一種有效的舌體分割算法研究

張廣宇

摘要：針對圖像的色調(diào)值容易被多種因素影響，導(dǎo)致基于圖像色調(diào)的舌體分割算法無法準(zhǔn)確分割舌體，提出了一種基于新型顏色通道的自適應(yīng)舌象分割方法。首先結(jié)合HSI顏色空間的S通道與I通道生成兩個新的顏色通道，并將兩個新的顏色通道二值化。然后提出一種自適應(yīng)圖像拼接方法，將兩個二值圖像進行拼接。接著將圖片中非舌體區(qū)域的連通域排除，再將舌體區(qū)域進行形態(tài)學(xué)修正得到最終舌體分割結(jié)果。實驗結(jié)果表明該方法具有較好的分割結(jié)果。

關(guān)鍵詞：舌體分割；顏色通道；自適應(yīng)圖像拼接；連通域；形態(tài)學(xué)處理

中圖分類號：TP391 文獻標(biāo)識碼：A 文章編號：1009-3044（2017）29-0160-03

Abstract：An adaptive tongue segmentation method Based on new color channels is proposed to solve the problem that the hue value of the image is easily affected by a variety of factors， resulting in the tongue segmentation algorithm that Based on hue value can not segment the tongue accurately.First， the S channel and the I channel of the HSI color space are combined to generate two new color channels and binarize the two new color channels.Secondly， an adaptive image mosaic method is proposed to splice two binary images. Thirdly， the connected domain of the non-tongue region in the picture is excluded， and the resulting tongue region is morphologically corrected to obtain the final tongue segmentation result. The experimental results show that the method has better segmentation results.

Key words： tongue segmentation； color channel； Adaptive image mosaic； connected domain； morphological processing

1 概述

舌診是中醫(yī)“望、聞、問、切”四診中望診的重要組成部分，中醫(yī)通過肉眼觀察病人的舌體顏色、舌苔厚度等舌象信息來對病人的身體病況進行診斷，在一些中醫(yī)臨床診斷中有著廣泛的應(yīng)用。但傳統(tǒng)的舌診過于依賴醫(yī)生的主觀判斷和經(jīng)驗，沒有統(tǒng)一的量化數(shù)據(jù)與診斷標(biāo)準(zhǔn)[1-3]，限制了中醫(yī)舌診的發(fā)展。因此，在傳統(tǒng)中醫(yī)診斷中引入計算機數(shù)字圖像處理技術(shù)進行輔助診斷成了近年來中醫(yī)舌診客觀化發(fā)展的重要方法。而該方法的前提是將舌體區(qū)域從背景中分割出來，這一步?jīng)Q定了后續(xù)計算機視覺技術(shù)分析的準(zhǔn)確性[4-5]，因此舌體分割結(jié)果務(wù)必要精確。

顏色空間是彩色舌體圖像預(yù)分割的基礎(chǔ)，選擇合適的顏色空間可以最大限度的利用舌體圖像中的顏色信息。張氏等[7]借助HSI的Hue通道去除舌象中的嘴唇、臉部等信息，獲得舌體初始輪廓，然后用舌體修正模型修正設(shè)立初始輪廓，最后用改進的GAC算法提取舌體。王氏等[8]先借助HSI空間的H通道將舌體的位置確定，然后將處理后的圖像應(yīng)用snake主動輪廓模型得到舌體的初步輪廓，然后基于R值和YUV的V值對所得輪廓圖像重新初始化，接著再次用snake主動輪廓模型進行分割提取出舌體圖像。Kamarudin等[9]根據(jù)北里大學(xué)東方醫(yī)學(xué)研究中心的數(shù)據(jù)，總結(jié)出HSV顏色空間的H、S、V通道在舌體和舌苔會有不同的取值范圍，由此使用H、S、V通道的值確定了分割參數(shù)，從而將舌體與舌苔分離出來。

然而，在采集舌體圖像過程中，圖像的顏色信息容易被環(huán)境光源、相機質(zhì)量等因素影響而產(chǎn)生不規(guī)律的改變。如圖1所示，在HSI顏色空間中，我們可以看出顏色信息的不規(guī)律變化對H通道影響很大，這樣依靠H通道的彩色舌像的分割算法已經(jīng)無法對舌體圖像進行有效的預(yù)分割。針對這一問題，本文提出了結(jié)合兩種新的顏色通道對舌體圖像進行預(yù)分割處理，并運用一種針對本文條件下的自適應(yīng)圖像拼接算法，將舌體從背景中分割出來。

2 分割算法

本文的算法流程圖如圖2所示。先將原圖像轉(zhuǎn)換到HSI顏色空間提取出S、I顏色通道信息，由S、I顏色通道定義兩個新的顏色通道并利用迭代閾值法其二值化，得到舌體圖像的兩張預(yù)分割圖像，接著使用一種新的自適應(yīng)圖像拼接算法，將兩個二值圖像優(yōu)勢區(qū)域拼接，得到完整的舌體分割圖像，最后結(jié)合先驗知識進行形態(tài)學(xué)處理，將最終得到的分割結(jié)果輸出。

2.1 顏色空間轉(zhuǎn)換

圖像的顏色空間有多種模型，如RGB、YUV、YIQ、HSI、HSV、CMY等。RGB是最基礎(chǔ)的顏色空間，可以通過線性或非線性運算轉(zhuǎn)換成其他顏色空間[6]，并且廣泛應(yīng)用于計算機等電子設(shè)備的顯示器上。RGB是基于色光混合的原理設(shè)計的，R、G、B三個顏色通道分別表示紅、綠、藍三基色，通過R、G、B顏色通道的變化以及它們相互之間的疊加來得到各式各樣的顏色。但RGB對顏色的描述方式與人眼對物體顏色認(rèn)知方式有較大的差異，RGB的顏色通道應(yīng)用于圖像分割并不是十分理想。所以在數(shù)字圖像處理中，常采用RGB轉(zhuǎn)換為與人眼感知方式相近的HSI或HSV等顏色空間模型對彩色圖像進行分析。endprint

HSI顏色空間采用色調(diào)（Hue），飽和度（Saturation）和亮度（Intensity）來描述像素點的顏色。

色調(diào)（hue）分量描述了不同的顏色，取值范圍是0°到360°，每個角度可以代表一種純正的顏色。飽和度（saturation）分量描述了色彩純度的變化，取值范圍0到1，對應(yīng)的變化是從與該點亮度等價的灰色到純彩色。亮度（Intensity）分量用來控制色彩的明暗變化，取值范圍0到1，數(shù)值越小，色彩越暗，越接近于黑色；數(shù)值越大，色彩越亮，越接近于白色。

RGB顏色空間到HSI顏色空間轉(zhuǎn)換如式（1）所示。

2.2 利用S通道與I通道構(gòu)造新的顏色通道

如圖3（a）所示，HSI顏色空間模型為雙錐體結(jié)構(gòu)，雙椎體下頂點為黑色，上頂點為白色，在I軸上即S=0，圖像為只有明暗的灰度圖像，S的大小決定了顏色的純度。在圖3（b）中為HSI顏色空間的縱截面，在忽略H的條件下，某像素點顏色信息在HSI顏色空間中對應(yīng)的向量（Si，Ii）的與S軸的夾角為θ，本文借助θ來構(gòu)造兩個新的顏色通道C1、C2，

定義C1、C2與S、I 的轉(zhuǎn)化公式為：

然后對C1、C2做迭代閾值二值化處理，得到C1、C2的初步分割圖像。然后對所得圖像進行簡單的形態(tài)學(xué)開運算處理，得到結(jié)果如圖4所示。

2.3 自動閾值圖像拼接方法

如圖4所示，對C1顏色通道使用迭代閾值分割法對舌體上半部分割效果較好，而對C2顏色分量使用迭代閾值分割法對舌尖部分分割效果較好，所以將兩張預(yù)分割圖像優(yōu)勢區(qū)域拼接成為一張圖，即可獲得分割結(jié)果較好的舌像。

當(dāng)選取不同的拼接位置將兩張圖片進行拼接時，會導(dǎo)致拼接圖像連通域數(shù)量產(chǎn)生改變。由于兩張圖片拼接位置不好確定，本文提出一種基于連通域數(shù)量的自動閾值圖像拼接算法，避免了人工選取拼接閾值帶來的拼接效果不穩(wěn)定等不利因素。具體算法如下：

（1） 為了確保拼接結(jié)果不受噪聲點與較小連通域數(shù)量的影響，首先刪除C1與C2中像素點數(shù)量小于700的連通域。

（2） 根據(jù)舌體在圖像上的分布，假定閾值k的范圍[0.4，0.9]，k的初始值為0.4；

（3） 令Y=k*l，其中l(wèi)表示圖像的縱向長度，則Yi表示閾值為ki時的兩張圖像的拼接位置。在C1中低于Yi的像素點全部置0，在C2中高于Yi的像素點全部置0；

（4） 將變換后的C1與C2相加生成圖像imouti，計算imouti的連通域數(shù)量，如果新拼接圖像連通域的數(shù)量大于前一個閾值ki-1產(chǎn)生的連通域數(shù)量，則令K等于ki值。

（5） 令ki+1=ki+0.01，然后返回步驟（2），直到k=0.9為止，最終得到的K值即為拼接最佳閾值，代入算法中，得到拼接后的圖像如圖5所示。

2.4 基于先驗知識與形態(tài)學(xué)運算的舌像修正

原始圖像經(jīng)過初步分割之后，除了包含舌體區(qū)域外，還有一些與舌體區(qū)域不相連的非舌體連通域，由于原始圖像均以舌體部分為主體，基于此先驗知識，可知舌體部分的連通域應(yīng)具有以下特征：

1） 舌體區(qū)域面積不小于整體圖像面積的40%；

2） 如果存在滿足特征（一）的非舌體區(qū)域，那么一定是一個非常凹的連通域；

根據(jù)以上舌體區(qū)域的特征，本文設(shè)計了一個基于連通域運算的舌體提取算法：

a、刪除像素小于40%原圖面積的連通域；

b、刪除比較凹的連通域：計算連通域外切最小矩形面積Si與連通域面積si的比值，刪除Si/si>1.5的連通域；

c、進行形態(tài)學(xué)腐蝕、膨脹處理，將最終分割圖像與原舌圖像相乘，分割出舌體。最終得到的舌體提取圖片如圖6所示：

3 結(jié)論

舌診是中醫(yī)“望、聞、問、切”四診中望診的重要組成部分，在一些中醫(yī)臨床診斷中有著廣泛的應(yīng)用。在舌診的客觀化發(fā)展中，舌體分割的結(jié)果會直接影響后續(xù)計算機視覺算法的處理，

因此舌體圖像分割算法具有巨大的意義。因為舌體圖像采集時顏色信息容易被多種因素影響，本文提出了使用新型顏色通道對舌像進行預(yù)處理，通過迭代閾值分割算法得到初始分割結(jié)果。將兩個顏色通道分割效果比較好的部分進行圖像拼接，根據(jù)選取不同拼接位置導(dǎo)致拼接圖像連通域數(shù)量會產(chǎn)生改變，提出了一種針對本文條件下的自適應(yīng)閾值拼接算法。拼接后的分割圖像依然會有許多非舌體區(qū)域的連通域，本文根據(jù)先驗知識，定義了舌體區(qū)域的基本特征，并根據(jù)其特征將非舌體連通域排除掉。最后對舌體區(qū)域進行形態(tài)學(xué)的腐蝕、膨脹運算，得到最終的分割結(jié)果。經(jīng)過實驗論證，本文方法分割效果好、魯棒性高、運算速度快，是一種有效的舌體分割算法。但是，本文最終分割結(jié)果十分依賴C1通道對舌根部分的分割結(jié)果。進一步優(yōu)化C1通道的分割算法，提高對舌根部分的分割效果，將是接下來進一步研究的方向。

參考文獻：

[1] Miao-Jing Shi；Guo-Zheng Li；Fu-Feng Li；Chao Xu.Computerized tongue image segmentation via the double geo-vector flow[J].Chinese Medicine.2014：7.

[2] Ibragimov B， Prince J L， Murano E Z， et al. Segmentation of tongue muscles from super-resolution magnetic resonance images[J]. Medical Image Analysis， 2015， 20（1）：198.

[3] Zhang L， Qin J， Zeng Y J. Tongue-coating image segmentation Based on combination of morphological gradient and watershed algorithms[J]. Imaging Science Journal the， 2015， 59（6）：311-316.

[4] Wu K， Zhang D. Robust tongue segmentation by fusing region-based and edge-based approaches[J]. Expert Systems with Applications， 2015， 42（21）：8027-8038.

[5] Saritha B， Kannan B. Disease Analysis Using Tongue Image[J].International Journal of Engineering Research & Technology， 2013，2（4）：671-676.

[6] 楊璟，朱雷.基于RGB顏色空間的彩色圖像分割方法[J].計算機與現(xiàn)代化，2010（8）：147-149，171.

[7] 張志順，奚建清，劉勇.一種有效的舌體提取算法研究[J]. 微電子學(xué)與計算機，2015（4）：116-119+124.

[8] 王明英，張新峰，卓力.一種基于Snakes模型的中醫(yī)舌象分割改進算法[J].測控技術(shù)，2011（5）：32-35.

[9] Kamarudin， Nur Diyana， et al. Tongue's substance and coating recognition analysis using HSV color threshold in tongue diagnosis.International Workshop on Pattern Recognition， 2016：100110J.endprint