CN107392904A - 一种基于数学形态学的医学图像的分割算法 - Google Patents
一种基于数学形态学的医学图像的分割算法 Download PDFInfo
- Publication number
- CN107392904A CN107392904A CN201710635636.7A CN201710635636A CN107392904A CN 107392904 A CN107392904 A CN 107392904A CN 201710635636 A CN201710635636 A CN 201710635636A CN 107392904 A CN107392904 A CN 107392904A
- Authority
- CN
- China
- Prior art keywords
- image
- mrow
- tongue
- msub
- mathematical morphology
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/155—Segmentation; Edge detection involving morphological operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
精确的图像分割是医学图像定量分析的前提。在计算机舌像分析中,将舌体从脸部背景区域中分割出来是自动分析舌像指标的重要步骤。分割的质量直接影响后续分析算法的准确性。为了充分利用图像目标的彩色信息和形态特征,提高分割的效果,从数学形态学的基本理论出发,利用数学形态学能描述图像形态特征的特点,结合HIS模型,充分考虑图像的彩色信息,提出了基于数学形态学和HIS模型的舌图像分割算法,我们提出了一种采用数学形态学和HIS彩色模型相融合的医学舌图像分割方法,取得了良好的效果,本算法具有较好的分割性能。
Description
(一)技术领域
本发明属于医学图像信号与信息处理技术领域。近年来计算机技术在医疗领域已得到广泛应用,多媒体技术的介入,图像分析技术的应用为进一步研究人体自身,提供了更便利的条件,基于信号与信息处理技术的中医舌诊的现代化研究,已成为人们研究的热点。
(二)背景技术
舌诊是中医临床辩证论治的的重要手段之一。传统的舌诊方法是通过目视观察舌像,获取的指标精确性较差。运用计算机视觉等技术,结合中医专家的临床经验,实现舌诊的定量化、客观化,是发展中医舌诊的创新之路。在采集的舌图像中,将舌体从脸部背景区域中分割出来是自动分析舌像指标的重要步骤,分割的质量直接影响后续分析算法的准确性。
图像的分割是数字图像处理技术的一个经典课题,现有的算法可分为阈值法、边缘检测、聚类、马尔科夫随机场(MRF)模型法等。精确的分割是医学图像定量分析的前提。由于医学图像本身的模糊性,使得阈值分割很困难。边缘检测、模糊聚类的方法对噪声敏感。马尔科夫随机场模型方法对先验知识要求较少,且对噪声图像是鲁棒的,但运算复杂度较高,并且均未考虑图像的形态特征。对彩色图像的分割可以采用将RGB转换成YUV,再对Y分量进行处理,由于未考虑彩色信息而影响了分割效果。为了充分利用图像目标的彩色信息和形态特征,提高分割的效果,我们提出了一种采用数学形态学和HIS彩色模型相融合的医学舌图像分割方法,取得了良好的效果。
(三)发明内容
本发明的目的:高质量的舌像采集是中医舌像分析研究中的一个关键问题,在采集的舌图像中,将被分析的舌体从脸部背景区域中分割提取出来,它是自动分析舌像指标的重要步骤,分割的质量直接影响后续分析算法的准确性。
本发明的技术方案是这样实现的:
彩色舌图像的分割中为了充分利用目标的彩色信息和形态特征,进一步提高分割效果,必须选择合理的彩色空间和分割技术。我们将数学形态学引入基于HIS模型的彩色图像分割算法中,算法框图如图1所示。
一、彩色空间
彩色空间是以数值方式描述色彩的模型,例如RGB、CMYK、HIS、HSV、YUV、XYZ、 Luv、Lab等。虽然RGB使用最广泛,但是RGB空间是与设备有关的加色空间,主要用于彩色监视器、扫描仪等设备。由于人眼不能直接感知红绿兰三色的比例,对某一个色调(如淡白色)就没有唯一的R、G、B三基色的数值与之对应,直接在RGB空间分割物体往往不符合人眼视觉。而HIS空间能体现出人眼辨别颜色的特点,如人们会说一种颜色较暗、或较红等。它定义了三个互不相关,容易预测的颜色属性,色调(H)、亮度(I)和饱和度(S),是从R、G、B立方体得出的,连接该立方体的三顶点构成HIS三角形平面(又称Maxwell 三角形),三角形的中心对应零饱和度,色调是以三角形中心到红色顶点连线为基准线的 0~360°间的一个角度(逆时针),它与人的视觉感知紧密相关。
RGB到HIS的转换公式如下:
当(B/I)>(G/I)时:
H=360-H (2)
I=(R+G+B)/3 (3)
S=1-(3/(R+G+B)m) (4)
其中:R≠G,R≠B,m是R、G、B的最小值。
其中H表示彩色彼此相互区分的特性,不同波长的单色光具有不同的色调。利用公式 (1)~(4)完成输入彩色舌图像由RGB到HIS色度空间的转换。图2为彩色空间转换的原图,图3为H分量图。
二、H分量图的二值化
一般舌图像中目标和背景的色彩有明显的差别,H分量的直方图呈现较好的双峰性。例如图3的直方图如图4所示,双峰性非常明显且双峰间的距离较远,所以二值化阈值的选取范围较宽,具有较强的鲁棒性。H分量的二值化图如图5所示。
三、目标区域聚类
由于设备、光源和个体差异的影响,二值化图像中除舌目标区外,还存在一些非舌目标区域且非舌目标区的面积往往很小,考虑到非舌目标对分割的影响,我们采用如下目标区聚类的方法将其去除:
1)在二值图像中对各象素点从上到下,从左到右顺序扫描,同时对目标区域中的各象素进行标号。标号的准则为:当前象素点的标号为目标区中已被扫描,且与其相邻的四个象素点标号的最小值。若已被扫描的四个相邻象素点都在非目标区,则当前点的标号为所有被标号的象素点的最大标号值加1。
2)图像中先从上到下、从左到右,然后从下到上、从右到左进行聚类扫描。聚类的准则为:目标区中当前象素点的标号值取为其八邻域象素点(在目标区)的最小标号值。
3)经过聚类扫描后,各目标区具有不同的标号,求出各区域的面积。由于舌目标区的面积在所有目标区中为最大,去除所有的小目标区,保留最大的目标区。
四、形态学运算
根据数学形态学的原理,当(0,0)∈B时,膨胀后的图像与原图之差或原图像与腐蚀后的图像之差可检测图像的边界,其宽度和结构元素B有关。由于对噪声较敏感而影响了检测效果,因此,充分利用具有抗噪、平滑能力的开、闭运算,设计了抗噪性的数学形态学边缘检测算子。
ED=(f·B)οB-(f·B)ΘB (5)
1)根据舌图像的形状,选择圆形的结构元素B,B的半径取为5。应用(5)式的检测算子求出灰度图像的边界,对其进行细化得到舌图像的边界;
2)由于在采集舌图像时受设备和照明条件等的影响,有些图像存在一些不可去除的噪声和失真,不同的舌苔如焦黄苔、灰黄苔等,舌像上形成空洞或边界出现尖峰,为平滑尖峰和得到闭合的边界,选结构元素B1对其进行二值图像的腐蚀,得到边界;
3)对边界图像细化并求所有边界象素的连接数(8邻域),其中象素的右邻值为x1,
根据r8的大小消去短枝和分叉,选用结构元素B2对其进行二值图像的膨胀运算减小凹坑;为了保证舌像的形状不变,选用结构元素B3再进行腐蚀,将边缘细化后得到边缘细化图如图6所示;
4)通过填充生成完整的二值舌图像,如图7所示;将二值舌图像与原始彩色舌图像作逻辑“与”运算后得到分割的舌像,通过扫描判断找出感兴趣的舌像的边界,裁减缩小图像的尺寸,生成最后分割结果,如图8所示。
(四)发明效果:
本文提出的基于数学形态学和HIS模型的彩色图像分割方法充分考虑了图像目标的彩色信息和形态特征。由于数学形态学的运算简单,从本质上讲是并行的,因此该方法快速有效,且具有良好的抗噪性能。结合体现人眼视觉特征的HIS彩色模型,有效克服了由于照明引起的舌像阴影等干扰。实验结果表明该方法对医学舌图像具有较好的的分割性能。但对于对比度很低的舌像分割的效果尚不能令人满意,可考虑知识引导的处理技术,适度巧妙地运用人工交互的办法以取得理想的分割结果。本文方法对彩色舌图像进行分割的部分实验结果如下,其中图9、11、13、15、17为原始舌图像,图10、12、14、16、18为对应的分割结果。
(五)附图说明
下面结合附图,对本专利的技术方案做进一步的说明:
图1是舌图像分割算法的流程图,
图2是彩色舌图像,
图3是彩色舌图像的H分量图,
图4是灰度直方图,
图5是二值化图,
图6是二值边界细化图,
图7是填充图,
图8是分割结果图,
图9、11、13、15、17为部分实验结果中的原始舌图像图,
图10、12、14、16、18为部分实验结果中的对应的分割结果图。
图中:1、输入图像,2、RGB到HIS转换,3、二值化,4、聚类目标区域,5、形态学运算,6、输出分割结果
(六)具体实施方式
将数学形态学引入基于HIS模型的彩色图像分割算法中,算法框图如图1所示。
一、彩色空间RGB到HIS的转换
利用公式(1)~(4)完成输入彩色舌图像由RGB到HIS色度空间的转换。图2为彩色空间转换的原图,图3为H分量图。
二、H分量图的二值化
一般舌图像中目标和背景的色彩有明显的差别,将H分量进行二值化,它的直方图呈现较好的双峰性。例如图3的直方图如图4所示,H分量的二值化图如图5所示。
三、目标区域聚类
采用如下目标区聚类的方法将其去除:
1)在二值图像中对各象素点从上到下,从左到右顺序扫描,同时对目标区域中的各象素进行标号。标号的准则为:当前象素点的标号为目标区中已被扫描,且与其相邻的四个象素点标号的最小值。若已被扫描的四个相邻象素点都在非目标区,则当前点的标号为所有被标号的象素点的最大标号值加1。
2)图像中先从上到下、从左到右,然后从下到上、从右到左进行聚类扫描。聚类的准则为:目标区中当前象素点的标号值取为其八邻域象素点(在目标区)的最小标号值。
3)经过聚类扫描后,各目标区具有不同的标号,求出各区域的面积。由于舌目标区的面积在所有目标区中为最大,去除所有的小目标区,保留最大的目标区。
四、形态学运算
根据数学形态学的原理,设计了抗噪性的数学形态学边缘检测算子。
ED=(f·B)οB-(f·B)ΘB (7)
1)根据舌图像的形状,选择圆形的结构元素B,B的半径取为5。应用(7)式的检测算子求出灰度图像的边界,对其进行细化得到舌图像的边界;
2)由于在采集舌图像时受设备和照明条件等的影响,有些图像存在一些不可去除的噪声和失真,不同的舌苔如焦黄苔、灰黄苔等,舌像上形成空洞或边界出现尖峰,为平滑尖峰和得到闭合的边界,选结构元素B1对其进行二值图像的腐蚀,得到边界;
3)对边界图像细化并求所有边界象素的连接数(8邻域),其中象素的右邻值为x1,
根据r8的大小消去短枝和分叉。选用结构元素B2对其进行二值图像的膨胀运算减小凹坑;为了保证舌像的形状不变,选用结构元素B3再进行腐蚀,将边缘细化后得到边缘细化图如图6所示;
4)通过填充生成完整的二值舌图像,如图7所示;将二值舌图像与原始彩色舌图像作逻辑“与”运算后得到分割的舌像,通过扫描判断找出感兴趣的舌像的边界,裁减缩小图像的尺寸,生成最后分割结果,如图8所示。
Claims (1)
1.一种基于数学形态学的医学舌图像分割算法。其特征是:
1)将输入彩色舌图像进行由RGB到HIS色度空间的转换得到H分量图并做二值化处理,对二值化的图像进行聚类扫描标号,求出不同标号的各区域的面积,由于舌目标区的面积在所有目标区中为最大,去除所有的小目标区,保留最大的目标区。
2)根据数学形态学的原理,设计了抗噪性的数学形态学边缘检测算子,圆形的结构元素B,B的半径取为5,求出灰度图像的边界,对其进行细化得到舌图像的边界。
3)对边界图像细化并求所有边界象素的连接数(8邻域),其中象素的右邻值为x1,
<mrow>
<msub>
<mi>r</mi>
<mn>8</mn>
</msub>
<mo>=</mo>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>3</mn>
<mo>,</mo>
<mn>5</mn>
<mo>,</mo>
<mn>7</mn>
</mrow>
</munder>
<mo>{</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<msub>
<mi>x</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<msub>
<mi>x</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<msub>
<mi>x</mi>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<msub>
<mi>x</mi>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mn>2</mn>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>}</mo>
</mrow>
根据r8的大小消去短枝和分叉,选用结构元素B2对其进行二值图像的膨胀运算减小凹坑,选用结构元素B3再进行腐蚀,将边缘细化后得到边缘细化图。
4)将二值舌图像与原始彩色舌图像作逻辑“与”运算后得到分割的舌像,通过扫描判断找出感兴趣的舌像的边界,裁减缩小图像的尺寸,生成最后分割结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710635636.7A CN107392904A (zh) | 2017-07-28 | 2017-07-28 | 一种基于数学形态学的医学图像的分割算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710635636.7A CN107392904A (zh) | 2017-07-28 | 2017-07-28 | 一种基于数学形态学的医学图像的分割算法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107392904A true CN107392904A (zh) | 2017-11-24 |
Family
ID=60342822
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710635636.7A Pending CN107392904A (zh) | 2017-07-28 | 2017-07-28 | 一种基于数学形态学的医学图像的分割算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107392904A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108629780A (zh) * | 2018-04-23 | 2018-10-09 | 闽江学院 | 基于颜色分解和阈值技术的舌图像分割方法 |
CN109658382A (zh) * | 2018-11-16 | 2019-04-19 | 福建中医药大学 | 基于图像聚类和灰度投影的舌体定位方法 |
CN109886983A (zh) * | 2018-12-27 | 2019-06-14 | 新绎健康科技有限公司 | 一种图像舌体分割方法、装置及计算机设备 |
WO2020038312A1 (zh) * | 2018-08-20 | 2020-02-27 | 深圳市前海安测信息技术有限公司 | 多通道舌体边缘检测装置、方法及存储介质 |
CN111445419A (zh) * | 2020-04-09 | 2020-07-24 | 南京图格医疗科技有限公司 | 一种基于数学形态学的医学内窥镜图像增强方法 |
CN114445410A (zh) * | 2022-04-11 | 2022-05-06 | 武汉飞恩微电子有限公司 | 基于图像识别的电路板检测方法、计算机及可读存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102956035A (zh) * | 2011-08-25 | 2013-03-06 | 深圳市蓝韵实业有限公司 | 用于乳腺x线图像中提取乳腺区域的预处理方法及系统 |
CN105095957A (zh) * | 2014-05-12 | 2015-11-25 | 浙江理工大学 | 一种基于图像分割的蚕茧计数方法 |
CN105761260A (zh) * | 2016-02-15 | 2016-07-13 | 天津大学 | 一种皮肤图像患处分割方法 |
CN106666767A (zh) * | 2016-11-18 | 2017-05-17 | 辽宁工业大学 | 一种基于视觉技术的高效葵花籽脱壳方法 |
-
2017
- 2017-07-28 CN CN201710635636.7A patent/CN107392904A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102956035A (zh) * | 2011-08-25 | 2013-03-06 | 深圳市蓝韵实业有限公司 | 用于乳腺x线图像中提取乳腺区域的预处理方法及系统 |
CN105095957A (zh) * | 2014-05-12 | 2015-11-25 | 浙江理工大学 | 一种基于图像分割的蚕茧计数方法 |
CN105761260A (zh) * | 2016-02-15 | 2016-07-13 | 天津大学 | 一种皮肤图像患处分割方法 |
CN106666767A (zh) * | 2016-11-18 | 2017-05-17 | 辽宁工业大学 | 一种基于视觉技术的高效葵花籽脱壳方法 |
Non-Patent Citations (1)
Title |
---|
张兴源: ""基于数学形态学的医学噪声图像边缘检测算法"", 《中国优秀硕士学位论文全文数据库(电子期刊)信息科技辑》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108629780A (zh) * | 2018-04-23 | 2018-10-09 | 闽江学院 | 基于颜色分解和阈值技术的舌图像分割方法 |
CN108629780B (zh) * | 2018-04-23 | 2020-01-03 | 闽江学院 | 基于颜色分解和阈值技术的舌图像分割方法 |
WO2020038312A1 (zh) * | 2018-08-20 | 2020-02-27 | 深圳市前海安测信息技术有限公司 | 多通道舌体边缘检测装置、方法及存储介质 |
CN109658382A (zh) * | 2018-11-16 | 2019-04-19 | 福建中医药大学 | 基于图像聚类和灰度投影的舌体定位方法 |
CN109886983A (zh) * | 2018-12-27 | 2019-06-14 | 新绎健康科技有限公司 | 一种图像舌体分割方法、装置及计算机设备 |
CN111445419A (zh) * | 2020-04-09 | 2020-07-24 | 南京图格医疗科技有限公司 | 一种基于数学形态学的医学内窥镜图像增强方法 |
CN114445410A (zh) * | 2022-04-11 | 2022-05-06 | 武汉飞恩微电子有限公司 | 基于图像识别的电路板检测方法、计算机及可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107392904A (zh) | 一种基于数学形态学的医学图像的分割算法 | |
Liu et al. | A location-to-segmentation strategy for automatic exudate segmentation in colour retinal fundus images | |
CN103971126B (zh) | 一种交通标志识别方法和装置 | |
CN103186904B (zh) | 图片轮廓提取方法及装置 | |
CN109493343A (zh) | 医疗图像异常区域分割方法及设备 | |
Madooei et al. | Automatic detection of blue-white veil by discrete colour matching in dermoscopy images | |
CN108319973A (zh) | 一种树上柑橘果实检测方法 | |
CN108181316B (zh) | 一种基于机器视觉的竹条缺陷检测方法 | |
CN103679145A (zh) | 一种手势自动识别方法 | |
CN107154044B (zh) | 一种中餐食物图像的分割方法 | |
Lei et al. | Vector morphological operators in HSV color space | |
WO2020038312A1 (zh) | 多通道舌体边缘检测装置、方法及存储介质 | |
CN115115645A (zh) | 一种舌像腐腻特征数据识别检测方法及系统 | |
CN111223110A (zh) | 一种显微图像增强方法、装置及计算机设备 | |
CN110648336B (zh) | 一种舌质和舌苔的分割方法及装置 | |
JP2008242508A (ja) | 特定領域自動抽出システム、特定領域自動抽出方法、および、プログラム | |
Lin et al. | License plate location method based on edge detection and mathematical morphology | |
Islami | Implementation of HSV-based Thresholding Method for Iris Detection | |
WO2019181072A1 (ja) | 画像処理方法、コンピュータプログラムおよび記録媒体 | |
CN113379785B (zh) | 一种融合边界先验与频域信息的显著性目标检测方法 | |
Tan et al. | A framework for the automatic identification of algae (neomeris vanbosseae ma howe): U 3 s | |
Sandnes et al. | Simple and practical skin detection with static RGB-color lookup tables: A visualization-based study | |
CN106462964B (zh) | 用于对彩色图像进行分割的方法以及数字显微镜 | |
CN113989588A (zh) | 一种基于自学习的五边形绘图测试智能评价系统及方法 | |
Yang et al. | Vectorization of linear features in scanned topographic maps using adaptive image segmentation and sequential line tracking |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20171124 |