出された前記表皮パターンに基づいて、肌のきめの状態を示す要素のうち後天的な要素を解析し、
検出された前記表皮パターンに基づいて、肌のきめの状態を示す要素のうち先天的な要素を解析し、
前記後天的要素の解析結果および前記先天的要素の解析結果に基づいて、肌のきめの状態を評価する
ステップを含む処理をコンピュータに実行させるためのプログラム。
（１３）
肌の表皮を撮影した表皮画像における表皮のパターンである表皮パターンを検出する表皮パターン検出部と、
肌の真皮を撮影した真皮画像における真皮のパターンである真皮パターンを検出する真皮パターン検出部と、
検出された前記表皮パターンに基づいて、肌のきめの状態を示す要素のうち後天的な要素を解析する後天的要素解析部と、
検出された前記真皮パターンに基づいて、肌のきめの状態を示す要素のうち先天的な要素を解析する先天的要素解析部と、
前記後天的要素の解析結果および前記先天的要素の解析結果に基づいて、肌のきめの状態を評価する評価部と
を含む画像処理装置。
（１４）
前記後天的要素解析部は、前記後天的要素として、前記表皮パターンの形状の均一性、前記表皮パターンのサイズの均一性、および、前記表皮パターンのエッジ方向の分布の均一性のうち少なくとも１つを解析し、
前記先天的要素解析部は、前記先天的要素として、前記真皮パターンの形状の均一性、前記真皮パターンのサイズの均一性、前記真皮パターンのエッジ方向の分布の均一性、および、単位面積当たりの前記真皮パターンの数のうち少なくとも１つを解析する
前記（１３）に記載の画像処理装置。
（１５）
前記先天的要素解析部は、さらに、検出された前記表皮パターンに基づいて、前記先天的要素として、単位面積当たりの前記表皮パターンの数を解析する
前記（１３）または（１４）に記載の画像処理装置。
（１６）
前記評価部は、前記後天的要素の解析結果に基づく評価値と、前記先天的要素の解析結果に基づく評価値とを重みを付けて加算することにより、肌のきめの状態を示す評価値を算出する
前記（１３）乃至（１５）に記載の画像処理装置。
（１７）
前記表皮パターンは、皮丘または皮溝により表皮に形成されるパターンであり、
前記真皮パターンは、乳頭層により真皮に形成されるパターンである
前記（１３）乃至（１６）のいずれかに記載の画像処理装置。
（１８）
肌のきめの状態を評価する画像処理装置が、
肌の表皮を撮影した表皮画像における表皮のパターンである表皮パターンを検出し、
肌の真皮を撮影した真皮画像における真皮のパターンである真皮パターンを検出し、
検出された前記表皮パターンに基づいて、肌のきめの状態を示す要素のうち後天的な要素を解析し、
検出された前記真皮パターンに基づいて、肌のきめの状態を示す要素のうち先天的な要素を解析し、
前記後天的要素の解析結果および前記先天的要素の解析結果に基づいて、肌のきめの状態を評価する
ステップを含む画像処理方法。
（１９）
肌の表皮を撮影した表皮画像における表皮のパターンである表皮パターンを検出し、
肌の真皮を撮影した真皮画像における真皮のパターンである真皮パターンを検出し、
検出された前記表皮パターンに基づいて、肌のきめの状態を示す要素のうち後天的な要素を解析し、
検出された前記真皮パターンに基づいて、肌のきめの状態を示す要素のうち先天的な要素を解析し、
前記後天的要素の解析結果および前記先天的要素の解析結果に基づいて、肌のきめの状態を評価する
ステップを含む処理をコンピュータに実行させるためのプログラム。
（２０）
前記（６）、前記（１２）、または、前記（１９）に記載のプログラムを記録したコンピュータ読み取り可能な記録媒体。
【符号の説明】
【０３４５】
１０１ 画像処理システム, １１１ 表皮画像撮像部, １１２ 画像処理部, １１３ 表示部, １２１ 表皮画像処理部, １２２ 表皮パターン検出部, １２３ 後天的要素解析部, １２４ きめ評価部, １２５ 評価結果提示部, １４１ 画像補正部, １４２ 単一チャネル抽出部, １４３ ノイズ除去部, １５１ ２値化部, １５２ ラベリング処理部, １７１ 表皮サイズ分布解析部, １７２ 表皮形状分布解析部, １７３ 表皮形状分布解析部, １７４ 表皮方向性解析部, ２０１ 画像処理システム, ２１１ 画像処理部, ２２１ 先天的要素解析部, ２２２ きめ評価部, ２２３ 評価結果提示部, ２４１ 皮丘数解析部, ３０１ 画像処理システム, ３２１ 真皮画像処理部, ３２２ 真皮パターン検出部, ３２３ 先天的要素解析部, ３２４ きめ評価部, ３２５ 評価結果提示部, ４２１ 真皮パターン数解析部, ４２２ 真皮サイズ分布解析部, ４２３ 真皮形状分布解析部, ４２４ 真皮方向性解析部
【技術分野】
【０００１】
本技術は、画像処理装置、画像処理方法、プログラム、および、記録媒体に関し、特に、肌のきめ状態を評価する場合に用いて好適な画像処理装置、画像処理方法、プログラム、および、記録媒体に関する。
【背景技術】
【０００２】
従来、人の肌を撮影した肌画像の解析を行い、肌のきめの状態を評価する技術が提案されている。
【０００３】
例えば、肌画像における皮丘数によりきめの細かさを評価し、肌画像に対してフーリエ変換を施したフーリエ変換画像のスペクトル形状に基づいて、きめの方向性を評価することが提案されている（例えば、特許文献１参照）。
【０００４】
また、例えば、肌画像における毛穴の大きさ、皮溝の鮮明さ、皮丘の細かさ、および、皮丘の円形度に基づいて、肌のきめまたは毛穴の解析を行うことが提案されている（例えば、特許文献２参照）。
【先行技術文献】
【特許文献】
【０００５】
【特許文献１】特開２００６−６１１７０号公報
【特許文献２】特開２００６−３０５１８４号公報
【発明の概要】
【発明が解決しようとする課題】
【０００６】
しかしながら、特許文献１に記載の発明では、きめの形については考慮されていないため、必ずしも正確に肌のきめの状態を評価できるとは限らない。また、特許文献２に記載の発明のように皮丘の円形度を考慮しても、皮丘の形状は千差万別であるため、必ずしも正確に肌のきめの状態を評価できるとは限らない。
【０００７】
本技術は、肌のきめの状態を評価できるようにするものである。
【課題を解決するための手段】
【０００８】
本技術の第１の側面の画像処理装置は、肌の表皮を撮影した表皮画像における表皮のパターンである表皮パターンを検出する表皮パターン検出部と、前記表皮パターンの形状の均一性を解析する解析部と、前記表皮パターンの形状の均一性に基づいて、肌のきめの状態を評価する評価部とを含む。
【０００９】
前記解析部に、前記表皮パターンのサイズの均一性および前記表皮パターンのエッジ方向の分布の均一性のうち少なくとも１つをさらに解析させ、前記評価部、さらに、前記表皮パターンのサイズの均一性および前記表皮パターンのエッジ方向の分布の均一性のうち少なくとも１つに基づいて、肌のきめの状態を評価させるようにすることができる。
【００１０】
前記解析部に、前記表皮パターンが所定の形状を有する割合をさらに解析させ、前記評価部に、さらに前記表皮パターンが所定の形状を有する割合に基づいて、肌のきめの状態を評価させるようにすることができる。
【００１１】
前記表皮パターンは、皮丘または皮溝により表皮に形成されるパターンとすることができる。
【００１２】
本技術の第１の側面の画像処理方法は、肌のきめの状態を評価する画像処理装置が、肌の表皮を撮影した表皮画像における表皮のパターンである表皮パターンを検出し、前記表皮パターンの形状の均一性を解析し、前記表皮パターンの形状の均一性に基づいて、肌のきめの状態を評価するステップを含む。
【００１３】
本技術の第１の側面のプログラムは、肌の表皮を撮影した表皮画像における表皮のパターンである表皮パターンを検出し、前記表皮パターンの形状の均一性を解析し、前記表皮パターンの形状の均一性に基づいて、肌のきめの状態を評価するステップを含む処理をコンピュータに実行させる。
【００１４】
本技術の第２の側面の画像処理装置は、肌の表皮を撮影した表皮画像における表皮のパターンである表皮パターンを検出する表皮パターン検出部と、検出された前記表皮パターンに基づいて、肌のきめの状態を示す要素のうち後天的な要素を解析する後天的要素解析部と、検出された前記表皮パターンに基づいて、肌のきめの状態を示す要素のうち先天的な要素を解析する先天的要素解析部と、前記後天的要素の解析結果および前記先天的要素の解析結果に基づいて、肌のきめの状態を評価する評価部とを含む。
【００１５】
前記後天的要素解析部には、前記後天的要素として、前記表皮パターンの形状の均一性、前記表皮パターンのサイズの均一性、および、前記表皮パターンのエッジ方向の分布の均一性のうち少なくとも１つを解析させ、前記先天的要素解析部には、前記先天的要素として、単位面積当たりの前記表皮パターンの数を解析させるようにすることができる。
【００１６】
前記評価部には、前記後天的要素の解析結果に基づく評価値と、前記先天的要素の解析結果に基づく評価値とを重みを付けて加算することにより、肌のきめの状態を示す評価値を算出させるようにすることができる。
【００１７】
前記表皮パターンを、皮丘または皮溝により表皮に形成されるパターンとすることができる。
【００１８】
本技術の第２の側面の画像処理方法は、肌のきめの状態を評価する画像処理装置が、肌の表皮を撮影した表皮画像における表皮のパターンである表皮パターンを検出し、検出された前記表皮パターンに基づいて、肌のきめの状態を示す要素のうち後天的な要素を解析し、検出された前記表皮パターンに基づいて、肌のきめの状態を示す要素のうち先天的な要素を解析し、前記後天的要素の解析結果および前記先天的要素の解析結果に基づいて、肌のきめの状態を評価するステップを含む。
【００１９】
本技術の第２の側面のプログラムは、肌の表皮を撮影した表皮画像における表皮のパターンである表皮パターンを検出し、検出された前記表皮パターンに基づいて、肌のきめの状態を示す要素のうち後天的な要素を解析し、検出された前記表皮パターンに基づいて、肌のきめの状態を示す要素のうち先天的な要素を解析し、前記後天的要素の解析結果および前記先天的要素の解析結果に基づいて、肌のきめの状態を評価するステップを含む。
【００２０】
本技術の第３の側面の画像処理装置は、肌の表皮を撮影した表皮画像における表皮のパターンである表皮パターンを検出する表皮パターン検出部と、肌の真皮を撮影した真皮画像における真皮のパターンである真皮パターンを検出する真皮パターン検出部と、検出された前記表皮パターンに基づいて、肌のきめの状態を示す要素のうち後天的な要素を解析する後天的要素解析部と、検出された前記真皮パターンに基づいて、肌のきめの状態を示す要素のうち先天的な要素を解析する先天的要素解析部と、前記後天的要素の解析結果および前記先天的要素の解析結果に基づいて、肌のきめの状態を評価する評価部とを含む。
【００２１】
前記後天的要素解析部に、前記後天的要素として、前記表皮パターンの形状の均一性、前記表皮パターンのサイズの均一性、および、前記表皮パターンのエッジ方向の分布の均一性のうち少なくとも１つを解析させ、前記先天的要素解析部に、前記先天的要素として、前記真皮パターンの形状の均一性、前記真皮パターンのサイズの均一性、前記真皮パターンのエッジ方向の分布の均一性、および、単位面積当たりの前記真皮パターンの数のうち少なくとも１つを解析させるようにすることができる。
【００２２】
前記先天的要素解析部に、さらに、検出された前記表皮パターンに基づいて、前記先天的要素として、単位面積当たりの前記表皮パターンの数を解析させるようにすることができる。
【００２３】
前記先天的要素解析部に、さらに、検出された前記表皮パターンに基づいて、前記先天的要素として、単位面積当たりの前記表皮パターンの数を解析させるようにすることができる。
【００２４】
前記表皮パターンを、皮丘または皮溝により表皮に形成されるパターンとし、前記真皮パターンを、乳頭層により真皮に形成されるパターンとすることができる。
【００２５】
本技術の第３の側面の画像処理方法は、肌のきめの状態を評価する画像処理装置が、肌の表皮を撮影した表皮画像における表皮のパターンである表皮パターンを検出し、肌の真皮を撮影した真皮画像における真皮のパターンである真皮パターンを検出し、検出された前記表皮パターンに基づいて、肌のきめの状態を示す要素のうち後天的な要素を解析し、検出された前記真皮パターンに基づいて、肌のきめの状態を示す要素のうち先天的な要素を解析し、前記後天的要素の解析結果および前記先天的要素の解析結果に基づいて、肌のきめの状態を評価するステップを含む。
【００２６】
本技術の第３の側面のプログラムは、肌の表皮を撮影した表皮画像における表皮のパターンである表皮パターンを検出し、肌の真皮を撮影した真皮画像における真皮のパターンである真皮パターンを検出し、検出された前記表皮パターンに基づいて、肌のきめの状態を示す要素のうち後天的な要素を解析し、検出された前記真皮パターンに基づいて、肌のきめの状態を示す要素のうち先天的な要素を解析し、前記後天的要素の解析結果および前記先天的要素の解析結果に基づいて、肌のきめの状態を評価するステップを含む処理をコンピュータに実行させる。
【００２７】
本技術の第１の側面においては、肌の表皮を撮影した表皮画像における表皮のパターンである表皮パターンが検出され、前記表皮パターンの形状の均一性が解析され、前記表皮パターンの形状の均一性に基づいて、肌のきめの状態が評価される。
【００２８】
本技術の第２の側面においては、肌の表皮を撮影した表皮画像における表皮のパターンである表皮パターンが検出され、検出された前記表皮パターンに基づいて、肌のきめの状態を示す要素のうち後天的な要素が解析され、検出された前記表皮パターンに基づいて、肌のきめの状態を示す要素のうち先天的な要素が解析され、前記後天的要素の解析結果および前記先天的要素の解析結果に基づいて、肌のきめの状態が評価される。
【００２９】
本技術の第３の側面においては、肌の表皮を撮影した表皮画像における表皮のパターンである表皮パターンが検出され、肌の真皮を撮影した真皮画像における真皮のパターンである真皮パターンが検出され、検出された前記表皮パターンに基づいて、肌のきめの状態を示す要素のうち後天的な要素が解析され、検出された前記真皮パターンに基づいて、肌のきめの状態を示す要素のうち先天的な要素が解析され、前記後天的要素の解析結果および前記先天的要素の解析結果に基づいて、肌のきめの状態が評価される。
【発明の効果】
【００３０】
本技術の第１乃至第３の側面によれば、肌のきめの状態を評価することができる。
【図面の簡単な説明】
【００３１】
【図１】本技術を適用した画像処理システムの第１の実施の形態を示すブロック図である。
【図２】表皮画像処理部および表皮パターン検出部の構成例を示すブロック図である。
【図３】後天的要素解析部の構成例を示すブロック図である。
【図４】表皮方向性解析部の構成例を示すブロック図である。
【図５】きめ評価処理を説明するためのフローチャートである。
【図６】表皮画像処理を説明するためのフローチャートである。
【図７】表皮パターン検出処理を説明するためのフローチャートである。
【図８】ラベリング処理の具体例を説明するための図である。
【図９】後天的要素解析処理を説明するためのフローチャートである。
【図１０】皮丘領域のサイズのヒストグラムの例を示す図である。
【図１１】表皮サイズ分布評価値を算出するための正規化カーブの例を示す図である。
【図１２】表皮形状分布解析処理１を説明するためのフローチャートである。
【図１３】表皮形状分布評価値を算出するための正規化カーブの例を示す図である。
【図１４】表皮形状分布解析処理２を説明するためのフローチャートである。
【図１５】参照形状の例を示す図である。
【図１６】本技術を適用した画像処理システムの第２の実施の形態を示すブロック図である。
【図１７】先天的要素解析部の構成例を示すブロック図である。
【図１８】きめ評価処理を説明するためのフローチャートである。
【図１９】先天的要素解析処理を説明するためのフローチャートである。
【図２０】皮丘数評価値を算出するための正規化カーブの例を示す図である。
【図２１】肌のきめの状態の評価結果を提示するための画面の例を示す図である。
【図２２】総合判定値を求めるための表の一例を示す図である。
【図２３】肌のきめの状態の評価結果を提示するための画面の例を示す図である。
【図２４】本技術を適用した画像処理システムの第３の実施の形態を示すブロック図である。
【図２５】人の肌の皮膚組織の断面を示す模式図である。
【図２６】真皮画像撮像部の構成例を示す図である。
【図２７】先天的要素解析部の構成例を示すブロック図である。
【図２８】きめ評価処理を説明するためのフローチャートである。
【図２９】先天的要素解析処理を説明するためのフローチャートである。
【図３０】コンピュータの構成例を示すブロック図である。
【発明を実施するための形態】
【００３２】
以下、本技術を実施するための形態（以下、実施の形態という）について説明する。なお、説明は以下の順序で行う。
１．第１の実施の形態（後天的要素のみ解析を行う例）
２．第２の実施の形態（後天的要素と先天的要素の両方の解析を行う例）
３．第３の実施の形態（表皮と真皮の両方の解析を行う例）
４．変形例
【００３３】
＜１．第１の実施の形態＞
まず、図１乃至図１５を参照して、本技術の第１の実施の形態について説明する。
【００３４】
［画像処理システム１０１の構成例］
図１は、本技術を適用した画像処理システムの第１の実施の形態である画像処理システム１０１の構成例を示すブロック図である。
【００３５】
画像処理システム１０１は、評価対象となる人（以下、被評価者と称する）の肌の表皮を撮影し、その結果得られた画像（以下、表皮画像と称する）に基づいて、被評価者の肌のきめ状態を評価するシステムである。
【００３６】
画像処理システム１０１は、表皮画像撮像部１１１、画像処理部１１２、および、表示部１１３を含むように構成される。
【００３７】
表皮画像撮像部１１１は、被評価者の肌の表皮を撮影し、その結果得られた表皮画像を画像処理部１１２の表皮画像処理部１２１に供給する。
【００３８】
なお、表皮画像撮像部１１１は、特定の種類の撮像装置に限定されるものではなく、任意の撮像装置を採用することができる。
【００３９】
ただし、表皮画像撮像部１１１は、マニュアルのフォーカス調整機能、被写体全体に一様に照明光を照射可能な光源（例えば、LED（Light Emitting Diode）等）、肌表面の構造を認識できる程度の撮影が可能なマクロレンズを備えることが望ましい。さらに、表皮画像撮像部１１１は、フォーカス位置を固定にして毎回撮影できるように、レンズの先に肌に密着させるアタッチメントを備えることが望ましい。この場合、外光の影響を防ぐためにアタッチメントに遮光機能を持たせてもよい。
【００４０】
なお、表皮画像撮像部１１１の光源の波長帯は、可視域（400-700nm）でよい。同様に、表皮画像撮像部１１１のイメージセンサの分光感度も可視域に感度がある通常のRGB対応のものでよい。ただし、短波長側に感度が高いものがより望ましい。
【００４１】
画像処理部１１２は、表皮画像に対してセグメンテーション（領域分割）を行い、その結果を元に、被評価者の肌のきめの評価を行う。
【００４２】
画像処理部１１２は、表皮画像処理部１２１、表皮パターン検出部、後天的要素解析部１２３、きめ評価部１２４、および、評価結果提示部１２５を含むように構成される。
【００４３】
表皮画像処理部１２１は、後述するように、補正やノイズ除去等の所定の画像処理を表皮画像に施し、画像処理後の表皮画像を、表皮パターン検出部１２２および後天的要素解析部１２３に供給する。
【００４４】
表皮パターン検出部１２２は、後述するように、皮丘または皮溝により表皮に形成されている表皮画像内の表皮のパターン（以下、表皮パターンと称する）を検出し、検出結果（以下、表皮パターン検出結果と称する）を後天的要素解析部１２３に供給する。
【００４５】
後天的要素解析部１２３は、後述するように、画像処理後の表皮画像、および、表皮パターン検出結果に基づいて、肌のきめの状態を示す要素のうち後天的な要素の解析を行う。後天的要素解析部１２３は、解析結果をきめ評価部１２４に供給する。
【００４６】
きめ評価部１２４は、後天的要素解析部１２３による解析結果に基づいて、被評価者の肌のきめの状態を評価し、評価結果を評価結果提示部１２５に供給する。
【００４７】
評価結果提示部１２５は、被評価者の肌のきめの状態の評価結果を示す情報を表示部１１３に表示させる。
【００４８】
表示部１１３は、特定の種類の表示装置に限定されるものではなく、任意の種類の表示装置を採用することができる。また、表示部１１３を、画像処理システム１０１専用に設けるようにしてもよいし、テレビジョン受像機や携帯電話機等の他の装置の表示装置を利用するようにしてもよい。
【００４９】
［表皮画像処理部１２１および表皮パターン検出部１２２の構成例］
図２は、表皮画像処理部１２１および表皮パターン検出部１２２の機能の構成例を示すブロック図である。
【００５０】
表皮画像処理部１２１は、画像補正部１４１、単一チャネル抽出部１４２、および、ノイズ除去部１４３を含むように構成される。また、表皮パターン検出部１２２は、２値化部１５１およびラベリング処理部１５２を含むように構成される。
【００５１】
画像補正部１４１は、表皮画像の歪み補正や縮小等の所定の画像補正を行い、補正後の表皮画像を単一チャネル抽出部１４２に供給する。
【００５２】
単一チャネル抽出部１４２は、補正した表皮画像から所定のチャネルの信号成分を抽出し、抽出した信号成分からなる表皮画像（以下、単一チャネル表皮画像と称する）をノイズ除去部１４３に供給する。
【００５３】
ノイズ除去部１４３は、単一チャネル表皮画像のノイズを除去し、ノイズ除去後の単一チャネル表皮画像（以下、ノイズ除去表皮画像と称する）を、表皮パターン検出部１２２の２値化部１５１および後天的要素解析部１２３に供給する。
【００５４】
２値化部１５１は、ノイズ除去表皮画像に対して２値化処理を行い、得られた２値化画像（以下、２値化表皮画像と称する）をラベリング処理部１５２に供給する。
【００５５】
ラベリング処理部１５２は、２値化表皮画像に対してラベリング処理を行うことにより、表皮パターンを検出する。より具体的には、ラベリング処理部１５２は、表皮画像内の皮丘の領域（以下、皮丘領域と称する）を表皮パターンとして検出する。また、ラベリング処理部１５２は、表皮画像内の皮丘領域の数をカウントする。そして、ラベリング処理部１５２は、皮丘領域および皮丘数の検出結果を示す表皮パターン検出結果を後天的要素解析部１２３に供給する。
【００５６】
［後天的要素解析部１２３の構成例］
図３は、後天的要素解析部１２３の機能の構成例を示すブロック図である。後天的要素解析部１２３は、表皮サイズ分布解析部１７１、表皮形状分布解析部１７２、表皮形状分布解析部１７３、および、表皮方向性解析部１７４を含むように構成される。
【００５７】
表皮サイズ分布解析部１７１は、表皮パターンのサイズの分布を解析する。より具体的には、表皮サイズ分布解析部１７１は、皮丘領域のサイズの分布を解析し、皮丘領域のサイズの均一性を表す表皮サイズ分布評価値を算出する。表皮サイズ分布解析部１７１は、算出した表皮サイズ分布評価値をきめ評価部１２４に供給する。
【００５８】
表皮形状分布解析部１７２は、表皮パターンの形状の分布を解析する。より具体的には、表皮形状分布解析部１７２は、皮丘領域の形状の分布を解析し、皮丘領域の形状の均一性を表す表皮形状分布評価値を算出する。表皮形状分布解析部１７２は、算出した表皮形状分布評価値をきめ評価部１２４に供給する。
【００５９】
表皮形状分布解析部１７３は、表皮形状分布解析部１７２とは異なる観点で、表皮パターンの形状の分布を解析する。より具体的には、表皮形状分布解析部１７３は、各皮丘領域と所定の参照形状とを比較し、各参照形状に近い形状を有する皮丘領域の割合を示す表皮形状分布情報を求める。表皮形状分布解析部１７３は、求めた表皮形状分布情報をきめ評価部１２４に供給する。
【００６０】
表皮方向性解析部１７４は、表皮パターンの方向性を解析する。より具体的には、表皮方向性解析部１７４は、皮丘領域のエッジ方向の分布を解析し、皮丘領域のエッジ方向の分布の均一性を表す表皮方向性評価値を算出する。表皮方向性解析部１７４は、算出した表皮方向性評価値をきめ評価部１２４に供給する。
【００６１】
なお、皮丘のサイズ、形状、エッジ方向は、加齢、健康状態、肌の手入れ等により後天的に変化する。従って、表皮サイズ分布評価値、表皮形状分布評価値、表皮形状分布情報、および、表皮方向性評価値は、肌のきめの状態の後天的性質を評価するための指標となる。
【００６２】
［表皮方向性解析部１７４の構成例］
図４は、表皮方向性解析部１７４の機能の構成例を示すブロック図を示している。
【００６３】
表皮方向性解析部１７４は、４方向フィルタリング部１８１、絶対値和演算部１８２、加算部１８３、除算部１８４、および、評価値算出部１８５を含むように構成される。
【００６４】
４方向フィルタリング部１８１は、ノイズ除去表皮画像に対して、0度、45度、90度、135度の４方向のエッジフィルタを適用する。そして、４方向フィルタリング部１８１は、その結果得られた４つのフィルタ出力画像を絶対値和演算部１８２に供給する。
【００６５】
絶対値和演算部１８２は、４つのフィルタ出力画像のそれぞれについて、画像内の画素値の絶対値和を計算する。そして、絶対値和演算部１８２は、４つのフィルタ出力画像の画素値の絶対値和を加算部１８３および除算部１８４に供給する。
【００６６】
加算部１８３は、各フィルタ出力画像の画素値の絶対値和を積算し、得られた積算値を除算部１８４に供給する。
【００６７】
除算部１８４は、各フィルタ出力画像の画素値の絶対値和を、それぞれ加算部１８３から供給される積算値で除算し、得られた値を評価値算出部１８５に供給する。
【００６８】
評価値算出部１８５は、除算部１８４により算出された算出値に基づいて、表皮方向性評価値を算出し、算出した表皮方向性評価値をきめ評価部１２４に供給する。
【００６９】
［きめ評価処理］
次に、図５のフローチャートを参照して、画像処理システム１０１により実行されるきめ評価処理について説明する。
【００７０】
なお、この処理は、例えば、画像処理システム１０１の図示せぬ入力部を介して、きめ評価処理の実行の指令が入力されたとき開始される。
【００７１】
ステップＳ１において、表皮画像撮像部１１１は、表皮画像を撮影する。すなわち、表皮画像撮像部１１１は、被評価者の評価する部位（例えば、頬、額など）の肌の表皮を撮影し、その結果得られた表皮画像を画像補正部１４１に供給する。
【００７２】
ステップＳ２において、表皮画像処理部１２１は、表皮画像処理を行う。
【００７３】
［表皮画像処理］
ここで、図６のフローチャートを参照して、表皮画像処理の詳細について説明する。
【００７４】
ステップＳ２１において、画像補正部１４１は、画像の補正を行う。例えば、表皮画像の周縁部には、シェーディング歪みやレンズ歪みなどが発生していると考えられる。そこで、画像補正部１４１は、例えば、表皮画像に対してシェーディング補正やレンズ歪補正を行ったり、表皮画像の中央の領域を切り出したりする。
【００７５】
また、画像補正部１４１は、例えば、処理コストを下げるために、補正後の画像を縮小する。
【００７６】
なお、以下、特に断りのない限り、補正後の表皮画像のサイズを縦160画素×横120画素とする。
【００７７】
画像補正部１４１は、補正後の表皮画像を単一チャネル抽出部１４２に供給する。
【００７８】
ステップＳ２２において、単一チャネル抽出部１４２は、補正した表皮画像から所定のチャネルの信号成分を抽出する。例えば、単一チャネル抽出部１４２は、補正した表皮画像からＢ（Blue）チャネルの信号成分を抽出する。そして、単一チャネル抽出部１４２は、抽出した信号成分からなる単一チャネル表皮画像をノイズ除去部１４３に供給する。
【００７９】
なお、表皮画像撮像部１１１として分光カメラが用いられる場合、この処理を省略することが可能である。
【００８０】
ステップＳ２３において、ノイズ除去部１４３は、単一チャネル表皮画像のノイズを除去する。例えば、ノイズ除去部１４３は、単一チャネル表皮画像に対して平滑化フィルタを適用する。
【００８１】
より具体的には、ノイズ除去部１４３は、例えば、ランダムノイズや、皮丘、皮溝上のテクスチャ成分を除去するために、単一チャネル表皮画像に対してエッジ保存型平滑化フィルタを適用する。このエッジ保存型平滑化フィルタには、例えば、kernelサイズが３×３画素、σspace＝15、σcolor＝15のバイラテラルフィルタが用いられる。
【００８２】
次に、ノイズ除去部１４３は、例えば、汗腺などの影響による高輝度領域や鏡面反射成分を除去するために、単一チャネル表皮画像に対して孤立点除去フィルタを適用する。この孤立点除フィルタには、例えば、３×３画素のメディアンフィルタが用いられる。
【００８３】
なお、これらのノイズ除去の処理は撮影環境や表皮画像撮像部１１１の性能に大きく依存するため、それらに応じて、適用するフィルタ、パラメータなどを適宜変更することが望ましい。
【００８４】
そして、ノイズ除去部１４３は、ノイズ除去後の単一チャンネル表皮画像であるノイズ除去表皮画像を、表皮パターン検出部１２２の２値化部１５１、および、後天的要素解析部１２３の表皮方向性解析部１７４に供給する。
【００８５】
その後、表皮画像処理は終了する。
【００８６】
図５に戻り、ステップＳ３において、表皮パターン検出部１２２は、表皮パターン検出処理を行う。
【００８７】
［表皮パターン検出処理］
ここで、図７のフローチャートを参照して、表皮パターン検出処理の詳細について説明する。
【００８８】
ステップＳ４１において、２値化部１５１は、２値化処理を行う。具体的には、２値化部１５１は、一様な光源下において、表皮画像の明るい領域は手前にある皮丘、暗い領域は奥にある皮溝であるという前提のもと、皮丘、皮溝のセグメンテーションを行うために、ノイズ除去表皮画像を２値化する。
【００８９】
例えば、２値化部１５１は、シェーディングなどの外光の影響をさらに減少させるために、ノイズ除去表皮画像に対して領域適応型２値化処理を行う。例えば、２値化部１５１は、次式（１ａ）および（１ｂ）に基づいて、近傍領域に対してガウシアンを重みとして総和をとり、そこから所定の値bin_paramを引いた値を閾値として、ノイズ除去表皮画像を２値化する。
【００９０】
【数１】
【００９１】
I(x,y)は、ノイズ除去表皮画像の座標(x,y)の画素の画素値を示し、G(x,y)は、ガウシアン関数を示し、Ibin(x,y)は、２値化表皮画像の座標(x,y)の画素の画素値を示している。また、Ibは黒の画素値を示し、Iｗは白の画素値を示している。
【００９２】
なお、bin_paramは、表皮画像内の皮丘領域と皮溝領域を適切に分離できるように、適切な値に設定される。
【００９３】
２値化部１５１は、注目ブロックを１画素ずつずらしながら、ノイズ除去表示画像の全画素に対して２値化を行い、２値化表皮画像を生成する。そして、２値化部１５１は、生成した２値化表皮画像をラベリング処理部１５２に供給する。
【００９４】
ステップＳ４２において、ラベリング処理部１５２は、２値化表皮画像に対して、外側から４連結または８連結によるラベリング処理を行う。ここで、ラベリング処理部１５２は、最も外側の白の輪郭で囲まれる領域を１つの領域として検出し、その内側に黒色の領域や、白の輪郭で囲まれる領域が存在しても無視する。
【００９５】
例えば、図８に示されるように、２値化表皮画像内に白の輪郭で囲まれる領域の内側に黒の領域が存在する領域Ａ１およびＡ２が存在する場合、まず、４連結のラベリング処理により、領域Ａ１と領域Ａ２が個別に認識される。さらに、領域Ａ１および領域Ａ２内の黒の領域が無視された結果、３×３画素の領域Ｒ１および領域Ｒ２が、それぞれ１つの領域として認識され、ラベルが付与される。
【００９６】
これにより、例えば、皮丘の内側の凹み等により暗くなる領域が無視され、皮丘領域を正確に検出することが可能になる。
【００９７】
なお、以下、ラベリング処理によりラベルが付与された領域をラベリング領域と称する。
【００９８】
また、一般的な人の肌において、皮溝の間隔は0.25〜0.5mmとされる。皮丘の形状が三角形または四角形が多いことを考慮すると、皮丘の面積は0.031〜0.25mm2程度になると考えられる。
【００９９】
そこで、ラベリング処理部１５２は、表皮画像撮像部１１１のイメージセンサのサイズ等に基づいて、表皮画像における皮丘のサイズの適正範囲を求める。そして、ラベリング処理部１５２は、検出したラベリング領域の中から、求めた適正範囲内のサイズの領域を皮丘領域として検出する。
【０１００】
また、ラベリング処理部１５２は、検出した皮丘領域の数を、皮丘数Nridgeとしてカウントする。
【０１０１】
そして、ラベリング処理部１５２は、皮丘領域および皮丘数Nridgeの検出結果を示す表皮パターン検出結果を、後天的要素解析部１２３の表皮サイズ分布解析部１７１、表皮形状分布分析部１７２、および、表皮形状分布解析部１７３に供給する。
【０１０２】
図５に戻り、ステップＳ４において、後天的要素解析部１２３は、後天的要素解析処理を行う。
【０１０３】
［後天的要素解析処理］
ここで、図９のフローチャートを参照して、後天的要素解析処理の詳細について説明する。
【０１０４】
ステップＳ６１において、表皮サイズ分布解析部１７１は、表皮パターンのサイズの分布を解析する。
【０１０５】
具体的には、まず、表皮サイズ分布解析部１７１は、皮丘領域のサイズのヒストグラムを作成する。図１０は、皮丘領域のサイズ（面積）のヒストグラムの例を示している。図内の横軸は、皮丘領域のサイズを示し、縦軸はヒストグラムの各ビンの度数frqnを示している。
【０１０６】
次に、表皮サイズ分布解析部１７１は、次式（２）により、皮丘領域のサイズの平均値Havgを算出する。
【０１０７】
【数２】
【０１０８】
なお、ｎは各ビンの中央値を示している。
【０１０９】
また、表皮サイズ分布解析部１７１は、次式（３）により、皮丘領域のサイズの分散Hvarを算出する。
【０１１０】
【数３】
【０１１１】
さらに、表皮サイズ分布解析部１７１は、図１１に示される正規化カーブにより、分散Hvarを0から1の範囲内に正規化した表皮サイズ分布評価値Eevalsizeを算出する。ここで、図中、Size_th_minおよびSize_th_maxは、それぞれ正規化カーブを決定する閾値である。
【０１１２】
表皮サイズ分布評価値Eevalsizeは、皮丘領域のサイズの分散Hvarが小さくなるほど大きくなる。すなわち、表皮サイズ分布評価値Eevalsizeは、皮丘領域のサイズのバラツキが小さくなるほど大きくなる。従って、表皮サイズ分布評価値Eevalsizeは、皮丘領域のサイズの均一性を表す指標となる。
【０１１３】
表皮サイズ分布解析部１７１は、表皮サイズ分布評価値Eevalsizeをきめ評価部１２４に供給する。
【０１１４】
ステップＳ６２において、表皮形状分布解析部１７２は、表皮形状分布解析処理１を行う。
【０１１５】
［表皮形状分布解析処理１］
ここで、図１２のフローチャートを参照して、ステップＳ６２の表皮形状分布解析処理１の詳細について説明する。
【０１１６】
ステップＳ８１において、表皮形状分布解析部１７２は、基準領域を選択する。すなわち、表皮形状分布解析部１７２は、まだ基準領域に設定していない皮丘領域を１つ選択し、基準領域に設定する。
【０１１７】
ステップＳ８２において、表皮形状分布解析部１７２は、比較領域を選択する。すなわち、表皮形状分布解析部１７２は、まだ基準領域との形状の比較を行っていない皮丘領域を１つ選択し、比較領域に設定する。
【０１１８】
ステップＳ８３において、表皮形状分布解析部１７２は、基準領域と比較領域の形状の相違度を算出する。
【０１１９】
例えば、表皮形状分布解析部１７２は、基準領域と比較領域の形状をHuモーメント不変量により数値化し、その数値化した値に基づいて、基準領域と比較領域の形状の相違度を算出する。
【０１２０】
ここで、Huモーメント不変量について簡単に説明する。
【０１２１】
まず、画像の原点を中心とした画素の分散値を表す画像モーメントMpqを、次式（４）により算出する。
【０１２２】
【数４】
【０１２３】
画像モーメントMpqは、大きな値の画素値が原点から離れた位置に散らばるほど、大きくなる。
【０１２４】
なお、式（４）におけるpはX軸方向に対する重みを表し、qはY軸方向に対する重みを表している。従って、pの値が大きくなればX軸方向への分散に対する重みが増し、qの値が大きくなればY軸方向への分散に対する重みが増すことになる。
【０１２５】
次に、像内の画素値におけるX軸およびY軸方向に対する重心を考慮した分散を表す中心モーメント（重心モーメント）μpqを、次式（５）により算出する。
【０１２６】
【数５】
【０１２７】
ここで、xc,、ycは、次式（６ａ）および（６ｂ）により表され、それぞれ形状のX軸方向、Y軸方向の重心位置を表す。
【０１２８】
【数６】
【０１２９】
最後に、次式（７）により、中心モーメントμpqを画像モーメントMpqにより正規化することにより、正規重心モーメントηpqを求める。
【０１３０】
【数７】
【０１３１】
この正規化により、分散の広がり具合がモーメントの値に影響しなくなるため、正規重心モーメントηpqは、画像内のオブジェクトの平行移動または回転移動や、画像サイズに対して不変となる。
【０１３２】
Huモーメント不変量は、この正規重心モーメントηpqを組み合わせたものであり、次式（８ａ）乃至（８ｇ）のように定義される。
【０１３３】
【数８】
【０１３４】
なお、Huモーメント不変量の詳細については、例えば、「M-K. Hu. "Visual pattern recognition by moment invariants", IRE Trans.action on Information Theory, 1962年2月, Volume 8、pp. 179-187」に記載されている。
【０１３５】
表皮形状分布解析部１７２は、式（４）乃至式（８ｇ）に基づいて、基準領域のHuモーメント量hAiおよび比較領域のHuモーメント量hBiを算出する。ただし、式（４）および式（５）において、画素値I(x,y)の代わりに、２値化表皮画像の画素値Ibin(x,y)が用いられる。
【０１３６】
そして、表皮形状分布解析部１７２は、次式（９ａ）により、基準領域（領域Ａ）と比較領域（領域Ｂ）の形状の相違度D(A,B)を算出する。
【０１３７】
【数９】
【０１３８】
ここで、mAi およびmBiは、次式（１０）により表される量である。
【０１３９】
【数１０】
【０１４０】
なお、式（９ａ）の代わりに、次式（９ｂ）または（９ｃ）により、相違度D(A,B)を算出するようにしてもよい。
【０１４１】
【数１１】
【０１４２】
式（９ａ）乃至式（９ｃ）のいずれの相違度D(A,B)も、基準領域と比較領域の形状が近いほど小さくなる。
【０１４３】
ステップＳ８４において、表皮形状分布解析部１７２は、相違度を積算する。すなわち、表皮形状分布解析部１７２は、これまでの各皮丘領域の相違度の積算値に、新たに算出した相違度を加算する。
【０１４４】
ステップＳ８５において、表皮形状分布解析部１７２は、基準領域と比較していない皮丘領域が残っているか否かを判定する。基準領域と比較していない皮丘領域が残っていると判定された場合、処理はステップＳ８２に戻る。
【０１４５】
その後、ステップＳ８５において、基準領域と比較していない皮丘領域が残っていないと判定されるまで、ステップＳ８２乃至Ｓ８５の処理が繰り返し実行される。
【０１４６】
一方、ステップＳ８５において、基準領域と比較していない皮丘領域が残っていないと判定された場合、処理はステップＳ８６に進む。
【０１４７】
ステップＳ８６において、表皮形状分布解析部１７２は、基準領域に設定していない皮丘領域が残っているか否かを判定する。基準領域に設定していない皮丘領域が残っていると判定された場合、処理はステップＳ８１に戻る。
【０１４８】
その後、ステップＳ８６において、基準領域に設定していない皮丘領域が残っていないと判定されるまで、ステップＳ８１乃至Ｓ８６の処理が繰り返し実行される。これにより、全ての皮丘領域の組み合わせについて相違度が算出され、さらに、相違度の累積加算値が算出される。
【０１４９】
一方、ステップＳ８６において、基準領域に設定していない皮丘領域が残っていないと判定された場合、処理はステップＳ８７に進む。
【０１５０】
ステップＳ８７において、表皮形状分布解析部１７２は、次式（１１）により、相違度の平均Diffavgを算出する。
【０１５１】
【数１２】
【０１５２】
なお、Ri、Rjは、それぞれラベルｉおよびラベルｊの皮丘領域を表す。従って、式（１１）の右辺の分母は、全ての皮丘領域の組み合わせの形状の相違度の累積加算値となる。また、Ncompは、次式（１２）により求められ、皮丘領域の形状の比較数を表す。
【０１５３】
【数１３】
【０１５４】
ステップＳ８８において、表皮形状分布解析部１７２は、評価値を算出する。具体的には、表皮形状分布解析部１７２は、図１３に示される正規化カーブにより、相違度の平均Diffavgを0から1の範囲内に正規化した表皮形状分布評価値Eevalshapeを算出する。ここで、図中、Shape_th_minおよびShape_th_maxは、それぞれ正規化カーブを決定する閾値である。
【０１５５】
表皮形状分布評価値Eevalshapeは、皮丘領域の形状の相違度の平均Diffavgが小さくなるほど大きくなる。すなわち、表皮形状分布評価値Eevalshapeは、皮丘領域の形状のバラツキが小さくなるほど大きくなる。従って、表皮形状分布評価値Eevalshapeは、皮丘領域の形状の均一性を表す指標となる。
【０１５６】
表皮形状分布解析部１７２は、表皮形状分布評価値Eevalshapeをきめ評価部１２４に供給する。
【０１５７】
その後、表皮形状分布解析処理１は終了する。
【０１５８】
図９に戻り、ステップＳ６３において、表皮形状分布解析部１７３は、表皮形状分布解析処理２を行う。
【０１５９】
［表皮形状分布解析処理２］
ここで、図１４のフローチャートを参照して、ステップＳ６３の表皮形状分布解析処理２の詳細について説明する。
【０１６０】
ステップＳ１０１において、表皮形状分布解析部１７３は、参照形状を選択する。
【０１６１】
皮丘の形状は、一般的に三角形、または菱形が理想的とされている。一方、二股以上に分かれているような形状、細長い形状のものは、理想的でないと考えられる。
【０１６２】
そこで、表皮形状分布解析部１７３は、例えば、図１５に示されるShape0乃至Shape3を参照形状に設定する。参照形状Shape0およびShape1は、それぞれ三角形および菱形とされ、理想的な皮丘の形状に近い。一方、参照形状Shape2およびShape3は、二股に分かれた形状および細長い形状であり、理想的でない皮丘の形状に近い。
【０１６３】
そして、表皮形状分布解析部１７３は、まだ皮丘領域との比較を行っていない参照形状を１つ選択する。
【０１６４】
ステップＳ１０２において、表皮形状分布解析部１７３は、比較領域を選択する。すなわち、表皮形状分布解析部１７２は、まだ参照形状との比較を行っていない皮丘領域を１つ選択し、比較領域に設定する。
【０１６５】
ステップＳ１０３において、表皮形状分布解析部１７３は、参照形状と比較領域の形状の相違度を算出する。なお、ここでの相違度の算出には、上述した図１２のステップＳ８３における、皮丘領域の基準領域と比較領域の相違度の算出と同様の方法が用いられる。
【０１６６】
ステップＳ１０４において、表皮形状分布解析部１７３は、相違度を積算する。すなわち、表皮形状分布解析部１７３は、現在の参照形状に対する各皮丘領域の相違度のこれまでの積算値に、新たに算出した相違度を加算する。
【０１６７】
ステップＳ１０５において、表皮形状分布解析部１７３は、現在の参照形状と比較していない皮丘領域が残っているか否かを判定する。現在の参照形状と比較していない皮丘領域が残っていると判定された場合、処理はステップＳ１０２に戻る。
【０１６８】
その後、ステップＳ１０５において、現在の参照形状と比較していない皮丘領域が残っていないと判定されるまで、ステップＳ１０２乃至Ｓ１０５の処理が繰り返し実行される。
【０１６９】
一方、ステップＳ１０５において、現在の参照形状と比較していない皮丘領域が残っていないと判定された場合、処理はステップＳ１０６に進む。
【０１７０】
ステップＳ１０６において、表皮形状分布解析部１７３は、比較していない参照形状が残っているか否かを判定する。比較していない参照形状が残っていると判定された場合、処理はステップＳ１０１に戻る。
【０１７１】
その後、ステップＳ１０６において、比較していない参照形状が残っていないと判定されるまで、ステップＳ１０１乃至Ｓ１０６の処理が繰り返し実行される。これにより、次式（１３）に示されるように、各参照形状について、各皮丘領域との形状の相違度の累積加算値Diffiが算出される。
【０１７２】
【数１４】
【０１７３】
なお、Siは、IDの値がiの参照形状を表す。
【０１７４】
一方、ステップＳ１０６において、比較していない参照形状が残っていないと判定された場合、処理はステップＳ１０７に進む。
【０１７５】
ステップＳ１０７において、表皮形状分布解析部１７３は、皮丘領域の形状の割合を算出する。具体的には、表皮形状分布解析部１７３は、次式（１４）により、皮丘領域の形状の割合を示す表皮形状分布情報ShapeRatioiを算出する。
【０１７６】
【数１５】
【０１７７】
ここで、NRSは参照形状の総数を表している。
【０１７８】
従って、表皮形状分布情報ShapeRatioiは、IDの値がiの参照形状に近い形状を有する皮丘領域の割合を示す。
【０１７９】
表皮形状分布解析部１７２は、表皮形状分布情報ShapeRatioiをきめ評価部１２４に供給する。
【０１８０】
その後、表皮形状分布解析処理２は終了する。
【０１８１】
図９に戻り、ステップＳ６４において、表皮方向性解析部１７４は、表皮パターンの方向性を解析する。
【０１８２】
具体的には、表皮方向性解析部１７４の４方向フィルタリング部１８１は、例えば、次式（１５ａ）乃至（１５ｄ）に示される４方向のフィルタｆ0乃至f3を、式（１６）に示すように、ノイズ除去表皮画像にそれぞれ適用する。
【０１８３】
【数１６】
【０１８４】
なお、フィルタｆ0は0度方向（水平方向）、フィルタｆ1は45度方向、フィルタｆ2は90度方向（垂直方向）、フィルタｆ3は135度方向のエッジ抽出フィルタである。また、ILPFは、ノイズ除去表皮画像を表し、IHPFiは、ノイズ除去表皮画像ILPFにフィルタfiを適用することにより得られるフィルタ出力画像を表す。
【０１８５】
４方向フィルタリング部１８１は、フィルタ出力画像IHPFiを絶対値和積算部１８２に供給する。
【０１８６】
次に、絶対値和積算部１８２は、次式（１７）により、各フィルタ出力画像IHPFiについて、画像内の画素値IHPFi(x,y)の絶対値和Siを算出する。
【０１８７】
【数１７】
【０１８８】
絶対値和積算部１８２は、得られた絶対値和siを加算部１８３および除算部１８４に供給する。
【０１８９】
加算部１８３は、絶対値和siを積算し、得られた積算値Σsiを除算部１８４に供給する。
【０１９０】
除算部１８４は、各絶対値和siをそれぞれ積算値Σsiで除算し、得られた値si／Σsiを評価値算出部１８５に供給する。
【０１９１】
そして、評価値算出部１８５は、次式（１８）により、表皮方向性評価値Eevaldirectionを算出する。
【０１９２】
【数１８】
【０１９３】
なお、gainはゲイン値であり、所定の値に設定される。
【０１９４】
ここで、皮丘領域のエッジ方向が縦、横、斜め（0度、45度、90度、135度）の４方向に均一に分布している場合、si/Σsiは、それぞれ１／４となり、表皮方向性評価値Eevaldirectionは１となる。一方、皮丘領域のエッジ方向が４方向に均一に分布していない場合、si/Σsiのうち少なくとも１つが１／４とならないため、表皮方向性評価値Eevaldirectionは1よりよりも小さくなる。従って、表皮方向性評価値Eevalshapeは、皮丘領域のエッジ方向の分布の均一性を表す指標となる。
【０１９５】
評価値算出部１８５は、表皮方向性評価値Eevaldirectionをきめ評価部１２４に供給する。
【０１９６】
その後、後天的要素解析処理は終了する。
【０１９７】
図５に戻り、ステップＳ５において、きめ評価部１２４は、きめ評価値を算出する。
【０１９８】
例えば、きめ評価部１２４は、次式（１９）により、きめ評価値eval1totalを算出する。
【０１９９】
eval1total＝Eevalsize×Eevalshape×Eevaldirection ・・・（１９）
【０２００】
きめ評価値eval1totalは、皮丘のサイズの均一性、皮丘の形状の均一性、皮丘の方向の分布の均一性がそれぞれ高いほど、すなわち、きめが全体的に整っているほど（きめの均一性が高いほど）大きくなる。また、皮丘のサイズの均一性、皮丘の形状の均一性、皮丘の方向の分布の均一性は、加齢、健康状態、手入れの状態等により後天的に変化する。従って、きめ評価値eval1totalは、後天的に変化する肌のきめの均一性を評価する指標となる。
【０２０１】
このきめの均一性は、きめの細かさと同様に、肌の美観に大きく影響する。すなわち、きめが細かくても、きめが全体的に整っていなければ、肌の見た目が悪くなる一方、きめが細かくなくても、きめが全体的に整っていれば、肌の見た目が良くなる。
【０２０２】
また、きめ評価値eval1totalの代わりに、あるいは、きめ評価値eval1totalとともに、次式（２０）により、きめ評価値eval2totalを算出するようにしてもよい。
【０２０３】
eval2total＝Eevalsize×Eevalshape×Eevaldirection×ShapeRatioideal ・・・（２０）
【０２０４】
ShapeRatioidealは、例えば、次式（２１）により算出される。
【０２０５】
ShapeRatioideal＝ShapeRatio0×ShapeRatio1 ・・・（２１）
【０２０６】
ShapeRatio0は図１５の三角形の参照形状Shape0に対するShapeRatioであり、ShapeRatio1は図１５の菱形の参照形状Shape1に対するShapeRatioである。すなわち、ShapeRatioidealは、皮丘領域が理想的な形状とされる三角形または菱形の形状を有する割合を示している。
【０２０７】
従って、eval2totalは、きめの均一性に加えて、理想的な形状の皮丘の割合が高いほど大きくなる。ゆえに、きめ評価値eval2totalは、きめ評価値eval1totalと比較して、肌のきめ状態に影響を与える後天的な要素をより詳細に評価する指標となる。
【０２０８】
そして、きめ評価部１２４は、肌のきめの状態の評価結果を評価結果提示部１２５に供給する。このとき、きめ評価部１２４は、きめ評価値eval1totalおよびきめ評価値eval2totalだけでなく、それらの算出に用いた各評価値も評価結果提示部１２５に供給する。
【０２０９】
ステップＳ６において、評価結果提示部１２５は、評価結果を提示する。なお、評価結果の提示方法の具体例については、本技術の第２の実施の形態で説明する。
【０２１０】
その後、きめ評価処理は終了する。
【０２１１】
以上のようにして、肌のきめの状態を示す後天的要素であるきめの均一性、および、皮丘の形状に基づいて、肌のきめの状態を評価することができる。その結果、より正確に肌のきめの状態を評価することができる。
【０２１２】
＜２．第２の実施の形態＞
次に、図１６乃至図２３を参照して、本技術の第２の実施の形態について説明する。第２の実施の形態では、後天的要素だけでなく先天的要素を解析して、肌のきめの状態を評価する。
【０２１３】
［画像処理システム２０１の構成例］
図１６は、本技術を適用した画像処理システムの第２の実施の形態である画像処理システム２０１の構成例を示すブロック図である。なお、図中、図１と対応する部分には同じ符号を付してあり、処理が同じ部分については、その説明は繰り返しになるので適宜省略する。
【０２１４】
画像処理システム２０１は、図１の画像処理システム１０１と比較して、画像処理部１１２の代わりに画像処理部２１１が設けられている点が異なる。また、画像処理部２１１は、画像処理部１１２と比較して、先天的要素解析部２２１が追加され、きめ評価部１２４および評価結果提示部１２５の代わりに、きめ評価部２２２および評価結果提示部２２３が設けられている点が異なる。
【０２１５】
先天的要素解析部２２１は、後述するように、表皮パターン検出結果に基づいて、肌のきめの状態を示す要素のうち先天的な要素の解析を行う。先天的要素解析部２２１は、解析結果をきめ評価部２２２に供給する。
【０２１６】
きめ評価部２２２は、後天的要素解析部１２３による解析結果、および、先天的要素解析部２２１による解析結果に基づいて、被評価者の肌のきめの状態を評価し、評価結果を評価結果提示部２２３に供給する。
【０２１７】
評価結果提示部２２３は、被評価者の肌のきめの状態の評価結果を示す情報を表示部１１３に表示させる。
【０２１８】
［先天的要素解析部２２１の構成例］
図１７は、先天的要素解析部２２１の構成例示すブロック図である。
【０２１９】
先天的要素解析部２２１は、皮丘数解析部２４１を含むように構成される。
【０２２０】
皮丘数解析部２４１は、表皮パターン検出部１２２のラベリング処理部１５２から表皮パターン検出結果を取得する。そして、皮丘数解析部２４１は、表皮パターン検出結果に含まれる皮丘数Nridgeに基づいて、肌のきめの細かさを示す指標となる皮丘数評価値を算出する。皮丘数解析部２４１は、算出した皮丘数評価値をきめ評価部２２２に供給する。
【０２２１】
なお、皮丘数Nridgeは、先天的なものであり、加齢、健康状態、肌の手入れ等による変化が小さいことが知られている。従って、皮丘数評価値は、肌のきめの状態の先天的性質を評価するための指標となる。
【０２２２】
［きめ評価処理］
次に、図１８のフローチャートを参照して、画像処理システム２０１により実行されるきめ評価処理について説明する。
【０２２３】
なお、この処理は、例えば、画像処理システム２０１の図示せぬ入力部を介して、きめ評価処理の実行の指令が入力されたとき開始される。
【０２２４】
ステップＳ２０１乃至Ｓ２０４の処理は、図５のステップＳ１乃至Ｓ４の処理と同様であり、その説明は繰り返しになるので省略する。
【０２２５】
ステップＳ２０５において、先天的要素解析部２２１は、先天的要素解析処理を行う。
【０２２６】
［先天的要素解析処理］
ここで、図１９のフローチャートを参照して、先天的要素解析処理の詳細について説明する。
【０２２７】
ステップＳ２２１において、先天的要素解析部２２１の皮丘数解析部２４１は、皮丘数を解析する。具体的には、皮丘数解析部２４１は、表皮パターン検出部１２２のラベリング処理部１５２により検出された皮丘数Nridgeを、図２０に示される正規化カーブにより、0から1の範囲内に正規化した皮丘数評価値Eevalnumを算出する。ここで、図中、Num_th_minおよびNum_th_maxは、それぞれ正規化カーブを決定する閾値である。
【０２２８】
皮丘数評価値Eevalnumは、皮丘数Nridgeが大きくなるほど大きくなる。また、皮丘数Nridgeは、表皮画像内の皮丘数（すなわち、単位面積当たりの皮丘数）を表すので、皮丘数Nridgeが大きくなるほど、肌のきめが細かいと言える。従って、皮丘数評価値Eevalnumは、肌のきめの細かさを表す指標となる。
【０２２９】
皮丘数解析部２４１は、皮丘数評価値Eevalnumをきめ評価部２２２に供給する。
【０２３０】
その後、先天的要素解析処理は終了する。
【０２３１】
図１８に戻り、ステップＳ２０６において、きめ評価部２２２は、きめ評価値を算出する。
【０２３２】
例えば、きめ評価部２２２は、次式（２２）により、きめ評価値eval3totalを算出する。
【０２３３】
eval3total＝αinherent×Eevalnum＋（1−αinherent）×eval1total ・・・（２２）
【０２３４】
なお、αinherentは、肌のきめの状態に先天的要素が影響を及ぼす割合を示す重みであり、0〜1の範囲内で設定される。なお、この重みαinherentは、例えば、性別、人種、年齢など重みαinherentに影響を及ぼすと推定される要素に応じて、適切な値に自動設定されるようにすることが望ましい。
【０２３５】
また、式（２２）のきめ評価値eval1totalは、上述したように、式（１９）に基づいて算出される。
【０２３６】
きめ評価値eval3totalは、肌のきめの状態の後天的性質だけでなく、きめの細かさという先天的性質も評価した値になる。従って、きめ評価値eval3totalは、きめ評価値eval1totalと比較して、肌のきめの状態をより詳細に評価する指標となる。
【０２３７】
なお、式（２２）において、きめ評価値eval1totalの代わりに、式（２０）のきめ評価値eval2totalを用いるようにしてもよい。
【０２３８】
そして、きめ評価部２２２は、肌のきめの状態の評価結果を評価結果提示部２２３に供給する。このとき、きめ評価部２２２は、きめ評価値eval3totalだけでなく、きめ評価値eval3totalの算出に用いた各評価値も評価結果提示部２２３に供給する。
【０２３９】
ステップＳ２０７において、評価結果提示部２２３は、評価結果を提示する。
【０２４０】
例えば、評価結果提示部２２３は、図２１に示される画面を表示部１１３に表示させる。この例では、前回と今回の皮丘のサイズの均一性、皮丘の形状の均一性、皮丘の方向の分布の均一性、並びに、きめの細かさの評価値を個々に比較して示すレーダチャートが示されている。このレーダチャートの値には、表皮サイズ分布評価値Eevalsize、表皮形状分布評価値Eevalshape、表皮方向性評価値Eevaldirection、皮丘数評価値Eevalnumが、それぞれ用いられる。
【０２４１】
また、この例では、前回と今回の肌のきめの状態の総合判定の変化が示されている。この総合判定値は、例えば、図２２に示される表を用いて、きめ評価値eval3totalに基づいて決定される。すなわち、きめ評価値eval3totalが大きくなるほど、高い評価が与えられる。
【０２４２】
これにより、被評価者は、自分の肌の状態を瞬時に知ることができ、なおかつ、前回の評価時からの変化も知ることができる。
【０２４３】
また、図２３に示されるように、表皮形状分布情報ShapeRatioiに基づいて、皮丘の形状の分布を示す円グラフを、あわせて提示するようにしてもよい。
【０２４４】
その後、きめ評価処理は終了する。
【０２４５】
以上のようにして、肌のきめの状態の後天的性質と先天的性質を分けて評価することができる。また、後天的性質と先天的性質の両方に基づいて、より詳細に肌のきめの状態を評価することができる。その結果、より正確に肌のきめの状態を評価することができる。
【０２４６】
＜３．第３の実施の形態＞
次に、図２４乃至図２９を参照して、本技術の第３の実施の形態について説明する。第３の実施の形態では、表皮だけでなく真皮の状態も解析して、肌のきめの状態を評価する。
【０２４７】
［画像処理システム３０１の構成例］
図２４は、本技術を適用した画像処理システムの第３の実施の形態である画像処理システム３０１の構成例を示すブロック図である。なお、図中、図１６と対応する部分には同じ符号を付してあり、処理が同じ部分については、その説明は繰り返しになるため省略する。
【０２４８】
画像処理システム３０１は、後述するように、表皮のパターンだけでなく、真皮のパターンも検出して、肌の評価を行う。
【０２４９】
［画像処理システム３０１の構成例］
図２４は、本技術を適用した画像処理システムの第３の実施の形態である画像処理システム３０１の構成例を示すブロック図である。なお、図中、図１６と対応する部分には同じ符号を付してあり、処理が同じ部分については、その説明は繰り返しになるので適宜省略する。
【０２５０】
画像処理システム３０１は、図１６の画像処理システム２０１と比較して、真皮画像撮像部３１１が追加され、画像処理部２１１の代わりに画像処理部３１２が設けられている点が異なる。また、画像処理部３１２は、画像処理部２１１と比較して、真皮画像処理部３２１および真皮パターン検出部３２２が追加され、先天的要素解析部２２１、きめ評価部２２２および評価結果提示部２２３の代わりに、先天的要素解析部３２３、きめ評価部３２４および評価結果提示部３２５が設けられている点が異なる。
【０２５１】
真皮画像撮像部３１１は、後述するように、被評価者の肌の真皮を撮影し、その結果得られた真皮画像を画像処理部３１２の真皮画像処理部３２１に供給する。
【０２５２】
真皮画像処理部３２１は、図２に示される表皮画像処理部１２１と同様の構成を有している。従って、真皮画像処理部３２１は、真皮画像に対して画像補正、単一チャネルの抽出、および、ノイズ除去を行う。そして、真皮画像処理部３２１は、その結果得られたノイズ除去真皮画像を、真皮パターン検出部３２２および先天的要素解析部３２３に供給する。
【０２５３】
真皮パターン検出部３２２は、図２に示される表皮パターン検出部１２２と同様の構成を有している。従って、真皮パターン検出部３２２は、ノイズ除去真皮画像に対して２値化処理およびラベリング処理を行い、真皮画像内の真皮のパターン（以下、真皮パターンと称する）を検出する。
【０２５４】
ここで、図２５を参照して、真皮パターン検出部３２２により検出される真皮パターンの例について説明する。
【０２５５】
図２５は、人の肌の皮膚組織の断面を示す模式図である。
【０２５６】
皮膚組織は、大別して表皮３５１と真皮３５２とからなる。表皮３５１は、角質層３６１、透明層３６２、顆粒層３６３、有棘層３６４、基底層３６５、および、基底膜３６６から構成される。一方、真皮３５２は、乳頭層３７１、乳頭下層３７２、および、網状層（不図示）から構成される。
【０２５７】
表皮３５１と真皮３５２とでは、構成する組織が異なり、例えば、真皮３５２には、コラーゲンや弾性繊維等の表皮３５１には存在しない組織が存在する。従って、表皮３５１と真皮３５２とでは、光学特性が異なる。例えば、表皮３５１は、可視光の赤や近赤外線よりも長波長の帯域の光に対する透過性が高い一方、真皮３５２は、同じ波長帯の光に対する透過性が低い。
【０２５８】
真皮画像撮像部３１１は、後述するように、この表皮３５１と真皮３５２の光学特性の違いを利用して、真皮３５２を撮影する。そして、真皮パターン検出部３２２は、基底膜３６６により表皮組織と接する組織である乳頭層３７１により主に構成される凹凸状の隆起パターンの領域（以下、乳頭層領域と称する）を真皮パターンとして検出する。
【０２５９】
また、真皮パターン検出部３２２は、真皮画像内の乳頭層領域の数（以下、真皮パターン数と称する）をカウントする。そして、真皮パターン検出部３２２は、乳頭層領域および真皮パターン数の検出結果を示す真皮パターン検出結果を先天的要素解析部３２３に供給する。
【０２６０】
先天的要素解析部３２３は、後述するように、表皮パターン検出結果および真皮パターン検出結果に基づいて、肌のきめの状態を示す要素のうち先天的な要素の解析を行う。先天的要素解析部３２３は、解析結果をきめ評価部３２４に供給する。
【０２６１】
きめ評価部３２４は、後天的要素解析部１２３による解析結果、および、先天的要素解析部３２３による解析結果に基づいて、被評価者の肌のきめの状態を評価し、評価結果を評価結果提示部３２５に供給する。
【０２６２】
評価結果提示部３２５は、被評価者の肌のきめの状態の評価結果を示す情報を表示部１１３に表示させる。
【０２６３】
［真皮画像撮像部３１１の構成例］
図２６は、真皮画像撮像部３１１の構成例を示している。
【０２６４】
真皮画像撮像部３１１は、照射光学系として、光源４０１及び光学レンズ４０２、および、照射部偏光板４０３を備える。光源４０１には、例えば、LED等、任意の光源を用いることができる。ただし、光源４０１としては、表皮を透過して真皮で散乱される近赤外線等の長波長光を発する光源を用いることが好ましい。これにより、表皮下の組織における散乱や複屈折等の光学特性を利用して組織のパターンを得ることが可能となる。
【０２６５】
また、真皮画像撮像部３１１は、結像光学系として、受光素子である撮像素子（例えば、CCDイメージセンサ、CMOSイメージセンサ等）４０４、結像レンズ群４０５、および、受光部偏光板４０６を備える。さらに、上記照射光学系と結像光学系の間の光路には、ハーフミラー４０７が配されており、上記照射光学系と結像光学系とは互いに直交して配置されている。
【０２６６】
真皮画像撮像部３１１において、光源４０１からの照射光は、照射部偏光板４０３により振動方向が一方向に制限されて皮膚に照射される。また、結像光学系には受光部偏光板４０６が配置されているが、これは振動方向が照射部偏光板４０３とは直交するように構成されている。したがって、表皮組織での単純な反射光は、振動方向が受光部偏光板４０６とは直交することになり、受光部偏光板４０６によって遮蔽される。
【０２６７】
照射光学系から皮膚に照射された照射光は、皮膚深層組織（例えば真皮組織）にまで達し、様々な組織により散乱や複屈折が生じ、それにより偏光が解消される。これらは、後方散乱光としてハーフミラー４０７を透過して上記結像光学系へと導かれるが、上記の通り偏光が解消されているため受光部偏光板４０６を透過し、撮像素子４０４まで到達する。
【０２６８】
これにより、表皮組織での反射・散乱光と、複屈折組織（真皮組織）を経由した位相の異なる光を分離し、真皮の凹凸隆起状のパターンを撮影することができる。
【０２６９】
そして、撮像素子４０４は、得られた真皮画像を真皮画像処理部３２１に供給する。
【０２７０】
［先天的要素解析部３２３の構成例］
図２７は、先天的要素解析部３２３の構成例を示すブロック図である。なお、図中、図１７と対応する部分には同じ符号を付してあり、処理が同じ部分については、その説明は繰り返しになるので適宜省略する。
【０２７１】
先天的要素解析部３２３は、図１７の先天的要素解析部２２１と比較して、真皮パターン数解析部４２１、真皮サイズ分布解析部４２２、真皮形状分布解析部４２３、および、真皮方向性解析部４２４が追加されている点が異なる。
【０２７２】
真皮パターン数解析部４２１は、真皮パターン検出結果に基づいて、皮丘数解析部２４１と同様の処理を行う。すなわち、真皮パターン数解析部４２１は、真皮パターン検出結果に含まれる真皮パターン数に基づいて、肌のきめの細かさを示す指標となる真皮パターン数評価値を算出する。真皮パターン数解析部４２１は、算出した真皮パターン数評価値をきめ評価部３２４に供給する。
【０２７３】
真皮サイズ分布解析部４２２は、真皮パターン検出結果に基づいて、図３の後天的要素解析部１２３の表皮サイズ分布解析部１７１と同様の処理を行うことにより、真皮パターンのサイズの分布を解析する。より具体的には、真皮サイズ分布解析部４２２は、乳頭層領域のサイズの分布を解析し、乳頭層領域のサイズの均一性を表す真皮サイズ分布評価値を算出する。真皮サイズ分布解析部４２２は、算出した真皮サイズ分布評価値をきめ評価部３２４に供給する。
【０２７４】
真皮形状分布解析部４２３は、真皮パターン検出結果に基づいて、図３の後天的要素解析部１２３の表皮形状分布解析部１７２と同様の処理を行うことにより、真皮パターンの形状の分布を解析する。より具体的には、真皮形状分布解析部４２３は、乳頭層領域の形状の分布を解析し、乳頭層領域の形状の均一性を表す真皮形状分布評価値を算出する。真皮形状分布解析部４２３は、算出した真皮形状分布評価値をきめ評価部３２４に供給する。
【０２７５】
真皮方向性解析部４２４は、ノイズ除去真皮画像に基づいて、図３の後天的要素解析部１２３の表皮方向性解析部１７４と同様の処理を行うことにより、真皮パターンの方向性を解析する。より具体的には、真皮方向性解析部４２４は、乳頭層領域のエッジ方向の分布を解析し、乳頭層領域のエッジ方向の分布の均一性を表す真皮方向性評価値を算出する。真皮方向性解析部４２４は、算出した真皮方向性評価値をきめ評価部１２４に供給する。
【０２７６】
なお、乳頭層等により形成される真皮パターンは、先天的に備わる要素が多く、加齢、健康状態、肌の手入れ等による変化が少ないことが知られている。従って、真皮パターン数評価値、真皮サイズ分布評価値、真皮形状分布評価値、および、真皮方向性評価値は、肌のきめの状態の先天的性質を評価するための指標となる。
【０２７７】
［きめ評価処理］
次に、図２８のフローチャートを参照して、画像処理システム３０１により実行されるきめ評価処理について説明する。
【０２７８】
なお、この処理は、例えば、画像処理システム３０１の図示せぬ入力部を介して、きめ評価処理の実行の指令が入力されたとき開始される。
【０２７９】
ステップＳ３０１において、図５のステップＳ１の処理と同様に、表皮画像が撮影される。
【０２８０】
ステップＳ３０２において、真皮画像撮像部３１１は、真皮画像を撮影する。すなわち、真皮画像撮像部３１１は、図２６を参照して上述したように、被評価者の肌の真皮を撮影し、その結果得られた真皮画像を真皮画像処理部３２１に供給する。
【０２８１】
なお、表皮画像と真皮画像の撮影間隔は、できるだけ短い時間に設定するとともに、表皮画像と真皮画像の撮影範囲をほぼ一致するように設定することが望ましい。また、表皮画像と真皮画像の撮影順を逆にしてもよい。
【０２８２】
ステップＳ３０３乃至Ｓ３０５において、図５のステップＳ２乃至Ｓ４と同様の処理が行われる。これらの処理により、表皮サイズ分布評価値Eevalsize、表皮形状分布評価値Eevalshape、表皮形状分布情報ShapeRatioi、表皮方向性評価値Eevaldirection、および、皮丘数Nridgeが求められ、きめ評価部３２４に供給される。
【０２８３】
ステップＳ３０６において、真皮画像処理部３２１は、真皮画像処理を実行する。すなわち、真皮画像処理部３２１は、上述した図５のステップＳ２において表皮画像処理部１２１が表皮画像に対して行うのと同様の処理を、真皮画像に対して行う。そして、真皮画像処理部３２１は、その結果得られたノイズ除去真皮画像を、真皮パターン検出部３２２および先天的要素解析部３２３に供給する。
【０２８４】
ステップＳ３０７において、真皮パターン検出部３２２は、真皮パターン検出処理を実行する。すなわち、真皮パターン検出部３２２は、上述した図５のステップＳ３において表皮パターン検出部１２２がノイズ除去表皮画像に対して行うのと同様の処理を、ノイズ除去真皮画像に対して行う。
【０２８５】
これにより、真皮パターン検出部３２２は、ノイズ除去真皮画像から複数の乳頭層領域を検出する。また、真皮パターン検出部３２２は、真皮画像内の乳頭層領域の数である真皮パターン数Ndermisをカウントする。真皮パターン検出部３２２は、乳頭層領域および真皮パターン数Ndermisの検出結果を示す真皮パターン検出結果を先天的要素解析部３２３に供給する。
【０２８６】
ステップＳ３０８において、先天的要素解析部３２３は、先天的要素解析処理を行う。
【０２８７】
［先天的要素解析処理］
ここで、図２９のフローチャートを参照して、先天的要素解析処理の詳細について説明する。
【０２８８】
ステップＳ３３１において、上述した図１９のステップＳ２２１の処理と同様に、皮丘数が解析される。そして、皮丘数解析部２４１は、皮丘数評価値Eevalnumをきめ評価部３２４に供給する。
【０２８９】
ステップＳ３３２において、真皮パターン数解析部４２１は、真皮パターン数を解析する。具体的には、真皮パターン数解析部４２１は、図１９のステップＳ２２１において、皮丘数解析部２４１が皮丘数評価値Eevalnumを算出する場合と同様の処理により、真皮パターン数Ndermisを用いて、真皮パターン数評価値Devalnumを算出する。
【０２９０】
従って、真皮パターン数評価値Devalnumは、皮丘数評価値Eevalnumと同様に、真皮パターン数Ndermisが大きくなるほど大きくなる。また、真皮パターン数Ndermisは、真皮画像内の真皮パターン数（すなわち、単位面積当たりの真皮パターン数）を表すので、真皮パターン数Ndermisが大きくなるほど、肌のきめが細かいと言える。従って、真皮パターン数評価値Devalnumは、肌のきめの細かさを表す指標となる。
【０２９１】
真皮パターン数解析部４２１は、真皮パターン数評価値Devalnumをきめ評価部３２４に供給する。
【０２９２】
ステップＳ３３３において、真皮サイズ分布解析部４２２は、真皮パターンのサイズの分布を解析する。具体的には、真皮サイズ分布解析部４２２は、図９のステップＳ６１において、表皮サイズ分布解析部１７１が、表皮サイズ分布評価値Eevalsizeを算出する場合と同様の処理により、乳頭層領域の検出結果に基づいて、真皮サイズ分布評価値Devalsizeを算出する。
【０２９３】
従って、真皮サイズ分布評価値Devalsizeは、表皮サイズ分布評価値Eevalsizeと同様に、乳頭層領域のサイズの分散が小さくなるほど大きくなる。すなわち、真皮サイズ分布評価値Devalsizeは、乳頭層領域のサイズのバラツキが小さくなるほど大きくなる。従って、真皮サイズ分布評価値Devalsizeは、乳頭層領域のサイズの均一性を表す指標となる。
【０２９４】
真皮サイズ分布解析部４２２は、真皮サイズ分布評価値Devalsizeをきめ評価部３２４に供給する。
【０２９５】
ステップＳ３３４において、真皮形状分布解析部４２３は、真皮形状分布解析処理を実行する。具体的には、真皮形状分布解析部４２３は、図１２の表皮形状分布解析処理１において、表皮形状分布解析部１７２が、表皮形状分布評価値Eevalshapeを算出する場合と同様の処理により、乳頭層領域の検出結果に基づいて、真皮形状分布評価値Devalshapeを算出する。
【０２９６】
従って、真皮形状分布評価値Devalshapeは、表皮形状分布評価値Eevalshapeと同様に、乳頭層領域の形状のバラツキが小さくなるほど大きくなる。従って、真皮形状分布評価値Devalshapeは、乳頭層領域の形状の均一性を表す指標となる。
【０２９７】
真皮形状分布解析部４２３は、真皮形状分布評価値Devalshapeをきめ評価部３２４に供給する。
【０２９８】
ステップＳ３３５において、真皮方向性解析部４２４は、真皮パターンの方向性を解析する。具体的には、真皮方向性解析部４２４は、図９のステップＳ６４において、表皮方向性解析部１７４が表皮方向性評価値Eevaldirectionを算出する場合と同様の処理により、ノイズ除去真皮画像に基づいて、真皮方向性評価値Devaldirectionを算出する。
【０２９９】
従って、真皮方向性評価値Devaldirectionは、表皮方向性評価値Eevaldirectionと同様に、乳頭層領域のエッジ方向が、縦、横、斜め（0度、45度、90度、135度）の４方向に均一に分布しているほど大きくなる。従って、真皮方向性評価値Devaldirectionは、乳頭層領域のエッジ方向の分布の均一性を表す指標となる。
【０３００】
真皮方向性解析部４２４は、真皮方向性評価値Devaldirectionをきめ評価部３２４に供給する。
【０３０１】
図２８に戻り、ステップＳ３０９において、きめ評価部３２４は、きめ評価値を算出する。
【０３０２】
例えば、きめ評価部３２４は、次式（２３）により、きめ評価値eval4totalを算出する。
【０３０３】
eval4total＝αinherent×Eevalnum×Devalnum×Devalsize×Devalshape×Devaldirection
＋（1−αinherent）×eval1total ・・・（２３）
【０３０４】
なお、αinherentおよびeval1totalは、上述した式（２２）と同じものである。
【０３０５】
きめ評価値eval4totalは、式（２２）のきめ評価値eval3totalと比較して、表皮の状態だけでなく、真皮の状態も評価した値になる。従って、きめ評価値eval4totalは、きめ評価値eval3totalと比較して、肌のきめの状態をより詳細に評価する指標となる。
【０３０６】
なお、式（２３）において、きめ評価値eval1totalの代わりに、式（２０）のきめ評価値eval2totalを用いるようにしてもよい。
【０３０７】
そして、きめ評価部３２４は、肌のきめの状態の評価結果を評価結果提示部２２３に供給する。このとき、きめ評価部３２４は、きめ評価値eval4totalだけでなく、きめ評価値eval4totalの算出に用いた各評価値も評価結果提示部３２５に供給する。
【０３０８】
ステップＳ３０７において、図１８のステップＳ２０７の処理と同様に、評価結果が提示される。
【０３０９】
その後、きめ評価処理は終了する。
【０３１０】
以上のようにして、表皮の状態に加えて、真皮の状態に基づいて、より詳細に肌のきめの状態を評価することができる。その結果、より正確に肌のきめの状態を評価することができる。
【０３１１】
＜４．変形例＞
以下、本技術の実施の形態の変形例について説明する。
【０３１２】
［変形例１］
皮丘領域または乳頭層領域の形状の相違度（あるいは、類似度）を算出する方法は、図１２等を参照して上述した方法に限定されるものではなく、任意の方法を採用することができる。例えば、以下に説明するように、DPマッチングを用いて、形状の類似度を算出するようにすることが可能である。
【０３１３】
まず、領域Ａに対し輪郭抽出、細線化、ベクトル化を行い、次式（２４）および（２５）に示されるベクトル特徴量Ａを求める。
【０３１４】
A＝｛a1, a2, ・・・, am｝ ・・・（２４）
ai＝（xis, yis, xie, yie） ・・・（２５）
【０３１５】
なお、xisおよびyisは、ベクトルaiの始点の座標を示し、xieおよびyieは、ベクトルaiの終点の座標を示している。
【０３１６】
また、領域Ａと比較する領域Ｂに対しても同様の処理を行い、次式（２６）および（２７）に示されるベクトル特徴量Ｂを求める。
【０３１７】
B＝{b1, b2, ・・・, bm} ・・・（２６）
bj＝(xjs, yjs, xje, yje) ・・・（２７）
【０３１８】
なお、xjsおよびyjsは、ベクトルbjの始点の座標を示し、xjeおよびyjeは、ベクトルbjの終点の座標を示している。
【０３１９】
次に、領域Ａの１成分ベクトルaiと領域Ｂの１成分ベクトルbjとの間の類似度h(ai, bj)を、次式（２８）および（２９）により算出する。
【０３２０】
【数１９】
【０３２１】
そして、例えば、次式（３０）により、領域Ａと領域Ｂの類似度S(A,B)を算出する。
【０３２２】
【数２０】
【０３２３】
例えば、この類似度S(A,B)を、上述した式（９ａ）乃至（９ｃ）により算出される相違度D(A,B)の代わりに用いることが可能である。
【０３２４】
［変形例２］
図１４の表皮形状分布解析処理２における皮丘領域の形状の分類処理は、上述した方法に限定されるものではない。例えば、参照形状を用いて、SVM（Support Vector Machine）などを用いて学習ベースの形状分類を行うようにしてもよい。あるいは、例えば、参照形状を用いずに、K-Means法などのクラスタリングの手法を用いて形状分類を行うようにしてもよい。
【０３２５】
［変形例３］
皮丘領域または乳頭層領域のエッジ方向の分析処理は、上述した方法に限定されるものではない。例えば、ノイズ除去表皮画像またはノイズ除去真皮画像に対して、高速フーリエ変換（FFT）を施し、そのスペクトル画像から角度毎のヒストグラムを求め、ヒストグラムの形状に基づいて、皮丘領域または乳頭層領域のエッジ方向の分布を解析するようにしてもよい。
【０３２６】
［変形例４］
図２６の真皮画像撮像部３１１の構成例は、その一例であり、他の構成のものを用いるようにしてもよい。例えば、指紋認証などの生体認証に用いられるマイクロレンズアレイ（MLA）を用いた撮像装置により、真皮画像を撮影するようにしてもよい。
【０３２７】
［変形例５］
図２１乃至図２３を参照して上述した評価結果の提示方法は、その一例であり、他の方法により評価結果を提示するようにすることも可能である。なお、画像以外にも、音声等を用いて評価結果を提示するようにしてもよい。
【０３２８】
［変形例６］
きめ評価値eval1total乃至eval4totalは、必ずしも各式に示される評価値を全て用いて算出する必要はなく、目的や用途等に応じて、用いる評価値を選択するようにしてもよい。例えば、式（１９）において、表皮サイズ分布評価値Eevalsize、表皮形状分布評価値Eevalshape、および、表皮方向性評価値Eevaldirectionのうち１つまたは２つを用いて、きめ評価値eval1totalを算出するようにしてもよい。
【０３２９】
また、きめ評価値の算出に用いる評価値の選択に応じて、例えば、図３の後天的要素解析部１２３や、図２７の先天的要素解析部３２３の構成要素を削除することも可能である。
【０３３０】
［変形例７］
図１１、図１３、図２０の正規化カーブの形状は、その一例であり、各図の正規化カーブと同様の単調増加または単調減少を示す異なる形状を有するカーブを用いることが可能である。
【０３３１】
なお、本技術は、例えば、美容や健康指標として肌の状態を評価したり、診断したりするシステムや装置に適用できる。また、本技術は、人以外の生体の肌の状態を評価したり、診断したりする場合にも適用することが可能である。
【０３３２】
［コンピュータの構成例］
上述した一連の処理は、ハードウエアにより実行することもできるし、ソフトウエアにより実行することもできる。一連の処理をソフトウエアにより実行する場合には、そのソフトウエアを構成するプログラムが、コンピュータにインストールされる。ここで、コンピュータには、専用のハードウエアに組み込まれているコンピュータや、各種のプログラムをインストールすることで、各種の機能を実行することが可能な、例えば汎用のパーソナルコンピュータなどが含まれる。
【０３３３】
図３０は、上述した一連の処理をプログラムにより実行するコンピュータのハードウエアの構成例を示すブロック図である。
【０３３４】
コンピュータにおいて、CPU（Central Processing Unit）６０１，ROM（Read Only Memory）６０２，RAM（Random Access Memory）６０３は、バス６０４により相互に接続されている。
【０３３５】
バス６０４には、さらに、入出力インタフェース６０５が接続されている。入出力インタフェース６０５には、入力部６０６、出力部６０７、記憶部６０８、通信部６０９、及びドライブ６１０が接続されている。
【０３３６】
入力部６０６は、キーボード、マウス、マイクロフォンなどよりなる。出力部６０７は、ディスプレイ、スピーカなどよりなる。記憶部６０８は、ハードディスクや不揮発性のメモリなどよりなる。通信部６０９は、ネットワークインタフェースなどよりなる。ドライブ６１０は、磁気ディスク、光ディスク、光磁気ディスク、又は半導体メモリなどのリムーバブルメディア６１１を駆動する。
【０３３７】
以上のように構成されるコンピュータでは、CPU６０１が、例えば、記憶部６０８に記憶されているプログラムを、入出力インタフェース６０５及びバス６０４を介して、RAM６０３にロードして実行することにより、上述した一連の処理が行われる。
【０３３８】
コンピュータ（CPU６０１）が実行するプログラムは、例えば、パッケージメディア等としてのリムーバブルメディア６１１に記録して提供することができる。また、プログラムは、ローカルエリアネットワーク、インターネット、デジタル衛星放送といった、有線または無線の伝送媒体を介して提供することができる。
【０３３９】
コンピュータでは、プログラムは、リムーバブルメディア６１１をドライブ６１０に装着することにより、入出力インタフェース６０５を介して、記憶部６０８にインストールすることができる。また、プログラムは、有線または無線の伝送媒体を介して、通信部６０９で受信し、記憶部６０８にインストールすることができる。その他、プログラムは、ROM６０２や記憶部６０８に、あらかじめインストールしておくことができる。
【０３４０】
なお、コンピュータが実行するプログラムは、本明細書で説明する順序に沿って時系列に処理が行われるプログラムであっても良いし、並列に、あるいは呼び出しが行われたとき等の必要なタイミングで処理が行われるプログラムであっても良い。
【０３４１】
また、本明細書において、システムの用語は、複数の装置、手段などより構成される全体的な装置を意味するものとする。
【０３４２】
さらに、本技術の実施の形態は、上述した実施の形態に限定されるものではなく、本技術の要旨を逸脱しない範囲において種々の変更が可能である。
【０３４３】
また、例えば、本技術は以下のような構成も取ることができる。
【０３４４】
（１）
肌の表皮を撮影した表皮画像における表皮のパターンである表皮パターンを検出する表皮パターン検出部と、
前記表皮パターンの形状の均一性を解析する解析部と、
前記表皮パターンの形状の均一性に基づいて、肌のきめの状態を評価する評価部と
を含む画像処理装置。
（２）
前記解析部は、前記表皮パターンのサイズの均一性および前記表皮パターンのエッジ方向の分布の均一性のうち少なくとも１つをさらに解析し、
前記評価部は、さらに、前記表皮パターンのサイズの均一性および前記表皮パターンのエッジ方向の分布の均一性のうち少なくとも１つに基づいて、肌のきめの状態を評価する
前記（１）に記載の画像処理装置。
（３）
前記解析部は、前記表皮パターンが所定の形状を有する割合をさらに解析し、
前記評価部は、さらに前記表皮パターンが所定の形状を有する割合に基づいて、肌のきめの状態を評価する
前記（１）または（２）に記載の画像処理装置。
（４）
前記表皮パターンは、皮丘または皮溝により表皮に形成されるパターンである
前記（１）乃至（３）のいずれかに記載の画像処理装置。
（５）
肌のきめの状態を評価する画像処理装置が、
肌の表皮を撮影した表皮画像における表皮のパターンである表皮パターンを検出し、
前記表皮パターンの形状の均一性を解析し、
前記表皮パターンの形状の均一性に基づいて、肌のきめの状態を評価する
ステップを含む画像処理方法。
（６）
肌の表皮を撮影した表皮画像における表皮のパターンである表皮パターンを検出し、
前記表皮パターンの形状の均一性を解析し、
前記表皮パターンの形状の均一性に基づいて、肌のきめの状態を評価する
ステップを含む処理をコンピュータに実行させるためのプログラム。
（７）
肌の表皮を撮影した表皮画像における表皮のパターンである表皮パターンを検出する表皮パターン検出部と、
検出された前記表皮パターンに基づいて、肌のきめの状態を示す要素のうち後天的な要素を解析する後天的要素解析部と、
検出された前記表皮パターンに基づいて、肌のきめの状態を示す要素のうち先天的な要素を解析する先天的要素解析部と、
前記後天的要素の解析結果および前記先天的要素の解析結果に基づいて、肌のきめの状態を評価する評価部と
を含む画像処理装置。
（８）
前記後天的要素解析部は、前記後天的要素として、前記表皮パターンの形状の均一性、前記表皮パターンのサイズの均一性、および、前記表皮パターンのエッジ方向の分布の均一性のうち少なくとも１つを解析し、
前記先天的要素解析部は、前記先天的要素として、単位面積当たりの前記表皮パターンの数を解析する
前記（８）に記載の画像処理装置。
（９）
前記評価部は、前記後天的要素の解析結果に基づく評価値と、前記先天的要素の解析結果に基づく評価値とを重みを付けて加算することにより、肌のきめの状態を示す評価値を算出する
前記（７）または（８）に記載の画像処理装置。
（１０）
前記表皮パターンは、皮丘または皮溝により表皮に形成されるパターンである
前記（７）乃至（９）のいずれかに記載の画像処理装置。
（１１）
肌のきめの状態を評価する画像処理装置が、
肌の表皮を撮影した表皮画像における表皮のパターンである表皮パターンを検出し、
検出された前記表皮パターンに基づいて、肌のきめの状態を示す要素のうち後天的な要素を解析し、
検出された前記表皮パターンに基づいて、肌のきめの状態を示す要素のうち先天的な要素を解析し、
前記後天的要素の解析結果および前記先天的要素の解析結果に基づいて、肌のきめの状態を評価する
ステップを含む画像処理方法。
（１２）
肌の表皮を撮影した表皮画像における表皮のパターンである表皮パターンを検出し、
検出された前記表皮パターンに基づいて、肌のきめの状態を示す要素のうち後天的な要素を解析し、
検出された前記表皮パターンに基づいて、肌のきめの状態を示す要素のうち先天的な要素を解析し、
前記後天的要素の解析結果および前記先天的要素の解析結果に基づいて、肌のきめの状態を評価する
ステップを含む処理をコンピュータに実行させるためのプログラム。
（１３）
肌の表皮を撮影した表皮画像における表皮のパターンである表皮パターンを検出する表皮パターン検出部と、
肌の真皮を撮影した真皮画像における真皮のパターンである真皮パターンを検出する真皮パターン検出部と、
検出された前記表皮パターンに基づいて、肌のきめの状態を示す要素のうち後天的な要素を解析する後天的要素解析部と、
検出された前記真皮パターンに基づいて、肌のきめの状態を示す要素のうち先天的な要素を解析する先天的要素解析部と、
前記後天的要素の解析結果および前記先天的要素の解析結果に基づいて、肌のきめの状態を評価する評価部と
を含む画像処理装置。
（１４）
前記後天的要素解析部は、前記後天的要素として、前記表皮パターンの形状の均一性、前記表皮パターンのサイズの均一性、および、前記表皮パターンのエッジ方向の分布の均一性のうち少なくとも１つを解析し、
前記先天的要素解析部は、前記先天的要素として、前記真皮パターンの形状の均一性、前記真皮パターンのサイズの均一性、前記真皮パターンのエッジ方向の分布の均一性、および、単位面積当たりの前記真皮パターンの数のうち少なくとも１つを解析する
前記（１３）に記載の画像処理装置。
（１５）
前記先天的要素解析部は、さらに、検出された前記表皮パターンに基づいて、前記先天的要素として、単位面積当たりの前記表皮パターンの数を解析する
前記（１３）または（１４）に記載の画像処理装置。
（１６）
前記評価部は、前記後天的要素の解析結果に基づく評価値と、前記先天的要素の解析結果に基づく評価値とを重みを付けて加算することにより、肌のきめの状態を示す評価値を算出する
前記（１３）乃至（１５）に記載の画像処理装置。
（１７）
前記表皮パターンは、皮丘または皮溝により表皮に形成されるパターンであり、
前記真皮パターンは、乳頭層により真皮に形成されるパターンである
前記（１３）乃至（１６）のいずれかに記載の画像処理装置。
（１８）
肌のきめの状態を評価する画像処理装置が、
肌の表皮を撮影した表皮画像における表皮のパターンである表皮パターンを検出し、
肌の真皮を撮影した真皮画像における真皮のパターンである真皮パターンを検出し、
検出された前記表皮パターンに基づいて、肌のきめの状態を示す要素のうち後天的な要素を解析し、
検出された前記真皮パターンに基づいて、肌のきめの状態を示す要素のうち先天的な要素を解析し、
前記後天的要素の解析結果および前記先天的要素の解析結果に基づいて、肌のきめの状態を評価する
ステップを含む画像処理方法。
（１９）
肌の表皮を撮影した表皮画像における表皮のパターンである表皮パターンを検出し、
肌の真皮を撮影した真皮画像における真皮のパターンである真皮パターンを検出し、
検出された前記表皮パターンに基づいて、肌のきめの状態を示す要素のうち後天的な要素を解析し、
検出された前記真皮パターンに基づいて、肌のきめの状態を示す要素のうち先天的な要素を解析し、
前記後天的要素の解析結果および前記先天的要素の解析結果に基づいて、肌のきめの状態を評価する
ステップを含む処理をコンピュータに実行させるためのプログラム。
（２０）
前記（６）、前記（１２）、または、前記（１９）に記載のプログラムを記録したコンピュータ読み取り可能な記録媒体。
【符号の説明】
【０３４５】
１０１ 画像処理システム, １１１ 表皮画像撮像部, １１２ 画像処理部, １１３ 表示部, １２１ 表皮画像処理部, １２２ 表皮パターン検出部, １２３ 後天的要素解析部, １２４ きめ評価部, １２５ 評価結果提示部, １４１ 画像補正部, １４２ 単一チャネル抽出部, １４３ ノイズ除去部, １５１ ２値化部, １５２ ラベリング処理部, １７１ 表皮サイズ分布解析部, １７２ 表皮形状分布解析部, １７３ 表皮形状分布解析部, １７４ 表皮方向性解析部, ２０１ 画像処理システム, ２１１ 画像処理部, ２２１ 先天的要素解析部, ２２２ きめ評価部, ２２３ 評価結果提示部, ２４１ 皮丘数解析部, ３０１ 画像処理システム, ３２１ 真皮画像処理部, ３２２ 真皮パターン検出部, ３２３ 先天的要素解析部, ３２４ きめ評価部, ３２５ 評価結果提示部, ４２１ 真皮パターン数解析部, ４２２ 真皮サイズ分布解析部, ４２３ 真皮形状分布解析部, ４２４ 真皮方向性解析部
【特許請求の範囲】
【請求項１】
肌の表皮を撮影した表皮画像における表皮のパターンである表皮パターンを検出する表皮パターン検出部と、
前記表皮パターンの形状の均一性を解析する解析部と、
前記表皮パターンの形状の均一性に基づいて、肌のきめの状態を評価する評価部と
を含む画像処理装置。
【請求項２】
前記解析部は、前記表皮パターンのサイズの均一性および前記表皮パターンのエッジ方向の分布の均一性のうち少なくとも１つをさらに解析し、
前記評価部は、さらに、前記表皮パターンのサイズの均一性および前記表皮パターンのエッジ方向の分布の均一性のうち少なくとも１つに基づいて、肌のきめの状態を評価する
請求項１に記載の画像処理装置。
【請求項３】
前記解析部は、前記表皮パターンが所定の形状を有する割合をさらに解析し、
前記評価部は、さらに前記表皮パターンが所定の形状を有する割合に基づいて、肌のきめの状態を評価する
請求項１に記載の画像処理装置。
【請求項４】
前記表皮パターンは、皮丘または皮溝により表皮に形成されるパターンである
請求項１に記載の画像処理装置。
【請求項５】
肌のきめの状態を評価する画像処理装置が、
肌の表皮を撮影した表皮画像における表皮のパターンである表皮パターンを検出し、
前記表皮パターンの形状の均一性を解析し、
前記表皮パターンの形状の均一性に基づいて、肌のきめの状態を評価する
ステップを含む画像処理方法。
【請求項６】
肌の表皮を撮影した表皮画像における表皮のパターンである表皮パターンを検出し、
前記表皮パターンの形状の均一性を解析し、
前記表皮パターンの形状の均一性に基づいて、肌のきめの状態を評価する
ステップを含む処理をコンピュータに実行させるためのプログラム。
【請求項７】
肌の表皮を撮影した表皮画像における表皮のパターンである表皮パターンを検出する表皮パターン検出部と、
検出された前記表皮パターンに基づいて、肌のきめの状態を示す要素のうち後天的な要素を解析する後天的要素解析部と、
検出された前記表皮パターンに基づいて、肌のきめの状態を示す要素のうち先天的な要素を解析する先天的要素解析部と、
前記後天的要素の解析結果および前記先天的要素の解析結果に基づいて、肌のきめの状態を評価する評価部と
を含む画像処理装置。
【請求項８】
前記後天的要素解析部は、前記後天的要素として、前記表皮パターンの形状の均一性、前記表皮パターンのサイズの均一性、および、前記表皮パターンのエッジ方向の分布の均一性のうち少なくとも１つを解析し、
前記先天的要素解析部は、前記先天的要素として、単位面積当たりの前記表皮パターンの数を解析する
請求項７に記載の画像処理装置。
【請求項９】
前記評価部は、前記後天的要素の解析結果に基づく評価値と、前記先天的要素の解析結果に基づく評価値とを重みを付けて加算することにより、肌のきめの状態を示す評価値を算出する
請求項７に記載の画像処理装置。
【請求項１０】
前記表皮パターンは、皮丘または皮溝により表皮に形成されるパターンである
請求項７に記載の画像処理装置。
【請求項１１】
肌のきめの状態を評価する画像処理装置が、
肌の表皮を撮影した表皮画像における表皮のパターンである表皮パターンを検出し、
検出された前記表皮パターンに基づいて、肌のきめの状態を示す要素のうち後天的な要素を解析し、
検出された前記表皮パターンに基づいて、肌のきめの状態を示す要素のうち先天的な要素を解析し、
前記後天的要素の解析結果および前記先天的要素の解析結果に基づいて、肌のきめの状態を評価する
ステップを含む画像処理方法。
【請求項１２】
肌の表皮を撮影した表皮画像における表皮のパターンである表皮パターンを検出し、
検出された前記表皮パターンに基づいて、肌のきめの状態を示す要素のうち後天的な要素を解析し、
検出された前記表皮パターンに基づいて、肌のきめの状態を示す要素のうち先天的な要素を解析し、
前記後天的要素の解析結果および前記先天的要素の解析結果に基づいて、肌のきめの状態を評価する
ステップを含む処理をコンピュータに実行させるためのプログラム。
【請求項１３】
肌の表皮を撮影した表皮画像における表皮のパターンである表皮パターンを検出する表皮パターン検出部と、
肌の真皮を撮影した真皮画像における真皮のパターンである真皮パターンを検出する真皮パターン検出部と、
検出された前記表皮パターンに基づいて、肌のきめの状態を示す要素のうち後天的な要素を解析する後天的要素解析部と、
検出された前記真皮パターンに基づいて、肌のきめの状態を示す要素のうち先天的な要素を解析する先天的要素解析部と、
前記後天的要素の解析結果および前記先天的要素の解析結果に基づいて、肌のきめの状態を評価する評価部と
を含む画像処理装置。
【請求項１４】
前記後天的要素解析部は、前記後天的要素として、前記表皮パターンの形状の均一性、前記表皮パターンのサイズの均一性、および、前記表皮パターンのエッジ方向の分布の均一性のうち少なくとも１つを解析し、
前記先天的要素解析部は、前記先天的要素として、前記真皮パターンの形状の均一性、前記真皮パターンのサイズの均一性、前記真皮パターンのエッジ方向の分布の均一性、および、単位面積当たりの前記真皮パターンの数のうち少なくとも１つを解析する
請求項１３に記載の画像処理装置。
【請求項１５】
前記先天的要素解析部は、さらに、検出された前記表皮パターンに基づいて、前記先天的要素として、単位面積当たりの前記表皮パターンの数を解析する
請求項１３に記載の画像処理装置。
【請求項１６】
前記評価部は、前記後天的要素の解析結果に基づく評価値と、前記先天的要素の解析結果に基づく評価値とを重みを付けて加算することにより、肌のきめの状態を示す評価値を算出する
請求項１３に記載の画像処理装置。
【請求項１７】
前記表皮パターンは、皮丘または皮溝により表皮に形成されるパターンであり、
前記真皮パターンは、乳頭層により真皮に形成されるパターンである
請求項１３に記載の画像処理装置。
【請求項１８】
肌のきめの状態を評価する画像処理装置が、
肌の表皮を撮影した表皮画像における表皮のパターンである表皮パターンを検出し、
肌の真皮を撮影した真皮画像における真皮のパターンである真皮パターンを検出し、
検出された前記表皮パターンに基づいて、肌のきめの状態を示す要素のうち後天的な要素を解析し、
検出された前記真皮パターンに基づいて、肌のきめの状態を示す要素のうち先天的な要素を解析し、
前記後天的要素の解析結果および前記先天的要素の解析結果に基づいて、肌のきめの状態を評価する
ステップを含む画像処理方法。
【請求項１９】
肌の表皮を撮影した表皮画像における表皮のパターンである表皮パターンを検出し、
肌の真皮を撮影した真皮画像における真皮のパターンである真皮パターンを検出し、
検出された前記表皮パターンに基づいて、肌のきめの状態を示す要素のうち後天的な要素を解析し、
検出された前記真皮パターンに基づいて、肌のきめの状態を示す要素のうち先天的な要素を解析し、
前記後天的要素の解析結果および前記先天的要素の解析結果に基づいて、肌のきめの状態を評価する
ステップを含む処理をコンピュータに実行させるためのプログラム。
【請求項２０】
請求項６、請求項１２、または、請求項１９に記載のプログラムを記録したコンピュータ読み取り可能な記録媒体。
【請求項１】
肌の表皮を撮影した表皮画像における表皮のパターンである表皮パターンを検出する表皮パターン検出部と、
前記表皮パターンの形状の均一性を解析する解析部と、
前記表皮パターンの形状の均一性に基づいて、肌のきめの状態を評価する評価部と
を含む画像処理装置。
【請求項２】
前記解析部は、前記表皮パターンのサイズの均一性および前記表皮パターンのエッジ方向の分布の均一性のうち少なくとも１つをさらに解析し、
前記評価部は、さらに、前記表皮パターンのサイズの均一性および前記表皮パターンのエッジ方向の分布の均一性のうち少なくとも１つに基づいて、肌のきめの状態を評価する
請求項１に記載の画像処理装置。
【請求項３】
前記解析部は、前記表皮パターンが所定の形状を有する割合をさらに解析し、
前記評価部は、さらに前記表皮パターンが所定の形状を有する割合に基づいて、肌のきめの状態を評価する
請求項１に記載の画像処理装置。
【請求項４】
前記表皮パターンは、皮丘または皮溝により表皮に形成されるパターンである
請求項１に記載の画像処理装置。
【請求項５】
肌のきめの状態を評価する画像処理装置が、
肌の表皮を撮影した表皮画像における表皮のパターンである表皮パターンを検出し、
前記表皮パターンの形状の均一性を解析し、
前記表皮パターンの形状の均一性に基づいて、肌のきめの状態を評価する
ステップを含む画像処理方法。
【請求項６】
肌の表皮を撮影した表皮画像における表皮のパターンである表皮パターンを検出し、
前記表皮パターンの形状の均一性を解析し、
前記表皮パターンの形状の均一性に基づいて、肌のきめの状態を評価する
ステップを含む処理をコンピュータに実行させるためのプログラム。
【請求項７】
肌の表皮を撮影した表皮画像における表皮のパターンである表皮パターンを検出する表皮パターン検出部と、
検出された前記表皮パターンに基づいて、肌のきめの状態を示す要素のうち後天的な要素を解析する後天的要素解析部と、
検出された前記表皮パターンに基づいて、肌のきめの状態を示す要素のうち先天的な要素を解析する先天的要素解析部と、
前記後天的要素の解析結果および前記先天的要素の解析結果に基づいて、肌のきめの状態を評価する評価部と
を含む画像処理装置。
【請求項８】
前記後天的要素解析部は、前記後天的要素として、前記表皮パターンの形状の均一性、前記表皮パターンのサイズの均一性、および、前記表皮パターンのエッジ方向の分布の均一性のうち少なくとも１つを解析し、
前記先天的要素解析部は、前記先天的要素として、単位面積当たりの前記表皮パターンの数を解析する
請求項７に記載の画像処理装置。
【請求項９】
前記評価部は、前記後天的要素の解析結果に基づく評価値と、前記先天的要素の解析結果に基づく評価値とを重みを付けて加算することにより、肌のきめの状態を示す評価値を算出する
請求項７に記載の画像処理装置。
【請求項１０】
前記表皮パターンは、皮丘または皮溝により表皮に形成されるパターンである
請求項７に記載の画像処理装置。
【請求項１１】
肌のきめの状態を評価する画像処理装置が、
肌の表皮を撮影した表皮画像における表皮のパターンである表皮パターンを検出し、
検出された前記表皮パターンに基づいて、肌のきめの状態を示す要素のうち後天的な要素を解析し、
検出された前記表皮パターンに基づいて、肌のきめの状態を示す要素のうち先天的な要素を解析し、
前記後天的要素の解析結果および前記先天的要素の解析結果に基づいて、肌のきめの状態を評価する
ステップを含む画像処理方法。
【請求項１２】
肌の表皮を撮影した表皮画像における表皮のパターンである表皮パターンを検出し、
検出された前記表皮パターンに基づいて、肌のきめの状態を示す要素のうち後天的な要素を解析し、
検出された前記表皮パターンに基づいて、肌のきめの状態を示す要素のうち先天的な要素を解析し、
前記後天的要素の解析結果および前記先天的要素の解析結果に基づいて、肌のきめの状態を評価する
ステップを含む処理をコンピュータに実行させるためのプログラム。
【請求項１３】
肌の表皮を撮影した表皮画像における表皮のパターンである表皮パターンを検出する表皮パターン検出部と、
肌の真皮を撮影した真皮画像における真皮のパターンである真皮パターンを検出する真皮パターン検出部と、
検出された前記表皮パターンに基づいて、肌のきめの状態を示す要素のうち後天的な要素を解析する後天的要素解析部と、
検出された前記真皮パターンに基づいて、肌のきめの状態を示す要素のうち先天的な要素を解析する先天的要素解析部と、
前記後天的要素の解析結果および前記先天的要素の解析結果に基づいて、肌のきめの状態を評価する評価部と
を含む画像処理装置。
【請求項１４】
前記後天的要素解析部は、前記後天的要素として、前記表皮パターンの形状の均一性、前記表皮パターンのサイズの均一性、および、前記表皮パターンのエッジ方向の分布の均一性のうち少なくとも１つを解析し、
前記先天的要素解析部は、前記先天的要素として、前記真皮パターンの形状の均一性、前記真皮パターンのサイズの均一性、前記真皮パターンのエッジ方向の分布の均一性、および、単位面積当たりの前記真皮パターンの数のうち少なくとも１つを解析する
請求項１３に記載の画像処理装置。
【請求項１５】
前記先天的要素解析部は、さらに、検出された前記表皮パターンに基づいて、前記先天的要素として、単位面積当たりの前記表皮パターンの数を解析する
請求項１３に記載の画像処理装置。
【請求項１６】
前記評価部は、前記後天的要素の解析結果に基づく評価値と、前記先天的要素の解析結果に基づく評価値とを重みを付けて加算することにより、肌のきめの状態を示す評価値を算出する
請求項１３に記載の画像処理装置。
【請求項１７】
前記表皮パターンは、皮丘または皮溝により表皮に形成されるパターンであり、
前記真皮パターンは、乳頭層により真皮に形成されるパターンである
請求項１３に記載の画像処理装置。
【請求項１８】
肌のきめの状態を評価する画像処理装置が、
肌の表皮を撮影した表皮画像における表皮のパターンである表皮パターンを検出し、
肌の真皮を撮影した真皮画像における真皮のパターンである真皮パターンを検出し、
検出された前記表皮パターンに基づいて、肌のきめの状態を示す要素のうち後天的な要素を解析し、
検出された前記真皮パターンに基づいて、肌のきめの状態を示す要素のうち先天的な要素を解析し、
前記後天的要素の解析結果および前記先天的要素の解析結果に基づいて、肌のきめの状態を評価する
ステップを含む画像処理方法。
【請求項１９】
肌の表皮を撮影した表皮画像における表皮のパターンである表皮パターンを検出し、
肌の真皮を撮影した真皮画像における真皮のパターンである真皮パターンを検出し、
検出された前記表皮パターンに基づいて、肌のきめの状態を示す要素のうち後天的な要素を解析し、
検出された前記真皮パターンに基づいて、肌のきめの状態を示す要素のうち先天的な要素を解析し、
前記後天的要素の解析結果および前記先天的要素の解析結果に基づいて、肌のきめの状態を評価する
ステップを含む処理をコンピュータに実行させるためのプログラム。
【請求項２０】
請求項６、請求項１２、または、請求項１９に記載のプログラムを記録したコンピュータ読み取り可能な記録媒体。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７】
【図１８】
【図１９】
【図２０】
【図２１】
【図２２】
【図２３】
【図２４】
【図２５】
【図２６】
【図２７】
【図２８】
【図２９】
【図３０】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７】
【図１８】
【図１９】
【図２０】
【図２１】
【図２２】
【図２３】
【図２４】
【図２５】
【図２６】
【図２７】
【図２８】
【図２９】
【図３０】
【公開番号】特開２０１２−２３９７６８（Ｐ２０１２−２３９７６８Ａ）
【公開日】平成２４年１２月１０日（２０１２．１２．１０）
【国際特許分類】
【出願番号】特願２０１１−１１５１８２（Ｐ２０１１−１１５１８２）
【出願日】平成２３年５月２３日（２０１１．５．２３）
【出願人】（０００００２１８５）ソニー株式会社 (34,172)
【Ｆターム（参考）】
【公開日】平成２４年１２月１０日（２０１２．１２．１０）
【国際特許分類】
【出願日】平成２３年５月２３日（２０１１．５．２３）
【出願人】（０００００２１８５）ソニー株式会社 (34,172)
【Ｆターム（参考）】
[ Back to top ]