随着计算机图像处理技术的飞速发展,人们开始探讨用数字图像处理技术来提取皮肤图像的特征,以数字图像处理技术为手段,可以使皮肤表面状况评估方法从传统的定性分析上升为极为精确的定量分析,从而极大地提高测量的精确度。本论文研究的目的就是利用图像处理技术和方法对皮肤表面的纹理进行定量的分析,为皮肤表面状况的定量评测提供依据,也为进一步研制、开发皮肤图像定量分析技术提供技术基础。本文致力于全方位地对皮肤纹理特征进行分析。首先,根据皮肤纹理的特点,提出了高斯滤波和维纳滤波的图像预处理方法来去除皮肤图像的噪声,使纹理图像更加有利于分析处理；然后介绍了sobel算子等图像锐化方法,使其应用于将纹理图像转化为梯度图像,这是进行分水岭图像分割的必要步骤；在这里本文中还用到了Ostu算法对皮肤纹理图像进行二值化处理,这将为形态学粒度分析皮肤纹理做准备。其次,本论文中介绍了常用的纹理分析方法,利用了简单的灰度直方图、灰度差值直方图等统计分析法对纹理图像进行分析,其中着重应用灰度共生矩阵来提取皮肤纹理图像的特征参数,通过提取纹理图像的灰度共生矩阵并计算它的角二阶矩、对比度、相关等二次统计量来反映皮肤纹理的特征。最后本文提出了基于数学形态学的粒度分析法和改进的分水岭纹理分割方法。其中前者将粒度分析与数学形态学相结合,可以得到纹理斑块的表面总面积、最大面积、最小面积以及它们相应的数目,这种方法还可以为纹理图像的识别与检索提供依据；这一部分中还应用了基于标记的分水岭方法提取皮肤纹理线,从而定量地统计出纹理线的横向和纵向走向、交叉点的个数等特征。本文通过对几种纹理分析方法的研究,分别从不同角度对皮肤纹理进行了特征分析,从中找到了各个年龄阶段皮肤纹理的特点,对比分析了老年、中年以及青年灰度共生矩阵统计量、纹理块大小、纹理交叉点个数等特征值,并取得了一定的成果。