CN102509312A - 人体数字舌图像颜色色域空间及其提取方法 - Google Patents

Abstract

本发明提供一种人体数字舌图像颜色特征的色域空间及其提取方法。该色域空间定义于国际照明委员会定义的xyY标准颜色模型平面中，对舌图像的完备色域空间以及98％色域空间进行提取；并且提取了色域空间的聚类颜色中心点集，得到舌苔舌质的分界曲线，本发明提供一种人体数字舌图像颜色特征色域空间的提取方法：利用边界分割提取舌体部分的图像，采用JSEG边界分割法按照图像的颜色一致性将图像分割成小块，提取其在CIE xy空间中的边界像素，将所有的像素合并在一起，得到该张图像的色域空间范围。本发明的人体舌图像色域空间，作为计算机中医舌诊的基础性研究，能够对舌色特征提取、舌苔质分离、颜色校正色块的提取等起到指导性作用。

Description

人体数字舌图像颜色色域空间及其提取方法

(一)技术领域

本发明涉及医学图像处理以及中医舌诊客观化技术，具体说就是人体数字舌图像颜色色域空间及其提取方法。 

(二)背景技术

中医舌诊技术作为一种传统的医学诊断技术，被誉为中华民族的国粹，为华夏民族的繁衍做出了不可磨灭的贡献。为了解决传统中医舌诊实践中存在的诊断主观化，经验化，缺乏数据记录等问题，利用医学图像处理以及计算机分析技术，实现中医舌诊的计算机辅助分析和诊断客观化，关系到中医学的发扬光大和走向世界，具有重要的研究意义和应用前景。舌图像颜色特征是计算机辅助舌图像分析诊断中最为重要的特征之一；舌颜色的变化是受机体生理病理状态，血氧含量、以及舌面覆盖物等的影响而影响，因此能够反映出一定的人体的健康状况，对于准确的计算机辅助诊断分析十分重要。根据中医舌诊的实践，提取的舌体颜色特征一般包括舌体舌苔以及舌质的颜色，通过舌苔舌质的不同颜色组合，反映人体不同的生理状态。 

目前，在计算辅助舌图像颜色特征的提取的过程中，由于对于人体舌图像的颜色色域空间范围缺乏了解，对于中医理论中的舌苔与舌质的颜色范围也缺乏必要的定义，因此，目前无法开发出专用于舌图像采集的成像设备，也无法给出舌苔舌质颜色的准确的光谱和颜色范围定义，并且也无法提取出用于舌图像校正的专用的颜色色卡，从而严重影响计算机舌诊客观化研究的进程。 

(三)发明内容

本发明的目的在于提供一种人体数字舌图像颜色色域空间及其 提取方法。 

本发明的目的是这样实现的：所述的人体数字舌图像颜色色域空间定义在国际照明委员会定义的xyY标准颜色模型平面中，包括表征数字舌图像完整颜色色域空间最大矩形边界范围的区域(S1)、表征数字舌图像完整颜色色域空间的边界曲线(L1)、表征数字舌图像98％颜色色域空间的最大矩形边界范围区域(S2)、表征数字舌图像98％颜色色域空间的边界曲线(L2)、数字舌图像颜色色域空间的聚类中心点集(P1)和舌苔舌质分界曲线(L3)。 

所述的人体数字舌图像颜色色域空间，在表征数字舌图像完整颜色色域空间最大矩形边界范围的区域(S1)内部，(S1)由以下公式定义： $S1(x,y)=\left\{(x,y)\left|\begin{array}{c}0.2643\&times;(1-\mathrm{\&alpha;})<x<0.5539\&times;(1+\mathrm{\&alpha;})\\ 0.1849\&times;(1-\mathrm{\&alpha;})<y<0.4508\&times;(1+\mathrm{\&alpha;})\end{array}\right|\right\},$ 式中，(x，y)为色度坐标，系数α满足：α∈[0，0.15]； 

所述的表征数字舌图像完整颜色色域空间的边界曲线(L1)定义在所述表征数字舌图像完整颜色色域空间最大矩形边界范围的区域(S1)内部，表征数字舌图像完整颜色色域空间的边界曲线(L1)围成的区域即为完备的人体数字舌图像颜色色域空间，表征数字舌图像完整颜色色域空间的边界曲线(L1)由以下公式求解得到的二维边界点集连接而定义： $L1\left(x\right)=\{x:\underset{i=1}{\overset{n_1}{\mathrm{\&Sigma;}}}{\mathrm{\&omega;}}_i\exp (-{\mathrm{\&gamma;}}_1*{\left|\right|x-x_i\left|\right|}^2)+b_1=0\},$ 式中：x为边界自变量，xy色度空间中的二维向量，n₁为支持向量个数；i为支持向量的索引编号；ω_i为对应于不同支持向量的系数，标量；γ₁为径向基函数核函数参数；x_i为支持向量坐标，xy色度空间中的二维向量；b₁为支持向量机模型的偏置； 

所述的表征数字舌图像98％颜色色域空间最大矩形边界范围的 区域(S2)在所述的表征数字舌图像完整颜色色域空间最大矩形边界范围的区域(S1)内部，表征数字舌图像98％颜色色域空间最大矩形边界范围的区域(S2)由以下公式定义：  $S2(x,y)=\left\{(x,y)\left|\begin{array}{c}0.3064\&times;(1-\mathrm{\&alpha;})<x<0.4932\&times;(1+\mathrm{\&alpha;})\\ 0.2483\&times;(1-\mathrm{\&alpha;})<y<0.4025\&times;(1+\mathrm{\&alpha;})\end{array}\right|\right\},$ 式中，(x，y)为色度坐标，系数α满足：α∈[0，0.15]； 

所述的表征数字舌图像98％颜色色域空间的色域边界曲线(L2)定义在表征数字舌图像98％颜色色域空间的最大矩形边界范围区域(S2)内部，表征数字舌图像98％颜色色域空间的色域边界曲线(L2)围成的区域即为数字舌图像98％颜色色域空间，表征数字舌图像98％颜色色域空间的色域边界曲线(L2)由以下公式求解得到的二维边界点集连接而定义： $L2\left(x\right)=\{x:\underset{j=1}{\overset{n_2}{\mathrm{\&Sigma;}}}{\mathrm{\&alpha;}}_i\exp (-{\mathrm{\&gamma;}}_2*{\left|\right|x-x_j\left|\right|}^2)+b_2=0\},$ 式中：x为边界自变量，xy色度空间中的二维向量；n₂为支持向量个数；j为支持向量的索引编号；α_j为对应于不同支持向量的系数，标量；γ₂为RBF核函数参数；x_j为支持向量坐标，xy色度空间中的二维向量；b₂为支持向量机模型的偏置； 

所述的数字舌图像颜色色域空间的聚类中心点集(P1)包含8种舌质颜色：青色、红色、蓝色、紫色、绛色、淡红色、淡紫色、淡蓝色以及4种舌苔颜色：黑色、灰色、白色、黄色，其中青色位于表征舌图像完整颜色色域空间的边界曲线(L1)上，红色、蓝色、紫色、绛色、黄色位于表征舌图像98％颜色色域空间的边界曲线(L2)上，淡红色、淡紫色以及淡蓝色的色度坐标分别为白色与红色、蓝色以及紫色的连线中点。 

所述的舌苔舌质分界曲线(L3)将完备数字舌图像色域空间分成 舌苔以及舌质区域两部分，舌苔区域位于舌图像色域空间的右上角部分，舌苔舌质分界曲线(L3)由色域空间的聚类中心点集(P1)中的白点与青色、淡蓝色、淡紫色、淡红色连线的中点连接而成。 

本发明所述的人体数字舌图像颜色色域空间的提取方法，步骤如下：首先利用边界分割提取方法提取出舌体部分的图像，随后采用JSEG边界分割方法按照图像的颜色一致性将图像分割成小块，随后对各个小块图像提取其在CIE xy空间中的边界像素，进而将所有的像素合并在一起，得到该张图像的色域空间范围，最后将所有的图像的边界像素合并得到基于大量数字舌图像的人体数字舌图像颜色色域空间。 

本发明提供的人体数字舌图像颜色色域空间是目前世界上首次提出的关于人体舌颜色在色域空间中的位置及其分布特征的最为科学和详细的描述，解决了目前在中医舌图像分析中存在的颜色分析的片面性、设备依赖性等问题，从而从全局上对舌图像颜色进行分析，具有全面性、可视性的特点，对于推动中医舌图像分析处理以及中医舌诊客观化有着及其重要的推动作用。 

(四)附图说明

图1是本发明的人体数字舌图像颜色特征色域空间的优选实施例的原理图； 

图2是本发明的人体数字舌图像颜色特征色域空间的优选实施例的聚类颜色中心具体位置与颜色名称对应关系图； 

图3是本发明的人体数字舌图像颜色特征色域空间的优选实施例的典型特征舌图像颜色在色域空间分布示意图； 

图4是本发明的人体数字舌图像颜色特征色域空间的优选实施例的特征分布区域与舌图像的对应关系示意图； 

图5是本发明的人体数字舌图像颜色特征色域空间的优选实施例的色域空间提取算法流程图。 

(五)具体实施方式

下面结合附图举例对本发明作进一步说明。 

实施例1：结合图1，本发明一种人体数字舌图像颜色色域空间， 所述的人体数字舌图像颜色色域空间定义在国际照明委员会定义的xyY标准颜色模型平面中，包括表征数字舌图像完整颜色色域空间最大矩形边界范围的区域(S1)、表征数字舌图像完整颜色色域空间的边界曲线(L1)、表征数字舌图像98％颜色色域空间的最大矩形边界范围区域(S2)、表征数字舌图像98％颜色色域空间的边界曲线(L2)、数字舌图像颜色色域空间的聚类中心点集(P1)和舌苔舌质分界曲线(L3)。 

所述的人体数字舌图像颜色色域空间在表征数字舌图像完整颜色色域空间最大矩形边界范围的区域(S1)内部，(S1)由以下公式定义： $S1(x,y)=\left\{(x,y)\left|\begin{array}{c}0.2643\&times;(1-\mathrm{\&alpha;})<x<0.5539\&times;(1+\mathrm{\&alpha;})\\ 0.1849\&times;(1-\mathrm{\&alpha;})<y<0.4508\&times;(1+\mathrm{\&alpha;})\end{array}\right|\right\},$ 式中，(x，y)为色度坐标，系数α满足：α∈[0，0.15]； 

所述的表征数字舌图像完整颜色色域空间的边界曲线(L1)定义在所述表征数字舌图像完整颜色色域空间最大矩形边界范围的区域(S1)内部，表征数字舌图像完整颜色色域空间的边界曲线(L1)围成的区域即为完备的人体数字舌图像颜色色域空间，表征数字舌图像完整颜色色域空间的边界曲线(L1)由以下公式求解得到的二维边界点集连接而定义： $L1\left(x\right)=\{x:\underset{i=1}{\overset{n_1}{\mathrm{\&Sigma;}}}{\mathrm{\&omega;}}_i\exp (-{\mathrm{\&gamma;}}_1*{\left|\right|x-x_i\left|\right|}^2)+b_1=0\},$ 式中：x为边界自变量，xy色度空间中的二维向量，n₁为支持向量个数；i为支持向量的索引编号；ω_i为对应于不同支持向量的系数，标量；γ₁为径向基函数核函数参数；x_i为支持向量坐标，xy色度空间中的二维向量；b₁为支持向量机模型的偏置； 

所述的表征数字舌图像98％颜色色域空间最大矩形边界范围的区域(S2)在所述的表征数字舌图像完整颜色色域空间最大矩形边界 范围的区域(S1)内部，表征数字舌图像98％颜色色域空间最大矩形边界范围的区域(S2)由以下公式定义：  $S2(x,y)=\left\{(x,y)\left|\begin{array}{c}0.3064\&times;(1-\mathrm{\&alpha;})<x<0.4932\&times;(1+\mathrm{\&alpha;})\\ 0.2483\&times;(1-\mathrm{\&alpha;})<y<0.4025\&times;(1+\mathrm{\&alpha;})\end{array}\right|\right\},$ 式中，(x，y)为色度坐标，系数α满足：α∈[0，0.15]； 

所述的表征数字舌图像98％颜色色域空间的色域边界曲线(L2)定义在表征数字舌图像98％颜色色域空间的最大矩形边界范围区域(S2)内部，表征数字舌图像98％颜色色域空间的色域边界曲线(L2)围成的区域即为数字舌图像98％颜色色域空间，表征数字舌图像98％颜色色域空间的色域边界曲线(L2)由以下公式求解得到的二维边界点集连接而定义： $L2\left(x\right)=\{x:\underset{j=1}{\overset{n_2}{\mathrm{\&Sigma;}}}{\mathrm{\&alpha;}}_i\exp (-{\mathrm{\&gamma;}}_2*{\left|\right|x-x_j\left|\right|}^2)+b_2=0\},$ 式中：x为边界自变量，xy色度空间中的二维向量；n₂为支持向量个数；j为支持向量的索引编号；α_j为对应于不同支持向量的系数，标量；γ₂为RBF核函数参数；x_j为支持向量坐标，xy色度空间中的二维向量；b₂为支持向量机模型的偏置； 

所述的数字舌图像颜色色域空间的聚类中心点集(P1)包含8种舌质颜色：青色、红色、蓝色、紫色、绛色、淡红色、淡紫色、淡蓝色以及4种舌苔颜色：黑色、灰色、白色、黄色，其中青色位于表征舌图像完整颜色色域空间的边界曲线(L1)上，红色、蓝色、紫色、绛色、黄色位于表征舌图像98％颜色色域空间的边界曲线(L2)上，淡红色、淡紫色以及淡蓝色的色度坐标分别为白色与红色、蓝色以及紫色的连线中点。 

所述的舌苔舌质分界曲线(L3)将完备数字舌图像色域空间分成舌苔以及舌质区域两部分，舌苔区域位于舌图像色域空间的右上角部分，舌苔舌质分界曲线(L3)由色域空间的聚类中心点集(P1)中 的白点与青色、淡蓝色、淡紫色、淡红色连线的中点连接而成。 

本发明所述的人体数字舌图像颜色色域空间的提取方法，步骤如下：首先利用边界分割提取方法提取出舌体部分的图像，随后采用JSEG边界分割方法按照图像的颜色一致性将图像分割成小块，随后对各个小块图像提取其在CIE xy空间中的边界像素，进而将所有的像素合并在一起，得到该张图像的色域空间范围，最后将所有的图像的边界像素合并得到基于大量数字舌图像的人体数字舌图像颜色色域空间。 

实施例2：结合图1，本发明的人体数字舌图像颜色色域空间是基于对于大量人体舌图像颜色特性的分析和提取基础上构建而成的。通过标准化的舌图像采集设备，总共采集了超过3000例有效舌图像，其中有1600例左右为体检中心和门诊采集的健康或者亚健康的图像，而其余的1400多例样本为病房采集的不同的病症特征的舌图像，一共采集了超过100种疾病的舌图像。考虑到采集的规范化(即每张采集的样本都通过颜色还原保证颜色质量)，采集样本的多样性和全面化，以及采集数量也比较巨大；因此，可以认为，所采用的舌图像分析数据具有典型性，能够覆盖人体舌图像可能出现的所有的颜色，因此，基于此数据得到的人体数字舌图像颜色色域空间是具有的代表性和全面性的。 

由国际照明委员会定义的CIE XYZ颜色模型是一个常用的标准颜色模型，同样其变换空间CIE xyY空间也是标准的颜色模型，如图1所示的本发明的数字舌图像颜色色域空间的优选实施例的原理图中，最外围的马蹄形的CIE色度图就是定义在CIE xy平面上。CIE色度图是自然界所有的可能的颜色的总和，我们所看到的发光体所能够产生的颜色往往都是这个色域空间的一个子集，因此，本发明所提出的人体数字舌图像颜色色域空间也是在CIE色度图中，是它的一个子集。 

图1所示的本发明的原理图中，(S1)所指的矩形区域是本发明所 构建的完备数字舌图像色域空间的最外围的边界范围，也就是说，整个舌图像色域空间一定在该矩形区域内部。之所以定义一个矩形区域也是因为对于舌图像色域空间的粗略定位十分重要，在不需要十分精确的场合，(S1)区域能够指出舌像色域空间的大致的范围，该矩形区域由 $S1(x,y)=\left\{(x,y)\left|\begin{array}{c}0.2643\&times;(1-\mathrm{\&alpha;})<x<0.5539\&times;(1+\mathrm{\&alpha;})\\ 0.1849\&times;(1-\mathrm{\&alpha;})<y<0.4508\&times;(1+\mathrm{\&alpha;})\end{array}\right|\right\},$ 定义。 

图1所示的本发明的数字舌图像颜色色域空间的优选实施例的原理图中，L1所指的边界是基于所有舌图像样本通过one-class SVM训练得到的色域空间的外围边界；实验中，one-class SVM训练和测试误差分别达到了99％和99.8％，考虑到可能存在的噪音和误差因素，可以基本上认为，L1所指的色域空间边界内部包含了所有的舌图像颜色像素；因此L1围成的色域空间为完备的人体舌图像颜色色域空间。L1由采用RBF核函数的SVM决策函数定义： 

$L1\left(x\right)=\{x:\underset{i=1}{\overset{n_1}{\mathrm{\&Sigma;}}}{\mathrm{\&omega;}}_i\exp (-{\mathrm{\&gamma;}}_1*{\left|\right|x-x_i\left|\right|}^2)+b_1=0\}---\left(1\right)$

式中：x——边界自变量，xy色度空间中的二维向量； 

n₁——支持向量的数目； 

i——支持向量的索引编号； 

ω_i——对应于不同支持向量的系数，标量； 

γ₁——RBF核函数参数； 

x_i——支持向量坐标，xy色度空间中的二维向量； 

b₁——支持向量机模型的偏置； 

在本实施例中，b₁＝65.7178，n₁＝219，γ₁＝60

图1所示的本发明的人体数字舌图像颜色色域空间的优选实施例 的原理图中，(S2)所指的矩形区域是98％舌像颜色出现的最外围的边界区域，同(S1)区域一样，98％的舌图像颜色的最大边界范围在此边界内部，(S2)可由公式  $S2(x,y)=\left\{(x,y)\left|\begin{array}{c}0.3064\&times;(1-\mathrm{\&alpha;})<x<0.4932\&times;(1+\mathrm{\&alpha;})\\ 0.2483\&times;(1-\mathrm{\&alpha;})<y<0.4025\&times;(1+\mathrm{\&alpha;})\end{array}\right|\right\}$ 定义。 

图1所示的本发明的人体数字舌图像颜色色域空间的优选实施例的原理图中，L2同样由98％的主要的舌图像颜色基于one-class SVM的方法训练得到；L2同样可以由采用RBF核函数的SVM决策函数定义： 

$L2\left(x\right)=\{x:\underset{j=1}{\overset{n_2}{\mathrm{\&Sigma;}}}{\mathrm{\&alpha;}}_i\exp (-{\mathrm{\&gamma;}}_2*{\left|\right|x-x_j\left|\right|}^2)+b_2=0\}---\left(4\right)$

式中：x——边界自变量，xy色度空间中的二维向量；； 

n₂——支持向量的数目； 

j——支持向量的索引编号； 

α_j——对应于不同支持向量的系数，标量； 

γ₂——RBF核函数参数； 

x_j——支持向量坐标，xy色度空间中的二维向量； 

b₂——支持向量机模型的偏置； 

在本实施例中，b₁＝10.5099，n₁＝44，γ₁＝200 

图1所示的本发明的人体数字舌图像颜色色域空间的优选实施例的原理图中，P1为所定义的聚类中心点集，共包含了包含了8种舌质颜色(青色，红色，蓝色，紫色，绛色，淡红色，淡紫色，淡蓝色)以及4种舌苔颜色(黑色，灰色，白色，黄色)。其中舌苔颜色中，黑色，黄色，灰色理论上来说在色度空间上应该位于同一点，只是亮度的不同而已。本实例中，得到的聚类中心的色度坐标以及颜色中心 如表1所示： 

表1 

对于人体数字舌图像颜色色域空间的提取，本发明提出了一种基于JSEG舌图像分割边缘搜索的舌像色域模型化方法.对于每一张采集得到的舌图像，在经过必要的预处理后，首先利用边界分割提取方法提取出舌体部分的图像，随后采用JSEG边界分割方法按照图像的颜色一致性将图像分割成小块，随后对各个小块图像提取其在CIE xy空间中的边界像素，最后将所有的像素合并在一起，得到该张图像的色域空间范围。如此循环往复，就可以得到数据库中所有的舌图像的色域空间范围，结合起来就形成了整个数字舌图像的色域空间。 

实施例3：本发明的要解决的技术问题在于，基于标准化采集得到的大量的舌图像数据(＞3000个样本，其中分别包含健康、疾病等不同的人体生理状况样本图像)，提出描述人体数字舌图像颜色色域空间，对其进行相应的数学描述，并提出舌图像典型特征在色域空间 的分布特征。 

本发明针对上述技术问题提出的解决方案是：提出一种人体数字舌图像颜色色域空间的提取方法，在国际照明委员会定义的CIE xyY标准颜色模型平面(CIE色度图)中构建了描述人体数字舌图像颜色的色域空间，包括完备的以及98％颜色色域空间及其边界曲线，提取得到色域空间的聚类颜色中心以及典型特征的分布区域，并且由此构建了色域空间中的舌苔舌质的分界面曲线。 

在本发明所述的表征舌图像完整颜色色域空间最大矩形边界范围的区域S1中，舌图像颜色色域空间在此矩形区域内部，色域空间在国际照明委员会定义的CIE xyY标准颜色模型平面(xy色度平面)定义，并由单类支持向量机(one-class SVM)方法基于全部的像素训练得到。此色域空间的最大区域范围在以下矩形空间S1内部： 

$S1(x,y)=\left\{(x,y)\left|\begin{array}{c}0.2643\&times;(1-\mathrm{\&alpha;})<x<0.5539\&times;(1+\mathrm{\&alpha;})\\ 0.1849\&times;(1-\mathrm{\&alpha;})<y<0.4508\&times;(1+\mathrm{\&alpha;})\end{array}\right|\right\}---\left(1\right)$

式中，(x，y)为色度坐标，系数α满足：α∈[0，0.15] 

在本发明所述的表征数字舌图像完整颜色色域空间中，其具体的色域空间边界通过采用基于RBF核函数的单类支持向量机训练得到，边界曲线L1围成的区域即为完备的人体舌图像颜色色域空间。边界曲线L1由以下公式求解得到的二维边界点集连接而定义： 

$L1\left(x\right)=\{x:\underset{i=1}{\overset{n_1}{\mathrm{\&Sigma;}}}{\mathrm{\&omega;}}_i\exp (-{\mathrm{\&gamma;}}_1*{\left|\right|x-x_i\left|\right|}^2)+b_1=0\}---\left(1\right)$

式中：x为边界自变量，xy色度空间中的二维向量；n₁为支持向量个数；i为支持向量的索引编号；ω_i为对应于不同支持向量的系数，标量；γ₁为RBF核函数参数；x_i为支持向量坐标，xy色度空间中的二维向量；b₁为支持向量机模型的偏置； 

在本发明所述的表征舌图像98％颜色色域空间最大矩形边界范 围的区域S2中，色域空间是基于98％的舌像颜色像素训练得到(98％的舌像像素都在此色域空间内)。此色域空间的最大区域范围在以下矩形空间S2内部： 

$S2(x,y)=\left\{(x,y)\left|\begin{array}{c}0.3064\&times;(1-\mathrm{\&alpha;})<x<0.4932\&times;(1+\mathrm{\&alpha;})\\ 0.2483\&times;(1-\mathrm{\&alpha;})<y<0.4025\&times;(1+\mathrm{\&alpha;})\end{array}\right|\right\}---\left(3\right)$

式(3)中，(x，y)为色度坐标，系数α满足：α∈[0，0.15] 

在本发明所述的表征舌图像98％颜色色域空间的边界曲线L2中，其具体的边界函数通过采用基于RBF核函数的单类支持向量机训练得到。边界曲线L2围成的区域即为98％舌图像颜色特征色域空间。边界曲线L2由以下公式求解得到的二维边界点集连接而定义： 

$L2\left(x\right)=\{x:\underset{j=1}{\overset{n_2}{\mathrm{\&Sigma;}}}{\mathrm{\&alpha;}}_i\exp (-{\mathrm{\&gamma;}}_2*{\left|\right|x-x_j\left|\right|}^2)+b_2=0\}---\left(4\right)$

式中：x为边界自变量，xy色度空间中的二维向量；n₂为支持向量个数；j为支持向量的索引编号；α_j为对应于不同支持向量的系数，标量；γ₂为RBF核函数参数；x_j为支持向量坐标，xy色度空间中的二维向量；b₂为支持向量机模型的偏置； 

在本发明所述的色域空间的聚类中心点集P1中，包含了8种舌质颜色(青色，红色，蓝色，紫色，绛色，淡红色，淡紫色，淡蓝色)以及4种舌苔颜色(黑色，灰色，白色，黄色)。其中青色位于完全色域空间边界L1上，红色，蓝色，紫色，绛色，黄色位于98％色域空间边界L2上，淡红色，淡紫色以及淡蓝色的色度坐标分别为白色与红色、蓝色以及紫色的连线中点。 

在本发明所述的舌苔舌质分界曲线L3中，分界曲线L3将完备数字舌图像色域空间(L1围成的区域)分成舌苔以及舌质区域两部分，舌苔区域位于舌图像色域空间的右上角部分。L3由聚类中心点集P1中的白点与青色、淡蓝色、淡紫色、淡红色连线的中点连接而成； 

本发明所述的人体数字舌图像颜色色域空间的提取方法，步骤如 下首先利用边界分割提取方法提取出舌体部分的图像，随后采用JSEG边界分割方法按照图像的颜色一致性将图像分割成小块，随后对各个小块图像提取其在CIE xy空间中的边界像素，最后将所有的像素合并在一起，得到该幅图像的色域空间范围。 

实施例4：结合图2，在本发明所述的人体数字舌图像颜色色域空间的提取方法，主要提取思路是指提取每一张舌图像在颜色空间的分布，然后将数据库中的全部舌图像的分布重叠合并在一起，最终得到包含全部舌图像的色域范围。本发明的色域空间是基于标准化采集得到的大量的舌图像数据库形成得到的，本数据库中一共有3000多张舌图像，每一张舌图像在颜色空间分布的提取过程是一样的，因此下面将详述对任意一张舌图像提取颜色空间分布的过程，最后将所有的舌图像分布合并就得到了整个数据库的色域空间分布，即人体数字舌图像颜色特征色域空间。 

步骤1：对于任意一张舌图像，首先，利用边界分割提取方法提取出舌体部分的图像。采用的边界提取方法是双椭圆模板和主动轮廓模型相结合的舌体自动分割算法[1]，这种方法对噪声和初始化具有较强的鲁棒性，并能够对缺失边缘进行合理猜测，因此可以用来将舌体部分从采集得到的包含部分人脸的图像中抠出来，得到完整的舌体部分图像，如图2中的‘1.舌体分割’所示； 

步骤2：将刚刚抠出来的完整的舌体部分图像进行再分块，分解成为许多不同的小块，这样做的目的，是为了使得每一个小块内的像素颜色和纹理一致，为后续的单个图像的色域空间分布提取做准备。采用的分块算法是各向同性的边缘分割算子-JSEG分割算法.JSEG算法就是一种由Deng和Manjunath提出的一种无监督分割算法[2]。算法的名称来自于一种分割准则——J的定义。该方法中，颜色的相似性及其空间分布被单独进行考虑，以便更好地刻画彩色纹理区域的一致性。由于该方法在大量的实际图象和视频上进行测试的效果 良好，所以往往被用作图像分割和分块的方法，如图2中‘2.JSEG分割’部分所示，原始的舌体被分割成为不同大小的小块区域。 

步骤3：对于步骤2中分块分割得到的每个小块区域，将每一个像素都映射到CIExy颜色空间，由于每一个像素对应CIExy颜色空间中的一个点，因此，每一个区域中的所有的像素也对应CIExy颜色空间中的一个点集区域，因此对于每一个小片区域，就可以得到一个点集区域，因此，将一个图像中的所有的小块区域都对应到颜色空间中，就可以得到该图像对应在CIExy颜色空间中分布区域，如图2中的‘3.CIExy空间映射’所示； 

步骤4：对于步骤3得到的一张图像在CIExy空间中的分布区域，由于只需要其边界元素，因此需要找寻这个分布区域的边界元素。采用一种扫描的方法得到这个区域的边界元素，即从上至下的扫描，对于每一根扫描线，只保留两端的元素，而去除中间的元素，最终就可以得到该图像在CIExy空间中的分布区域的边界元素，如图2中‘4.CIExy空间边界像素搜索’所示； 

步骤5：对于数据库中的所有的图像，都重复上述步骤1--步骤4的四个步骤，这样可以得到不同的色域空间分布的边界元素，最后，将所有的这些边界元素叠加在一起，可以得到整个舌图像颜色的色域空间分布，即人体数字舌图像颜色特征色域空间。 

[1]B.Pang，D.Zhang，and K.Q.Wang，“The Bi-elliptical deformable contour and its application to automated tongue segmentation in Chinese medicine，”IEEE Transactions on Medical Imaging，vol.24，no.8，pp.946-956，2005. 

[2]Y.Deng，and B.S.Manjunath，“Unsupervised segmentation of color-texture regions in images and video，”IEEE Transactions on Pattern Analysis and Machine Intelligence，vol.23，no.8，pp.800-810，2001。 

Claims (2)

1.一种人体数字舌图像颜色色域空间，所述的人体数字舌图像颜色色域空间定义在国际照明委员会定义的xyY标准颜色模型平面中，包括表征数字舌图像完整颜色色域空间最大矩形边界范围的区域(S1)、表征数字舌图像完整颜色色域空间的边界曲线(L1)、表征数字舌图像98％颜色色域空间的最大矩形边界范围区域(S2)、表征数字舌图像98％颜色色域空间的边界曲线(L2)、数字舌图像颜色色域空间的聚类中心点集(P1)和舌苔舌质分界曲线(L3)，

其特征在于：

所述的人体数字舌图像颜色色域空间，在表征数字舌图像完整颜色色域空间最大矩形边界范围的区域(S1)内部，(S1)由以下公式定义： $S1(x,y)=\left\{(x,y)\left|\begin{array}{c}0.2643\&times;(1-\mathrm{\&alpha;})<x<0.5539\&times;(1+\mathrm{\&alpha;})\\ 0.1849\&times;(1-\mathrm{\&alpha;})<y<0.4508\&times;(1+\mathrm{\&alpha;})\end{array}\right|\right\},$ 式中，(x，y)为色度坐标，系数α满足：α∈[0，0.15]；

所述的表征数字舌图像完整颜色色域空间的边界曲线(L1)定义在所述表征数字舌图像完整颜色色域空间最大矩形边界范围的区域(S1)内部，表征数字舌图像完整颜色色域空间的边界曲线(L1)围成的区域即为完备的人体数字舌图像颜色色域空间，表征数字舌图像完整颜色色域空间的边界曲线(L1)由以下公式求解得到的二维边界点集连接而定义： $L1\left(x\right)=\{x:\underset{i=1}{\overset{n_1}{\mathrm{\&Sigma;}}}{\mathrm{\&omega;}}_i\exp (-{\mathrm{\&gamma;}}_1*{\left|\right|x-x_i\left|\right|}^2)+b_1=0\},$ 式中：x为边界自变量，xy色度空间中的二维向量，n₁为支持向量个数；i为支持向量的索引编号；ω_i为对应于不同支持向量的系数，标量；γ₁为径向基函数核函数参数；x_i为支持向量坐标，xy色度空间中的二维向量；b₁为支持向量机模型的偏置；

所述的表征数字舌图像98％颜色色域空间最大矩形边界范围的区域(S2)，在所述的表征数字舌图像完整颜色色域空间最大矩形边界范围的区域(S1)内部，表征数字舌图像98％颜色色域空间最大矩形边界范围的区域(S2)由以下公式定义： $S2(x,y)=\left\{(x,y)\left|\begin{array}{c}0.3064\&times;(1-\mathrm{\&alpha;})<x<0.4932\&times;(1+\mathrm{\&alpha;})\\ 0.2483\&times;(1-\mathrm{\&alpha;})<y<0.4025\&times;(1+\mathrm{\&alpha;})\end{array}\right|\right\},$ 式中，(x，y)为色度坐标，系数α满足：α∈[0，0.15]；

所述的表征数字舌图像98％颜色色域空间的色域边界曲线(L2)定义在表征数字舌图像98％颜色色域空间的最大矩形边界范围区域(S2)内部，表征数字舌图像98％颜色色域空间的色域边界曲线(L2)围成的区域即为数字舌图像98％颜色色域空间，表征数字舌图像98％颜色色域空间的色域边界曲线(L2)由以下公式求解得到的二维边界点集连接而定义： $L2\left(x\right)=\{x:\underset{j=1}{\overset{n_2}{\mathrm{\&Sigma;}}}{\mathrm{\&alpha;}}_i\exp (-{\mathrm{\&gamma;}}_2*{\left|\right|x-x_j\left|\right|}^2)+b_2=0\},$ 式中：x为边界自变量，xy色度空间中的二维向量；n₂为支持向量个数；j为支持向量的索引编号；α_j为对应于不同支持向量的系数，标量；γ₂为RBF核函数参数；x_j为支持向量坐标，xy色度空间中的二维向量；b₂为支持向量机模型的偏置；

所述的数字舌图像颜色色域空间的聚类中心点集(P1)包含8种舌质颜色：青色、红色、蓝色、紫色、绛色、淡红色、淡紫色、淡蓝色以及4种舌苔颜色：黑色、灰色、白色、黄色，其中青色位于表征舌图像完整颜色色域空间的边界曲线(L1)上，红色、蓝色、紫色、绛色、黄色位于表征舌图像98％颜色色域空间的边界曲线(L2)上，淡红色、淡紫色以及淡蓝色的色度坐标分别为白色与红色、蓝色以及紫色的连线中点；

所述的舌苔舌质分界曲线(L3)将完备数字舌图像色域空间分成舌苔以及舌质区域两部分，舌苔区域位于舌图像色域空间的右上角部分，舌苔舌质分界曲线(L3)由色域空间的聚类中心点集(P1)中的白点与青色、淡蓝色、淡紫色、淡红色连线的中点连接而成。

2.一种如权利要求1所述的人体数字舌图像颜色色域空间的提取方法，其特征在于：首先利用边界分割提取方法提取出舌体部分的图像，随后采用JSEG边界分割方法按照图像的颜色一致性将图像分割成小块，随后对各个小块图像提取其在CIE xy空间中的边界像素，进而将所有的像素合并在一起，得到该张图像的色域空间范围，最后将所有的图像的边界像素合并得到基于大量数字舌图像的人体数字舌图像颜色色域空间。

Images