一種面診圖像的分割算法

劉媛+趙鵬程+陸小左

摘要：為了能夠解決傳統(tǒng)圖像提取算法中沒(méi)有充分考慮面診圖特點(diǎn)而造成的未能對(duì)于目標(biāo)區(qū)域進(jìn)行很好的預(yù)處理、顏色空間轉(zhuǎn)換失真、以及忽視細(xì)節(jié)處理的情況，設(shè)計(jì)實(shí)現(xiàn)了針對(duì)中醫(yī)面診儀的面診圖自動(dòng)分割算法。考慮到面診儀的光照環(huán)境，采用灰度自適應(yīng)增強(qiáng)的方法進(jìn)行預(yù)處理；為了防止傳統(tǒng)顏色空間轉(zhuǎn)換中色度信息失真的情況，采用了自適應(yīng)非線性的轉(zhuǎn)換方法；使用聚類方法及數(shù)學(xué)形態(tài)學(xué)運(yùn)算對(duì)細(xì)節(jié)進(jìn)行了處理，最終分割出最終的目標(biāo)區(qū)域。實(shí)驗(yàn)表明，該算法能夠準(zhǔn)確有效地分割面診儀所采集的面診圖，為后續(xù)分析處理挖掘更多的有效信息。

關(guān)鍵詞： 面診客觀化； 面診圖分割； 灰度增強(qiáng)； YCrCb； 聚類分析

中圖分類號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2017）26-0183-03

Abstract： In order to solve the problem of not fully considering the characteristics of face consultation image in traditional image extraction algorithm， such as can not preprocess the target area， convert the color space and handle details commendably， an automatic segmentation algorithm of face consultation image for face consultation instrument is designed and implementated. Considering the light environment of face consultation instrument， the gray scale adaptive enhancement method is used for the pretreatment. Avoiding the distortion of color information in traditional color space conversion， the adaptive non-linear conversion method is adopted. For the final target area segmentation， the clustering method and mathematical morphological operations are used to deal with the details. Experiments showed that the algorithm could segment the face consultation image accurately and effectively， and could mine more effective information for subsequent analysis.

Key words：face consultation objective of Traditional Chinese Medicine； segmentation of face consultation image； grayscale enhancement； YCrCb； cluster analysis

顏面望診由醫(yī)祖扁鵲提出，為傳統(tǒng)中醫(yī)學(xué)四診之首[1]，通過(guò)望其形而可知其內(nèi)部臟腑陰陽(yáng)氣血，不同的面部定位反射區(qū)分別對(duì)應(yīng)人體的心、肝、脾、肺、腎、膽、腸、胃、膀胱、腦、胸（乳）、生殖系統(tǒng)等區(qū)域[2]。然而，不同的光照條件、不同的醫(yī)師水平等使傳統(tǒng)的中醫(yī)面診往往不能進(jìn)行客觀化的診療[3]。以臨床經(jīng)驗(yàn)豐富，具有主任醫(yī)師級(jí)別的中醫(yī)師為主體，結(jié)合人工智能與識(shí)別技術(shù)為處理手段的中醫(yī)面診儀的研制，為中醫(yī)客觀化的診療模式提供了可行性[4]。進(jìn)行面診診療的第一步是觀看面部的整體顏色；處理面診圖的第一步也是進(jìn)行面部的分割提取。由于面診圖后續(xù)的提取分析工作是基于分割提取整個(gè)面部而進(jìn)行的，因此將面部從面診圖中分割具有較強(qiáng)的實(shí)際意義。本算法是針對(duì)中醫(yī)面診儀的面診圖進(jìn)行自動(dòng)分割處理，相較于其他面部提取算法，具有較強(qiáng)的針對(duì)性。

1 中醫(yī)面診儀采集系統(tǒng)的光照環(huán)境和采集過(guò)程

實(shí)驗(yàn)采用天津市天中依脈科技開(kāi)發(fā)有限公司與天津中醫(yī)藥大學(xué)聯(lián)合研制的YM-Ⅲ系列中醫(yī)面診儀，面診儀采集系統(tǒng)的光照環(huán)境是依據(jù)中醫(yī)專家的意見(jiàn)，模擬晴天上午9時(shí)的標(biāo)準(zhǔn)自然光照的人工光照環(huán)境。YM-Ⅲ系列面診儀采集系統(tǒng)如圖1所示，整體采用積分球設(shè)計(jì)，暗箱內(nèi)部采用LED光源照明，采集口設(shè)計(jì)貼合面部曲線，保證了采集時(shí)單一穩(wěn)定的采集光源，拍攝環(huán)境無(wú)閃爍、無(wú)雜光干擾、無(wú)采集陰影。光照環(huán)境相關(guān)技術(shù)參數(shù)如表1所示。采集時(shí)觀察對(duì)象按照中醫(yī)面診要求取正坐位，將頭部置于下頜托上，輕輕貼近采集口，拍照時(shí)面部不緊繃，無(wú)抖動(dòng)。

2 面診圖像的分割算法

2.1 面診圖像的自適應(yīng)預(yù)處理

1） 將面診圖像的RGB值轉(zhuǎn)化為灰度值；

2） 算出面診圖像灰度值（由大到小排列）前4.5%灰度值的平均值avg；

3） 令處理系數(shù)procco=255/avg ；

4） 將面診圖像的灰度乘以處理系數(shù)，得到處理后的面診灰度圖像；

5） 將面診灰度圖像轉(zhuǎn)化為面診圖像的RGB值，得到預(yù)處理后的面診圖像。

2.2 面診圖顏色空間的轉(zhuǎn)換

面診圖相對(duì)于其他圖像（如提取舌圖像）的主要特點(diǎn)在于可以根據(jù)皮膚的特點(diǎn)分割提取整個(gè)面部目標(biāo)區(qū)域。然而，面診圖像中亮度的變化會(huì)使面診圖變得更加復(fù)雜，不利于分割提取面診圖像的目標(biāo)區(qū)域。因此，面診圖的顏色空間不應(yīng)含有亮度信息。經(jīng)過(guò)預(yù)處理后的面診圖像的顏色空間依然是RGB空間，由于其三基色（R、G、B）均含有亮度信息，所以需要將面診圖進(jìn)行顏色空間的轉(zhuǎn)換。常見(jiàn)的顏色空間模型有HSL、HSV，YCrCb、YIQ，XYZ，CMY及RGB等模型[5-6]。綜合考慮應(yīng)方便排除亮度信息、方便進(jìn)行運(yùn)算等，本算法采用YCrCb顏色空間模型作為面診圖轉(zhuǎn)換后的顏色空間。YCrCb顏色空間模型中，Y表示亮度，Cr表示紅色分量，Cb表示藍(lán)色分量；亮度信息與色度信息（紅色分量、藍(lán)色分量）三維獨(dú)立分布。實(shí)驗(yàn)表明，膚色在色度信息上（即Cr、Cb）均服從于二維高斯分布endprint

2.5 面診圖像的初步分割

面診圖經(jīng)過(guò)二值化處理后依然存在部分偽目標(biāo)區(qū)域（如頸部信息等）。這是因?yàn)楸舅惴ㄊ腔谀w色的特點(diǎn)進(jìn)行分割提取的。為了能夠?qū)文繕?biāo)區(qū)域?yàn)V除掉，應(yīng)將面診圖中除連通區(qū)域面積值為最大以外的區(qū)域?yàn)V除掉。具體步驟如下：

1） 將二值化處理后的面診圖像進(jìn)行膨脹和腐蝕運(yùn)算，以便更好地連通離散化的像素點(diǎn)；

2） 尋找每個(gè)置為白的像素連通區(qū)域，分別計(jì)算區(qū)域面積值，只保留最大值區(qū)域。

2.6 面診圖目標(biāo)區(qū)域的最終提取

面診圖經(jīng)過(guò)初步分割后，再經(jīng)過(guò)數(shù)學(xué)形態(tài)學(xué)的運(yùn)算就可實(shí)現(xiàn)目標(biāo)區(qū)域的最終提取。具體步驟如下：

1） 進(jìn)行膨脹和腐蝕運(yùn)算，使面診圖目標(biāo)區(qū)域更好地融為一體；

2） 面診圖取反，提取最大連通區(qū)域，再次取反；

3） 將經(jīng)過(guò)數(shù)學(xué)形態(tài)學(xué)運(yùn)算后的面診圖與原始面診圖進(jìn)行與運(yùn)算，得到分割提取后的面診圖像。

3 結(jié)果

面診圖的自動(dòng)分割算法整體流程圖、分割過(guò)程圖及實(shí)驗(yàn)結(jié)果如圖2、圖3所示。其中，圖2（a）為通過(guò)面診儀采集得到的面診圖，圖2（e）3為經(jīng)過(guò)分割提取后的面診圖。經(jīng)過(guò)實(shí)驗(yàn)可知，本算法中的自適應(yīng)預(yù)處理、非傳統(tǒng)線性自適應(yīng)顏色空間的轉(zhuǎn)換以及適當(dāng)?shù)臄?shù)學(xué)形態(tài)學(xué)的運(yùn)算，可以滿足面診圖分割提取的需要。

參考文獻(xiàn)：

[1] 譚旭彤. 鼻部望診研究[D]. 黑龍江中醫(yī)藥大學(xué)， 2016.

[2] 袁路云. 心腦血管疾病早知道——反射區(qū)望診法的初步應(yīng)用[J]. 中華養(yǎng)生保健， 2014（5）：61-65.

[3] 邸丹， 周敏， 秦鵬飛，等. 中醫(yī)舌診、面診客觀化研究進(jìn)展[J]. 上海中醫(yī)藥雜志， 2012（4）：89-92.

[4] 胡志希. 早發(fā)冠心病血瘀證痰濁證面部光電血流容積信息特征及與GMP-140含量的相關(guān)研究[J]. 全國(guó)第十二次中醫(yī)診斷學(xué)術(shù)年會(huì)， 2012.

[5] 楊立志， 屠莉. 一種基于直方圖的車牌定位方法[J].電腦知識(shí)與技術(shù)，2012（30）：7335-7338.

[6] 王玉玨. 計(jì)算機(jī)色彩模型應(yīng)用[J].電腦知識(shí)與技術(shù)，2010，6（6）：1458-1460.

[7] 姚軍財(cái). 一種基于YC_rC_b顏色空間和視覺(jué)特性的彩色圖像水印技術(shù)[J].包裝工程，2012（9）：111-116.endprint