刘 媛， 赵鹏程， 李 甜， 田 飞，陆小左*

（1.天津中医药大学中医药工程学院，天津 300193；2.天津市建筑设计院，天津 300074；3.天津市东新街社区卫生服务中心，天津 300162）

一种自动提取彩色舌图像的算法

刘 媛1， 赵鹏程2， 李 甜3， 田 飞1，陆小左1*

（1.天津中医药大学中医药工程学院，天津 300193；2.天津市建筑设计院，天津 300074；3.天津市东新街社区卫生服务中心，天津 300162）

彩色舌体的自动提取技术为中医舌诊客观化提供了更加便捷的操作手段。传统舌图像的提取方法不能较精确地提取所需的舌体部分，且对于舌体细节（如舌体伪轮廓和点刺）的处理也不够理想。采用首先提取彩色舌图像在RGB空间的亮度特征信息，然后使用平滑、图像增强的方法对舌图像进行处理，再使用最大类间方差法进行自动分割，以提取出彩色舌体的初始轮廓。通过提取舌图像的最大连通区域以去除其他非舌体区域，进行负向处理后再次提取最大连通区域以去掉舌体内的孔洞，最终通过数学形态学及逻辑与运算提取出所需的舌体部分。实验证明，本研究具有一定的分割效果，满足后续舌体内部感兴趣区域再提取和分析的需要。

舌诊客观化；舌体提取；亮度；直方图均衡；数学形态学

Abstract: The automatic extraction of color tongue body provides a more convenient means for the tongue diagnostic objectification of traditional Chinese medicine.The traditional tongue image extraction method can not extract the required part of the tongue more accurately, and the treatment of tongue body details (such as tongue false contour and prick) are not ideal.In this paper, in order to extract the initial contour of color tongue, the luminance feature information of color tongue image in RGB space was extracted firstly, the tongue image was processed by the method of smoothing, enhancement and OTSU algorithm secondly.In order to extract the final contour of color tongue, the maximum connected area of the tongue image was extracted to remove the other non-tongue area, the maximum connected area after the negative processing was extracted again to remove the holes in the tongue, and the tongue was extracted by the method of mathematical morphology and boolean AND operator lastly.The experiments show that this research has a certain segmentation effect to meet the needs of the extraction and analysis for the following interested area in tongue body.

Keywords: tongue diagnosis objective; tongue body extraction; luminance feature information; histogramequalization; mathematical morphology

中医通过“望、闻、问、切”以获得体征和症状等相关资料，经过综合分析归纳后，提取病机，从而进行相应的论治[1-3]。舌诊是中医望诊的重要组成部分，在《黄帝内经》《伤寒论》等书籍中均有详细记载[4-5]。传统的中医舌诊大多受到人为因素的影响，缺乏客观化的辨证方法[6-7]；而同时舌诊比其他四诊更容易进行客观化提取。通过以中医专家临床实践为主体，辅以现代化技术处理手段的中医舌象仪的研制，使舌诊客观化具备了可行性，以助于提高中医四诊客观化的发展[8-10]。在舌象仪中，舌图像处理的第一步是舌体的提取，就是把舌体从脸、嘴唇及牙齿等背景中分离。舌体提取的效果将直接影响后续的相关提取和分析工作，所以此步骤至关重要。手工提取的舌体虽然准确度高，但提取过程需要专业人员操作，较麻烦。所以如何准确的自动提取舌体具有很大的实用意义。

阈值分割法[11-12]具有响应速度快、计算量小等优点，但受周围环境影响较大。原始舌图像中的舌体由于存在薄层水膜而相对于其他部分亮度较高，所以本算法在处理彩色空间转换上，未采用传统的灰度化处理[13-14]，而是用亮度信息特征对舌图像进行转换。在阈值分割前，通过中值滤波和直方图均衡的方法对舌图像进行增强处理。然后通过提取最大连通区域以及运用数学形态学等方法，提取出最终的舌体。

1 舌图像空间亮度特征信息

图像的彩色空间转换一般采用灰度化[15]的处理方式，即将所需要处理的彩色图像转换为灰度图像，用于初步提取感兴趣的信息，同时方便加快后续图像的处理速度以缩减处理时间。灰度化的处理方法为：首先输入原始彩色图像的R，G，B值（R，G，B分别为原始图像彩色空间中像素点的红，绿，蓝3个分量值）。通过平均法、最大值法或加权法等求出所需处理图像的灰度值。其中，在平均法中，灰度值为R，G，B三分量的平均值；在最大值法中，灰度值为R，G，B三分量的最大值；在加权法中，灰度值为R，G，B三分量的加权平均值。最后，将灰度值分别替换原始的R，G，B值，从而得到所需的灰度图像。

通过实验发现，彩色舌图像经过灰度化的处理后并不能很好地突出感兴趣的信息。原始的舌图像由于存在薄层水膜而相对于其他部分亮度较高，所以根据亮度的特性采用亮度信息特征对舌图像进行转换。原始舌图像中包含目标区域（舌体）和非目标区域（脸部、嘴唇、牙齿等）两部分。除牙齿外，舌体部分由于覆盖一层薄薄的水膜而产生较强的光反射性，所以相较于非目标区域亮度较高。因此可以通过原始舌图像中像素亮度的较大差异来提取目标区域。目前使用最为广泛的彩色空间是RGB空间。在RGB空间中，有：

通过实验发现，使用原始舌图像像素点的亮度信息特征对最大方差类间法进行自动分割，可以较准确地提取出初始舌体，且相较于HSI、HSV、YCbCr等其他彩色空间的转换方法[16-18]，具有计算量小、处理速度快等特点，大大减少了空间转换的计算量，从而缩短了处理时间。

2 舌图像增强与阈值分割

2.1 舌图像噪声的抑制方法 在舌象仪中，舌图像的采集、传输和模数转换等过程会因为外部、内部的干扰而产生噪声，这些噪声将造成舌图像上各像素点信噪比的降低。通常使用小波滤波法、中值滤波法、均值滤波法等[19]对噪声进行滤除处理。

小波滤波法是一种分析窗口大小不变但形状不固定的时频局部化处理方法。小波滤波法的时频局部化处理是指在所需处理图像的高频率段采用高的时间分辨率及低的频率分辨率进行处理，而在所需处理图像的低频率段采用低的时间分辨率及高的频率分辨率进行处理。由于通常提取的有用信息在低频段，而噪声主要存在于高频段，所以通过对不同频段采取不同的抑制方式可以在滤除噪声的同时保留所需提取的有用信息。通过实验发现，小波滤波法可以有效地去除舌图像的噪声，同时不会造成图像的过度模糊，但是随着分辨率的提高，噪声的小波变换值也随之增大，所以提高分辨率和有效去除噪声，二者不可兼得。

均值滤波法是线性滤波法，是一种由相应模板替代所需处理图像像素值的方法。其中，模板为所需处理图像像素点邻域像素灰度值的均值。通过实验发现，均值滤波虽不会造成舌图像边缘的模糊，但是只针对特定噪声有较好的滤除效果，而舌图像的噪声来源复杂，均值滤波效果不理想。

中值滤波法是比较常用的降低噪声的平滑方法，属于非线性滤波法，是一种通过将所需处理图像的像素值与相应模板进行比对，如果差距过大就用模板替代的方法。其中，模板为所需处理图像像素点邻域像素灰度值的中值。通过实验发现，中值滤波既可以降低噪声，又不会使舌图像模糊。本文采用中值滤波法（如图2（c）所示）进行舌图像的去噪，经过实验对比，采用3×3窗口最为适宜。

2.2 直方图的均衡化 直方图均衡化处理（如图2（d）所示）可以加大舌图像细节的对比度，而对于有很大差异的区域，也同时扩大其对图像的贡献。对于较难分辨的嘴唇与舌体和较容易分辨的脸部、牙齿与舌体均起到了加大对比度的效果。同时，直方图的均衡化可以使灰度过于集中的舌图像经过处理后变得疏散，这将有效地解决光照对于舌图像的影响。当光照过暗时，舌图像像素点的灰度值偏向集中于255，而当光照过亮时，舌图像像素点的灰度值偏向集中于0。直方图均衡化处理有效地将聚集的灰度值进行拓展，从而增强了舌图像的视觉效果。

如果需要处理的舌图像函数为f，线性处理后的舌图像函数为g，则有：

式中：T 为转换函数，N 为舌图像的像素总数，有nm个第m个灰度级的rm值，l 为总的灰度级数，其中m=0，1…l-1，Pr(ri)为相应的概率。

2.3 最大类间方差法的自动提取 最大类间方差法通过亮度信息自动分割阈值，从而提取出舌体的初始轮廓。假设w0和w1分别为非目标区域和目标区域所占亮度直方图的概率，T为舌图的阈值，μ0，μ1为w0和w1的亮度平均值，μ(T)为总的亮度平均值，μ为加权平均值，δ2(T)为所求方差，则有：

式中：当δ2(T)为最大时，阈值T即为所求。由于是通过计算分组间的方差达到最大时来确定最终的阈值，所以该方法分“对”的概率为最大，相对于直接阈值法和递归阈值法较不易受到外界环境的影响，且计算速度快，具有较强的鲁棒性。

3 实验结果及分析

整个提取舌体的算法流程图如图1所示，将舌象仪采集到的含有脸部、牙齿和嘴唇以及舌体的彩色图像经过算法流程处理后提取出只含有舌体的部分。

图1 提取舌体算法流程图

另外，提取的初始舌体轮廓存在许多小的伪轮廓，比如牙齿的轮廓，如图2（e）所示。由图可知，所需要提取的舌体轮廓相对于伪轮廓最大，而且非目标区域相对于目标区域面积差别很大，所以可以用提取最大连通区域的方法对初始舌体轮廓进行提取。

图2（f）为经过处理后不存在伪轮廓的舌体轮廓，由图可知，被提取的舌体内部含有许多小的黑洞，通常采取的方法会存在大的黑洞不能完全消除的情况，或需要多次对舌图像进行处理，所以消除起来比较麻烦。通过研究提取最大连通区域的原理，在原有图像的基础上进行负向处理，并再一次提取最大连通区域就可以方便地消除这些黑洞，如图2（h）所示。

通过对比图2（i）与舌象仪采集到的原始彩色舌图像（图2（a））可知，经过处理后的舌图像缺失了舌体部分中边缘较暗的部分，这是因为这部分的亮度较低，和非目标区域的亮度比较接近。如果人为地干预阈值的自动分割，会导致部分非目标区域混入到目标区域中。可以采用数学形态学的方法[20]对该图像进行处理。通过数学形态学中的膨胀运算，使提取出的舌体轮廓适当地向非目标区域进行扩充，如图2（j）所示。将此图像与原始彩色舌图像进行逻辑“与”运算后即可得到最终的结果。

图2 舌体图像的提取过程及实验结果

对舌体图像提取的实验结果如图2所示，其中图2（a）为舌象仪采集到的原始彩色舌图像，图2（k）为最终的舌体提取结果。

通过图2可以看出，亮度信息的提取、舌图像的增强及后续的处理可以满足舌体提取工作的需要，同时保证了后续提取分析工作的准确性。

4 结论

本文从舌体相对于非目标区域含有薄层水膜的特点出发，给出了从彩色舌图像中提取所需彩色舌体信息的整个算法流程，并对算法处理中的每一步进行了相关过程实验。整个提取操作（计算）过程全自动化，不需要专家的参与。

本算法克服了传统彩色空间计算量大、处理速度慢的缺点，大大减少了空间转换的计算量，从而缩短了处理时间。

另外，针对固定阈值等方法存在的缺陷、照相机在拍摄过程中产生的噪声，以及不同环境（如光照变化）的影响等问题也在本算法中进行了处理。

本算法为舌图像的后续提取及分析提供了基础，简化了操作过程，从而为舌诊的客观化智能化提出了一种可行的实用方法。

[1] 叶放,李国春,沈波,等.基于周仲瑛教授大样本“瘀热”病案数据挖掘分析研究报告[J].中华中医药杂志, 2012,27(5)： 1294-1297.

[2] 谢一民.中医药治疗疑难杂症验案 3 则[J].长春中医药大学学报 , 2013 , 29(1)： 116-117.

[3]杨丽霞,吴俊,周贤刚,等.基于聚类分析的顽固性面瘫中医病机证型及治法研究[J].四川中医,2014, 32(10)： 77-79.

[4]黄立芳,温明晓.失眠证治一得[J].长春中医药大学学报,2013, 29(1)： 86-87.

[5]杜松, 彭鑫, 李菲.疫病诊法理论探讨及其在流行性乙型脑炎中的应用[J].中国中医基础医学杂志, 2012, 18(9)：942-944.

[6] 陈雪姣, 王玉臣, 王德才.中医舌诊客观化研究的发展概况 [J].江西中医药 , 2012, 43(1)： 72-75.

[7] 张晶.基于光谱法的中医舌诊客观化[D].天津：天津大学,2010.

[8] 吴喜庆, 陆小左.慢性乙型肝炎中医客观化疗效评价方法研究[J].天津中医药大学学报, 2014, 33(4)： 199-203.

[9] 丁然, 陆小左.慢性乙型肝炎中医证候与舌象客观量化指标相关性的临床研究[J].西部中医药, 2015, 28(1)： 56-59.

[10]曹宏梅, 田飞, 陆小左.中医诊疗仪器研究进展[J].国际生物医学工程杂志, 2013, 36(2)： 84-87.

[11]谭穗妍, 马旭, 吴露露, 等.基于机器视觉和 BP 神经网络的超级杂交稻穴播量检测[J].农业工程学报, 2014,30(21)： 201-208.

[12]高美凤, 刘娣.分块帧差和背景差相融合的运动目标检测[J].计算机应用研究, 2013, 30(1)： 299-302.

[13]马红霞, 马明建, 马娜, 等.基于 Hough 变换的农业机械视觉导航基准线识别[J].农机化研究, 2013, 35(4)： 37-39.

[14]彭溦汐, 赵冠先, 王志前.基于图像识别系统的灰度化算法研究与效率分析[J].电子世界, 2014 (7)： 105.

[15]郭常有, 曹广斌, 韩世成, 等.基于图像处理技术的扇贝尺寸及位置自动识别[J].大连海洋大学学报, 2012, 27(6)：578-582.

[16]卢军, 谭智仁.结合 Mahalanobis 距离的 SUSAN 彩色边缘检测方法研究[J].陕西科技大学学报 (自然科学版),2013, 31(6)： 136-140.

[17]梁进, 刘泉, 艾青松.基于 SURF 和全局特征融合的图像分类研究[J].计算机工程与应用, 2013, 49(17)： 174-177.

[18]暴琳, 李垣江, 龚淼, 等.基于 Tetrolet 变换和 DCT-SVD的彩色图像稳健数字水印算法[J].江苏科技大学学报(自然科学版 ), 2015, 33(5)： 9.

[19]陈蒙.医学 X 光成像中图像去噪算法研究[J].软件,2013, 34(11)： 62-63.

[20]杨志平, 齐清文, 黄仁涛.数学形态学在空间格局图像骨架提取中的应用[J].地球信息科学学报, 2012, 5(2)： 79-83.

Algorithm of automatic extraction for color tongue images

LIU Yuan1, ZHAO Pengcheng2, LI Tian3, TIAN Fei1, LU Xianzuo1*
(1.School of Chinese Medicine Engineering, Tianjin University of Traditional Chinese Medicine,Tianjin 300193, China;2.Tianjin Architecture Design Institude, Tianjin 300074, China;3.Community Health Center for Dongxin Street, Tianjin 300162, China)

R241.25

A

2095-6258(2017)05-0749-04

2017-03-01)

10.13463/j.cnki.cczyy.2017.05.021

国家科技支撑计划课题（2012BAI25B05）；国家重点基础研究发展计划（“973”计划）课题（2011CB505406）；国家重点基础研究发展计划（“973”计划）课题（2014CB542902）。

刘 媛(1987 - )，女，硕士研究生，助教,主要从事四诊及其客观化研究。

*通信作者：陆小左，男，教授，电话 -（022）59596534，电子信箱-13702093979@163.com