《基于局部灰度阈值的舌象裂纹检测方法》-工学论文，计算机论文-论文范文参考-科学狗论文网

标题

基于局部灰度阈值的舌象裂纹检测方法

范文

张璐瑶+汪莉+包璇+徐天馥+徐伟

摘要：裂纹舌是2型糖尿病较典型舌象特征之一。为准确提取舌象图像裂纹特征，提出基于局部灰度阈值的裂纹舌检测方法。首先，对图像进行拉普拉斯增强操作以提高舌中区域对比度，并结合中值滤波法去除增强后的噪声；接着根据区域一致性原理判断图像中是否存在裂纹；最后利用局部灰度平方差分离裂纹区域与背景区域。实验结果表明该方法可以有效地分离舌裂纹与背景，算法简单，实用性强，为裂纹舌客观化研究提供了较为可靠的技术支持。

关键词：裂纹舌；局部灰度阈值；裂纹检测

中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2017）29-0163-03

Abstract： Fissured tongue is one of the more typical features in qi and yin deficiency and blood stasis syndrome of Type 2 Diabetes Tongue. To detection and analysis fissure features of tongue image more accurately， this paper proposes a fissure detection method of tongue image which is Based on local gray threshold. First， paper use Laplacian image enhancement operations to improve the contrast of the middle region of tongue， and use median filtering method to remove random noise caused by Laplacian. Second， paper use regional consistency theory to test image have or not have fissure features. Finally， paper computes the local gray square difference to separate the fissure region and the background region. The experimental results show that this method can effectively detect the tongue fissure， and the algorithm is simple and practical， which provides reliable technical support for fissure tongue objective research.

Key words： fissured tongue； local gray threshold； fissure detection

2 型糖尿病是目前最常见的内分泌代谢异常疾病，中医舌诊对糖尿病之辨证论治具有特别重要的指导意义。舌象是最能反映全身气血津液的变化，而气血津液的盛衰与糖尿病的发生、发展、转归有着极为密切的关系。为避免临床上因光线不足等因素造成的疾病诊断失误，凭借现代科技研发的舌象仪已经问世，数字化舌象图像处理方法不仅解决了临床诊断环境的不足，同时也将临床诊断记录等资料完整的保存下来，极大促进了中医舌诊客观化发展[1]。

虽然，舌象仪核心图像处理技术日益成熟，可以根据舌象图像进行客观、精准识别。但是，目前的舌象仪还不可以对2型糖尿病的证型进行初步诊断。一方面是因为2型糖尿病病情复杂，往往还需参考患者主诉等其他信息辅助诊断；另一方面，裂纹舌是2型糖尿病舌象中较为重要的特征之一，而如今学者们在裂纹舌图像处理方面研究较少，技术尚不成熟[2]。为了填补2型糖尿病裂纹舌图像诊断研究的空白，完善中医舌诊客观化研究，进一步推动中医药健康服务产业现代化发展。本文就2型糖尿病，对裂纹舌图像进行特征分析研究，提出基于局部灰度阈值的舌象裂纹检测方法。

中医将裂纹舌定义为舌面可见多少不等、深浅不一、形状各异的裂纹[3]。2型糖尿病裂纹舌的图像特征表现为：舌面中间区域可见部分颜色特征不同于周围舌质、舌苔背景颜色的区域[4]。对于这种特征与背景颜色反差较大的图像多采用阈值法进行分析提取。然而传统的阈值法，如全局阈值法，在裂纹检测时存在较大的局限性，不适用于裂纹舌圖像。由于裂纹舌图像背景灰度变化比较大，没有合适的单一门限阈值来兼顾图像各处情况，从而使得分割效果不理想。针对这种情况，本文提出局部灰度阈值方法对裂纹进行分割处理。通过将图像分割成多个小块，对每个小块分别进行阈值分割，使得更适用于裂纹舌图像。

裂纹舌图像特征分割流程如图1所示。首先对图像进行增强、滤波等预处理操作，使得以便于下一阶段裂纹特征的有效检测；然后基于区域一致性原理检测是否存在裂纹特征，若不存在裂纹，则结束；若存在裂纹，则进行第三步，分割舌象图像，提取裂纹特征。具体流程如图1所示。

1 图像预处理

为了更好的展现裂纹特征，方便提取裂纹信息，需要对图像进行图像增强、滤波等处理。

1.1 颜色转换

舌象图像是基于RGB色彩模式拍摄，存在R，G，B三个分量。为了使得裂纹区域与背景区域灰度反差更大，需要选择裂纹区域对比度高的分量进行试验。通过分析可知，如图2所示，R分量裂纹区域对比度最低；G分量裂纹区域相对清晰，但整体对比度不高；B颜色分量裂纹区域与背景区域的对比度较大，裂纹特征较明显，适合作为裂纹的灰度图像。

1.2 拉普拉斯图像增强

为突出图像细节部分，增强已模糊的细节，需对图像进行锐化处理，目的是提高图像对比度，从而使图像更清晰。一般做法是采用增强邻域内像素的灰度差以提高图像对比度。针对裂纹舌图像的裂纹边缘区域像素灰度变化强烈，舌质等背景区域像素灰度值变化较平缓的特性，本文采用拉普拉斯方法增强图像对比度。

拉普拉斯算子是一种线性二阶微分算子，也是一个与边缘方向无关的各向同性微分算子，具有旋转不变性[5]。拉普拉斯算子的响应强度与图像中点的突变程度有关，这样一来，对图像中灰度变化剧烈的区域（裂纹边缘信息）有增强效果。拉普拉斯算子的定义如式（1）所示：

在图像处理中，其表示为：

将该算子转换为掩模模板来实现，本文使用的拉普拉斯掩模模板如表1所示：

将模板与图像进行卷积处理，并将所得响应与原图相减，最后得到增强后的图像。

拉普拉斯算子增强效果图如图3（b）所示，裂纹区域与背景对比更加明显，然而增强后的图像夹杂着一些噪声，由于拉普拉斯算子对孤立的边缘点也做增强处理，产生了一些类似随机的噪声，因此需引入中值滤波消除这些噪声干扰。

1.3 中值滤波

中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术。其基本原理是利用某点邻域中各点值的中值代替该点的值，从而消除孤立的噪声点，同时保持图像的边缘特性，不会使图像产生显著的模糊。具体图像处理过程为：1）对滑动滤波窗口内的像素按灰度等级进行大小排序，取该领域中灰度的中值作为当前像素的灰度值。2）如果窗口元素个数为奇数，中值取元素大小排序后的中间灰度值；如果窗口元素个数为偶数，中值取元素排序后的中间两个元素灰度平均值。计算公式如式（4）所示：

其中，是滤波模板像素点坐标。本文取3×3模板进行滤波，效果如图3（c）所示，滤波后的图像裂纹区域对比度明显提高，对增强后的图像噪声消除效果较好。

2 裂纹检测

在多样本图像批处理时，计算机并不知道哪张图像存在裂纹，如果不进行裂纹检测，则浪费较多时间、空间在无裂纹图像中。为了避免此情况，同时为优化特征分割算法性能，在进行裂纹特征分割之前，需要对舌象图像进行一些辨别，判断该图像中是否存在裂纹特征[6]。对于无裂纹舌象图像则可不进行裂纹特征提取处理；对于存在裂纹的舌象图像，可实施下一步特征分割处理。

2.1 区域一致性检测

正常舌象图像（不存在裂纹），其舌中区域是由完整的舌苔或舌质组成，具有相对一致的颜色和纹理特征。而裂纹舌图像的舌中区域由于裂纹的存在，其区域颜色、纹理特征与舌两边区域的有明显的区别。因此，本文借鉴区域分割评价标准的区域一致性原理来检测舌中区域图像中是否存在裂纹[7]。区域一致性检验公式如下：

其中，區域的个数为m，Ri表示第i个区域，Ai表示第i个区域的像素总数，f（x，y）表示为坐标为（x，y）点的像素灰度值。假定舌中区域为一个区域，则式（5）可改写成：

试验选取8张裂纹舌图像和8张没有裂纹的舌象图像，分别计算其裂纹存在指数，结果如表2所示：

试验结果表明：有裂纹的舌象裂纹存在指数值比无裂纹的舌象裂纹存在指数值小，并且有裂纹舌象的裂纹存在指数值总体趋向于0.1，无裂纹舌象的裂纹存在指数值总体趋向于0.2。

2.2 局部灰度阈值裂纹提取

局部灰度阈值法是通过将裂纹区域分割成多个小块，计算不同小块的灰度平方差来区分裂纹区域和背景区域。具体算法如下：

1）将裂纹区域分割成互不重叠的m*n个小区域，求取每个区域的灰度平均值。

2）计算增强后图像的每个像素点与每个区域灰度平均值的平方差，提取裂纹主线像素。其中为权重因子。

3）将小于等于零的像素值设为1，大于零的设为0。最后，即为提取出来的裂纹特征图像。

试验中将裂纹区域图像分割为32*32个小区域，权重因子取值不同，裂纹图像的信噪比高低不等，裂纹特征的连续性也不一样。图4为不同权重因子取值所提取的裂纹结果。图4（b）是权重因子取0.295时，裂纹特征提取较少；当权重因子取0.350时，部分裂纹特征已提取，但主线还未连贯；权重因子取0.395时，此时裂纹特征基本提取完毕，主线连贯，噪点较低，提取效果最好；权重因子取0.450时，非裂纹特征也被提取，造成裂纹区域过分提取。最后图4（f）为全局阈值方法的运算结果，裂纹特征很模糊，提取失败。

3 结束语

裂纹舌是临床上较为常见的一种舌象，而近些年针对裂纹舌图像的研究较少，为了完善舌象客观化研究，本文根据裂纹舌图像特征，提出一种基于局部灰度阈值法的裂纹舌特征提取方法。方法利用局部灰度平方差对增强处理后的64块小区域进行分割，最后融合得到较为完整的裂纹主线特征。与传统的全局阈值法相比，该方法克服了阈值法分割不准确，提取算法复杂等缺点[8]。另外，文中利用区域一致性原理先对图像是否存在裂纹特征进行预判断，对于多样本图像处理时，可以大大节省处理时间，优化特征提取算法性能。本文算法对于裂纹清晰的舌象图像稳定有效，具有普遍的适应性，且自动化程度高，计算量小，易于实现。

参考文献：

[1] 王郁中，杨杰，周越，等.图像分割技术在中医舌诊客观化研究中的应用[J].生物医学工程学杂志，2005（6）：1128-1133.

[2] 张璐瑶，阚红星. 2型糖尿病气虚阴亏瘀血证舌象图像识别技术研究[J]. 中医药临床杂志，2015，01：32-35.

[3] 朱文锋.中医诊断学[M].北京：中国中医药出版社，2004.

[4] 郑筱萸.中药新药治疗糖尿病的临床研究指导原则（试行）[M].北京：中国医药科技出版社，2002，233-237.

[5] GONZALEZ R C， WOODS R.E. Digital Image Processing [M]. Beijing： Publishing House of Electronics Industry， 2005.

[6] 施展，周昌乐.舌象裂纹提取及特征分析[J].计算机技术与发展，2007（5）：245-248.

[7] SAHOO P K， SOLTANI S， Wong A K C. Survey of Thresholding Techniques [J].Computer Vision， Graphics and Image Processing， 1988， 41：233-260.

[8] 阚红星，张璐瑶，董昌武.一种2型糖尿病中医证型的舌图像识别方法[J]. 中国生物医学工程学报，2016（6）：658-664.

随便看

科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。