一種開放環境下中醫舌象目標檢測方法
【專利摘要】一種開放環境下中醫舌象目標檢測方法，涉及醫學圖像處理。1)輸入在開放環境下采集的圖像A；2)對采集的圖像A進行顏色校正，得到校正圖像B；3)對步驟2)得到的校正圖像B進行圖像分割；4)對步驟3)得到的圖像C進行區域特征判斷；5)對步驟4)得到的候選舌體區域D進行紋理特征判斷。首先對圖像進行顏色校正的預處理，減少因外界光源色溫帶來的影響；然后對圖像進行分割，得到多個連通區域；并對各連通區域進行特征判斷，得到候選舌體區域；最后通過比較區域紋理特征進行判斷，判斷該候選舌體區域是否為舌象。最終達到對圖像中的舌象進行目標檢測的目的，即判斷當前圖片中有沒有舌象，如果有，舌象目標在哪。
【專利說明】
-種開放環境下中醫舌象目標檢測方法
技術領域
[0001] 本發明設及醫學圖像處理，尤其是設及一種開放環境下中醫舌象目標檢測方法。
【背景技術】
[0002] 舌象即人伸出舌頭后呈現的舌頭圖像，傳統中醫舌象的獲取主要依靠醫生肉眼觀 察，近年來，信息技術的發展推動了中醫舌象分析客觀化、數字化和自動化的進程。國內外 學者對此進行了許多有益的探索，并開發了一些舌象分析系統，取得了較好的效果(蔣依 吾.電腦化中醫舌診系統[J].中國中西醫結合雜志，2000，20(2): 145-147;蔡鐵巧，劉長江， 沈蘭巧.新型舌象分析儀的設計方案[J].測控技術，2005,24(5) :34-36.),但運些系統的拍 攝環境通常是固定的，即在密閉、光照穩定的環境下拍攝采集，且運些設備儀器大都比較笨 重，不易攜帶，價格較為昂貴，具有一定的局限性巧IJ峰.中醫舌診輔助中成藥使用系統中的 舌象分析研究[D].廈口：廈口大學，碩±學位論文，2007.)。隨著智能手機、平板電腦等移動 設備的普及，通過移動設備在開放的自然環境下進行舌象采集，獲得個人健康信息逐漸成 為一個發展方向。但隨之而來的問題是，由于在開放環境下采集舌象，存在光源色溫、光線 強弱、拍攝角度、設備差異等諸多不確定因素的影響，使得最終獲取的圖像同固定環境相 比，采集的舌象圖像往往存在較大差異，對后續的分析帶來困難，甚至由于拍攝者的原因， 采集的圖像中可能不存在可供分析的舌象圖像。因此，在開放環境下采集舌象進行分析時， 增強系統的容錯率與魯棒性顯得十分重要。在對舌象進行分析前，對圖像進行舌象目標檢 測有助于提高系統后續的分析速度和準確率，也有助于中醫醫生直觀、準確、方便的觀察舌 象，提高診斷的速度。舌象目標檢測目的是判斷采集的圖像中是否存在合適的可供后續分 析的舌象，如果采集的圖片中存在舌象，需檢測出在圖像的哪個位置。舌象的目標檢測的準 確性直接影響整個系統的容錯率。
[0003] 目前，針對開放環境下中醫舌象目標檢測展開的研究并不多，與本發明方法最接 近的技術為廈口強本科技有限公司設計的一種基于移動終端的中醫舌象分析系統（王博 亮.一種基于移動終端的中醫舌象分析系統：中國發明專利公開，SOlASOOSOAeSTLPLSOH- iS-OS.)，對移動設備采集的舌象進行檢測、分析。該系統雖然實現了舌象檢測功能，但也存 在一些不足之處：
[0004] 1、需要對待檢測目標切分小塊，轉換到霍夫空間投票，算法復雜，檢測速度慢;而 在開放環境下采用移動設備進行舌象采集、檢測，往往對處理過程的實時性要求較高；
[0005] 2、處理過程中需要用較多的參數來描述舌象模型，比較復雜，實現比較困難；
[0006] 3、需要有監督的訓練大量數據，需要人工手動標記出前景和背景，從而建立檢測 模型，訓練過程難度大；
[0007] 4、進行數據訓練時，要求樣本盡可能多，對數據集的依賴性高。

【發明內容】

[000引本發明的目的在于針對現有的在開放環境下采集舌象過程中存在諸多不足之處， 如:光源色溫、光線強弱、拍攝角度、設備差異等諸多不確定因素的影響，使得最終獲取的圖 像同固定環境相比，采集的舌象圖像往往存在較大差異，對后續的分析帶來困難，甚至由于 拍攝者的原因，采集的圖像中可能不存在可供分析的舌象圖像等問題。本發明提供一種開 放環境下中醫舌象目標檢測方法，該方法可快速并準確地判斷采集的圖像中是否存在合適 的可供后續分析的舌象，如果采集的圖像中存在舌象，判斷舌象在圖像的位置。
[0009] 本發明包括W下步驟：
[0010] 1)輸入在開放環境下采集的圖像A;
[0011] 2)對采集的圖像A進行顏色校正，得到校正圖像B;
[0012] 在步驟2)中，所述對采集的圖像A進行顏色校正的具體方法如下：
[0013] (1)在標準光照環境下采集舌象圖像SI,計算舌象圖像Sl的RGBS個顏色通道均值 分別與舌象圖像Sl的整體均值Ks的比值ar、ag、ab:
[0014]
[0015]
[0016]
[001 7]其中，舌象圖像S1 的整體均值Ks = ( Ravgs+Gavgs+Bavgs ) /3 ; Ravgs、Gavgs、Bavgs分別為標 準光照環境下采集舌象圖像Sl的RGBS個顏色通道的均值;所述標準光照采集環境可為D65 光源，色溫為6500K;
[0018] (2)按下式調整圖像A的RGBS個顏色通道的均值，得到校正圖像B;
[0019] K=(Ravg+Gavg+Bavg)/3
[0020]
[0021]
[0022]
[0023] 其中，K為圖像A的整體均值，Ravg、Gavg、Bavg分別為圖像A的RGBS個顏色通道的均 值;Rd、Gd、Bd為校正圖像B每個像素點的RGB^個顏色通道的值，Rs、Gs、Bs為圖像A每個像素點 的RGBS個顏色通道的值，Qr、Qg、叫為步驟2)第（1)部分所求得的比值；
[0024] 3)對步驟2)得到的校正圖像B進行圖像分割，具體方法如下：
[0025] (1)將校正圖像B轉換到灰度空間圖像巧1，按照最大類間方差法(參見文獻:OHTSU N.A threshold selection method from gray-level histograms[J]. System Man& 切bernetics IE邸 Transactions on, 1979,9(1) :62-66.)對灰度空間圖像fBl進行闊值分 害d，得到分割圖像Br，并對分割圖像Br運用形態學運算平滑連通域，得到圖像BI;
[0026] 在步驟3)第（1)部分中，所述將校正圖像購專換到灰度空間圖像巧1，按照最大類間 方差法對灰度空間圖像巧1進行闊值分割，得到分割圖像B1'，并對分割圖像B1'運用形態學 運算平滑連通域，得到圖像Bl的具體步驟如下：
[0027] a)將校正圖像B轉換到灰度空間圖像巧1;
[002引b)對于灰度空間圖像巧1，設灰度空間圖像巧1的灰度G的取值范圍G= [0，kl]，各 灰度值出現的概率為Pi，闊值為T，闊值T對灰度空間圖像巧1進行二值化后分成f O和fi: f O =
[0，T],fi = [T+l，L-l]，f日和fi的概率分別為
和Qi = 1-〇日，平均灰度值分別為
則fo和fi的最大類間方差為：邑2^)=。^]!。- i02+al(i^廣i^)2 = a日al(叫-叫）2，其中i^=5：iPi，求出g取最大值時的闊值T，對灰度空間圖像 fBl進行闊值分割，得分割圖像B1'像素點的RGB取值fX,y(r，g，b):
[0029]
[0030] 其中，f B1 (X，y)表示灰度空間圖像巧1像素點的取值，T為闊值；
[0031] C)對分割圖像B1'運用形態學運算中的閉運算平滑連通域，根據下面兩個公式依 次計算，得到圖像Bl;圖像Bl中的像素值gl (X，y)為：
[0032] gl(x,y)=erode(dilate(fI(x,y),element))
[0033] gl (x,y) = bitwise_not(gl (x,y))
[0034] 其中，fl(x，y)為分割圖像Br中的像素值，element定義為形態學運算中的結構元 素；dilate定義為形態學運算中的膨脹操作；erode定義為形態學運算中的腐蝕操作； bitwise_not定義為對圖像的每一個像素點的取反操作。
[0035] (2)將校正圖像B轉換到HSV顏色空間圖像巧2,對圖像巧2的H通道進行闊值分割， 得到分割圖像B2'，并對分割圖像B2'運用形態學運算平滑連通域，得到圖像B2;
[0036] 在步驟3)第(2)部分中，所述將校正圖像B轉換到HSV顏色空間圖像巧2，對圖像巧2 的H通道進行闊值分割，得到分割圖像B2'，并對分割圖像B2'運用形態學運算平滑連通域， 得到圖像B2的具體步驟如下：
[0037] a)將校正圖像B轉換到服V顏色空間圖像巧2;
[003引b)采用下式對圖像巧2進行色調闊值分割，得到分割圖像B2'像素點的RGB取值fx,y (r，g，b):
[0039]
[0040] 其中，hx,y表示圖像巧帥H通道像素點取值，Tl和T2表示設定的闊值；
[0041] C)對分割圖像B2'運用形態學運算中的閉運算平滑連通域，根據下面兩個公式依 次計算，得到圖像B2;圖像B2中的像素值g2(x，y)為：
[0042] g2(x,y)=erode(dilate(f2(x,y),element))
[0043] g2(x,y) =bitwise_not(g2(x,y))
[0044] 其中，f2(x，y)為分割圖像B2'中的像素值，element定義為形態學運算中的結構元 素；dilate定義為形態學運算中的膨脹操作；erode定義為形態學運算中的腐蝕操作； bitwise_not定義為對圖像的每一個像素點的取反操作。
[0045] (3)采用RGBS色分量方差法(參見文獻:蔣依吾.電腦化中醫舌診系統[J].中國中 西醫結合雜志，2000，20 (2): 145-147)對校正圖像B進行闊值分割，得到分割圖像B3 '，并對 分割圖像B3 '運用形態學運算平滑連通域，得到圖像B3。
[0046] 在步驟3)第(3)部分中，所述采用RGBS色分量方差法對校正圖像B進行闊值分割， 得到分割圖像B3'，并對分割圖像B3'運用形態學運算平滑連通域，得到圖像B3的的具體步 驟如下：
[0047] a)對于校正圖像B，假設其大小為mXn，將校正圖像B中每個像素點的RGB取值進行 歸一化操作，其取值范圍為[0，1]，采用下式對校正圖像B中的每個像素點計算RGBS色分量 方差gate(m，n)，并對校正圖像B進行分割，得到分割圖像B3'像素點的RGB取值fm,n(r，g，b): [004引 gate (m,n)二（Tm, n-抑,n) + (bm, n-抑,n) X 6+(rm, n+抑,n+bm, n) /3
[0049]
[0050] 其中，rm,n表示校正圖像B中像素點(m，n)的R通道的取值，gm,n表示校正圖像B中像 素點(m，n)的G通道的取值，bm,n表示校正圖像B中像素點(m，n)的B通道的取值；
[0051] b)對分割圖像B3'運用形態學運算中的閉運算平滑連通域，根據下面公式計算，得 到圖像B3;圖像B3中的像素值的(X，y)為：
[0052] g3(x,y)=erode(dilate(f3(x,y),element))
[0053] 其中，f3(x，y)為分割圖像B3'中的像素值，element定義為形態學運算中的結構元 素 ;di late定義為形態學運算中的膨脹操作;erode定義為形態學運算中的腐蝕操作。
[0054] (4)對圖像B1、圖像B2、圖像B3S個圖像進行邏輯"與"運算，得到圖像C。
[0055] 4)對步驟3)得到的圖像C進行區域特征判斷，具體方法如下：
[0056] (1)對于圖像C中的每一個連通域，計算該連通域的凸包(Si);
[0057] (2)計算每一個凸包（Si)的面積與圖像C的面積areac的比例： a傑a 冊％;/那紛{:，刪除面積比小于0.02的連通域；
[005引（4)計算每個連通域凸包(Si)的質屯、(Ci)與圖像C中屯、(Co)的歐式距離：
[0化9]
[0060] 其中，Cix、Ciy分別表示凸包(Si)質屯、的橫坐標與縱坐標，Cox和Coy分別表示圖像C中 屯、的橫坐標與縱坐標；
[0061 ] (4)計算每個連通域凸包(Si)最小外接矩形的長寬比scale=w/h;
[0062] 其中W表示最小外接矩形的寬，h表示最小外接矩形的長；
[0063] (5)計算每個連通域凸包(Si)的7個Hu不變矩HiiQG [1，7](參見文獻:Hu !.Visual Pattern Recognition by Moment Invariants[J]. Information Theory Ire Transactions on,1962,8(2):179-187.)；
[0064] 所述化不變矩定義如下：
[0065] 對于大小為MXN的圖像f(x，y)，f(x，y)的二維(p+q)階矩定義為：
[0066]
[0067]
[006引
[0069]
[0070]
[0071]化用歸一化中屯、矩的線性組合構造具有平移、伸縮、旋轉不變的7個化不變矩
[0073] (6)人工選擇一張正常形狀舌象圖像(So),計算舌象圖像(So)的7個化不變矩Mi(i G[l，7])，計算匹配虔
所述正常形狀舌象圖像(So)可為中醫醫 生根據經驗和相關專業知識選擇的正常形狀舌象圖像；
[0074] (7)根據下面S個公式依次計算每個連通域凸包(Si)的相似度score,選擇相似度 score的最大值，該相似度score的最大值對應的連通域凸包(Si)為選出的候選舌體區域D:
[0075]
[0076]
[0077]
[0078] 其中，area為在步驟4)第(2)部分所求得的比例；scale為步驟4)第(4)部分所求得 的長寬比；dis為步驟4)第(3)部分所求得的歐式距離;match為步驟4)第(6)部分所求得的 匹配度；
[0079] 5)對步驟4)得到的候選舌體區域D進行紋理特征判斷，具體方法如下：
[0080] (1)分別計算候選舌體區域D的水平、垂直、對角偏移量=種灰度共生矩陣的聯合 概率密度分布；
[0081] (2)設灰度共生矩陣的聯合概率密度分布記為[Pmn]LXL，其中L為灰度取值范圍，m =[0, L-I Ln= [0, L-I];根據聯合概率密度分布計算得到6個紋理特征（參見文獻： HARALICK R M,SHANMUGAM K，DINSTEIN I . Textural features for image classification[J].Systems Man&Cybernetics IEEE Transactions on，2010，smc-3(6): 610-621.)，所述6個紋理特征包括角二階矩、對比度、傭、逆差矩、中值和灰度相關；
[0084] (3)對步驟5)第（1)部分得到的=種灰度共生矩陣的聯合概率密度分布分別按照 步驟5)第(2)部分的方法計算6個紋理特征，共得到候選舌體區域D的18個紋理特征量fi(i G[0.17]);
[0085] (4)人工選擇若干幅標準光照環境下采集的舌象圖像，對每一幅標準光照環境下 采集的舌象圖像，手工分割出其中的舌體區域SD，得到若干個舌體區域SD，對每一個舌體區 域SD分別計算其水平、垂直、對角偏移量=種灰度共生矩陣的聯合概率密度分布;對運=種 聯合概率密度分布分別按照步驟5)第(2)部分的方法計算紋理特征，每一個舌體區域SD共 得到18個紋理特征量;對運些舌體區域SD計算得到的18個紋理特征量，求每個紋理特征量 的平均值 Fi(iG[0，17]);
[0086] (5)計算步驟5)第(3)部分求得的紋理特征量f i (i G [0，17])與步驟5)第(4)部分 求得的紋理特征量的平均值FiQg [0,17])的紋理相似度，采用下列公式計算，若結果E小 于設定的闊值T3,則判斷為舌象，否則采集的圖像A中不存在可供分析的舌象：
[0087]
[0088] 本發明針對開放環境下中醫舌象圖像的特點進行舌象目標檢測，首先對圖像進行 顏色校正的預處理，減少因外界光源色溫帶來的影響;然后對圖像進行分割，得到多個連通 區域;并對各連通區域進行特征判斷，得到候選舌體區域;最后通過比較區域紋理特征進行 判斷，判斷該候選舌體區域是否為舌象。本發明最終達到對圖像中的舌象進行目標檢測的 目的，即判斷當前圖片中有沒有舌象，如果有，舌象目標在哪。
[0089] 顏色校正過程采用改進的灰度世界算法，針對舌象圖像特有的顏色特征設定相應 的參數值;舌象分割部分采用最大類間方差、色調闊值分割和RGBS色分量差值分割相結合 的方法進行圖像分割；區域特征判斷部分通過對比各區域的形狀特征進行判斷，得到舌體 區域;舌象的紋理特征判斷則采用灰度共生矩陣為特征進行檢測，對獲得的舌體區域進行 判斷比對，最終達到舌象目標檢測的目的。
[0090] 相對于現有技術，本發明的有益效果為：
[0091] 1、本發明根據舌象特征利用改進的灰度世界算法對圖像進行顏色校正，減少了因 采集環境顏色偏色帶來的影響。
[0092] 2、本發明采用最大類間方差、色調闊值分割和RGBS色分量差值分割相結合的方 法進行圖像分割;根據舌象形狀、位置進行區域特征判斷;采用紋理特征進行檢測;運些方 法都是針對開放環境下的舌象特點進行處理、分析，運些方法相輔相成，結合起來使用能夠 更加準確地識別舌象目標，具有識別準確率高的優點。
[0093] 3、本發明使用的方法運算量小、程序實現簡單，不需要訓練大量數據，算法復雜度 低，處理速度快，對數據集的依賴程度不高。
[0094] 本發明針對開放環境下舌象圖像的特點分多個步驟進行處理、分析，達到舌象目 標檢測的目的。本發明的圖像分割、區域特征判斷、紋理特征判斷幾個步驟在功能上相輔相 成，圖像分割利用圖像的顏色特征進行粗篩選，區域特征判斷利用圖像的形狀、空間特征進 行細篩選，紋理特征判斷利用圖像的紋理特征進行最終判斷，通過結合圖像的不同特征進 行對比，識別的準確率較高，運算速度快，實現簡單，取得了新的技術效果。相對于最接近的 現有技術，具有明顯的區別特征，且具有較明顯的優點：本發明的方法不需要霍夫空間投 票，算法復雜度低，運算量小，也不需要進行有監督的訓練大量數據，因此實現較為簡單，對 數據集的依賴程度不高，在準確率與處理速度上更優越，更具有實用性。
[0095] 通過本發明獲得的結果，有利于提高后續舌診分析系統的容錯率、魯棒性及系統 的分析速度，也便于中醫醫生直觀、準確、方便的觀察舌象，提高診斷的速度。本發明的直接 目的并不是獲得疾病或者健康狀況的診斷結果。即使通過本發明獲得結果，也只能獲得圖 像中是否存在舌象，W及舌象的位置的結論，并不能直接得出診斷結果，需要后續的舌診分 析系統或者中醫醫生的進一步分析和判斷。因此本發明公開的方法，其直接目的不是診斷， 本發明不屬于疾病的診斷方法。
【附圖說明】
[0096] 圖1為開放環境下采集的圖像；
[0097] 圖2為步驟3)圖像分割的結果；
[0098] 圖3為步驟4)篩選得到的候選舌體區域。
【具體實施方式】
[0099] 下面結合附圖和【具體實施方式】對本發明技術方案做進一步詳細描述：
[0100] 本發明實施例包括如下步驟：
[0101] 1)輸入在開放環境下采集的圖像A，如圖1所示；
[0102] 2)對采集的圖像A進行顏色校正，得到校正圖像B;
[0103] 在步驟2)中，所述對采集的圖像A進行顏色校正的具體方法如下：
[0104] (1)在標準光照環境下采集舌象圖像SI,計算舌象圖像Sl的RGBS個顏色通道均值 分別與舌象圖像Sl的整體均值Ks的比值ar、ag、ab:
[0105]
[0106]
[0107]
[01 0引其中，舌象圖像S1 的整體均值Ks = ( Ravgs+Gavgs+Bavgs ) /3 ; Ravgs、Gavgs、Bavgs分別為標 準光照環境下采集舌象圖像Sl的RGBS個顏色通道的均值;所述標準光照采集環境可為D65 光源，色溫為6500K;
[0109] 本實施例中，各個參數的取值如下：ar=l.〇9、ag = 〇.95、ab = 0.94。
[0110] (2)按下式調整圖像A的RGBS個顏色通道的均值，得到校正圖像B;
[0111] K=(Ravg+Gavg+Bavg)/3
[0112]
[0113]
[0114]
[011引其中，K為圖像A的整體均值，Ravg、Gavg、Bavg分別為圖像A的RGBS個顏色通道的均 值;Rd、Gd、Bd為校正圖像B每個像素點的RGB^個顏色通道的值，Rs、Gs、Bs為圖像A每個像素點 的RGBS個顏色通道的值，Qr、Qg、叫為步驟2)第（1)部分所求得的比值；
[0116] 3)對步驟2)得到的校正圖像B進行圖像分割，具體方法如下：
[0117] (1)將校正圖像購專換到灰度空間圖像巧1，按照最大類間方差法對灰度空間圖像 fBl進行闊值分割，得到分割圖像B1'，并對分割圖像B1'運用形態學運算平滑連通域，得到 圖像BI;
[0118] 在步驟3)第（1)部分中，所述將校正圖像購專換到灰度空間圖像巧1，按照最大類間 方差法對灰度空間圖像巧1進行闊值分割，得到分割圖像B1'，并對分割圖像B1'運用形態學 運算平滑連通域，得到圖像Bl的具體步驟如下：
[0119] a)將校正圖像B轉換到灰度空間圖像巧1;
[0120] b)對于灰度空間圖像巧1，設灰度空間圖像巧1的灰度G的取值范圍G= [0，kl]，各 灰度值出現的概率為Pi，闊值為T，闊值T對灰度空間圖像巧1進行二值化后分成fo和fi: fo =
[0，T]，fl=[T+l，L-l]，f日和fl的概率分別為
巧日1 = 1-日日，平均灰度值分別為
巧Ijfo和fi的最大類間方差為:g2(T) = a〇(]i〇- y)2+ai(叫-y)2 = a日ai(趴-山）2,其4
求出g取最大值時的闊值T，對灰度空間圖 像fBl進行闊值分割，得分割圖像B1'像素點的RGB取值fx,y(r，g，b):
[0121]
[0122] 其中，fBl(x，y)表示灰度空間圖像巧1像素點的取值，T為闊值；
[0123] 本實施例中，T = 90。
[0124] C)對分割圖像Br運用形態學運算中的閉運算平滑連通域，根據下面兩個公式依 次計算，得到圖像Bl;圖像Bl中的像素值gl (X，y)為：
[0125] gl(x,y)=erode(dilate(fl(x,y),element))
[0126] gl(x,y) =bitwise_not(gl(x,y))
[0127] 其中，fl(x，y)為分割圖像Br中的像素值，element定義為形態學運算中的結構元 素；dilate定義為形態學運算中的膨脹操作；erode定義為形態學運算中的腐蝕操作； bitwise_not定義為對圖像的每一個像素點的取反操作。
[012引本實施例中，element定義為[11 X 11]的楠圓結構。
[0129] (2)將校正圖像B轉換到HSV顏色空間圖像巧2,對圖像巧2的H通道進行闊值分割， 得到分割圖像B2'，并對分割圖像B2'運用形態學運算平滑連通域，得到圖像B2;
[0130] 在步驟3)第(2)部分中，所述將校正圖像B轉換到HSV顏色空間圖像巧2，對圖像巧2 的H通道進行闊值分割，得到分割圖像B2'，并對分割圖像B2'運用形態學運算平滑連通域， 得到圖像B2的具體步驟如下：
[0131] a)將校正圖像B轉換到服V顏色空間圖像巧2;
[0132] b)采用下式對圖像巧2進行色調闊值分割，得到分割圖像B2'像素點的RGB取值fx,y (r，g，b):
[0133]
[0134] 其中，hx,y表示圖像巧帥H通道像素點取值，Tl和T2表示設定的闊值；
[0135] 本實施例中，Ti = 7、T2 = 29。
[0136] C)對分割圖像B2'運用形態學運算中的閉運算平滑連通域，根據下面兩個公式依 次計算，得到圖像B2;圖像B2中的像素值g2(x，y)為：
[0137] g2(x,y)=erode(dilate(f2(x,y),element))
[0138] g2(x,y) =bitwise_not(g2(x,y))
[0139] 其中，f2(x，y)為分割圖像B2'中的像素值，element定義為形態學運算中的結構元 素；dilate定義為形態學運算中的膨脹操作；erode定義為形態學運算中的腐蝕操作； bitwise_not定義為對圖像的每一個像素點的取反操作。
[0140] 本實施例中，element定義為[11 X 11]的楠圓結構
[0141] (3)采用RGBS色分量方差法對校正圖像B進行闊值分割，得到分割圖像B3'，并對 分割圖像B3 '運用形態學運算平滑連通域，得到圖像B3。
[0142] 在步驟3)第(3)部分中，所述采用RGBS色分量方差法對校正圖像B進行闊值分割， 得到分割圖像B3'，并對分割圖像B3'運用形態學運算平滑連通域，得到圖像B3的的具體步 驟如下：
[0143] a)對于校正圖像B，假設其大小為mXn，將校正圖像B中每個像素點的RGB取值進行 歸一化操作，其取值范圍為[0，1]，采用下式對校正圖像B中的每個像素點計算RGBS色分量 方差gate(m，n)，并對校正圖像B進行分割，得到分割圖像B3'像素點的RGB取值fm,n(r，g，b): [01 44] gate (m,n)二（Tm, n-抑,n) + (bm, n-抑,n) x6+(rm, n+抑,n+bm, n) /3
[0145]
[0146] 其中，rm,n表示校正圖像B中像素點(m，n)的R通道的取值，gm,n表示校正圖像B中像 素點(m，n)的G通道的取值，bm,n表示校正圖像B中像素點(m，n)的B通道的取值；
[0147] b)對分割圖像B3'運用形態學運算中的閉運算平滑連通域，根據下面公式計算，得 到圖像B3;圖像B3中的像素值的(x，y)為：
[014引 g3(x,y) = e;rode(dilate(f3(x,y) ,element))
[0149] 其中，f3(x，y)為分割圖像B3'中的像素值，element定義為形態學運算中的結構元 素 ;di late定義為形態學運算中的膨脹操作;erode定義為形態學運算中的腐蝕操作。
[0150] 本實施例中，element定義為[11 X 11]的楠圓結構
[0151] (4)對圖像Bl、圖像B2、圖像B3S個圖像進行邏輯"與"運算，得到圖像C，如圖2所 /J、- O
[0152] 4)對步驟3)得到的圖像C進行區域特征判斷，具體方法如下：
[0153] (1)對于圖像C中的每一個連通域，計算該連通域的凸包(Si);
[0154] (2)計算每一個凸包（Si)的面積areasg與圖像C的面積areac的比例：
;，刪除面積比小于0.02的連通域；
[0155] (5)計算每個連通域凸包位)的質屯、(Cl)與圖像帥屯、(Co)的歐式距離：
[0156]
[0157] 其中，Cix、Ciy分別表示凸包(Si)質屯、的橫坐標與縱坐標，Cox和Coy分別表示圖像C中 屯、的橫坐標與縱坐標；
[015引（4)計算每個連通域凸包(Si)最小外接矩形的長寬比scale=w/h;
[0159] 其中W表示最小外接矩形的寬，h表示最小外接矩形的長；
[0160] (5)計算每個連通域凸包(Si)的7個化不變矩Hii (i G [ 1，7]);
[0161] 所述化不變矩定義如下：
[0162] 對于大小為MXN的圖像f(x，y)，f(x，y)的二維(p+q)階矩定義為：
[0163]
[0164] 相應的(p+q)階中屯、矩定義為：
[01 化]
[0166] 由表示的歸一化中屯、矩定義為：
[0167]
,其中丫 =(p+q)/化 1
[0168] 化用歸一化中屯、矩的線性組合構造具有平移、伸縮、旋轉不變的7個化不變矩：
[0170] (6)人工選擇一張正常形狀舌象圖像(So),計算舌象圖像(So)的7個化不變矩Mi(i G[l，7])，計算匹配度
所述正常形狀舌象圖像(So)可為中醫醫 生根據經驗和相關專業知識選擇的正常形狀舌象圖像；
[0171] 本實施例中，Mi(i G [1，7])的值分別為：[0.167538,0.00155933,0.00032405， 6.71027 X 10-6，-3.12169 X 10-10，-2.63866 X 10-7，-2.15107 X 10-11]
[0172] (7)根據下面S個公式依次計算每個連通域凸包(Si)的相似度score,選擇相似度 score的最大值，該相似度score的最大值對應的連通域凸包(Si)為選出的候選舌體區域D， 如圖3所示：
[0173：
[0174:
[0175：
[0176」具甲，area刃巧W4 j弟U ^部分所巧恃W距例；scale刃巧驟4)第（4)部分所求得的 長寬比；dis為步驟4)第(3)部分所求得的歐式距離;match為步驟4)第(6)部分所求得的匹 配度；
[0177] 5)對步驟4)得到的候選舌體區域D進行紋理特征判斷，具體方法如下：
[0178] (1)分別計算候選舌體區域D的水平、垂直、對角偏移量=種灰度共生矩陣的聯合 概率密度分布；
[0179] (2)設灰度共生矩陣的聯合概率密度分布記為[Pmn]LXL，其中L為灰度取值范圍，m =[0，L-I ]，n =[0，L-I ];根據聯合概率密度分布計算得到6個紋理特征，所述6個紋理特征 包括角二階矩、對比度、賭、逆差矩、中值和灰度相關；
[0182] (3)對步驟5)第（I)部分得到的=種灰度共生矩陣的聯合概率密度分布分別按照 步驟5)第(2)部分的方法計算6個紋理特征，共得到候選舌體區域D的18個紋理特征量fi(i G[0，17];
[0183] (4)人工選擇若干幅標準光照環境下采集的舌象圖像，對每一幅標準光照環境下 采集的舌象圖像，手工分割出其中的舌體區域SD，得到若干個舌體區域SD;對每一個舌體區 域SD分別計算其水平、垂直、對角偏移量=種灰度共生矩陣的聯合概率密度分布;對運=種 聯合概率密度分布分別按照步驟5)第(2)部分的方法計算紋理特征，每一個舌體區域SD共 得到18個紋理特征量;對運些舌體區域SD計算得到的18個紋理特征量，求每個紋理特征量 平均值FiQG [0,17];
[0184] (5)計算步驟5)第(3)部分求得的紋理特征量f i (i G [0，17])與步驟5)第(4)部分 求得的紋理特征量平均值FiQg [0,17])的紋理相似度，采用下列公式計算，若結果E小于 設定的闊值T3,則判斷為舌象，否則采集的圖像A中不存在可供分析的舌象：
[0185]
[0186] 本實施例中，標準舌象特征向量平均值FiQG [0，17]的取值分別為：
[0187] [0.00280036,59.4779,0.428998,2.9444,136.397,939.903,0.00197886， 68.4362,0.348336,3.0673,136.616,1336.41,0.00292386,38.6503,0.442026,2.9221, 136.406，901.906]，闊值T3的取值為4.7。
【主權項】
1. 一種開放環境下中醫舌象目標檢測方法，其特征在于包括以下步驟： 1) 輸入在開放環境下采集的圖像A; 2) 對采集的圖像A進行顏色校正，得到校正圖像B; 3) 對步驟2)得到的校正圖像B進行圖像分割，得到圖像C; 4) 對步驟3)得到的圖像C進行區域特征判斷，得到候選舌體區域D; 5) 對步驟4)得到的候選舌體區域D進行紋理特征判斷。2. 如權利要求1所述一種開放環境下中醫舌象目標檢測方法，其特征在于在步驟2)中， 所述對采集的圖像A進行顏色校正的具體方法如下： (1) 在標準光照環境下采集舌象圖像Sl，計算舌象圖像Sl的RGB三個顏色通道均值分別 與舌象圖像S1的整體均值Ks的比值a r、ag、ab:其中，舌象圖像Sl的整體均{if別為標準光照 環境下采集舌象圖像Sl的RGB三個顏色通道的均值； (2) 按下式調整圖像A的RGB三個顏色通道的均值，得到校正圖像B;其中，K為圖像A的整體均值，Ravg、Gavg、Bavg分別為圖像A的RGB三個顏色通道的均值;R d、 Gd、Bd為校正圖像B每個像素點的RGB三個顏色通道的值，Rs、Gs、Bs為圖像A每個像素點的RGB 三個顏色通道的值，a r、tig、ab為步驟2)第(1)部分所求得的比值。3. 如權利要求2所述一種開放環境下中醫舌象目標檢測方法，其特征在于在步驟2)第 (1)部分中，所述標準光照采集環境為D65光源，色溫為6500K。4. 如權利要求1所述一種開放環境下中醫舌象目標檢測方法，其特征在于在步驟3)中， 所述對步驟2)得到的校正圖像B進行圖像分割的具體方法如下： (1) 將校正圖像B轉換到灰度空間圖像fBl，按照最大類間方差法對灰度空間圖像fBl進 行閾值分割，得到分割圖像ΒΓ，并對分割圖像ΒΓ運用形態學運算平滑連通域，得到圖像 BI; (2) 將校正圖像B轉換到HSV顏色空間圖像fB2,對圖像fB2的H通道進行閾值分割，得到 分割圖像B2'，并對分割圖像B2'運用形態學運算平滑連通域，得到圖像B2; (3) 采用RGB三色分量方差法對校正圖像B進行閾值分割，得到分割圖像B3'，并對分割 圖像B3 '運用形態學運算平滑連通域，得到圖像B3; (4)對圖像B1、圖像B2、圖像B3三個圖像進行邏輯"與"運算，得到圖像C。5. 如權利要求4所述一種開放環境下中醫舌象目標檢測方法，其特征在于在步驟3)第 (1) 部分中，所述將校正圖像B轉換到灰度空間圖像fBl，按照最大類間方差法對灰度空間圖 像fBl進行閾值分割，得到分割圖像ΒΓ，并對分割圖像ΒΓ運用形態學運算平滑連通域，得 到圖像Bl的具體步驟如下： a) 將校正圖像B轉換到灰度空間圖像fBl; b) 對于灰度空間圖像fBl，設灰度空間圖像fBl的灰度G的取值范圍G= [0,L-I ]，各灰度 值出現的概率為Pi，閾值為T，閾值T對灰度空間圖像fBl進行二值化后分成fo和: fo= [0， T ]，f i = [ T+1，L-1 ]，f dPf i的概率分別戈Pi和〇i = 1 -α〇，平均灰度值分別為i.h/CXl，則f。和fi的最大類間方差為：g2 (T) = α〇(μ〇- = 其中μ= Σ iPi，求出g取最大值時的閾值Τ，對灰度空間圖像 fBl進行閾值分割，得分割圖像ΒΓ像素點的RGB取值fX,y(r，g，b):其中，f BI (X，y)表示灰度空間圖像f B1像素點的取值，T為閾值； c) 對分割圖像ΒΓ運用形態學運算中的閉運算平滑連通域，根據下面兩個公式依次計 算，得到圖像Bl;圖像Bl中的像素值gl (x，y)為： gl(x,y)=erode(dilate(fI(x,y),element)) gl (x,y) = bitwise_not(gl (x,y)) 其中，fI(x，y)為分割圖像ΒΓ中的像素值，element定義為形態學運算中的結構元素； dilate定義為形態學運算中的膨脹操作;erode定義為形態學運算中的腐蝕操作;bitwise_ not定義為對圖像的每一個像素點的取反操作。6. 如權利要求4所述一種開放環境下中醫舌象目標檢測方法，其特征在于在步驟3)第 (2) 部分中，所述將校正圖像B轉換到HSV顏色空間圖像fB2,對圖像fB2的H通道進行閾值分 害J，得到分割圖像B2'，并對分割圖像B2'運用形態學運算平滑連通域，得到圖像B2的具體步 驟如下： a) 將校正圖像B轉換到HSV顏色空間圖像fB2; b) 采用下式對圖像fB2進行色調閾值分割，得到分割圖像B2'像素點的RGB取值fx,y(r， g，bN其中，hx, 7表示圖像fB2中H通道像素點取值，TjPT2表示設定的閾值； c) 對分割圖像B2'運用形態學運算中的閉運算平滑連通域，根據下面兩個公式依次計 算，得到圖像B2;圖像B2中的像素值g2 (X，y)為： g2(x,y)=erode(dilate(f2(x,y),element)) g2(x,y)=bitwise_not(g2(x,y)) 其中，f2(x，y)為分割圖像B2'中的像素值，element定義為形態學運算中的結構元素； dilate定義為形態學運算中的膨脹操作;erode定義為形態學運算中的腐蝕操作;bitwise_ not定義為對圖像的每一個像素點的取反操作。7. 如權利要求4所述一種開放環境下中醫舌象目標檢測方法，其特征在于在步驟3)第 (3)部分中，所述采用RGB三色分量方差法對校正圖像B進行閾值分割，得到分割圖像B3'，并 對分割圖像B3'運用形態學運算平滑連通域，得到圖像B3的的具體步驟如下： a) 對于校正圖像B，假設其大小為mXn，將校正圖像B中每個像素點的RGB取值進行歸一 化操作，其取值范圍為[〇，1]，采用下式對校正圖像B中的每個像素點計算RGB三色分量方差 gate(m，η)，并對校正圖像B進行分割，得到分割圖像B3 '像素點的RGB取值fm,n(r，g，b):其中，rm,n表示校正圖像B中像素點(m，n)的R通道的取值，gm, n表示校正圖像B中像素點 (m，η)的G通道的取值，bm, n表示校正圖像B中像素點(m，η)的B通道的取值； b) 對分割圖像Β3'運用形態學運算中的閉運算平滑連通域，根據下面公式計算，得到圖 像B3;圖像B3中的像素值g3 (X，y)為： g3(x,y)=erode(dilate(f3(x,y),element)) 其中，f3(x，y)為分割圖像B3'中的像素值，element定義為形態學運算中的結構元素； di late定義為形態學運算中的膨脹操作;erode定義為形態學運算中的腐蝕操作。8. 如權利要求1所述一種開放環境下中醫舌象目標檢測方法，其特征在于在步驟4)中， 所述對步驟3)得到的圖像C進行區域特征判斷的具體方法如下： (1)對于圖像C中的每一個連通域，計算該連通域的凸包(S1); (2 )計算每一個凸包（S i )的面積areaS|與圖像C的面積a r e a c的比例： 游擬=areaSi/areac,刪除面積比小于〇 · 〇2的連通域； (3) 計算每個連通域凸包(S1)的質心(C1)與圖像C中心(Co)的歐式距離：其中，Cix、Ciy分別表不凸包(Si)質心的橫坐標與縱坐標，Cqx和Coy分別表不圖像C中心的 橫坐標與縱坐標； (4) 計算每個連通域凸包(Si)最小外接矩形的長寬比scale=w/h; 其中w表示最小外接矩形的寬，h表示最小外接矩形的長； (5) 計算每個連通域凸包(Si)的7個Hu不變矩mi (i e [ 1，7 ]); 所述Hu不變矩定義如下： 對于大小為M X N的圖像f (X，y)，f (X，y)的二維(p+q)階矩定義為：Hu用歸一化中心矩的線性組合構造具有平移、伸縮、旋轉不變的7個Hu不變矩 釣{ i e [ t7]) :(6) 人工選擇一張正常形狀舌象圖像(SQ)，計算舌象圖像(So)的7個Hu不變矩M1Qe [I， 7])，計算匹配度match(7) 根據下面三個公式依次計算每個連通域凸包(Si)的相似度score，選擇相似度score 的最大值，該相似度score的最大值對應的連通域凸包(Si)為選出的候選舌體區域D:其中，area為在步驟4)第(2)部分所求得的比例；scale為步驟4)第(4)部分所求得的長 寬比；dis為步驟4)第(3)部分所求得的歐式距離;match為步驟4)第(6)部分所求得的匹配 度。9. 如權利要求8所述一種開放環境下中醫舌象目標檢測方法，其特征在于在步驟4)第 (6)部分中，所述正常形狀舌象圖像（So)為中醫醫生根據經驗和相關專業知識選擇的正常 形狀舌象圖像。10. 如權利要求1所述一種開放環境下中醫舌象目標檢測方法，其特征在于在步驟5) 中，所述對步驟4)得到的候選舌體區域D進行紋理特征判斷的具體方法如下： (1)分別計算候選舌體區域D的水平、垂直、對角偏移量三種灰度共生矩陣的聯合概率 密度分布； (2) 設灰度共生矩陣的聯合概率密度分布記為[Pmn]^a，其中L為灰度取值范圍，m=[0， L-I ]，η =[ O，L-I ];根據聯合概率密度分布計算得到6個紋理特征，所述6個紋理特征包括角 二階矩、對比度、熵、逆差矩、中值和灰度相關；(3) 對步驟5)第（1)部分得到的三種灰度共生矩陣的聯合概率密度分布分別按照步驟 5)第(2)部分的方法計算6個紋理特征，共得到候選舌體區域D的18個紋理特征量fdieto， 17])； (4) 人工選擇若干幅標準光照環境下采集的舌象圖像，對每一幅標準光照環境下采集 的舌象圖像，手工分割出其中的舌體區域SD，得到若干個舌體區域SD，對每一個舌體區域SD 分別計算其水平、垂直、對角偏移量三種灰度共生矩陣的聯合概率密度分布;對這三種聯合 概率密度分布分別按照步驟5)第(2)部分的方法計算紋理特征，每一個舌體區域SD共得到 18個紋理特征量;對這些舌體區域SD計算得到的18個紋理特征量，求每個紋理特征量的平 均值 fi(ie[〇，17]); (5) 計算步驟5)第(3)部分求得的紋理特征量與步驟5)第(4)部分求得的 紋理特征量的平均值F1Qe [〇, 17])的紋理相似度，采用下列公式計算，若結果E小于設定 的閾值T3,則判斷為舌象，否則采集的圖像A中不存在可供分析的舌象：
【文檔編號】G06T7/00GK106023151SQ201610300494
【公開日】2016年10月12日
【申請日】2016年5月9日
【發明人】黃曉陽, 鄭豐, 王博亮, 王彥暉
【申請人】廈門大學