随着生活水平的提高,人们越来越关注人面部皮肤的美容及护理,因此皮肤纹理的分析测量与识别问题成为一个重要的研究课题,传统的目视观测已经不适合人们的要求。但是我们知道如果要对皮肤图像的纹理线有一个比较精确的测量和识别,皮肤图像纹理的分割和提取必须比较准确。因此本文的主要重点放在皮肤图像表面的纹理线提取。本文针对皮肤特征参数测量的需要,从分析所获取的皮肤图像的特点出发,提出了先提取皮肤纹理后再统计皮肤图像特征的研究思路。提取皮肤纹理涉及到图像的采集、图像的预处理、图像的分割、纹理中心线的提取、参数的定义等诸多环节,每个环节都会影响到参数测量的精度。文中阐述了各个环节中存在的问题及其解决问题的方法。最后实现了基于滤波变换和基于数学形态学技术的皮肤纹理提取算法。文中首先回顾了近年来边缘检测和图像分割出现的多种相关方法,然后分析了利用上面的相关方法对皮肤图像分割,提取纹理时,所出现的缺点和不足。针对皮肤图像的特有特点提出了利用高斯滤波和维纳滤波相结合的滤波处理方法,降低了图像表面的噪声,同时又增强皮肤纹理,为下文的图像分割和纹理提取打下了良好的基础。接着介绍了基于数学形态学的形态学重建与Watershed 变换这两个在本文占有重要地位的算法,回顾了它们的基本理论及其在Tophat 变换、Bothat 变换、重建滤波器及水线分割等方面的应用。并在此基础上,提出了具有独创性的级重建算子,对抑制细小纹理的数量起到非常关键的作用,也对最后提取宏观纹理奠定了关键性的一步。最后将这些算法组合成一个新的皮肤纹理提取的算法,并取得了比较满意的效果。