一種自動提取彩色舌圖像的算法

劉 媛， 趙鵬程， 李 甜， 田 飛，陸小左*

（1.天津中醫(yī)藥大學(xué)中醫(yī)藥工程學(xué)院，天津 300193；2.天津市建筑設(shè)計院，天津 300074；3.天津市東新街社區(qū)衛(wèi)生服務(wù)中心，天津 300162）

一種自動提取彩色舌圖像的算法

劉 媛1， 趙鵬程2， 李 甜3， 田 飛1，陸小左1*

（1.天津中醫(yī)藥大學(xué)中醫(yī)藥工程學(xué)院，天津 300193；2.天津市建筑設(shè)計院，天津 300074；3.天津市東新街社區(qū)衛(wèi)生服務(wù)中心，天津 300162）

彩色舌體的自動提取技術(shù)為中醫(yī)舌診客觀化提供了更加便捷的操作手段。傳統(tǒng)舌圖像的提取方法不能較精確地提取所需的舌體部分，且對于舌體細節(jié)（如舌體偽輪廓和點刺）的處理也不夠理想。采用首先提取彩色舌圖像在RGB空間的亮度特征信息，然后使用平滑、圖像增強的方法對舌圖像進行處理，再使用最大類間方差法進行自動分割，以提取出彩色舌體的初始輪廓。通過提取舌圖像的最大連通區(qū)域以去除其他非舌體區(qū)域，進行負向處理后再次提取最大連通區(qū)域以去掉舌體內(nèi)的孔洞，最終通過數(shù)學(xué)形態(tài)學(xué)及邏輯與運算提取出所需的舌體部分。實驗證明，本研究具有一定的分割效果，滿足后續(xù)舌體內(nèi)部感興趣區(qū)域再提取和分析的需要。

舌診客觀化；舌體提??；亮度；直方圖均衡；數(shù)學(xué)形態(tài)學(xué)

Abstract:?The automatic extraction of color tongue body provides a more convenient means for the tongue diagnostic objectification of traditional Chinese medicine.The traditional tongue image extraction method can not extract the required part of the tongue more accurately, and the treatment of tongue body details (such as tongue false contour and prick) are not ideal.In this paper, in order to extract the initial contour of color tongue, the luminance feature information of color tongue image in RGB space was extracted firstly, the tongue image was processed by the method of smoothing, enhancement and OTSU algorithm secondly.In order to extract the final contour of color tongue, the maximum connected area of the tongue image was extracted to remove the other non-tongue area, the maximum connected area after the negative processing was extracted again to remove the holes in the tongue, and the tongue was extracted by the method of mathematical morphology and boolean AND operator lastly.The experiments show that this research has a certain segmentation effect to meet the needs of the extraction and analysis for the following interested area in tongue body.

Keywords:?tongue diagnosis objective; tongue body extraction; luminance feature information; histogramequalization; mathematical morphology

中醫(yī)通過“望、聞、問、切”以獲得體征和癥狀等相關(guān)資料，經(jīng)過綜合分析歸納后，提取病機，從而進行相應(yīng)的論治[1-3]。舌診是中醫(yī)望診的重要組成部分，在《黃帝內(nèi)經(jīng)》《傷寒論》等書籍中均有詳細記載[4-5]。傳統(tǒng)的中醫(yī)舌診大多受到人為因素的影響，缺乏客觀化的辨證方法[6-7]；而同時舌診比其他四診更容易進行客觀化提取。通過以中醫(yī)專家臨床實踐為主體，輔以現(xiàn)代化技術(shù)處理手段的中醫(yī)舌象儀的研制，使舌診客觀化具備了可行性，以助于提高中醫(yī)四診客觀化的發(fā)展[8-10]。在舌象儀中，舌圖像處理的第一步是舌體的提取，就是把舌體從臉、嘴唇及牙齒等背景中分離。舌體提取的效果將直接影響后續(xù)的相關(guān)提取和分析工作，所以此步驟至關(guān)重要。手工提取的舌體雖然準確度高，但提取過程需要專業(yè)人員操作，較麻煩。所以如何準確的自動提取舌體具有很大的實用意義。

閾值分割法[11-12]具有響應(yīng)速度快、計算量小等優(yōu)點，但受周圍環(huán)境影響較大。原始舌圖像中的舌體由于存在薄層水膜而相對于其他部分亮度較高，所以本算法在處理彩色空間轉(zhuǎn)換上，未采用傳統(tǒng)的灰度化處理[13-14]，而是用亮度信息特征對舌圖像進行轉(zhuǎn)換。在閾值分割前，通過中值濾波和直方圖均衡的方法對舌圖像進行增強處理。然后通過提取最大連通區(qū)域以及運用數(shù)學(xué)形態(tài)學(xué)等方法，提取出最終的舌體。

1 舌圖像空間亮度特征信息

圖像的彩色空間轉(zhuǎn)換一般采用灰度化[15]的處理方式，即將所需要處理的彩色圖像轉(zhuǎn)換為灰度圖像，用于初步提取感興趣的信息，同時方便加快后續(xù)圖像的處理速度以縮減處理時間?；叶然奶幚矸椒椋菏紫容斎朐疾噬珗D像的R，G，B值（R，G，B分別為原始圖像彩色空間中像素點的紅，綠，藍3個分量值）。通過平均法、最大值法或加權(quán)法等求出所需處理圖像的灰度值。其中，在平均法中，灰度值為R，G，B三分量的平均值；在最大值法中，灰度值為R，G，B三分量的最大值；在加權(quán)法中，灰度值為R，G，B三分量的加權(quán)平均值。最后，將灰度值分別替換原始的R，G，B值，從而得到所需的灰度圖像。

通過實驗發(fā)現(xiàn)，彩色舌圖像經(jīng)過灰度化的處理后并不能很好地突出感興趣的信息。原始的舌圖像由于存在薄層水膜而相對于其他部分亮度較高，所以根據(jù)亮度的特性采用亮度信息特征對舌圖像進行轉(zhuǎn)換。原始舌圖像中包含目標區(qū)域（舌體）和非目標區(qū)域（臉部、嘴唇、牙齒等）兩部分。除牙齒外，舌體部分由于覆蓋一層薄薄的水膜而產(chǎn)生較強的光反射性，所以相較于非目標區(qū)域亮度較高。因此可以通過原始舌圖像中像素亮度的較大差異來提取目標區(qū)域。目前使用最為廣泛的彩色空間是RGB空間。在RGB空間中，有：

通過實驗發(fā)現(xiàn)，使用原始舌圖像像素點的亮度信息特征對最大方差類間法進行自動分割，可以較準確地提取出初始舌體，且相較于HSI、HSV、YCbCr等其他彩色空間的轉(zhuǎn)換方法[16-18]，具有計算量小、處理速度快等特點，大大減少了空間轉(zhuǎn)換的計算量，從而縮短了處理時間。

2 舌圖像增強與閾值分割

2.1 舌圖像噪聲的抑制方法 在舌象儀中，舌圖像的采集、傳輸和模數(shù)轉(zhuǎn)換等過程會因為外部、內(nèi)部的干擾而產(chǎn)生噪聲，這些噪聲將造成舌圖像上各像素點信噪比的降低。通常使用小波濾波法、中值濾波法、均值濾波法等[19]對噪聲進行濾除處理。

小波濾波法是一種分析窗口大小不變但形狀不固定的時頻局部化處理方法。小波濾波法的時頻局部化處理是指在所需處理圖像的高頻率段采用高的時間分辨率及低的頻率分辨率進行處理，而在所需處理圖像的低頻率段采用低的時間分辨率及高的頻率分辨率進行處理。由于通常提取的有用信息在低頻段，而噪聲主要存在于高頻段，所以通過對不同頻段采取不同的抑制方式可以在濾除噪聲的同時保留所需提取的有用信息。通過實驗發(fā)現(xiàn)，小波濾波法可以有效地去除舌圖像的噪聲，同時不會造成圖像的過度模糊，但是隨著分辨率的提高，噪聲的小波變換值也隨之增大，所以提高分辨率和有效去除噪聲，二者不可兼得。

均值濾波法是線性濾波法，是一種由相應(yīng)模板替代所需處理圖像像素值的方法。其中，模板為所需處理圖像像素點鄰域像素灰度值的均值。通過實驗發(fā)現(xiàn)，均值濾波雖不會造成舌圖像邊緣的模糊，但是只針對特定噪聲有較好的濾除效果，而舌圖像的噪聲來源復(fù)雜，均值濾波效果不理想。

中值濾波法是比較常用的降低噪聲的平滑方法，屬于非線性濾波法，是一種通過將所需處理圖像的像素值與相應(yīng)模板進行比對，如果差距過大就用模板替代的方法。其中，模板為所需處理圖像像素點鄰域像素灰度值的中值。通過實驗發(fā)現(xiàn)，中值濾波既可以降低噪聲，又不會使舌圖像模糊。本文采用中值濾波法（如圖2（c）所示）進行舌圖像的去噪，經(jīng)過實驗對比，采用3×3窗口最為適宜。

2.2 直方圖的均衡化 直方圖均衡化處理（如圖2（d）所示）可以加大舌圖像細節(jié)的對比度，而對于有很大差異的區(qū)域，也同時擴大其對圖像的貢獻。對于較難分辨的嘴唇與舌體和較容易分辨的臉部、牙齒與舌體均起到了加大對比度的效果。同時，直方圖的均衡化可以使灰度過于集中的舌圖像經(jīng)過處理后變得疏散，這將有效地解決光照對于舌圖像的影響。當光照過暗時，舌圖像像素點的灰度值偏向集中于255，而當光照過亮?xí)r，舌圖像像素點的灰度值偏向集中于0。直方圖均衡化處理有效地將聚集的灰度值進行拓展，從而增強了舌圖像的視覺效果。

如果需要處理的舌圖像函數(shù)為f，線性處理后的舌圖像函數(shù)為g，則有：

式中：T 為轉(zhuǎn)換函數(shù)，N 為舌圖像的像素總數(shù)，有nm個第m個灰度級的rm值，l 為總的灰度級數(shù)，其中m=0，1…l-1，Pr(ri)為相應(yīng)的概率。

2.3 最大類間方差法的自動提取 最大類間方差法通過亮度信息自動分割閾值，從而提取出舌體的初始輪廓。假設(shè)w0和w1分別為非目標區(qū)域和目標區(qū)域所占亮度直方圖的概率，T為舌圖的閾值，μ0，μ1為w0和w1的亮度平均值，μ(T)為總的亮度平均值，μ為加權(quán)平均值，δ2(T)為所求方差，則有：

式中：當δ2(T)為最大時，閾值T即為所求。由于是通過計算分組間的方差達到最大時來確定最終的閾值，所以該方法分“對”的概率為最大，相對于直接閾值法和遞歸閾值法較不易受到外界環(huán)境的影響，且計算速度快，具有較強的魯棒性。

3 實驗結(jié)果及分析

整個提取舌體的算法流程圖如圖1所示，將舌象儀采集到的含有臉部、牙齒和嘴唇以及舌體的彩色圖像經(jīng)過算法流程處理后提取出只含有舌體的部分。

圖1 提取舌體算法流程圖

另外，提取的初始舌體輪廓存在許多小的偽輪廓，比如牙齒的輪廓，如圖2（e）所示。由圖可知，所需要提取的舌體輪廓相對于偽輪廓最大，而且非目標區(qū)域相對于目標區(qū)域面積差別很大，所以可以用提取最大連通區(qū)域的方法對初始舌體輪廓進行提取。

圖2（f）為經(jīng)過處理后不存在偽輪廓的舌體輪廓，由圖可知，被提取的舌體內(nèi)部含有許多小的黑洞，通常采取的方法會存在大的黑洞不能完全消除的情況，或需要多次對舌圖像進行處理，所以消除起來比較麻煩。通過研究提取最大連通區(qū)域的原理，在原有圖像的基礎(chǔ)上進行負向處理，并再一次提取最大連通區(qū)域就可以方便地消除這些黑洞，如圖2（h）所示。

通過對比圖2（i）與舌象儀采集到的原始彩色舌圖像（圖2（a））可知，經(jīng)過處理后的舌圖像缺失了舌體部分中邊緣較暗的部分，這是因為這部分的亮度較低，和非目標區(qū)域的亮度比較接近。如果人為地干預(yù)閾值的自動分割，會導(dǎo)致部分非目標區(qū)域混入到目標區(qū)域中。可以采用數(shù)學(xué)形態(tài)學(xué)的方法[20]對該圖像進行處理。通過數(shù)學(xué)形態(tài)學(xué)中的膨脹運算，使提取出的舌體輪廓適當?shù)叵蚍悄繕藚^(qū)域進行擴充，如圖2（j）所示。將此圖像與原始彩色舌圖像進行邏輯“與”運算后即可得到最終的結(jié)果。

圖2 舌體圖像的提取過程及實驗結(jié)果

對舌體圖像提取的實驗結(jié)果如圖2所示，其中圖2（a）為舌象儀采集到的原始彩色舌圖像，圖2（k）為最終的舌體提取結(jié)果。

通過圖2可以看出，亮度信息的提取、舌圖像的增強及后續(xù)的處理可以滿足舌體提取工作的需要，同時保證了后續(xù)提取分析工作的準確性。

4 結(jié)論

本文從舌體相對于非目標區(qū)域含有薄層水膜的特點出發(fā)，給出了從彩色舌圖像中提取所需彩色舌體信息的整個算法流程，并對算法處理中的每一步進行了相關(guān)過程實驗。整個提取操作（計算）過程全自動化，不需要專家的參與。

本算法克服了傳統(tǒng)彩色空間計算量大、處理速度慢的缺點，大大減少了空間轉(zhuǎn)換的計算量，從而縮短了處理時間。

另外，針對固定閾值等方法存在的缺陷、照相機在拍攝過程中產(chǎn)生的噪聲，以及不同環(huán)境（如光照變化）的影響等問題也在本算法中進行了處理。

本算法為舌圖像的后續(xù)提取及分析提供了基礎(chǔ)，簡化了操作過程，從而為舌診的客觀化智能化提出了一種可行的實用方法。

[1] 葉放,李國春,沈波,等.基于周仲瑛教授大樣本“瘀熱”病案數(shù)據(jù)挖掘分析研究報告[J].中華中醫(yī)藥雜志, 2012,27(5)： 1294-1297.

[2] 謝一民.中醫(yī)藥治療疑難雜癥驗案 3 則[J].長春中醫(yī)藥大學(xué)學(xué)報 , 2013 , 29(1)： 116-117.

[3]楊麗霞,吳俊,周賢剛,等.基于聚類分析的頑固性面癱中醫(yī)病機證型及治法研究[J].四川中醫(yī),2014, 32(10)： 77-79.

[4]黃立芳,溫明曉.失眠證治一得[J].長春中醫(yī)藥大學(xué)學(xué)報,2013, 29(1)： 86-87.

[5]杜松, 彭鑫, 李菲.疫病診法理論探討及其在流行性乙型腦炎中的應(yīng)用[J].中國中醫(yī)基礎(chǔ)醫(yī)學(xué)雜志, 2012, 18(9)：942-944.

[6] 陳雪姣, 王玉臣, 王德才.中醫(yī)舌診客觀化研究的發(fā)展概況 [J].江西中醫(yī)藥 , 2012, 43(1)： 72-75.

[7] 張晶.基于光譜法的中醫(yī)舌診客觀化[D].天津：天津大學(xué),2010.

[8] 吳喜慶, 陸小左.慢性乙型肝炎中醫(yī)客觀化療效評價方法研究[J].天津中醫(yī)藥大學(xué)學(xué)報, 2014, 33(4)： 199-203.

[9] 丁然, 陸小左.慢性乙型肝炎中醫(yī)證候與舌象客觀量化指標相關(guān)性的臨床研究[J].西部中醫(yī)藥, 2015, 28(1)： 56-59.

[10]曹宏梅, 田飛, 陸小左.中醫(yī)診療儀器研究進展[J].國際生物醫(yī)學(xué)工程雜志, 2013, 36(2)： 84-87.

[11]譚穗妍, 馬旭, 吳露露, 等.基于機器視覺和 BP 神經(jīng)網(wǎng)絡(luò)的超級雜交稻穴播量檢測[J].農(nóng)業(yè)工程學(xué)報, 2014,30(21)： 201-208.

[12]高美鳳, 劉娣.分塊幀差和背景差相融合的運動目標檢測[J].計算機應(yīng)用研究, 2013, 30(1)： 299-302.

[13]馬紅霞, 馬明建, 馬娜, 等.基于 Hough 變換的農(nóng)業(yè)機械視覺導(dǎo)航基準線識別[J].農(nóng)機化研究, 2013, 35(4)： 37-39.

[14]彭溦汐, 趙冠先, 王志前.基于圖像識別系統(tǒng)的灰度化算法研究與效率分析[J].電子世界, 2014 (7)： 105.

[15]郭常有, 曹廣斌, 韓世成, 等.基于圖像處理技術(shù)的扇貝尺寸及位置自動識別[J].大連海洋大學(xué)學(xué)報, 2012, 27(6)：578-582.

[16]盧軍, 譚智仁.結(jié)合 Mahalanobis 距離的 SUSAN 彩色邊緣檢測方法研究[J].陜西科技大學(xué)學(xué)報 (自然科學(xué)版),2013, 31(6)： 136-140.

[17]梁進, 劉泉, 艾青松.基于 SURF 和全局特征融合的圖像分類研究[J].計算機工程與應(yīng)用, 2013, 49(17)： 174-177.

[18]暴琳, 李垣江, 龔淼, 等.基于 Tetrolet 變換和 DCT-SVD的彩色圖像穩(wěn)健數(shù)字水印算法[J].江蘇科技大學(xué)學(xué)報(自然科學(xué)版 ), 2015, 33(5)： 9.

[19]陳蒙.醫(yī)學(xué) X 光成像中圖像去噪算法研究[J].軟件,2013, 34(11)： 62-63.

[20]楊志平, 齊清文, 黃仁濤.數(shù)學(xué)形態(tài)學(xué)在空間格局圖像骨架提取中的應(yīng)用[J].地球信息科學(xué)學(xué)報, 2012, 5(2)： 79-83.

Algorithm of automatic extraction for color tongue images

LIU Yuan1, ZHAO Pengcheng2, LI Tian3, TIAN Fei1, LU Xianzuo1*
(1.School of Chinese Medicine Engineering, Tianjin University of Traditional Chinese Medicine,Tianjin 300193, China;2.Tianjin Architecture Design Institude, Tianjin 300074, China;3.Community Health Center for Dongxin Street, Tianjin 300162, China)

R241.25

A

2095-6258(2017)05-0749-04

2017-03-01)

10.13463/j.cnki.cczyy.2017.05.021

國家科技支撐計劃課題（2012BAI25B05）；國家重點基礎(chǔ)研究發(fā)展計劃（“973”計劃）課題（2011CB505406）；國家重點基礎(chǔ)研究發(fā)展計劃（“973”計劃）課題（2014CB542902）。

劉 媛(1987 - )，女，碩士研究生，助教,主要從事四診及其客觀化研究。

*通信作者：陸小左，男，教授，電話 -（022）59596534，電子信箱-13702093979@163.com