數(shù)字圖像處理技術(shù)在中藥材及飲片鑒定領(lǐng)域的應(yīng)用

聶壹琦　闞紅星

摘要：數(shù)字圖像處理技術(shù)在中藥材及飲片的鑒定領(lǐng)域主要分為性狀鑒定、顯微鑒定、理化鑒定、純度品質(zhì)鑒定。作者就近10年數(shù)字圖像處理技術(shù)在中藥材及飲片鑒定領(lǐng)域的新技術(shù)、新方法進行了分析與綜述，然后對圖像處理技術(shù)在該領(lǐng)域內(nèi)所面臨的困難、發(fā)展前景及新技術(shù)運用進行探討與展望。

關(guān)鍵詞：中藥材；中藥飲片；真?zhèn)舞b定；數(shù)字圖像處理技術(shù)；機器學(xué)習(xí)；三維建模

中圖分類號：TP391? ? ? 文獻標(biāo)識碼：A

文章編號：1009-3044（2022）34-0019-04

中藥材及飲片的鑒定正朝著科技化、快捷化、交互化的方向不斷發(fā)展進步。數(shù)字圖像處理是通過計算機對圖像進行去除噪聲、增強、復(fù)原、分割、提取特征等處理的方法和技術(shù)[1]。目前數(shù)字圖像處理技術(shù)在中藥材及飲片的鑒定領(lǐng)域主要有四部分：性狀鑒定、顯微鑒定、理化鑒定、純度品質(zhì)鑒定。

傳統(tǒng)的鑒定方法需要豐富的經(jīng)驗和實驗操作能力，而數(shù)字圖像處理技術(shù)在中藥材及飲片鑒定中使用可以減少肉眼及操作帶來的不準(zhǔn)確性和主觀性[2]。本文就數(shù)字圖像處理技術(shù)在中藥材及飲片鑒定領(lǐng)域的應(yīng)用展開以下分析和討論，旨在為提高鑒定的準(zhǔn)確性和效率提供思路方法的借鑒。圖1為易混淆中藥材圖片。

1 數(shù)字圖像處理技術(shù)在中藥材及飲片性狀鑒定中的應(yīng)用

性狀鑒定，主要靠人用眼、手、鼻、口、舌等來進行，即通過看、摸、聞、嘗等感官方法來鑒別[4]。

石佳等人[5]以覆盆子為研究對象，利用ZEN數(shù)碼成像系統(tǒng)對其表面特征及橫剖面特征進行分析，采用景深擴展進行圖像合成實現(xiàn)性狀特征智能化識別。張南平等人[6]以茺蔚子為研究對象，同樣利用ZEN數(shù)碼成像對茺蔚子進行圖像合成，研究茺蔚子剖面特征時同樣使用ZEN（AMD微處理器架構(gòu)）數(shù)碼成像系統(tǒng)（采用景深擴展進行拍攝合成）。馬四補等人[7]用Photoshop軟件對6種青風(fēng)藤類中藥材莖橫切面圖像進行分析，通過計算像素點的方法以確定斷面腐爛情況，為后期數(shù)學(xué)統(tǒng)計提供有益快捷數(shù)據(jù)支持。周法律等人[8]利用數(shù)字圖像處理技術(shù)對中藥葉片進行在線識別，依次進行圖像采集、圖像處理、特征提取、圖像識別。該實驗通過動態(tài)規(guī)劃算法與人工神經(jīng)網(wǎng)絡(luò)算法相結(jié)合的方法實現(xiàn)葉片圖像的識別，準(zhǔn)確率可達到80%以上。Tony J. Collins等人[9]研究軟件ImageJ，ImageJ在中藥材的識別也有使用。ImageJ支持多種標(biāo)準(zhǔn)圖像文件格式，包括其實現(xiàn)的48位彩色合成圖像支持。ImageJ集成了許多用于圖像處理的有用工具，其中包括直方圖操作和標(biāo)準(zhǔn)圖像過濾器--這是一個優(yōu)秀的背景減除例程，特別適合處理不均勻的背景和其他用戶編寫的插件，以實現(xiàn)更復(fù)雜的過濾（例如，卡爾曼濾波、各向異性擴散）。另一個優(yōu)勢是大量的自動圖像分割算法，再次允許用戶選擇最合適的。這些方法包括最大類間方差閾值、混合建模、最大熵、基于顏色的閾值和K-均值聚類。Fiji[10]使用現(xiàn)代軟件工程做法，將強大的軟件庫與廣泛的腳本語言相結(jié)合，以實現(xiàn)圖像處理算法的快速原型設(shè)計。Fiji促進將新算法轉(zhuǎn)化為ImageJ插件，可通過綜合更新系統(tǒng)與最終用戶共享。Johannes Schindelin建議Fiji作為計算機科學(xué)和生物研究界之間進行富有成效的合作的平臺。國內(nèi)外均有所研究，國內(nèi)注重圖像處理部分，國外側(cè)重圖像處理軟件算法的開發(fā)，由此可見數(shù)字圖像處理技術(shù)在中藥材及飲片領(lǐng)域的應(yīng)用廣泛并且具有長遠的發(fā)展?jié)摿Α?/p>

中藥微性狀鑒定法[11]是借助儀器觀察中藥材表面 （包括斷面）肉眼不易察覺的細(xì)微性狀特征。該方法是將性狀鑒定和顯微鑒定結(jié)合的新方法，于2011年首次提出，本研究將微性狀鑒定法放在性狀鑒定下進行分析。幕元熹[12]在他的碩士畢業(yè)論文中使用PHOTOSHOP CS4進行同組別圖片合成，進行“合并圖層”和“自動混合圖層”得到清晰圖片。該課題對廣藿香、大青葉、旋覆花等12種易混類群中藥材進行鑒別，可以準(zhǔn)確鑒定。高飛燕等人[13]以石竹科的16種植物種子為研究對象，利用電腦景深合成技術(shù)針對性地反應(yīng)易混中藥材的表面特征，為種子類中藥材的鑒定奠定堅實基礎(chǔ)，使得全草類中藥可以快速找到種子。徐飛等人[14]以人參和西洋參飲片為研究對象，對采集到的圖像建立圖像數(shù)據(jù)集，再擴大數(shù)據(jù)集，然后進行顏色處理和預(yù)訓(xùn)練模型構(gòu)建，最后構(gòu)建卷積神經(jīng)模型，該模型可以在藥材無損的情況下準(zhǔn)確鑒別人參及西洋參。袁仕君等人[15]利用Adobe Photoshop CS6將圖像導(dǎo)入使用自動混合圖層和合并圖層操作后對處理過后的圖片進行數(shù)據(jù)分析。微性狀鑒定方法是對性狀鑒定的一種改善，性狀鑒定是根據(jù)鑒定人員本身對于中藥材知識的掌握，通過感官的方式來對中藥材及飲片進行鑒定。此鑒定方法對于鑒定人員本身的專業(yè)知識素養(yǎng)有很高的要求，另一方面鑒定的準(zhǔn)確率也會因為掌握知識的程度而有所浮動變化。

2 數(shù)字圖像處理技術(shù)在中藥材及飲片顯微鑒定中的應(yīng)用

顯微鑒定是指用顯微鏡來觀察中藥的組織、細(xì)胞或內(nèi)含物等的結(jié)構(gòu)形態(tài)特征，以確定其真?zhèn)闻c純度的鑒定方法。顯微鑒定是現(xiàn)在最為常見的、科學(xué)的、高效的鑒定方法[4]。

羅嵐等人[16]以水靈芝為研究對象，使用顯微鑒定方法對其進行鑒定研究。該研究主要就水靈芝全草的薄層樣本進行詳細(xì)地研究鑒別，對不同批次的水靈芝的薄層色譜進行對比。石佳等人[17]利用數(shù)碼成像技術(shù)對覆盆子的性狀進行研究和數(shù)字化表征，為中醫(yī)藥的數(shù)字化標(biāo)本庫建立奠定了基礎(chǔ)。盧文彪以牛膝和川牛膝為研究對象，在對研究中藥材的組織提取分析中，利用MATLAB，采用分層搜索策略進行圖像配準(zhǔn)匹配，再使用小波融合進行圖像灰度調(diào)整，數(shù)字圖像處理技術(shù)在該研究中實現(xiàn)中藥材圖像的識別分割，為中藥材及飲片提供新的研究方向。利用數(shù)字圖像處理技術(shù)來鑒定的還有采用CCD攝像機在低倍顯微鏡下直接對標(biāo)本采樣，然后將攝像頭采集中藥材圖像輸入ApolloDN3500系統(tǒng)，進行圖像灰度處理，再用特定處理代碼完成采集圖像的特性分析測定，最后得到參數(shù)的像素。孫鑫等人[18-19]利用深度學(xué)習(xí)對中藥圖像進行數(shù)字化處理，建立中藥材圖像數(shù)據(jù)庫，該庫中包括2554張圖像，運用SoftMax訓(xùn)練數(shù)據(jù)準(zhǔn)確性可達到70%。徐曉琴等人[20]在研究管花肉蓯蓉時，使用數(shù)碼成像系統(tǒng)拍照，將橫截面的分散圖片合成一張完整的圖片后進行顯微觀察，為較大中藥材鑒定提供思路方法。王一丁等人[21-22]對中藥材粉末顯微圖像進行研究，圖像預(yù)處理時建立多通道顏色空間，保證小樣本圖像信息的處理效率和準(zhǔn)確率。

3 數(shù)字圖像處理技術(shù)在中藥材及飲片理化鑒定中的應(yīng)用

理化鑒定是利用物理、化學(xué)儀器分析方法，來對中藥所含化學(xué)成分、有效成分、相關(guān)成分以及其他物質(zhì)進行定性定量分析，以確定中藥的真?zhèn)渭捌焚|(zhì)優(yōu)劣程度[4]。

張丹純等人[23]以鴨跖草和淡葉草為研究對象，利用MEGA6.0軟件分析內(nèi)遺傳距離，為市售混有淡葉草的鴨跖草提供鑒定依據(jù)。石巖等人[24]應(yīng)用層次聚類分析方法等數(shù)據(jù)處理方法對牛膽和羊膽藥材的薄層色譜進行鑒定分析，相較于其他的鑒定方法，該方法靈敏度更高。徐敏莉[25]在她的碩士畢業(yè)論文中提到一種新技術(shù)，一種基于高效液相色譜-質(zhì)譜聯(lián)用儀進行三維數(shù)字圖像處理的研究，該方法的優(yōu)點在于融合儀器分析化學(xué)技術(shù)和數(shù)字圖像技術(shù)進行多維數(shù)據(jù)的分析提取。姚令文等人[26]以人工牛黃薄層指紋圖譜為研究對象，對特征圖譜進行灰度轉(zhuǎn)換，將數(shù)據(jù)導(dǎo)入ChemDataSolution進行平滑濾波處理。該研究的創(chuàng)新點在于圖像數(shù)字化的設(shè)計，結(jié)合三原色和256階亮度，將彩色圖像轉(zhuǎn)換為可用色階表示的灰度圖像進行數(shù)字化分析。曾秋梅[27]在其碩士畢業(yè)論文中提到山茶屬植物油脂圖像分析標(biāo)記，將山茶屬植物油脂轉(zhuǎn)換為顏色的形式來存儲，開發(fā)出新型圖像標(biāo)記身份證和鑒定標(biāo)記身份證，為中藥材的鑒定提供了一種新的鑒定思路。

4 數(shù)字圖像處理技術(shù)在中藥材及飲片純度品質(zhì)鑒定中的應(yīng)用

純度品質(zhì)鑒定是通過對中藥的雜質(zhì)、灰分、灰屑及所含水分、浸出物等物質(zhì)的檢查來確定中藥的重量優(yōu)劣[4]。

雜質(zhì)鑒定屬于純度品質(zhì)鑒定。孫春蕾等人[28]建立一種快速檢測細(xì)小中藥材及飲片的方法，使用PHOTOSHOP-CS4作為圖像處理軟件，利用底板調(diào)色的方法計算雜質(zhì)率，該方法將現(xiàn)代計算機技術(shù)與中藥材鑒定融合，為傳統(tǒng)中醫(yī)的創(chuàng)新發(fā)展提供新思路?；曳骤b定屬于純度品質(zhì)鑒定。王海波等人[29]以精選煤為研究對象，對精選煤的灰分進行測定，使用CCD傳感器對收到的視頻信號進行解碼，得到圖像灰度曲線后對精選煤的灰分進行比較。中藥材中也含有礦物質(zhì)所以引用王海波的文章進行論述。含水量檢查也屬于純度品質(zhì)鑒定。周鴻達等人[30]計算機視覺技術(shù)準(zhǔn)確研判玉米含水量，使用MATLAB作為圖像處理軟件，對500幅玉米籽圖像進行圖像濾波、圖像分割后做水分質(zhì)量分?jǐn)?shù)測定并建立模型，為玉米的量產(chǎn)優(yōu)產(chǎn)提供先進科學(xué)的方式。張玉榮等人[31]研究小麥不完善粒的識別方法中同樣用到MATLAB來對圖片進行處理，對RGB、HIS顏色信息分別進行識別，該方法可以很好地進行圖片降噪和不完善小麥粒篩選。

5 結(jié)束語

綜上所述，數(shù)字圖像處理技術(shù)在中藥材及飲片鑒定領(lǐng)域應(yīng)用廣泛，從以主觀經(jīng)驗為主的基礎(chǔ)鑒定到使用計算機圖像技術(shù)輔助鑒定，充分證明了數(shù)字圖像處理技術(shù)在中藥材及飲片鑒定領(lǐng)域的應(yīng)用前景。另外計算機圖像分析處理和顯微技術(shù)、核磁共振等技術(shù)的不斷融合將不斷地完善中藥材鑒定、成分分析的方法和技術(shù)。然而傳統(tǒng)的中藥材及飲片的鑒定都存在著各種各樣的弊端：鑒定者專業(yè)能力要求嚴(yán)格、結(jié)果無法量化、通過量低、藥材本身組織相似性高等[2]。相信在不久的將來，數(shù)字圖像處理技術(shù)與中藥材及飲片鑒定會互相促進，運用該技術(shù)會使鑒定效率和準(zhǔn)確性大大提升。所以我團隊正在研究一種利用數(shù)字圖像處理技術(shù)快速鑒定中藥材及飲片的方法。

1） 利用計算機視覺技術(shù)測量中藥材不規(guī)則體積：張晴等人[33]應(yīng)用基于雙目結(jié)構(gòu)光原理的桌面三維掃描儀，對多種形狀和類別的寶石進行多次體積測定，并根據(jù)電子分析天平稱取的樣品質(zhì)量獲得每件樣品多次測量的密度值。每件樣品多次測量的密度值均落在國家標(biāo)準(zhǔn)中的該樣品所屬寶石類別的密度區(qū)間內(nèi)，表明該方法的準(zhǔn)確性且該方法不穩(wěn)定因素較少。寶石是礦物晶體材質(zhì)的，礦物類中藥有自然礦物元素、硫化物及其類似化合物礦物、鹵化物、氧化物和氫氧化物、含氧鹽礦物等，例如朱砂、雄黃、滑石、白礬等屬于礦物類中藥。因此我們推測密度測量對于中藥材的鑒定具有研究意義。A. C. Meyer等人[34]利用計算機視覺技術(shù)對形狀不規(guī)則的農(nóng)產(chǎn)品進行了體積檢測。分別收集了30張切片的番茄、沙拉番茄、白蘑菇和草莓。使用光學(xué)成像系統(tǒng)測定這些產(chǎn)品的體積，并將其與使用水驅(qū)替/浮力法收集的體積測量結(jié)果進行了比較。此外，對每個產(chǎn)品集的重量和體積測量進行回歸分析，以建立從物體重量預(yù)測物體體積的方程。M. Brunel等人[35]研究了基于干涉圖像的粒子三維形狀重建對冰粒子體積估計。在這項研究中，冰粒子的體積是估計從一對干涉圖像（兩個垂直的視角）。根據(jù)初始三維粒子形狀的選擇，粒子體積估計的相對誤差約為?V≈30%。以上三個研究方向都為本研究提供了一定的參考借鑒。A. C. Meyer等人[34]的研究對象為農(nóng)產(chǎn)品，部分中藥材未經(jīng)處理加工前也是農(nóng)產(chǎn)品，因此本研究從研究對象到研究方向都是可行的。

2） 使用三維建模技術(shù)準(zhǔn)確重現(xiàn)中藥材外觀；基于三維建模，利用機器學(xué)習(xí)對參數(shù)多的中藥材模型進行訓(xùn)練擬合。三維建模技術(shù)已經(jīng)在工業(yè)制造業(yè)領(lǐng)域得到了廣泛使用，中藥材及飲片鑒定與機器學(xué)習(xí)方法相結(jié)合為臨床用藥安全性提供了新思路，兩者的協(xié)同發(fā)展對于數(shù)字圖像處理技術(shù)在中藥材及飲片鑒定將具有廣闊的前景。

參考文獻：

[1] 胡志萍.數(shù)字圖像處理技術(shù)研究進展[J].中國新通信，2020，22（24）：72-73.

[2] 陳士林，郭寶林，張貴君，等.中藥鑒定學(xué)新技術(shù)新方法研究進展[J].中國中藥雜志，2012，37（8）：1043-1055.

[3] 韋穎.105種常用藥用植物果實、種子性狀與顯微鑒別特征研究[D].北京：中國中醫(yī)科學(xué)院，2012.

[4] 陳科力，黃林芳，劉義梅.中藥鑒定方法學(xué)發(fā)展歷程[J].中國中藥雜志，2014，39（7）：1203-1208.

[5] 石佳，巫明慧，康帥，等.覆盆子的性狀和顯微鑒定研究與數(shù)字化表征[J].中國藥學(xué)雜志，2022，57（6）：420-427.

[6] 石佳，康帥，張南平，等.茺蔚子的性狀和顯微鑒定研究與數(shù)字化表征[J].藥物分析雜志，2021，41（8）：1306-1315.

[7] 馬四補，溫迪，黃園，等.Photoshop軟件在清風(fēng)藤類藥材鑒定中的應(yīng)用研究[J].中國現(xiàn)代應(yīng)用藥學(xué)，2021，38（12）：1426-1430.

[8] 周法律，張璐瑤，湯嵐鳳，等.中草藥原植物葉片圖像在線識別系統(tǒng)設(shè)計與實現(xiàn)[J].電腦知識與技術(shù)（學(xué)術(shù)版），2014（5）：3114-3116.

[9] Collins T J.ImageJ for microscopy[J].BioTechniques，2007，43（1 Suppl）：25-30.

[10] Schindelin J，Arganda-Carreras I，F(xiàn)rise E，et al.Fiji：an open-source platform for biological-image analysis[J].Nature Methods，2012，9（7）：676-682.

[11] 周建理，楊青山.中藥微性狀鑒定法[J].安徽中醫(yī)學(xué)院學(xué)報，2011，30（1）：66-68.

[12] 幕元熹.31種中藥材的微性狀鑒定研究[D].合肥：安徽中醫(yī)藥大學(xué)，2015.

[13] 高飛燕.種子類中藥微性狀鑒定法研究[D].合肥：安徽中醫(yī)藥大學(xué)，2013.

[14] 徐飛，孟沙，吳啟南，等.基于卷積神經(jīng)網(wǎng)絡(luò)的人參與西洋參飲片鑒別方法研究[J].南京中醫(yī)藥大學(xué)學(xué)報，2018，34（6）：621-624.

[15] 袁仕君，馬青，陳科力，等.常見礦物類中藥粉末的微性狀鑒別[J].中草藥，2021，52（5）：1454-1461.

[16] 羅嵐，覃彬華，余惠凡.水靈芝中藥材的顯微鑒定[J].綠色科技，2019（16）：248-249，252.

[17] 石佳，巫明慧，康帥，等.覆盆子的性狀和顯微鑒定研究與數(shù)字化表征[J].中國藥學(xué)雜志，2022，57（6）：420-427.

[18] 朱映黎，楊弘賓，吳嘉瑞，等.機器學(xué)習(xí)算法構(gòu)建附子線粒體功能高通量篩選模型及機制研究[J].中國中藥雜志，2022，47（9）：2509-2515.

[19] 王一丁，郝晨宇，李耀利，等.基于深度學(xué)習(xí)的小樣本中藥材粉末顯微圖像識別[J].計算機應(yīng)用，2020，40（5）：1301-1308.

[20] 徐曉琴，賈曉光，魏鴻雁，等.較大中藥材顯微鑒別方法研究[J].新疆中醫(yī)藥，2012，30（6）：35-37.

[21] 王亞杰，張廣軍，李一波.基于分形參數(shù)的中藥材顯微圖象紋理分析[J].計算機工程與應(yīng)用，2003，39（29）：231-232.

[22] 王一丁，郝晨宇，李耀利，等.基于深度學(xué)習(xí)的小樣本中藥材粉末顯微圖像識別[J].計算機應(yīng)用，2020，40（5）：1301-1308.

[23] 張丹純， 關(guān)婉，涂嘉俊，等. 中藥淡竹葉與鴨跖草的DNA條形碼鑒定[J/OL].[2022-04-06].分子植物育種. https：//kns.cnki.net/kcms2/article/abstract？v=FY1L1_jN0KDQqvLrTu13vIxary 0o7snEyh6n0Ot_otOeLvV9Xuxp0xmhfbYi-h2UDRQB8yVWL_ Sjez4jr1lHJU1zAwxQ7BI6U5n2v1R9MMm-04guhu98aw==&uniplatform=NZKPT.

[24] 石巖，魏鋒，馬雙成.基于RGB多通道圖像數(shù)據(jù)的牛膽與羊膽薄層色譜特征分析[J].中國藥物警戒，2022，19（10）：1060-1066.

[25] 徐敏莉.Tchebichef圖像矩在分析中的新應(yīng)用[D].蘭州：蘭州大學(xué)，2017.

[26] 姚令文，石巖，孫冬梅，等.人工牛黃薄層指紋圖譜多元圖像分析及化學(xué)計量學(xué)研究[J].中國中藥雜志，2017，42（11）：2117-2122.

[27] 曾秋梅.山茶屬三組植物油脂組成分析及其圖像標(biāo)記開發(fā)[D].泉州：華僑大學(xué)，2016.

[28] 孫春蕾，汪楠楠，楊青山，等.基于電腦分析的藥材微雜質(zhì)快速鑒定法[J].安徽醫(yī)藥，2016，20（7）：1271-1273.

[29] 王海波，范肖南.基于TMS320C6711線陣CCD測量系統(tǒng)及其在浮選精煤灰分監(jiān)測中的應(yīng)用[J].選煤技術(shù)，2005（6）：44-46.

[30] 王偉宇.玉米質(zhì)量指標(biāo)機器視覺技術(shù)研究[D].鄭州：河南工業(yè)大學(xué)，2015.

[31] 張玉榮，陳賽賽，周顯青，等.基于圖像處理和神經(jīng)網(wǎng)絡(luò)的小麥不完善粒識別方法研究[J].糧油食品科技，2014，22（3）：59-63.

[32] 胡繼禮，王永康，闞紅星.基于深度遷移學(xué)習(xí)的中藥飲片識別研究[J].新鄉(xiāng)學(xué)院學(xué)報，2019，36（3）：62-67.

[33] 張晴，吳奕陽，湯紅云.基于三維掃描體積測算的寶石密度測定方法[J].上海計量測試，2021，48（5）：43-46.

[34] Concha-Meyer A，Eifert J，Wang H J，et al.Volume estimation of strawberries，mushrooms，and tomatoes with a machine vision system[J].International Journal of Food Properties，2018，21（1）：1867-1874.

[35] Brunel M，Delestre B，Talbi M.3D-reconstructions for the estimation of ice particle's volume using a two-views interferometric out-of-focus imaging set-up[J].Review of Scientific Instruments，2019，90（5）：053109.

【通聯(lián)編輯：李雅琪】