舌像分割方法
【專利摘要】本發(fā)明提供一種舌像分割方法，包括對(duì)獲取到的表征舌體信息的舌像進(jìn)行預(yù)處理，得到均衡化的灰度圖像。去除得到的均衡化的灰度圖像的背景，得到基礎(chǔ)舌像；和計(jì)算得到的均衡化的灰度圖像的熵值。根據(jù)熵值對(duì)基礎(chǔ)舌像內(nèi)的像素進(jìn)行熵聚類，提取熵值滿足設(shè)定值的區(qū)域，形成目標(biāo)舌像。抽取目標(biāo)舌像的骨架。在骨架上選取至少兩對(duì)控制點(diǎn)，計(jì)算上述控制點(diǎn)對(duì)之間的最短測(cè)地路徑，依次連接所有最短測(cè)地路徑，得到舌像輪廓。本發(fā)明提供的舌像分割方法，利用局部熵特征增強(qiáng)舌像邊緣等底層特征，且通過抽取最短測(cè)地距離自動(dòng)獲取針對(duì)每個(gè)特定舌體的模版，大大提高了分割的精度，具有更高的魯棒性。
【專利說明】舌像分割方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及圖像處理領(lǐng)域，且特別涉及一種舌像分割方法。
【背景技術(shù)】
[0002]傳統(tǒng)中醫(yī)方法作為綿延幾千年的一種醫(yī)療體系，是現(xiàn)在醫(yī)療方法的重要分支。一方面中醫(yī)方法能在疾病早期就發(fā)現(xiàn)問題，盡早對(duì)身體進(jìn)行調(diào)理，從而阻止身體發(fā)生嚴(yán)重地病變。另一方面，中醫(yī)診斷的望聞切問四法不會(huì)給病人帶來任何難以忍受的痛苦，和現(xiàn)代醫(yī)學(xué)追求的無損傷、無痛苦診療目標(biāo)完全吻合。因此，中醫(yī)正在被全世界逐步接受。
[0003]作為中醫(yī)四診法之一的“望”，其主要研究對(duì)象就是舌象。舌體的大小、形狀、顏色、裂紋、胎質(zhì)、以及齒痕有無和位置等信息都反映了病人的健康狀況。這使得舌診成為了中醫(yī)診斷中非常重要以及廣泛使用的診斷方法。
[0004]然而，中醫(yī)診斷主要憑借執(zhí)業(yè)中醫(yī)師的經(jīng)驗(yàn)來完成，缺乏有效的量化標(biāo)準(zhǔn)，這極大地阻礙了中醫(yī)的現(xiàn)代化發(fā)展之路。作為其中一個(gè)重要的中醫(yī)診斷方法，舌診具有同樣的缺陷?；趫D像分析、模式識(shí)別和人工智能技術(shù)的自動(dòng)化舌診系統(tǒng)是彌補(bǔ)此種缺陷的方法之一。此類系統(tǒng)的目的就是建立舌像特征和舌像類型之間的關(guān)系，實(shí)現(xiàn)舌診的自動(dòng)化。舌像特征的提取完全依賴于對(duì)圖像中舌體的精確分割，因此提出了很多針對(duì)舌診圖像分割方法，這些方法一般可以分為底層特征分割法和高層模版分割法。其中底層特征基本是利用圖像中的邊緣信息，而因?yàn)楣庹蘸蜕鄨D像本身特性的影響，舌圖像中舌體邊界輪廓往往比較模糊，很難界定。又因?yàn)椴∽兊染壒剩y(tǒng)一的模版不能捕捉多種形態(tài)的舌體。

【發(fā)明內(nèi)容】

[0005]本發(fā)明為了克服現(xiàn)有的舌像分割方法無法同時(shí)實(shí)現(xiàn)高輪廓界定以及通用性的要求，提供一種舌像分割方法。
[0006]為了實(shí)現(xiàn)上述目的，本發(fā)明一中舌像分割方法，包括對(duì)獲取到的表征舌體信息的舌像進(jìn)行預(yù)處理，得到均衡化的灰度圖像。去除得到的均衡化的灰度圖像的背景，得到基礎(chǔ)舌像；和計(jì)算得到的均衡化的灰度圖像的熵值。根據(jù)熵值對(duì)基礎(chǔ)舌像內(nèi)的像素值進(jìn)行熵聚類，提取熵值滿足設(shè)定值的區(qū)域，形成目標(biāo)舌像。抽取目標(biāo)舌像的骨架。在骨架上選取至少兩對(duì)控制點(diǎn)，計(jì)算上述控制點(diǎn)對(duì)之間的最短測(cè)地路徑，依次連接所有最短測(cè)地路徑，得到舌像輪廓。
[0007]于本發(fā)明一實(shí)施例中，預(yù)處理步驟包括:獲取表征舌體信息的舌像中所有像素的紅色通道值R(i, j)、藍(lán)色通道值B (i, j)以及了綠色通道值G (i, j)，其中舌像包括M*N個(gè)像素，i=l,...，Μ, j=l,...，N。
[0008]對(duì)綠色通道值G(i，j)進(jìn)行修正，得到Gnew(i，j)。
[0009]于本發(fā)明一實(shí)施例中，修正步驟包括根據(jù)獲取到的紅色通道值R(i，j)、藍(lán)色通道值B(i，j)以及綠色通道值G (i，j)，按如下公式
[0010]Gnew (i, j) = (R (i, j) -G (i, j)) / (IG (i, j) -B (i, j) | +1)[0011]進(jìn)行計(jì)算，得到新的綠色通道值Gnew(i，j)。
[0012]于本發(fā)明一實(shí)施例中，去除得到的灰度圖像的背景，得到基礎(chǔ)舌像的步驟包括:
[0013]根據(jù)得到的均衡化灰度圖像，構(gòu)造直方圖，獲取直方圖的谷點(diǎn)，將小于給定像素值的最大谷點(diǎn)所在像素值作為閾值，大于此閾值的點(diǎn)設(shè)置為1，小于此閾值的點(diǎn)認(rèn)為是背景點(diǎn)，設(shè)置為0，提取數(shù)值為I的點(diǎn)，形成第一圖像；
[0014]根據(jù)得到的均衡化灰度圖像按公式
【權(quán)利要求】
1.一種舌像分割方法，其特征在于，包括: 對(duì)獲取到的表征舌體信息的舌像進(jìn)行預(yù)處理，得到均衡化的灰度圖像； 去除得到的均衡化的灰度圖像的背景，得到基礎(chǔ)舌像；和計(jì)算得到的均衡化的灰度圖像的熵值； 根據(jù)熵值對(duì)基礎(chǔ)舌像內(nèi)的像素值進(jìn)行熵聚類，提取熵值滿足設(shè)定值的區(qū)域，形成目標(biāo)舌像； 抽取目標(biāo)舌像的骨架； 在骨架上選取至少兩對(duì)控制點(diǎn)，計(jì)算所述控制點(diǎn)對(duì)之間的最短測(cè)地路徑，依次連接所有所述最短測(cè)地路徑，得到舌像輪廓。
2.根據(jù)權(quán)利要求1所述的舌像分割方法，其特征在于，所述預(yù)處理步驟包括: 獲取表征舌體信息的舌像中所有像素的紅色通道值R(i，j)、藍(lán)色通道值B (i，j)以及了綠色通道值G (i, j),其中舌像包括M*N個(gè)像素，i=l,...，Μ, j=l,..., N ； 對(duì)綠色通道值G (i，j)進(jìn)行修正，得到Gnew (i，j)。
3.根據(jù)權(quán)利要求2所述的舌像分割方法，其特征在于，所述修正步驟包括根據(jù)獲取到的紅色通道值R (i，j)、藍(lán)色通道值B (i，j)以及了綠色通道值G (i，j)，按如下公式
Gnew (i, j) = (R (i, j) -G (i, j)) / (IG (i, j) -B (i, j) I +1) 進(jìn)行計(jì)算，得到新的綠色通道值GnOT (i，j)。
4.根據(jù)權(quán)利要求2所述的舌像分割方法，其特征在于，所述去除得到的灰度圖像的背景，得到基礎(chǔ)舌像的步驟包括: 根據(jù)得到的均衡化的灰度圖像，構(gòu)造直方圖，獲取直方圖的谷點(diǎn)，將小于給定像素值的最大谷點(diǎn)所在像素值作為閾值，大于此閾值的點(diǎn)設(shè)置為1，小于此閾值的點(diǎn)認(rèn)為是背景點(diǎn)，設(shè)置為O，提取數(shù)值為I的點(diǎn)，形成第一圖像； 根據(jù)得到的均衡化的灰度圖像按公式
5.根據(jù)權(quán)利要求1所述的舌像分割方法，其特征在于，所述熵值的計(jì)算為:
6.根據(jù)權(quán)利要求1所述的舌像分割方法，其特征在于，采用k-means方法來進(jìn)行熵聚類，形成初始的兩個(gè)類，第一類的熵值中心點(diǎn)為最大熵值和最小熵值之差的四分之三倍，第二類的熵值中心點(diǎn)為最大熵值和最小熵值之差的四分之一倍。
7.根據(jù)權(quán)利要求1所述的舌像分割方法，其特征在于，采用snake算法對(duì)舌像輪廓進(jìn)行調(diào)整。
【文檔編號(hào)】G06T5/50GK103985113SQ201410089643
【公開日】2014年8月13日 申請(qǐng)日期:2014年3月12日 優(yōu)先權(quán)日:2014年3月12日
【發(fā)明者】李笑嵐, 王慧燕, 王勛 申請(qǐng)人:浙江工商大學(xué)