一種開放環(huán)境下中醫(yī)舌象目標(biāo)檢測方法
【專利摘要】一種開放環(huán)境下中醫(yī)舌象目標(biāo)檢測方法，涉及醫(yī)學(xué)圖像處理。1)輸入在開放環(huán)境下采集的圖像A；2)對采集的圖像A進(jìn)行顏色校正，得到校正圖像B；3)對步驟2)得到的校正圖像B進(jìn)行圖像分割；4)對步驟3)得到的圖像C進(jìn)行區(qū)域特征判斷；5)對步驟4)得到的候選舌體區(qū)域D進(jìn)行紋理特征判斷。首先對圖像進(jìn)行顏色校正的預(yù)處理，減少因外界光源色溫帶來的影響；然后對圖像進(jìn)行分割，得到多個連通區(qū)域；并對各連通區(qū)域進(jìn)行特征判斷，得到候選舌體區(qū)域；最后通過比較區(qū)域紋理特征進(jìn)行判斷，判斷該候選舌體區(qū)域是否為舌象。最終達(dá)到對圖像中的舌象進(jìn)行目標(biāo)檢測的目的，即判斷當(dāng)前圖片中有沒有舌象，如果有，舌象目標(biāo)在哪。
【專利說明】
-種開放環(huán)境下中醫(yī)舌象目標(biāo)檢測方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明設(shè)及醫(yī)學(xué)圖像處理，尤其是設(shè)及一種開放環(huán)境下中醫(yī)舌象目標(biāo)檢測方法。
【背景技術(shù)】
[0002] 舌象即人伸出舌頭后呈現(xiàn)的舌頭圖像，傳統(tǒng)中醫(yī)舌象的獲取主要依靠醫(yī)生肉眼觀 察，近年來，信息技術(shù)的發(fā)展推動了中醫(yī)舌象分析客觀化、數(shù)字化和自動化的進(jìn)程。國內(nèi)外 學(xué)者對此進(jìn)行了許多有益的探索，并開發(fā)了一些舌象分析系統(tǒng)，取得了較好的效果(蔣依 吾.電腦化中醫(yī)舌診系統(tǒng)[J].中國中西醫(yī)結(jié)合雜志，2000，20(2): 145-147;蔡鐵巧，劉長江， 沈蘭巧.新型舌象分析儀的設(shè)計方案[J].測控技術(shù)，2005,24(5) :34-36.),但運(yùn)些系統(tǒng)的拍 攝環(huán)境通常是固定的，即在密閉、光照穩(wěn)定的環(huán)境下拍攝采集，且運(yùn)些設(shè)備儀器大都比較笨 重，不易攜帶，價格較為昂貴，具有一定的局限性巧IJ峰.中醫(yī)舌診輔助中成藥使用系統(tǒng)中的 舌象分析研究[D].廈口：廈口大學(xué)，碩±學(xué)位論文，2007.)。隨著智能手機(jī)、平板電腦等移動 設(shè)備的普及，通過移動設(shè)備在開放的自然環(huán)境下進(jìn)行舌象采集，獲得個人健康信息逐漸成 為一個發(fā)展方向。但隨之而來的問題是，由于在開放環(huán)境下采集舌象，存在光源色溫、光線 強(qiáng)弱、拍攝角度、設(shè)備差異等諸多不確定因素的影響，使得最終獲取的圖像同固定環(huán)境相 比，采集的舌象圖像往往存在較大差異，對后續(xù)的分析帶來困難，甚至由于拍攝者的原因， 采集的圖像中可能不存在可供分析的舌象圖像。因此，在開放環(huán)境下采集舌象進(jìn)行分析時， 增強(qiáng)系統(tǒng)的容錯率與魯棒性顯得十分重要。在對舌象進(jìn)行分析前，對圖像進(jìn)行舌象目標(biāo)檢 測有助于提高系統(tǒng)后續(xù)的分析速度和準(zhǔn)確率，也有助于中醫(yī)醫(yī)生直觀、準(zhǔn)確、方便的觀察舌 象，提高診斷的速度。舌象目標(biāo)檢測目的是判斷采集的圖像中是否存在合適的可供后續(xù)分 析的舌象，如果采集的圖片中存在舌象，需檢測出在圖像的哪個位置。舌象的目標(biāo)檢測的準(zhǔn) 確性直接影響整個系統(tǒng)的容錯率。
[0003] 目前，針對開放環(huán)境下中醫(yī)舌象目標(biāo)檢測展開的研究并不多，與本發(fā)明方法最接 近的技術(shù)為廈口強(qiáng)本科技有限公司設(shè)計的一種基于移動終端的中醫(yī)舌象分析系統(tǒng)（王博 亮.一種基于移動終端的中醫(yī)舌象分析系統(tǒng)：中國發(fā)明專利公開，SOlASOOSOAeSTLPLSOH- iS-OS.)，對移動設(shè)備采集的舌象進(jìn)行檢測、分析。該系統(tǒng)雖然實現(xiàn)了舌象檢測功能，但也存 在一些不足之處：
[0004] 1、需要對待檢測目標(biāo)切分小塊，轉(zhuǎn)換到霍夫空間投票，算法復(fù)雜，檢測速度慢;而 在開放環(huán)境下采用移動設(shè)備進(jìn)行舌象采集、檢測，往往對處理過程的實時性要求較高；
[0005] 2、處理過程中需要用較多的參數(shù)來描述舌象模型，比較復(fù)雜，實現(xiàn)比較困難；
[0006] 3、需要有監(jiān)督的訓(xùn)練大量數(shù)據(jù)，需要人工手動標(biāo)記出前景和背景，從而建立檢測 模型，訓(xùn)練過程難度大；
[0007] 4、進(jìn)行數(shù)據(jù)訓(xùn)練時，要求樣本盡可能多，對數(shù)據(jù)集的依賴性高。

【發(fā)明內(nèi)容】

[000引本發(fā)明的目的在于針對現(xiàn)有的在開放環(huán)境下采集舌象過程中存在諸多不足之處， 如:光源色溫、光線強(qiáng)弱、拍攝角度、設(shè)備差異等諸多不確定因素的影響，使得最終獲取的圖 像同固定環(huán)境相比，采集的舌象圖像往往存在較大差異，對后續(xù)的分析帶來困難，甚至由于 拍攝者的原因，采集的圖像中可能不存在可供分析的舌象圖像等問題。本發(fā)明提供一種開 放環(huán)境下中醫(yī)舌象目標(biāo)檢測方法，該方法可快速并準(zhǔn)確地判斷采集的圖像中是否存在合適 的可供后續(xù)分析的舌象，如果采集的圖像中存在舌象，判斷舌象在圖像的位置。
[0009] 本發(fā)明包括W下步驟：
[0010] 1)輸入在開放環(huán)境下采集的圖像A;
[0011] 2)對采集的圖像A進(jìn)行顏色校正，得到校正圖像B;
[0012] 在步驟2)中，所述對采集的圖像A進(jìn)行顏色校正的具體方法如下：
[0013] (1)在標(biāo)準(zhǔn)光照環(huán)境下采集舌象圖像SI,計算舌象圖像Sl的RGBS個顏色通道均值 分別與舌象圖像Sl的整體均值Ks的比值ar、ag、ab:
[0014]
[0015]
[0016]
[001 7]其中，舌象圖像S1 的整體均值Ks = ( Ravgs+Gavgs+Bavgs ) /3 ; Ravgs、Gavgs、Bavgs分別為標(biāo) 準(zhǔn)光照環(huán)境下采集舌象圖像Sl的RGBS個顏色通道的均值;所述標(biāo)準(zhǔn)光照采集環(huán)境可為D65 光源，色溫為6500K;
[0018] (2)按下式調(diào)整圖像A的RGBS個顏色通道的均值，得到校正圖像B;
[0019] K=(Ravg+Gavg+Bavg)/3
[0020]
[0021]
[0022]
[0023] 其中，K為圖像A的整體均值，Ravg、Gavg、Bavg分別為圖像A的RGBS個顏色通道的均 值;Rd、Gd、Bd為校正圖像B每個像素點的RGB^個顏色通道的值，Rs、Gs、Bs為圖像A每個像素點 的RGBS個顏色通道的值，Qr、Qg、叫為步驟2)第（1)部分所求得的比值；
[0024] 3)對步驟2)得到的校正圖像B進(jìn)行圖像分割，具體方法如下：
[0025] (1)將校正圖像B轉(zhuǎn)換到灰度空間圖像巧1，按照最大類間方差法(參見文獻(xiàn):OHTSU N.A threshold selection method from gray-level histograms[J]. System Man& 切bernetics IE邸 Transactions on, 1979,9(1) :62-66.)對灰度空間圖像fBl進(jìn)行闊值分 害d，得到分割圖像Br，并對分割圖像Br運(yùn)用形態(tài)學(xué)運(yùn)算平滑連通域，得到圖像BI;
[0026] 在步驟3)第（1)部分中，所述將校正圖像購專換到灰度空間圖像巧1，按照最大類間 方差法對灰度空間圖像巧1進(jìn)行闊值分割，得到分割圖像B1'，并對分割圖像B1'運(yùn)用形態(tài)學(xué) 運(yùn)算平滑連通域，得到圖像Bl的具體步驟如下：
[0027] a)將校正圖像B轉(zhuǎn)換到灰度空間圖像巧1;
[002引b)對于灰度空間圖像巧1，設(shè)灰度空間圖像巧1的灰度G的取值范圍G= [0，kl]，各 灰度值出現(xiàn)的概率為Pi，闊值為T，闊值T對灰度空間圖像巧1進(jìn)行二值化后分成f O和fi: f O =
[0，T],fi = [T+l，L-l]，f日和fi的概率分別為
和Qi = 1-〇日，平均灰度值分別為
則fo和fi的最大類間方差為：邑2^)=。^]!。- i02+al(i^廣i^)2 = a日al(叫-叫）2，其中i^=5：iPi，求出g取最大值時的闊值T，對灰度空間圖像 fBl進(jìn)行闊值分割，得分割圖像B1'像素點的RGB取值fX,y(r，g，b):
[0029]
[0030] 其中，f B1 (X，y)表示灰度空間圖像巧1像素點的取值，T為闊值；
[0031] C)對分割圖像B1'運(yùn)用形態(tài)學(xué)運(yùn)算中的閉運(yùn)算平滑連通域，根據(jù)下面兩個公式依 次計算，得到圖像Bl;圖像Bl中的像素值gl (X，y)為：
[0032] gl(x,y)=erode(dilate(fI(x,y),element))
[0033] gl (x,y) = bitwise_not(gl (x,y))
[0034] 其中，fl(x，y)為分割圖像Br中的像素值，element定義為形態(tài)學(xué)運(yùn)算中的結(jié)構(gòu)元 素；dilate定義為形態(tài)學(xué)運(yùn)算中的膨脹操作；erode定義為形態(tài)學(xué)運(yùn)算中的腐蝕操作； bitwise_not定義為對圖像的每一個像素點的取反操作。
[0035] (2)將校正圖像B轉(zhuǎn)換到HSV顏色空間圖像巧2,對圖像巧2的H通道進(jìn)行闊值分割， 得到分割圖像B2'，并對分割圖像B2'運(yùn)用形態(tài)學(xué)運(yùn)算平滑連通域，得到圖像B2;
[0036] 在步驟3)第(2)部分中，所述將校正圖像B轉(zhuǎn)換到HSV顏色空間圖像巧2，對圖像巧2 的H通道進(jìn)行闊值分割，得到分割圖像B2'，并對分割圖像B2'運(yùn)用形態(tài)學(xué)運(yùn)算平滑連通域， 得到圖像B2的具體步驟如下：
[0037] a)將校正圖像B轉(zhuǎn)換到服V顏色空間圖像巧2;
[003引b)采用下式對圖像巧2進(jìn)行色調(diào)闊值分割，得到分割圖像B2'像素點的RGB取值fx,y (r，g，b):
[0039]
[0040] 其中，hx,y表示圖像巧帥H通道像素點取值，Tl和T2表示設(shè)定的闊值；
[0041] C)對分割圖像B2'運(yùn)用形態(tài)學(xué)運(yùn)算中的閉運(yùn)算平滑連通域，根據(jù)下面兩個公式依 次計算，得到圖像B2;圖像B2中的像素值g2(x，y)為：
[0042] g2(x,y)=erode(dilate(f2(x,y),element))
[0043] g2(x,y) =bitwise_not(g2(x,y))
[0044] 其中，f2(x，y)為分割圖像B2'中的像素值，element定義為形態(tài)學(xué)運(yùn)算中的結(jié)構(gòu)元 素；dilate定義為形態(tài)學(xué)運(yùn)算中的膨脹操作；erode定義為形態(tài)學(xué)運(yùn)算中的腐蝕操作； bitwise_not定義為對圖像的每一個像素點的取反操作。
[0045] (3)采用RGBS色分量方差法(參見文獻(xiàn):蔣依吾.電腦化中醫(yī)舌診系統(tǒng)[J].中國中 西醫(yī)結(jié)合雜志，2000，20 (2): 145-147)對校正圖像B進(jìn)行闊值分割，得到分割圖像B3 '，并對 分割圖像B3 '運(yùn)用形態(tài)學(xué)運(yùn)算平滑連通域，得到圖像B3。
[0046] 在步驟3)第(3)部分中，所述采用RGBS色分量方差法對校正圖像B進(jìn)行闊值分割， 得到分割圖像B3'，并對分割圖像B3'運(yùn)用形態(tài)學(xué)運(yùn)算平滑連通域，得到圖像B3的的具體步 驟如下：
[0047] a)對于校正圖像B，假設(shè)其大小為mXn，將校正圖像B中每個像素點的RGB取值進(jìn)行 歸一化操作，其取值范圍為[0，1]，采用下式對校正圖像B中的每個像素點計算RGBS色分量 方差gate(m，n)，并對校正圖像B進(jìn)行分割，得到分割圖像B3'像素點的RGB取值fm,n(r，g，b): [004引 gate (m,n)二（Tm, n-抑,n) + (bm, n-抑,n) X 6+(rm, n+抑,n+bm, n) /3
[0049]
[0050] 其中，rm,n表示校正圖像B中像素點(m，n)的R通道的取值，gm,n表示校正圖像B中像 素點(m，n)的G通道的取值，bm,n表示校正圖像B中像素點(m，n)的B通道的取值；
[0051] b)對分割圖像B3'運(yùn)用形態(tài)學(xué)運(yùn)算中的閉運(yùn)算平滑連通域，根據(jù)下面公式計算，得 到圖像B3;圖像B3中的像素值的(X，y)為：
[0052] g3(x,y)=erode(dilate(f3(x,y),element))
[0053] 其中，f3(x，y)為分割圖像B3'中的像素值，element定義為形態(tài)學(xué)運(yùn)算中的結(jié)構(gòu)元 素 ;di late定義為形態(tài)學(xué)運(yùn)算中的膨脹操作;erode定義為形態(tài)學(xué)運(yùn)算中的腐蝕操作。
[0054] (4)對圖像B1、圖像B2、圖像B3S個圖像進(jìn)行邏輯"與"運(yùn)算，得到圖像C。
[0055] 4)對步驟3)得到的圖像C進(jìn)行區(qū)域特征判斷，具體方法如下：
[0056] (1)對于圖像C中的每一個連通域，計算該連通域的凸包(Si);
[0057] (2)計算每一個凸包（Si)的面積與圖像C的面積areac的比例： a傑a 冊％;/那紛{:，刪除面積比小于0.02的連通域；
[005引（4)計算每個連通域凸包(Si)的質(zhì)屯、(Ci)與圖像C中屯、(Co)的歐式距離：
[0化9]
[0060] 其中，Cix、Ciy分別表示凸包(Si)質(zhì)屯、的橫坐標(biāo)與縱坐標(biāo)，Cox和Coy分別表示圖像C中 屯、的橫坐標(biāo)與縱坐標(biāo)；
[0061 ] (4)計算每個連通域凸包(Si)最小外接矩形的長寬比scale=w/h;
[0062] 其中W表示最小外接矩形的寬，h表示最小外接矩形的長；
[0063] (5)計算每個連通域凸包(Si)的7個Hu不變矩HiiQG [1，7](參見文獻(xiàn):Hu !.Visual Pattern Recognition by Moment Invariants[J]. Information Theory Ire Transactions on,1962,8(2):179-187.)；
[0064] 所述化不變矩定義如下：
[0065] 對于大小為MXN的圖像f(x，y)，f(x，y)的二維(p+q)階矩定義為：
[0066]
[0067]
[006引
[0069]
[0070]
[0071]化用歸一化中屯、矩的線性組合構(gòu)造具有平移、伸縮、旋轉(zhuǎn)不變的7個化不變矩
[0073] (6)人工選擇一張正常形狀舌象圖像(So),計算舌象圖像(So)的7個化不變矩Mi(i G[l，7])，計算匹配虔
所述正常形狀舌象圖像(So)可為中醫(yī)醫(yī) 生根據(jù)經(jīng)驗和相關(guān)專業(yè)知識選擇的正常形狀舌象圖像；
[0074] (7)根據(jù)下面S個公式依次計算每個連通域凸包(Si)的相似度score,選擇相似度 score的最大值，該相似度score的最大值對應(yīng)的連通域凸包(Si)為選出的候選舌體區(qū)域D:
[0075]
[0076]
[0077]
[0078] 其中，area為在步驟4)第(2)部分所求得的比例；scale為步驟4)第(4)部分所求得 的長寬比；dis為步驟4)第(3)部分所求得的歐式距離;match為步驟4)第(6)部分所求得的 匹配度；
[0079] 5)對步驟4)得到的候選舌體區(qū)域D進(jìn)行紋理特征判斷，具體方法如下：
[0080] (1)分別計算候選舌體區(qū)域D的水平、垂直、對角偏移量=種灰度共生矩陣的聯(lián)合 概率密度分布；
[0081] (2)設(shè)灰度共生矩陣的聯(lián)合概率密度分布記為[Pmn]LXL，其中L為灰度取值范圍，m =[0, L-I Ln= [0, L-I];根據(jù)聯(lián)合概率密度分布計算得到6個紋理特征（參見文獻(xiàn)： HARALICK R M,SHANMUGAM K，DINSTEIN I . Textural features for image classification[J].Systems Man&Cybernetics IEEE Transactions on，2010，smc-3(6): 610-621.)，所述6個紋理特征包括角二階矩、對比度、傭、逆差矩、中值和灰度相關(guān)；
[0084] (3)對步驟5)第（1)部分得到的=種灰度共生矩陣的聯(lián)合概率密度分布分別按照 步驟5)第(2)部分的方法計算6個紋理特征，共得到候選舌體區(qū)域D的18個紋理特征量fi(i G[0.17]);
[0085] (4)人工選擇若干幅標(biāo)準(zhǔn)光照環(huán)境下采集的舌象圖像，對每一幅標(biāo)準(zhǔn)光照環(huán)境下 采集的舌象圖像，手工分割出其中的舌體區(qū)域SD，得到若干個舌體區(qū)域SD，對每一個舌體區(qū) 域SD分別計算其水平、垂直、對角偏移量=種灰度共生矩陣的聯(lián)合概率密度分布;對運(yùn)=種 聯(lián)合概率密度分布分別按照步驟5)第(2)部分的方法計算紋理特征，每一個舌體區(qū)域SD共 得到18個紋理特征量;對運(yùn)些舌體區(qū)域SD計算得到的18個紋理特征量，求每個紋理特征量 的平均值 Fi(iG[0，17]);
[0086] (5)計算步驟5)第(3)部分求得的紋理特征量f i (i G [0，17])與步驟5)第(4)部分 求得的紋理特征量的平均值FiQg [0,17])的紋理相似度，采用下列公式計算，若結(jié)果E小 于設(shè)定的闊值T3,則判斷為舌象，否則采集的圖像A中不存在可供分析的舌象：
[0087]
[0088] 本發(fā)明針對開放環(huán)境下中醫(yī)舌象圖像的特點進(jìn)行舌象目標(biāo)檢測，首先對圖像進(jìn)行 顏色校正的預(yù)處理，減少因外界光源色溫帶來的影響;然后對圖像進(jìn)行分割，得到多個連通 區(qū)域;并對各連通區(qū)域進(jìn)行特征判斷，得到候選舌體區(qū)域;最后通過比較區(qū)域紋理特征進(jìn)行 判斷，判斷該候選舌體區(qū)域是否為舌象。本發(fā)明最終達(dá)到對圖像中的舌象進(jìn)行目標(biāo)檢測的 目的，即判斷當(dāng)前圖片中有沒有舌象，如果有，舌象目標(biāo)在哪。
[0089] 顏色校正過程采用改進(jìn)的灰度世界算法，針對舌象圖像特有的顏色特征設(shè)定相應(yīng) 的參數(shù)值;舌象分割部分采用最大類間方差、色調(diào)闊值分割和RGBS色分量差值分割相結(jié)合 的方法進(jìn)行圖像分割；區(qū)域特征判斷部分通過對比各區(qū)域的形狀特征進(jìn)行判斷，得到舌體 區(qū)域;舌象的紋理特征判斷則采用灰度共生矩陣為特征進(jìn)行檢測，對獲得的舌體區(qū)域進(jìn)行 判斷比對，最終達(dá)到舌象目標(biāo)檢測的目的。
[0090] 相對于現(xiàn)有技術(shù)，本發(fā)明的有益效果為：
[0091] 1、本發(fā)明根據(jù)舌象特征利用改進(jìn)的灰度世界算法對圖像進(jìn)行顏色校正，減少了因 采集環(huán)境顏色偏色帶來的影響。
[0092] 2、本發(fā)明采用最大類間方差、色調(diào)闊值分割和RGBS色分量差值分割相結(jié)合的方 法進(jìn)行圖像分割;根據(jù)舌象形狀、位置進(jìn)行區(qū)域特征判斷;采用紋理特征進(jìn)行檢測;運(yùn)些方 法都是針對開放環(huán)境下的舌象特點進(jìn)行處理、分析，運(yùn)些方法相輔相成，結(jié)合起來使用能夠 更加準(zhǔn)確地識別舌象目標(biāo)，具有識別準(zhǔn)確率高的優(yōu)點。
[0093] 3、本發(fā)明使用的方法運(yùn)算量小、程序?qū)崿F(xiàn)簡單，不需要訓(xùn)練大量數(shù)據(jù)，算法復(fù)雜度 低，處理速度快，對數(shù)據(jù)集的依賴程度不高。
[0094] 本發(fā)明針對開放環(huán)境下舌象圖像的特點分多個步驟進(jìn)行處理、分析，達(dá)到舌象目 標(biāo)檢測的目的。本發(fā)明的圖像分割、區(qū)域特征判斷、紋理特征判斷幾個步驟在功能上相輔相 成，圖像分割利用圖像的顏色特征進(jìn)行粗篩選，區(qū)域特征判斷利用圖像的形狀、空間特征進(jìn) 行細(xì)篩選，紋理特征判斷利用圖像的紋理特征進(jìn)行最終判斷，通過結(jié)合圖像的不同特征進(jìn) 行對比，識別的準(zhǔn)確率較高，運(yùn)算速度快，實現(xiàn)簡單，取得了新的技術(shù)效果。相對于最接近的 現(xiàn)有技術(shù)，具有明顯的區(qū)別特征，且具有較明顯的優(yōu)點：本發(fā)明的方法不需要霍夫空間投 票，算法復(fù)雜度低，運(yùn)算量小，也不需要進(jìn)行有監(jiān)督的訓(xùn)練大量數(shù)據(jù)，因此實現(xiàn)較為簡單，對 數(shù)據(jù)集的依賴程度不高，在準(zhǔn)確率與處理速度上更優(yōu)越，更具有實用性。
[0095] 通過本發(fā)明獲得的結(jié)果，有利于提高后續(xù)舌診分析系統(tǒng)的容錯率、魯棒性及系統(tǒng) 的分析速度，也便于中醫(yī)醫(yī)生直觀、準(zhǔn)確、方便的觀察舌象，提高診斷的速度。本發(fā)明的直接 目的并不是獲得疾病或者健康狀況的診斷結(jié)果。即使通過本發(fā)明獲得結(jié)果，也只能獲得圖 像中是否存在舌象，W及舌象的位置的結(jié)論，并不能直接得出診斷結(jié)果，需要后續(xù)的舌診分 析系統(tǒng)或者中醫(yī)醫(yī)生的進(jìn)一步分析和判斷。因此本發(fā)明公開的方法，其直接目的不是診斷， 本發(fā)明不屬于疾病的診斷方法。
【附圖說明】
[0096] 圖1為開放環(huán)境下采集的圖像；
[0097] 圖2為步驟3)圖像分割的結(jié)果；
[0098] 圖3為步驟4)篩選得到的候選舌體區(qū)域。
【具體實施方式】
[0099] 下面結(jié)合附圖和【具體實施方式】對本發(fā)明技術(shù)方案做進(jìn)一步詳細(xì)描述：
[0100] 本發(fā)明實施例包括如下步驟：
[0101] 1)輸入在開放環(huán)境下采集的圖像A，如圖1所示；
[0102] 2)對采集的圖像A進(jìn)行顏色校正，得到校正圖像B;
[0103] 在步驟2)中，所述對采集的圖像A進(jìn)行顏色校正的具體方法如下：
[0104] (1)在標(biāo)準(zhǔn)光照環(huán)境下采集舌象圖像SI,計算舌象圖像Sl的RGBS個顏色通道均值 分別與舌象圖像Sl的整體均值Ks的比值ar、ag、ab:
[0105]
[0106]
[0107]
[01 0引其中，舌象圖像S1 的整體均值Ks = ( Ravgs+Gavgs+Bavgs ) /3 ; Ravgs、Gavgs、Bavgs分別為標(biāo) 準(zhǔn)光照環(huán)境下采集舌象圖像Sl的RGBS個顏色通道的均值;所述標(biāo)準(zhǔn)光照采集環(huán)境可為D65 光源，色溫為6500K;
[0109] 本實施例中，各個參數(shù)的取值如下：ar=l.〇9、ag = 〇.95、ab = 0.94。
[0110] (2)按下式調(diào)整圖像A的RGBS個顏色通道的均值，得到校正圖像B;
[0111] K=(Ravg+Gavg+Bavg)/3
[0112]
[0113]
[0114]
[011引其中，K為圖像A的整體均值，Ravg、Gavg、Bavg分別為圖像A的RGBS個顏色通道的均 值;Rd、Gd、Bd為校正圖像B每個像素點的RGB^個顏色通道的值，Rs、Gs、Bs為圖像A每個像素點 的RGBS個顏色通道的值，Qr、Qg、叫為步驟2)第（1)部分所求得的比值；
[0116] 3)對步驟2)得到的校正圖像B進(jìn)行圖像分割，具體方法如下：
[0117] (1)將校正圖像購專換到灰度空間圖像巧1，按照最大類間方差法對灰度空間圖像 fBl進(jìn)行闊值分割，得到分割圖像B1'，并對分割圖像B1'運(yùn)用形態(tài)學(xué)運(yùn)算平滑連通域，得到 圖像BI;
[0118] 在步驟3)第（1)部分中，所述將校正圖像購專換到灰度空間圖像巧1，按照最大類間 方差法對灰度空間圖像巧1進(jìn)行闊值分割，得到分割圖像B1'，并對分割圖像B1'運(yùn)用形態(tài)學(xué) 運(yùn)算平滑連通域，得到圖像Bl的具體步驟如下：
[0119] a)將校正圖像B轉(zhuǎn)換到灰度空間圖像巧1;
[0120] b)對于灰度空間圖像巧1，設(shè)灰度空間圖像巧1的灰度G的取值范圍G= [0，kl]，各 灰度值出現(xiàn)的概率為Pi，闊值為T，闊值T對灰度空間圖像巧1進(jìn)行二值化后分成fo和fi: fo =
[0，T]，fl=[T+l，L-l]，f日和fl的概率分別為
巧日1 = 1-日日，平均灰度值分別為
巧Ijfo和fi的最大類間方差為:g2(T) = a〇(]i〇- y)2+ai(叫-y)2 = a日ai(趴-山）2,其4
求出g取最大值時的闊值T，對灰度空間圖 像fBl進(jìn)行闊值分割，得分割圖像B1'像素點的RGB取值fx,y(r，g，b):
[0121]
[0122] 其中，fBl(x，y)表示灰度空間圖像巧1像素點的取值，T為闊值；
[0123] 本實施例中，T = 90。
[0124] C)對分割圖像Br運(yùn)用形態(tài)學(xué)運(yùn)算中的閉運(yùn)算平滑連通域，根據(jù)下面兩個公式依 次計算，得到圖像Bl;圖像Bl中的像素值gl (X，y)為：
[0125] gl(x,y)=erode(dilate(fl(x,y),element))
[0126] gl(x,y) =bitwise_not(gl(x,y))
[0127] 其中，fl(x，y)為分割圖像Br中的像素值，element定義為形態(tài)學(xué)運(yùn)算中的結(jié)構(gòu)元 素；dilate定義為形態(tài)學(xué)運(yùn)算中的膨脹操作；erode定義為形態(tài)學(xué)運(yùn)算中的腐蝕操作； bitwise_not定義為對圖像的每一個像素點的取反操作。
[012引本實施例中，element定義為[11 X 11]的楠圓結(jié)構(gòu)。
[0129] (2)將校正圖像B轉(zhuǎn)換到HSV顏色空間圖像巧2,對圖像巧2的H通道進(jìn)行闊值分割， 得到分割圖像B2'，并對分割圖像B2'運(yùn)用形態(tài)學(xué)運(yùn)算平滑連通域，得到圖像B2;
[0130] 在步驟3)第(2)部分中，所述將校正圖像B轉(zhuǎn)換到HSV顏色空間圖像巧2，對圖像巧2 的H通道進(jìn)行闊值分割，得到分割圖像B2'，并對分割圖像B2'運(yùn)用形態(tài)學(xué)運(yùn)算平滑連通域， 得到圖像B2的具體步驟如下：
[0131] a)將校正圖像B轉(zhuǎn)換到服V顏色空間圖像巧2;
[0132] b)采用下式對圖像巧2進(jìn)行色調(diào)闊值分割，得到分割圖像B2'像素點的RGB取值fx,y (r，g，b):
[0133]
[0134] 其中，hx,y表示圖像巧帥H通道像素點取值，Tl和T2表示設(shè)定的闊值；
[0135] 本實施例中，Ti = 7、T2 = 29。
[0136] C)對分割圖像B2'運(yùn)用形態(tài)學(xué)運(yùn)算中的閉運(yùn)算平滑連通域，根據(jù)下面兩個公式依 次計算，得到圖像B2;圖像B2中的像素值g2(x，y)為：
[0137] g2(x,y)=erode(dilate(f2(x,y),element))
[0138] g2(x,y) =bitwise_not(g2(x,y))
[0139] 其中，f2(x，y)為分割圖像B2'中的像素值，element定義為形態(tài)學(xué)運(yùn)算中的結(jié)構(gòu)元 素；dilate定義為形態(tài)學(xué)運(yùn)算中的膨脹操作；erode定義為形態(tài)學(xué)運(yùn)算中的腐蝕操作； bitwise_not定義為對圖像的每一個像素點的取反操作。
[0140] 本實施例中，element定義為[11 X 11]的楠圓結(jié)構(gòu)
[0141] (3)采用RGBS色分量方差法對校正圖像B進(jìn)行闊值分割，得到分割圖像B3'，并對 分割圖像B3 '運(yùn)用形態(tài)學(xué)運(yùn)算平滑連通域，得到圖像B3。
[0142] 在步驟3)第(3)部分中，所述采用RGBS色分量方差法對校正圖像B進(jìn)行闊值分割， 得到分割圖像B3'，并對分割圖像B3'運(yùn)用形態(tài)學(xué)運(yùn)算平滑連通域，得到圖像B3的的具體步 驟如下：
[0143] a)對于校正圖像B，假設(shè)其大小為mXn，將校正圖像B中每個像素點的RGB取值進(jìn)行 歸一化操作，其取值范圍為[0，1]，采用下式對校正圖像B中的每個像素點計算RGBS色分量 方差gate(m，n)，并對校正圖像B進(jìn)行分割，得到分割圖像B3'像素點的RGB取值fm,n(r，g，b): [01 44] gate (m,n)二（Tm, n-抑,n) + (bm, n-抑,n) x6+(rm, n+抑,n+bm, n) /3
[0145]
[0146] 其中，rm,n表示校正圖像B中像素點(m，n)的R通道的取值，gm,n表示校正圖像B中像 素點(m，n)的G通道的取值，bm,n表示校正圖像B中像素點(m，n)的B通道的取值；
[0147] b)對分割圖像B3'運(yùn)用形態(tài)學(xué)運(yùn)算中的閉運(yùn)算平滑連通域，根據(jù)下面公式計算，得 到圖像B3;圖像B3中的像素值的(x，y)為：
[014引 g3(x,y) = e;rode(dilate(f3(x,y) ,element))
[0149] 其中，f3(x，y)為分割圖像B3'中的像素值，element定義為形態(tài)學(xué)運(yùn)算中的結(jié)構(gòu)元 素 ;di late定義為形態(tài)學(xué)運(yùn)算中的膨脹操作;erode定義為形態(tài)學(xué)運(yùn)算中的腐蝕操作。
[0150] 本實施例中，element定義為[11 X 11]的楠圓結(jié)構(gòu)
[0151] (4)對圖像Bl、圖像B2、圖像B3S個圖像進(jìn)行邏輯"與"運(yùn)算，得到圖像C，如圖2所 /J、- O
[0152] 4)對步驟3)得到的圖像C進(jìn)行區(qū)域特征判斷，具體方法如下：
[0153] (1)對于圖像C中的每一個連通域，計算該連通域的凸包(Si);
[0154] (2)計算每一個凸包（Si)的面積areasg與圖像C的面積areac的比例：
;，刪除面積比小于0.02的連通域；
[0155] (5)計算每個連通域凸包位)的質(zhì)屯、(Cl)與圖像帥屯、(Co)的歐式距離：
[0156]
[0157] 其中，Cix、Ciy分別表示凸包(Si)質(zhì)屯、的橫坐標(biāo)與縱坐標(biāo)，Cox和Coy分別表示圖像C中 屯、的橫坐標(biāo)與縱坐標(biāo)；
[015引（4)計算每個連通域凸包(Si)最小外接矩形的長寬比scale=w/h;
[0159] 其中W表示最小外接矩形的寬，h表示最小外接矩形的長；
[0160] (5)計算每個連通域凸包(Si)的7個化不變矩Hii (i G [ 1，7]);
[0161] 所述化不變矩定義如下：
[0162] 對于大小為MXN的圖像f(x，y)，f(x，y)的二維(p+q)階矩定義為：
[0163]
[0164] 相應(yīng)的(p+q)階中屯、矩定義為：
[01 化]
[0166] 由表示的歸一化中屯、矩定義為：
[0167]
,其中丫 =(p+q)/化 1
[0168] 化用歸一化中屯、矩的線性組合構(gòu)造具有平移、伸縮、旋轉(zhuǎn)不變的7個化不變矩：
[0170] (6)人工選擇一張正常形狀舌象圖像(So),計算舌象圖像(So)的7個化不變矩Mi(i G[l，7])，計算匹配度
所述正常形狀舌象圖像(So)可為中醫(yī)醫(yī) 生根據(jù)經(jīng)驗和相關(guān)專業(yè)知識選擇的正常形狀舌象圖像；
[0171] 本實施例中，Mi(i G [1，7])的值分別為：[0.167538,0.00155933,0.00032405， 6.71027 X 10-6，-3.12169 X 10-10，-2.63866 X 10-7，-2.15107 X 10-11]
[0172] (7)根據(jù)下面S個公式依次計算每個連通域凸包(Si)的相似度score,選擇相似度 score的最大值，該相似度score的最大值對應(yīng)的連通域凸包(Si)為選出的候選舌體區(qū)域D， 如圖3所示：
[0173：
[0174:
[0175：
[0176」具甲，area刃巧W4 j弟U ^部分所巧恃W距例；scale刃巧驟4)第（4)部分所求得的 長寬比；dis為步驟4)第(3)部分所求得的歐式距離;match為步驟4)第(6)部分所求得的匹 配度；
[0177] 5)對步驟4)得到的候選舌體區(qū)域D進(jìn)行紋理特征判斷，具體方法如下：
[0178] (1)分別計算候選舌體區(qū)域D的水平、垂直、對角偏移量=種灰度共生矩陣的聯(lián)合 概率密度分布；
[0179] (2)設(shè)灰度共生矩陣的聯(lián)合概率密度分布記為[Pmn]LXL，其中L為灰度取值范圍，m =[0，L-I ]，n =[0，L-I ];根據(jù)聯(lián)合概率密度分布計算得到6個紋理特征，所述6個紋理特征 包括角二階矩、對比度、賭、逆差矩、中值和灰度相關(guān)；
[0182] (3)對步驟5)第（I)部分得到的=種灰度共生矩陣的聯(lián)合概率密度分布分別按照 步驟5)第(2)部分的方法計算6個紋理特征，共得到候選舌體區(qū)域D的18個紋理特征量fi(i G[0，17];
[0183] (4)人工選擇若干幅標(biāo)準(zhǔn)光照環(huán)境下采集的舌象圖像，對每一幅標(biāo)準(zhǔn)光照環(huán)境下 采集的舌象圖像，手工分割出其中的舌體區(qū)域SD，得到若干個舌體區(qū)域SD;對每一個舌體區(qū) 域SD分別計算其水平、垂直、對角偏移量=種灰度共生矩陣的聯(lián)合概率密度分布;對運(yùn)=種 聯(lián)合概率密度分布分別按照步驟5)第(2)部分的方法計算紋理特征，每一個舌體區(qū)域SD共 得到18個紋理特征量;對運(yùn)些舌體區(qū)域SD計算得到的18個紋理特征量，求每個紋理特征量 平均值FiQG [0,17];
[0184] (5)計算步驟5)第(3)部分求得的紋理特征量f i (i G [0，17])與步驟5)第(4)部分 求得的紋理特征量平均值FiQg [0,17])的紋理相似度，采用下列公式計算，若結(jié)果E小于 設(shè)定的闊值T3,則判斷為舌象，否則采集的圖像A中不存在可供分析的舌象：
[0185]
[0186] 本實施例中，標(biāo)準(zhǔn)舌象特征向量平均值FiQG [0，17]的取值分別為：
[0187] [0.00280036,59.4779,0.428998,2.9444,136.397,939.903,0.00197886， 68.4362,0.348336,3.0673,136.616,1336.41,0.00292386,38.6503,0.442026,2.9221, 136.406，901.906]，闊值T3的取值為4.7。
【主權(quán)項】
1. 一種開放環(huán)境下中醫(yī)舌象目標(biāo)檢測方法，其特征在于包括以下步驟： 1) 輸入在開放環(huán)境下采集的圖像A; 2) 對采集的圖像A進(jìn)行顏色校正，得到校正圖像B; 3) 對步驟2)得到的校正圖像B進(jìn)行圖像分割，得到圖像C; 4) 對步驟3)得到的圖像C進(jìn)行區(qū)域特征判斷，得到候選舌體區(qū)域D; 5) 對步驟4)得到的候選舌體區(qū)域D進(jìn)行紋理特征判斷。2. 如權(quán)利要求1所述一種開放環(huán)境下中醫(yī)舌象目標(biāo)檢測方法，其特征在于在步驟2)中， 所述對采集的圖像A進(jìn)行顏色校正的具體方法如下： (1) 在標(biāo)準(zhǔn)光照環(huán)境下采集舌象圖像Sl，計算舌象圖像Sl的RGB三個顏色通道均值分別 與舌象圖像S1的整體均值Ks的比值a r、ag、ab:其中，舌象圖像Sl的整體均{if別為標(biāo)準(zhǔn)光照 環(huán)境下采集舌象圖像Sl的RGB三個顏色通道的均值； (2) 按下式調(diào)整圖像A的RGB三個顏色通道的均值，得到校正圖像B;其中，K為圖像A的整體均值，Ravg、Gavg、Bavg分別為圖像A的RGB三個顏色通道的均值;R d、 Gd、Bd為校正圖像B每個像素點的RGB三個顏色通道的值，Rs、Gs、Bs為圖像A每個像素點的RGB 三個顏色通道的值，a r、tig、ab為步驟2)第(1)部分所求得的比值。3. 如權(quán)利要求2所述一種開放環(huán)境下中醫(yī)舌象目標(biāo)檢測方法，其特征在于在步驟2)第 (1)部分中，所述標(biāo)準(zhǔn)光照采集環(huán)境為D65光源，色溫為6500K。4. 如權(quán)利要求1所述一種開放環(huán)境下中醫(yī)舌象目標(biāo)檢測方法，其特征在于在步驟3)中， 所述對步驟2)得到的校正圖像B進(jìn)行圖像分割的具體方法如下： (1) 將校正圖像B轉(zhuǎn)換到灰度空間圖像fBl，按照最大類間方差法對灰度空間圖像fBl進(jìn) 行閾值分割，得到分割圖像ΒΓ，并對分割圖像ΒΓ運(yùn)用形態(tài)學(xué)運(yùn)算平滑連通域，得到圖像 BI; (2) 將校正圖像B轉(zhuǎn)換到HSV顏色空間圖像fB2,對圖像fB2的H通道進(jìn)行閾值分割，得到 分割圖像B2'，并對分割圖像B2'運(yùn)用形態(tài)學(xué)運(yùn)算平滑連通域，得到圖像B2; (3) 采用RGB三色分量方差法對校正圖像B進(jìn)行閾值分割，得到分割圖像B3'，并對分割 圖像B3 '運(yùn)用形態(tài)學(xué)運(yùn)算平滑連通域，得到圖像B3; (4)對圖像B1、圖像B2、圖像B3三個圖像進(jìn)行邏輯"與"運(yùn)算，得到圖像C。5. 如權(quán)利要求4所述一種開放環(huán)境下中醫(yī)舌象目標(biāo)檢測方法，其特征在于在步驟3)第 (1) 部分中，所述將校正圖像B轉(zhuǎn)換到灰度空間圖像fBl，按照最大類間方差法對灰度空間圖 像fBl進(jìn)行閾值分割，得到分割圖像ΒΓ，并對分割圖像ΒΓ運(yùn)用形態(tài)學(xué)運(yùn)算平滑連通域，得 到圖像Bl的具體步驟如下： a) 將校正圖像B轉(zhuǎn)換到灰度空間圖像fBl; b) 對于灰度空間圖像fBl，設(shè)灰度空間圖像fBl的灰度G的取值范圍G= [0,L-I ]，各灰度 值出現(xiàn)的概率為Pi，閾值為T，閾值T對灰度空間圖像fBl進(jìn)行二值化后分成fo和: fo= [0， T ]，f i = [ T+1，L-1 ]，f dPf i的概率分別戈P(guān)i和〇i = 1 -α〇，平均灰度值分別為i.h/CXl，則f。和fi的最大類間方差為：g2 (T) = α〇(μ〇- = 其中μ= Σ iPi，求出g取最大值時的閾值Τ，對灰度空間圖像 fBl進(jìn)行閾值分割，得分割圖像ΒΓ像素點的RGB取值fX,y(r，g，b):其中，f BI (X，y)表示灰度空間圖像f B1像素點的取值，T為閾值； c) 對分割圖像ΒΓ運(yùn)用形態(tài)學(xué)運(yùn)算中的閉運(yùn)算平滑連通域，根據(jù)下面兩個公式依次計 算，得到圖像Bl;圖像Bl中的像素值gl (x，y)為： gl(x,y)=erode(dilate(fI(x,y),element)) gl (x,y) = bitwise_not(gl (x,y)) 其中，fI(x，y)為分割圖像ΒΓ中的像素值，element定義為形態(tài)學(xué)運(yùn)算中的結(jié)構(gòu)元素； dilate定義為形態(tài)學(xué)運(yùn)算中的膨脹操作;erode定義為形態(tài)學(xué)運(yùn)算中的腐蝕操作;bitwise_ not定義為對圖像的每一個像素點的取反操作。6. 如權(quán)利要求4所述一種開放環(huán)境下中醫(yī)舌象目標(biāo)檢測方法，其特征在于在步驟3)第 (2) 部分中，所述將校正圖像B轉(zhuǎn)換到HSV顏色空間圖像fB2,對圖像fB2的H通道進(jìn)行閾值分 害J，得到分割圖像B2'，并對分割圖像B2'運(yùn)用形態(tài)學(xué)運(yùn)算平滑連通域，得到圖像B2的具體步 驟如下： a) 將校正圖像B轉(zhuǎn)換到HSV顏色空間圖像fB2; b) 采用下式對圖像fB2進(jìn)行色調(diào)閾值分割，得到分割圖像B2'像素點的RGB取值fx,y(r， g，bN其中，hx, 7表示圖像fB2中H通道像素點取值，TjPT2表示設(shè)定的閾值； c) 對分割圖像B2'運(yùn)用形態(tài)學(xué)運(yùn)算中的閉運(yùn)算平滑連通域，根據(jù)下面兩個公式依次計 算，得到圖像B2;圖像B2中的像素值g2 (X，y)為： g2(x,y)=erode(dilate(f2(x,y),element)) g2(x,y)=bitwise_not(g2(x,y)) 其中，f2(x，y)為分割圖像B2'中的像素值，element定義為形態(tài)學(xué)運(yùn)算中的結(jié)構(gòu)元素； dilate定義為形態(tài)學(xué)運(yùn)算中的膨脹操作;erode定義為形態(tài)學(xué)運(yùn)算中的腐蝕操作;bitwise_ not定義為對圖像的每一個像素點的取反操作。7. 如權(quán)利要求4所述一種開放環(huán)境下中醫(yī)舌象目標(biāo)檢測方法，其特征在于在步驟3)第 (3)部分中，所述采用RGB三色分量方差法對校正圖像B進(jìn)行閾值分割，得到分割圖像B3'，并 對分割圖像B3'運(yùn)用形態(tài)學(xué)運(yùn)算平滑連通域，得到圖像B3的的具體步驟如下： a) 對于校正圖像B，假設(shè)其大小為mXn，將校正圖像B中每個像素點的RGB取值進(jìn)行歸一 化操作，其取值范圍為[〇，1]，采用下式對校正圖像B中的每個像素點計算RGB三色分量方差 gate(m，η)，并對校正圖像B進(jìn)行分割，得到分割圖像B3 '像素點的RGB取值fm,n(r，g，b):其中，rm,n表示校正圖像B中像素點(m，n)的R通道的取值，gm, n表示校正圖像B中像素點 (m，η)的G通道的取值，bm, n表示校正圖像B中像素點(m，η)的B通道的取值； b) 對分割圖像Β3'運(yùn)用形態(tài)學(xué)運(yùn)算中的閉運(yùn)算平滑連通域，根據(jù)下面公式計算，得到圖 像B3;圖像B3中的像素值g3 (X，y)為： g3(x,y)=erode(dilate(f3(x,y),element)) 其中，f3(x，y)為分割圖像B3'中的像素值，element定義為形態(tài)學(xué)運(yùn)算中的結(jié)構(gòu)元素； di late定義為形態(tài)學(xué)運(yùn)算中的膨脹操作;erode定義為形態(tài)學(xué)運(yùn)算中的腐蝕操作。8. 如權(quán)利要求1所述一種開放環(huán)境下中醫(yī)舌象目標(biāo)檢測方法，其特征在于在步驟4)中， 所述對步驟3)得到的圖像C進(jìn)行區(qū)域特征判斷的具體方法如下： (1)對于圖像C中的每一個連通域，計算該連通域的凸包(S1); (2 )計算每一個凸包（S i )的面積areaS|與圖像C的面積a r e a c的比例： 游擬=areaSi/areac,刪除面積比小于〇 · 〇2的連通域； (3) 計算每個連通域凸包(S1)的質(zhì)心(C1)與圖像C中心(Co)的歐式距離：其中，Cix、Ciy分別表不凸包(Si)質(zhì)心的橫坐標(biāo)與縱坐標(biāo)，Cqx和Coy分別表不圖像C中心的 橫坐標(biāo)與縱坐標(biāo)； (4) 計算每個連通域凸包(Si)最小外接矩形的長寬比scale=w/h; 其中w表示最小外接矩形的寬，h表示最小外接矩形的長； (5) 計算每個連通域凸包(Si)的7個Hu不變矩mi (i e [ 1，7 ]); 所述Hu不變矩定義如下： 對于大小為M X N的圖像f (X，y)，f (X，y)的二維(p+q)階矩定義為：Hu用歸一化中心矩的線性組合構(gòu)造具有平移、伸縮、旋轉(zhuǎn)不變的7個Hu不變矩 釣{ i e [ t7]) :(6) 人工選擇一張正常形狀舌象圖像(SQ)，計算舌象圖像(So)的7個Hu不變矩M1Qe [I， 7])，計算匹配度match(7) 根據(jù)下面三個公式依次計算每個連通域凸包(Si)的相似度score，選擇相似度score 的最大值，該相似度score的最大值對應(yīng)的連通域凸包(Si)為選出的候選舌體區(qū)域D:其中，area為在步驟4)第(2)部分所求得的比例；scale為步驟4)第(4)部分所求得的長 寬比；dis為步驟4)第(3)部分所求得的歐式距離;match為步驟4)第(6)部分所求得的匹配 度。9. 如權(quán)利要求8所述一種開放環(huán)境下中醫(yī)舌象目標(biāo)檢測方法，其特征在于在步驟4)第 (6)部分中，所述正常形狀舌象圖像（So)為中醫(yī)醫(yī)生根據(jù)經(jīng)驗和相關(guān)專業(yè)知識選擇的正常 形狀舌象圖像。10. 如權(quán)利要求1所述一種開放環(huán)境下中醫(yī)舌象目標(biāo)檢測方法，其特征在于在步驟5) 中，所述對步驟4)得到的候選舌體區(qū)域D進(jìn)行紋理特征判斷的具體方法如下： (1)分別計算候選舌體區(qū)域D的水平、垂直、對角偏移量三種灰度共生矩陣的聯(lián)合概率 密度分布； (2) 設(shè)灰度共生矩陣的聯(lián)合概率密度分布記為[Pmn]^a，其中L為灰度取值范圍，m=[0， L-I ]，η =[ O，L-I ];根據(jù)聯(lián)合概率密度分布計算得到6個紋理特征，所述6個紋理特征包括角 二階矩、對比度、熵、逆差矩、中值和灰度相關(guān)；(3) 對步驟5)第（1)部分得到的三種灰度共生矩陣的聯(lián)合概率密度分布分別按照步驟 5)第(2)部分的方法計算6個紋理特征，共得到候選舌體區(qū)域D的18個紋理特征量fdieto， 17])； (4) 人工選擇若干幅標(biāo)準(zhǔn)光照環(huán)境下采集的舌象圖像，對每一幅標(biāo)準(zhǔn)光照環(huán)境下采集 的舌象圖像，手工分割出其中的舌體區(qū)域SD，得到若干個舌體區(qū)域SD，對每一個舌體區(qū)域SD 分別計算其水平、垂直、對角偏移量三種灰度共生矩陣的聯(lián)合概率密度分布;對這三種聯(lián)合 概率密度分布分別按照步驟5)第(2)部分的方法計算紋理特征，每一個舌體區(qū)域SD共得到 18個紋理特征量;對這些舌體區(qū)域SD計算得到的18個紋理特征量，求每個紋理特征量的平 均值 fi(ie[〇，17]); (5) 計算步驟5)第(3)部分求得的紋理特征量與步驟5)第(4)部分求得的 紋理特征量的平均值F1Qe [〇, 17])的紋理相似度，采用下列公式計算，若結(jié)果E小于設(shè)定 的閾值T3,則判斷為舌象，否則采集的圖像A中不存在可供分析的舌象：
【文檔編號】G06T7/00GK106023151SQ201610300494
【公開日】2016年10月12日
【申請日】2016年5月9日
【發(fā)明人】黃曉陽, 鄭豐, 王博亮, 王彥暉
【申請人】廈門大學(xué)