[发明专利]舌像分割方法

说明书

技术领域

本发明涉及图像处理领域，且特别涉及一种舌像分割方法。

背景技术

传统中医方法作为绵延几千年的一种医疗体系，是现在医疗方法的重要分支。一方面中医方法能在疾病早期就发现问题，尽早对身体进行调理，从而阻止身体发生严重地病变。另一方面，中医诊断的望闻切问四法不会给病人带来任何难以忍受的痛苦，和现代医学追求的无损伤、无痛苦诊疗目标完全吻合。因此，中医正在被全世界逐步接受。

作为中医四诊法之一的“望”，其主要研究对象就是舌象。舌体的大小、形状、颜色、裂纹、胎质、以及齿痕有无和位置等信息都反映了病人的健康状况。这使得舌诊成为了中医诊断中非常重要以及广泛使用的诊断方法。

然而，中医诊断主要凭借执业中医师的经验来完成，缺乏有效的量化标准，这极大地阻碍了中医的现代化发展之路。作为其中一个重要的中医诊断方法，舌诊具有同样的缺陷。基于图像分析、模式识别和人工智能技术的自动化舌诊系统是弥补此种缺陷的方法之一。此类系统的目的就是建立舌像特征和舌像类型之间的关系，实现舌诊的自动化。舌像特征的提取完全依赖于对图像中舌体的精确分割，因此提出了很多针对舌诊图像分割方法，这些方法一般可以分为底层特征分割法和高层模版分割法。其中底层特征基本是利用图像中的边缘信息，而因为光照和舌图像本身特性的影响，舌图像中舌体边界轮廓往往比较模糊，很难界定。又因为病变等缘故，统一的模版不能捕捉多种形态的舌体。

发明内容

本发明为了克服现有的舌像分割方法无法同时实现高轮廓界定以及通用性的要求，提供一种舌像分割方法。

为了实现上述目的，本发明一中舌像分割方法，包括对获取到的表征舌体信息的舌像进行预处理，得到均衡化的灰度图像。去除得到的均衡化的灰度图像的背景，得到基础舌像；和计算得到的均衡化的灰度图像的熵值。根据熵值对基础舌像内的像素值进行熵聚类，提取熵值满足设定值的区域，形成目标舌像。抽取目标舌像的骨架。在骨架上选取至少两对控制点，计算上述控制点对之间的最短测地路径，依次连接所有最短测地路径，得到舌像轮廓。

于本发明一实施例中，预处理步骤包括：获取表征舌体信息的舌像中所有像素的红色通道值R(i,j)、蓝色通道值B(i,j)以及了绿色通道值G(i,j)，其中舌像包括M*N个像素,i＝1,...,M,j＝1,...,N。

对绿色通道值G(i,j)进行修正，得到G_new(i,j)。

于本发明一实施例中，修正步骤包括根据获取到的红色通道值R(i,j)、蓝色通道值B(i,j)以及绿色通道值G(i,j)，按如下公式

G_new(i,j)＝(R(i,j)-G(i,j))/(|G(i,j)-B(i,j)|+1)

进行计算，得到新的绿色通道值G_new(i,j)。

于本发明一实施例中，去除得到的灰度图像的背景，得到基础舌像的步骤包括：

根据得到的均衡化灰度图像，构造直方图，获取直方图的谷点，将小于给定像素值的最大谷点所在像素值作为阈值，大于此阈值的点设置为1，小于此阈值的点认为是背景点，设置为0，提取数值为1的点，形成第一图像；

根据得到的均衡化灰度图像按公式

进行计算，并提取数值为1的点，形成第二图像；

将第一图像和第二图像相乘得到基础舌像。

于本发明一实施例中，熵值的计算为：

其中，H_D,Rx表示熵值，x表示给定像素点，R_x表示给定邻域，g_i表示灰度级别，D表示一副具有K个灰度级的图像，P表示邻域R_x中第i(i＝1,…,K)级灰度出现的概率。

于本发明一实施例中，采用k-means方法来进行熵聚类，形成两个类，第一类的熵值中心点为最大熵值和最小熵值之差的四分之三倍，第二类的熵值中心点为最大熵值和最小熵值之差的四分之一倍。

于本发明一实施例中，采用snake算法对舌像轮廓进行调整。

综上所述，本发明通过计算均衡化的灰度图像的熵值，并对熵值进行聚类，提取满足设定值的熵值区域，形成目标舌像。通过熵值的计算以及聚类，定量的形成可最大限度的保留舌像的细节的目标舌像。同时，本发明通过对目标舌像进行骨架抽取，并通过计算骨架上的控制点间的最短测地距离来满足每个特定舌体的舌像轮廓的获取，从而达到满足不同的舌体分割的需求，具有很强的通用性以及更高的鲁棒性。