舌分割及舌苔舌质分离方法

摘要

本发明涉及一种舌分割及舌苔舌质分离方法，包括：拍摄嘴部图像；得到主红色伪灰度图像；得到初步舌二值图像；得到最终舌二值图像，从而得到最终舌图像；得到舌图像s、v、g、b、rg五通道图像；画出五通道的分布直方图；对画出的直方图进行平滑化处理；为平滑化后的直方图图像评分，该得分也就是对应通道得分；利用得分最高的两个通道进行二维2类K‑means聚类分别得到舌苔、舌质图像。本发明无论是从聚类效果指数还是从苔质分离效果方面，该方法得到的结果均优于已有基于聚类的苔质分离算法。

说明书

技术领域

本发明属于数字图像处理领域范畴，具体来说一种从带有舌、嘴唇、牙齿以及嘴周围皮肤的图像中将舌头分割出，并且将舌头分为舌苔和舌质两部分的方法。

背景技术

新技术的引入，对医学的发展起到了关键性的推动作用，数字图像处理技术在医学方面的应用，同样给医学界注入了新鲜的血液。随着数字图像处理和分析在理论技术上的逐渐完善以及计算机计算能力和数字医学影像技术的快速发展，数字化医学图像的处理和分析逐渐成为国内外研究热点。

如果说数字图像处理在医学方面的应用是数字图像处理的一大分支，那么数字图像处理在中医方面的运用也是数字图像处理极为重要且潜力前景无限的重要一脉。随着现代科学技术的飞速发展，近些年来中医的发展已经进入了新的阶段，特别是人们在计算机科学与技术方面取得的研究成果不断应用于医学领域。中医学是中华民族传统文化之瑰宝，指导着我国几千年来临床诊病治病的全过程，其精髓是“辩证施治”。其中，“辩证”的四大主要手段是：望、闻、问、切。在传统的中医诊断过程中，医生的主要信息是通过“望、闻、问、切”四诊，望诊就是医生运用视觉来观察病人全身或局部的神色、形和态的变化。

舌诊是中医望诊的重要内容，也是最常用、最有临床应用价值的中医诊法之一。舌诊的适用范围很广，可以说在医疗和保健领域的各个方面都有实际应用。几千年以来，舌诊在实践中不断发展，积累了丰富的经验，形成了比较系统的理论，在诊察窥测人体疾病方面确有很大的神通。舌诊可以对人体的健康状况做出分析，为疾病的诊断提供依据。大量的临床实践表明，舌诊不但可以很好地分析和诊断出病变的部位及其程度，而且，在某些情况下还有可能发现现代医疗设备都不能检查出来的病变状况。同时，舌诊作为代表未来医学诊断发展方向(无痛、无创伤)的一种全息诊断技术，不但可以用于疾病诊断，更是及时反映人体生理和心理整体健康状况的“晴雨表”。因而，舌诊是一门非常值得研究和探讨的医学理论。然而，一直以来，很多因素都阻碍着舌诊的快速发展。一方面，在中国几千年的中医舌诊历史上，传统中医舌诊方法主观性过强，绝大部分缺乏客观指标，而无法达到研究上可重复的要求。另一方面，由于传统中医自身条件的限制，很多宝贵的医学资料难以精确记录并妥善保存下 来，既不利于中医治疗技术的流传也不利于病人的诊断历史查询。因此，以现代科学技术手段使中医舌诊更加科学化、客观化、具体化、精确化是非常重要和必要的。

1985年，安徽中医学院和中国科技大学开启了中医舌诊客观化研究的大门，率先进行了舌色的量化分析实验。随后北京中医研究所对舌质、舌苔的颜色进行了定量分析研究。逢甲大学邱创干利用影像技术对舌苔舌质性质做定量分析研究，其思路为其后数十年的研究打下了基础，其方法已成为行业研究者的共识。

舌分割、苔质分离，是舌诊客观化的前两步，也是关键的基础，直接影响到舌诊客观化的可行性与准确性。

舌分割是从由舌、嘴唇(少部分包含牙齿)以及嘴部周围皮肤组成的图像中，自动将舌体分割出的过程；苔质分离就是从舌图像中将舌苔和舌质部分自动分离。两者本质上都是医学图像处理领域中的图像分割问题。

常见的舌分割方法有阈值分割法、区域生长法、边缘检测分割法、色度空间分割法、聚类分割法。这些方法在特定的条件下，都能取得不错的效果，但是随着环境的改变，分割取得的效果往往不能让人满意，值得强调的是，唇与舌的分离对分割的好坏产生了较大的影响。

舌苔舌质的分离主要基于两种方法，阈值分离和聚类分离法。无论是阈值还是聚类，都需要从已知属性(例如：RGB色彩空间下的R、G、B以及HSV色彩空间下的H、S、V等)中选定属性进行分离，但是由于舌质和舌苔均不止一种，固定的一个或若干属性往往不能对苔质分离这一图像分割实际任务进行理想的描述，很难从这些属性中找到适合整个数据集中所有舌图像的属性，数据集一部分舌图像适用一些属性，而另一部分则利用其它属性能得到更好的效果。

发明内容

本发明提供一种从带有舌、嘴唇、牙齿以及嘴周围皮肤的图像中将舌头分割出，并且将舌头分为舌苔和舌质两部分的方法。本发明的技术方案如下：

一种舌分割及舌苔舌质分离方法，包括以下的步骤：

1)在相机和场景色温均在5500K的条件下，对伸出舌头的嘴部进行拍摄，得到嘴部图像；

2)根据嘴部图像，得到其灰度图像以及HSV色彩空间下的嘴部图像；

3)利用灰度和HSV色彩空间阈值进行皮肤提取，将图像中非皮肤部分滤除，得到皮肤图像，其中，H(0,0.139)且S(0.23,0.68)且像素点的灰度值大于80；

4)利用皮肤图像和HSV色彩空间下的嘴部图像，先得到图中各皮肤像素点未归一化的主红色伪灰度值即RG'_j，公式如下：

RG'_j＝255×|1-2×H_j|

式中：RG'_j为图中像素点j未归一化的RG值；H_j为像素点j在HSV色彩空间下的H通道值且H[0,1]，

再利用各点的RG'_j值计算出各点的主红色伪灰度值即RG_j，公式如下：

RG_j＝255×(RG'_j-RG'_min)÷(RG'_max-RG'_min)

式中：RG_j为像素点j的RG值；RG'_min为所有皮肤像素点RG'_j的最小值；RG'_max为所有皮肤像素点RG'_j的最大值；

最后再将图中非皮肤部分像素点主红色伪灰度值即RG_j值设为50，得到主红色伪灰度图像；

5)对上一步得到的主红色伪灰度图像进行大津法前景提取，对得到的前景进行膨胀腐蚀处理，然后根据面积信息对膨胀腐蚀后的前景进行轮廓提取，得到面积最大的轮廓后，再对该轮廓进行膨胀处理，从而得到初步舌二值图像；

6)根据几何规则将初步舌二值图像进行补整，然后再进行膨胀和腐蚀处理得到最终舌二值图像，从而得到最终舌图像；

7)得到舌图像s、v、g、b、rg五通道图像，其中s、v为HSV色彩空间下的对应通道，g、b为RGB色彩空间下的对应通道，rg为主红色伪灰度通道，且各属性取值范围均为0-255，得到五通道分布直方图；

8)画出五通道的分布直方图，且将峰值设为300；

9)对画出的直方图进行平滑化处理；处理过程为：先膨胀腐蚀，后取最外围轮廓；

10)利用公式为平滑化后的直方图图像评分，该得分也就是对应通道得分；式中：g为直方图图像的得分；s₁为最高峰所覆盖的面积；s₂为第二峰所覆盖的面积；s_all为整个分布直方图图像的面积；d为两峰之间的距离；T₁为最高峰所对应的属性值；T为两峰之间谷底对应的属性值；

11)利用得分最高的两个通道进行二维2类K-means聚类分别得到舌苔、舌质图像，初始中心由得分最高通道的双峰值得到，由两类像素点集到舌中心的平均距离区分舌苔和舌质，平均距离大为舌质，反之为舌苔。

本发明提出的舌苔舌质分离方法，依旧是通过聚类算法完成苔质分离任务。该方法通过各属性的分布函数实现属性选择，从而为聚类的每一个实例找到最适合自身的属性，本质上实现了聚类属性的降维。无论是从聚类效果指数还是从苔质分离效果方面，该方法得到的结果均优于已有基于聚类的苔质分离算法。

附图说明

图1是图片采集的一个实例

图2是截取出的嘴部图像

图3是皮肤提取后得到的皮肤图像

图4是图3的主红色伪灰度图像

图5是对图4进行大津法前景提取得到的前景

图6是舌初步二值图像

图7是舌最终二值图像

图8是舌图像

图9是5个通道的分布直方图，(a)为g通道分布直方图，(b)为b通道分布直方图，(c)为s通道分布直方图，(d)为v通道分布直方图，(e)为rg通道分布直方图

图10是5个通道平滑后的分布直方图，(a)为g通道分布直方图，(b)为b通道分布直方图，(c)为s通道分布直方图，(d)为v通道分布直方图，(e)为rg通道分布直方图

图11是苔质分离结果，(a)为舌质图像，(b)为舌苔图像

图12是本发明的方法流程图

具体实施方式

下面以一具体实例为例，描述该发明实现舌分割和苔质分离的过程。

1)利用logitech C920高清摄像头，在相机和场景色温均在5500K的条件下，对伸出舌头的嘴部进行拍摄，拍摄所得图片大小为1920*1080。图片采集一实例如图1。

2)对图像进行缩小和截取，截取后使得整个嘴部尽量完整且充实在整个截取图片中，截取图片大小为300*300，截取后嘴部图像如图2。

3)根据嘴部图像，得到其灰度图像以及HSV色彩空间下的嘴部图像。利用灰度和HSV色彩空间阈值进行皮肤提取，将图像中非皮肤部分滤除，得到皮肤图像如图3。

4)利用皮肤图像和HSV色彩空间下的嘴部图像，得到主红色伪灰度图像，且图中非皮肤部分主红色伪灰度值设为50，所得图像如图4。

5)对主红色伪灰度图像进行大津法前景提取，得到前景如图5。

6)对得到的前景先进行大小为3像素点的膨胀后进行大小为15像素点的腐蚀，然后根据面积信息对膨胀腐蚀后的前景进行轮廓提取，得到面积最大的轮廓后，再对该轮廓进行大小为15像素点的膨胀，从而得到初步舌二值图像。结果如图6。

7)对提取出的轮廓根据几何关系，进行补整，然后先后进行大小为10像素点和15像素点的膨胀和腐蚀得到最终舌二值图像，如图7。

8)根据舌最终二值图像，得到舌图像，完成舌分割，舌图像如图8。

9)得到舌图像s、v、g、b、rg五通道图像，其中rg为主红色伪灰度图像，且五通道属性取值均为0-255，得到五通道分布直方图得到舌图像5个通道的分布直方图，画出五通道的分布直方图，且将峰值设为300，如图9。

10)对画出的直方图先进行膨胀腐蚀然后提取最外围轮廓进行平滑化处理，平滑化的分布直方图，如图10。

11)利用公式对直方图评分，该实例为第5和第2直方图得分最高，利用对应通道进行二维两类K-means聚类，完成苔质分离，分别得到舌质和舌苔图像如图11。