CN109978895B - 一种舌体图像分割方法和装置 - Google Patents

一种舌体图像分割方法和装置 Download PDF

Info

Publication number
CN109978895B
CN109978895B CN201910250762.XA CN201910250762A CN109978895B CN 109978895 B CN109978895 B CN 109978895B CN 201910250762 A CN201910250762 A CN 201910250762A CN 109978895 B CN109978895 B CN 109978895B
Authority
CN
China
Prior art keywords
image
tongue
target
region
tone
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.)
Active
Application number
CN201910250762.XA
Other languages
English (en)
Other versions
CN109978895A (zh
Inventor
黄让涛
荣坚
肖峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Feng Yun Vision Technology Co ltd
Original Assignee
Beijing Feng Yun Vision Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Feng Yun Vision Technology Co ltd filed Critical Beijing Feng Yun Vision Technology Co ltd
Priority to CN201910250762.XA priority Critical patent/CN109978895B/zh
Publication of CN109978895A publication Critical patent/CN109978895A/zh
Application granted granted Critical
Publication of CN109978895B publication Critical patent/CN109978895B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/11Region-based segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/187Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20081Training; Learning
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20084Artificial neural networks [ANN]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20172Image enhancement details
    • G06T2207/20192Edge enhancement; Edge preservation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本申请实施例公开了一种舌体图像分割方法及装置,该方法包括:根据神经网络模型从目标图像中获取初级图像区域,神经网络模型是根据预先标记的包括有舌体掩膜的图像训练得到的,目标图像为用于进行舌体图像分割的原始图像,初级图像区域为包含目标图像中的舌体掩膜、且相接于目标图像中的舌体掩膜边缘的图像区域;对初级图像区域进行外扩,形成目标图像区域;根据目标图像区域,分割出舌体图像。可见,该方法通过神经网络模型确定出目标图像区域,可以保证目标图像区域中包括有完整的舌体图像,同时,在确定出的目标图像区域中舌体图像所占的比例大大提高,针对这样的目标图像区域进行舌体图像分割,可以有效的提高舌体图像分割的准确度。

Description

一种舌体图像分割方法和装置
技术领域
本申请涉及图像诊断领域,特别是涉及一种舌体图像分割方法和装置。
背景技术
基于中医理论的舌象诊测系统可以根据人的舌象,分析出人的机体生理功能以及病理变化。它的工作流程为:采集包括有人舌体的图像;从采集的图像中分割并提取出舌体图像;根据舌体图像提取出舌质、舌苔等舌体特征;对舌体特征进行分析和诊断;输出诊断结果。这里的舌体图像是指从采集到的图像中分割出的仅包括舌体的图像。例如:参见图1,该图示出了一种从采集的图像中分割出的舌体图像的示意图。
由于舌象诊测系统是根据采集到的舌体图像进行接下来的病情、健康状况、体质状况等的诊断的,如果采集出的舌体图像不够准确,比如分割出的舌体图像缺少了舌尖、多了牙齿等,将有可能导致错误诊断。因此,精确的从采集的图像中仅分割出完整的舌体图像是舌象诊测系统能够准确进行诊断的前提。
对于目前在舌象诊测系统中所采集的图像,除了舌体部位的图像外,还通常包括有很多其他部位的图像,比如采集的图像中还包括人脸、牙齿、喉咙等部位的图像,也就是说,在采集的图像中舌体图像所占比例较小,这样,在从这种采集的图像中分割舌体图像时,很容易将其他部位(比如皮肤)的图像也分割至舌体图像内,这将导致舌体图像分割时的准确度较差。
因此,如何精确的从采集图像中分割出舌体图像,是当下亟需解决的问题。
发明内容
为了解决上述技术问题,本申请提供了一种舌体图像分割方法和装置,通过神经网络模型从采集的目标图像中确定出舌体图像占较高比例的目标图像区域,并从目标图像区域进行分割,能够提高舌体图像分割的准确度。
本申请实施例公开了如下技术方案:
第一方面,本申请实施例提供了一种舌体图像分割方法,所述方法包括:
根据神经网络模型从目标图像中获取初级图像区域,所述神经网络模型是根据预先标记的包括有舌体掩膜的图像训练得到的,所述目标图像为用于进行舌体图像分割的原始图像,所述初级图像区域为包含所述目标图像中的舌体掩膜、且相接于所述目标图像中的舌体掩膜边缘的图像区域;
对所述初级图像区域进行外扩,形成目标图像区域;
根据所述目标图像区域,分割出舌体图像。
可选的,所述根据所述目标图像区域,分割出舌体图像,包括:
确定所述目标图像区域中像素点的色调和明度,所述目标图像区域中任一像素点的色调用于标识这个像素点的色彩信息,所述目标图像区域中任一像素点的明度用于标识这个像素点的明暗程度;
根据所述目标图像区域中像素点的色调,过滤掉所述目标图像区域中的不符合舌体色调范围的像素点,生成第一色调图像;根据所述目标图像区域中像素点的明度,过滤掉所述目标图像区域中的不符合舌体轮廓明度范围的像素点,生成第一明度图像;
根据所述第一色调图像中的舌体区域与所述第一明度图像中的舌体轮廓区域,过滤掉符合所述舌体色调范围但不属于舌体的像素点,以及符合所述舌体轮廓明度范围但不属于舌体轮廓的像素点,生成目标初级舌体图像;
根据所述目标初级舌体图像,确定舌体轮廓;
从所述目标图像区域中分割出所述舌体轮廓内的图像,作为舌体图像。
可选的,所述目标图像区域中舌体像素点的色调分布在第一色调区间与第二色调区间,所述第一色调区间与所述第二色调区间在颜色空间中连续,在数值上不连续,则,所述确定所述目标图像区域中像素点的色调,包括:
将所述目标图像区域中属于所述第一色调区间的像素点的色调进行数值修正,使得修正后的像素点的色调属于第三色调区间,所述第三色调区间与所述第二色调区间在颜色空间和数值上连续。
可选的,在生成所述第一色调图像和所述第一明度图像之后,所述方法还包括:
对所述第一色调图像进行图像二值化,生成第二色调图像;
为所述第二色调图像去除至少一个第一目标连通区域,生成第三色调图像,所述第一目标连通区域为包括未被过滤的像素点的图像区域,所述第一目标连通区域中未被过滤的像素点的数量少于第一最大连通区域中未被过滤的像素点的数量,以及所述第一目标连通区域与所述第一最大连通区域不连通,所述第一最大连通区域为在所述第二色调图像中包括最大数量的未被过滤的像素点的图像区域;
对所述第三色调图像中的第一最大连通区域的边缘进行平滑操作,生成第四色调图像;
为所述第四色调图像中的第一最大连通区域内的孔洞进行填充,生成第五色调图像,所述第一最大连通区域内的孔洞为所述第一最大连通区域中的被过滤的像素点组成的图像区域,对所述第一最大连通区域内的孔洞进行填充为将所述孔洞中的像素点的灰度值设置为所述未被过滤的像素点的灰度值;
对所述第一明度图像进行图像二值化,生成第二明度图像;
所述根据所述第一色调图像中的舌体区域与所述第一明度图像中的所述舌体轮廓区域,过滤掉符合所述舌体色调范围但不属于舌体的像素点,以及符合所述舌体轮廓明度范围但不属于舌体轮廓的像素点,生成目标初级舌体图像,包括:
将所述第五色调图像中的舌体区域与所述第二明度图像中的舌体轮廓区域相匹配,过滤掉符合所述舌体色调范围但不属于舌体的像素点,以及符合所述舌体轮廓明度范围但不属于舌体轮廓的像素点,生成目标初级舌体图像。
可选的,所述将所述第五色调图像中的舌体区域与所述第二明度图像中的舌体轮廓区域相匹配,过滤掉符合所述舌体色调范围但不属于舌体的像素点,以及符合所述舌体轮廓明度范围但不属于舌体轮廓的像素点,生成目标初级舌体图像,包括:
将所述第五色调图像中与所述第二明度图像相综合,生成第一初级舌体图像;
为所述第一初级舌体图像去除至少一个第二目标连通区域,生成第二初级舌体图像,所述第二目标连通区域为包括未被过滤的像素点的图像区域,所述第二目标连通区域中像素点的数量少于第二最大连通区域中像素点的数量,以及所述第二目标连通区域与所述第二最大连通区域不连通,所述第二最大连通区域为在所述第一初级舌体图像中包括最大数量的未被过滤的像素点的图像区域;
对所述第二初级舌体图像中的第二最大连通区域的边缘进行平滑操作;
为所述第三初级舌体图像中的第二最大连通区域内的孔洞进行填充,生成目标初级舌体图像,所述第二最大连通区域内的孔洞为所述第二最大连通区域中的被过滤的像素点组成的图像区域,对所述第二最大连通区域内的孔洞进行填充为将所述孔洞中的像素点的灰度值设置为所述未被过滤的像素点的灰度值。
可选的,所述根据所述第一色调图像中的舌体区域与所述第一明度图像中的舌体轮廓区域,过滤掉符合所述舌体色调范围但不属于舌体的像素点,以及符合所述舌体轮廓明度范围但不属于舌体轮廓的像素点,生成目标初级舌体图像,包括:
根据所述第一明度图像,过滤掉所述第一色调图像中的不属于舌体的像素点,生成目标色调图像;根据所述第一色调图像,过滤掉所述第一明度图像中的不属于舌体轮廓的像素点,生成目标明度图像;
结合所述目标色调图像与所述目标明度图像,生成目标初级舌体图像。
第二方面,本申请实施例提供了一种舌体图像分割装置,所述装置包括:
获取单元,用于根据神经网络模型从目标图像中获取初级图像区域,所述神经网络模型是根据预先标记的包括有舌体掩膜的图像训练得到的,所述目标图像为用于进行舌体图像分割的原始图像,所述初级图像区域为包含所述目标图像中的舌体掩膜、且相接于所述目标图像中的舌体掩膜边缘的图像区域;
形成单元,用于对所述初级图像区域进行外扩,形成目标图像区域;
分割单元,用于根据所述目标图像区域,分割出舌体图像。
可选的,所述分割单元,包括:
第一确定子单元,用于确定所述目标图像区域中像素点的色调和明度,所述目标图像区域中任一像素点的色调用于标识这个像素点的色彩信息,所述目标图像区域中任一像素点的明度用于标识这个像素点的明暗程度;
过滤子单元,用于根据所述目标图像区域中像素点的色调,过滤掉所述目标图像区域中的不符合舌体色调范围的像素点,生成第一色调图像;根据所述目标图像区域中像素点的明度,过滤掉所述目标图像区域中的不符合舌体轮廓明度范围的像素点,生成第一明度图像;
生成子单元,用于根据所述第一色调图像中的舌体区域与所述第一明度图像中的舌体轮廓区域,过滤掉符合所述舌体色调范围但不属于舌体的像素点,以及符合所述舌体轮廓明度范围但不属于舌体轮廓的像素点,生成目标初级舌体图像;
第二确定子单元,用于根据所述目标初级舌体图像,确定舌体轮廓;
分割子单元,用于从所述目标图像区域中分割出所述舌体轮廓内的图像,作为舌体图像。
可选的,所述第一确定子单元,包括:
修正子单元,用于将所述目标图像区域中属于所述第一色调区间的像素点的色调进行数值修正,使得修正后的像素点的色调属于第三色调区间,所述第三色调区间与所述第二色调区间在颜色空间和数值上连续。
可选的,所述分割单元,还包括:
第一生成子单元,用于在生成所述第一色调图像和所述第一明度图像之后,对所述第一色调图像进行图像二值化,生成第二色调图像;
第二生成子单元,用于为所述第二色调图像去除至少一个第一目标连通区域,生成第三色调图像,所述第一目标连通区域为包括未被过滤的像素点的图像区域,所述第一目标连通区域中未被过滤的像素点的数量少于第一最大连通区域中未被过滤的像素点的数量,以及所述第一目标连通区域与所述第一最大连通区域不连通,所述第一最大连通区域为在所述第二色调图像中包括最大数量的未被过滤的像素点的图像区域;
第三生成子单元,用于对所述第三色调图像中的第一最大连通区域的边缘进行平滑操作,生成第四色调图像;
第四生成子单元,用于为所述第四色调图像中的第一最大连通区域内的孔洞进行填充,生成第五色调图像,所述第一最大连通区域内的孔洞为所述第一最大连通区域中的被过滤的像素点组成的图像区域,对所述第一最大连通区域内的孔洞进行填充为将所述孔洞中的像素点的灰度值设置为所述未被过滤的像素点的灰度值;
第五生成子单元,用于对所述第一明度图像进行图像二值化,生成第二明度图像;
所述生成子单元,包括:
第六生成子单元,用于将所述第五色调图像中的舌体区域与所述第二明度图像中的舌体轮廓区域相匹配,过滤掉符合所述舌体色调范围但不属于舌体的像素点,以及符合所述舌体轮廓明度范围但不属于舌体轮廓的像素点,生成目标初级舌体图像。
可选的,所述第六生成子单元,包括:
第七生成子单元,用于将所述第五色调图像中与所述第二明度图像相综合,生成第一初级舌体图像;
第八生成子单元,用于为所述第一初级舌体图像去除至少一个第二目标连通区域,生成第二初级舌体图像,所述第二目标连通区域为包括未被过滤的像素点的图像区域,所述第二目标连通区域中像素点的数量少于第二最大连通区域中像素点的数量,以及所述第二目标连通区域与所述第二最大连通区域不连通,所述第二最大连通区域为在所述第一初级舌体图像中包括最大数量的未被过滤的像素点的图像区域;
第九生成子单元,用于对所述第二初级舌体图像中的第二最大连通区域的边缘进行平滑操作;
第十生成子单元,用于为所述第三初级舌体图像中的第二最大连通区域内的孔洞进行填充,生成目标初级舌体图像,所述第二最大连通区域内的孔洞为所述第二最大连通区域中的被过滤的像素点组成的图像区域,对所述第二最大连通区域内的孔洞进行填充为将所述孔洞中的像素点的灰度值设置为所述未被过滤的像素点的灰度值。
可选的,所述生成子单元,还包括:
第十一生成子单元,用于根据所述第一明度图像,过滤掉所述第一色调图像中的不属于舌体的像素点,生成目标色调图像;根据所述第一色调图像,过滤掉所述第一明度图像中的不属于舌体轮廓的像素点,生成目标明度图像;
第十二生成子单元,用于结合所述目标色调图像与所述目标明度图像,生成目标初级舌体图像。
由上述技术方案可以看出,通过神经网络模型可以从目标图像中确定出初级图像区域,其中,神经网络模型是根据预先标记的包括有舌体掩膜的图像训练得到的,目标图像可以为用于进行舌体图像分割的原始图像,初级图像区域可以相接于目标图像中的舌体掩膜边缘的图像区域、且初级图像区域中包含目标图像中的舌体掩膜,这样,使得所获得的初级图像区域中包括有舌体图像,且舌体图像所占比例尽可能大。接着,将该目标图像区域外扩,这样可以避免神经网络模型在确定初级图像区域时未分割出完整舌体图像的情形,比如确定出的初级图像区域中不包括舌尖的情形,从而保证了目标图像区域中可以包括有完整的舌体图像,同时,相比于采集的目标图像,在确定出的目标图像区域中舌体图像所占的比例大大提高,针对这样的目标图像区域进行舌体图像分割,可以有效的提高舌体图像分割的准确度。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种从采集的图像中分割出的舌体图像的示意图;
图2为本申请实施例提供的一种舌体图像分割方法的流程图;
图3为本申请实施例提供的一种从目标图像中获取出的初级图像区域的示意图;
图4为本申请实施例提供的一种在对第一色调图像和第一明度图像进行图像处理的过程中所生成的各阶段图像示意图;
图5为本申请实施例提供的一种舌体图像分割装置的组成示意图。
具体实施方式
下面结合附图,对本申请的实施例进行描述。
目前,由于采集的图像中舌体图像所占比例较小,这样很难从采集的图像中准确的分割出完整的舌体。可见,如何提高舌体分割的准确度是目前亟待解决的问题。
为此,本申请实施例提供了一种舌体图像分割方法,该方法通过神经网络模型可以从目标图像中确定出初级图像区域,其中,神经网络模型是根据预先标记的包括有舌体掩膜的图像训练得到的,目标图像可以为用于进行舌体图像分割的原始图像,初级图像区域可以为包含所述目标图像中的舌体掩膜、且相接于所述目标图像中的舌体掩膜边缘的图像区域,这样,使得所获得的初级图像区域中包括有舌体图像,且舌体图像所占比例相对较大。接着,将该目标图像区域外扩,这样可以避免神经网络模型在确定初级图像区域时未分割出完整舌体图像的情形,比如确定出的初级图像区域中不包括舌尖的情形,以保证目标图像区域中可以包括完整的舌体图像,同时,相比于采集的目标图像,在确定出的目标图像区域中舌体部位所占的比例大大提高,针对这样的目标图像区域进行舌体图像分割,可以有效的提高舌体图像分割的准确度。
接下来结合图2说明本申请实施例提供的舌体图像分割方法,所述方法包括:
S201:根据神经网络模型从目标图像中获取初级图像区域。
在本申请实施例中,可以预先训练一个神经网络模型,使其可以实现从输入的目标图像中获取出初级图像区域的功能。为了便于理解所述的目标图像和初级图像区域,下面以一示例进行说明。参见图3,该图示出了本申请实施例提供的一种从目标图像中获取出的初级图像区域的示意图。如图3所示,目标图像300可以为用于进行舌体图像分割的原始图像,比如目标图像可以为由舌象诊测系统中的图像采集设备采集的原始图像。初级图像区域310可以为包含目标图像300中的舌体掩膜320,且相接于目标图像300中的舌体掩膜320边缘的图像区域。这里所述的舌体掩膜320可以是对舌体进行遮挡的膜层。
也就是说,神经网络模型在接收到目标图像300后,可以对该目标图像300中的舌体区域进行掩膜操作,即在目标图像300中添加舌体掩膜320,并根据这个舌体掩膜320的边缘,从目标图像中获取出包含目标图像300中的舌体掩膜320、且相接于该舌体掩膜320边缘的图像区域,记为初级图像区域310。需要说明的是,本申请实施例不限定初级图像区域310的形状,在图3中,初级图像区域为矩形图像区域,且矩形图像区域的长度可以根据舌体掩膜320的横向最大长度确定,矩形图像区域的宽度根据舌体掩膜320的纵向最大长度确定。
上述神经网络模型是基于深度学习算法所训练出来的模型,在具体实现中,神经网络模型的训练方法可以为,首先,在标准化的光源以及统一的窗口下,通过高分辨率舌体相机采集大量的包括有舌体的图像;接着,分别为这些采集的图像中的舌体进行标记,并生成相应的掩膜图片和仍是一种置标语言(Yet Another Markup Language,YAML)文件。其中,YAML文件可以是一种满足模型训练格式的文件。将这些进行标记的掩膜图片与YAML文件作为神经网络模型的训练样本,并相应的修改神经参数和迭代次数,从而得到一个训练效果最优的神经网络模型。其中,对采集的图像中的舌体进行标记,生成掩膜图片和YAML文件的方法比如可以为:通过深度学习标注工具用点连线框出图像中的舌体,以完成对图像中舌体的标记,将完成舌体标记的图像进行保存。并将保存的文件转化为模型训练所需的掩膜图片和YAML文件。
需要说明的是,在应用上述的神经网络模型获取初级图像区域之前,会对该模型的预测可信度阈值等进行调整,以获取出最为可信的初级图像区域。其中,预测可信度阈值可以为对应于模型训练样本的数量的参数,模型训练样本的数量越高,则该预测可信度阈值可以调的越高。
为了避免步骤S201中的神经网络模型由于训练样本不足等原因,导致获取到的初级图像区域中包括的舌体图像不完整、或舌体边缘不够精细等问题,比如获取的初级图像区域中缺少舌尖等问题,可以将获取的该初级图像区域进行外扩,使得外扩后的初级图像区域中包括有完整的舌体图像,并将外扩后的初级图像区域作为目标图像区域。在具体的实现中,可以将初级图像区域外扩一定数量的像素点,该外扩的像素点的数量可以根据实验确定。
S202:对所述初级图像区域进行外扩,形成目标图像区域。
为了避免步骤S201中的神经网络模型由于训练样本不足等原因,导致获取到的初级图像区域中包括的舌体图像不完整、或舌体边缘不够精细等问题,可以将获取的该初级图像区域进行外扩,使得外扩后的初级图像区域中包括有完整的舌体图像,并将外扩后的初级图像区域作为目标图像区域。在具体的实现中,可以将初级图像区域外扩一定数量的像素点,该外扩的像素点的数量可以根据实验确定。
S203:根据所述目标图像区域,分割出舌体图像。
可以从确定出的目标图像区域中分割出舌体图像,这样,由于所获得的目标图像区域中可以包括完整的舌体图像,且相比于采集的目标图像,该确定出的目标图像区域中舌体图像所占的比例大大提高,针对这样的目标图像区域进行舌体图像分割,可以有效的提高舌体图像分割的准确度。此外,基于深度学习方法所训练出的神经网络模型对采集的目标图像的环境要求较低,它可以适用于在封闭舌象采集环境中采集的目标图像,也可以适用于在开放舌象采集环境中采集的目标图像。这里所述的封闭舌象采集环境可以为光源封闭在采集舌象的设备中的舌象采集环境;开放舌象采集环境可以为光源未被封闭在采集舌象的设备中的舌象采集环境。
本申请实施例不限定根据目标图像区域分割出舌体图像的具体方式,在一种可能的实现方式中,根据目标图像区域,分割出舌体图像的方法可以包括:
S301:确定所述目标图像区域中像素点的色调和明度。
在获取目标图像区域之后,可以对该目标图像区域进行高斯滤波,以过滤高频分量。其中,高频分量可以为目标图像区域中的变化较为剧烈的像素点。通过高斯滤波,可以除去目标图像区域中变化剧烈的像素点的影响。可以将完成高斯滤波后的目标图像区域作为新的目标图像区域,以进行接下来的步骤。接着,对于目标图像区域,确定出其中的每个像素点的色调和明度。这里所述的像素点的色调可以用于标识像素点的色彩信息,比如一个像素点的色调为红色,像素点的明度可以用于标识像素点的明暗程度,比如一个像素点的明度较暗。对于目标图像区域中的像素点的色调和明度,可以分别由HSV颜色模型中的H分量和V分量表示。那么,可以将目标图像区域中每个像素点的红绿蓝(Red,Green,Blue,RGB)值分别转换为相应的HSV值。
将目标图像区域中的每个像素点的HSV值中的H分量确定为该像素点的色调,将每个像素点的HSV值中的V分量确定为该像素点的明度。
根据舌体的先验知识,在目标图像区域中舌体的像素点的色调主要分布在两个色调区间中,可以记为第一色调区间与第二色调区间,且第一色调区间与第二色调区间在颜色空间中连续,在数值上不连续,则,在一种可能的实现方式中,确定目标图像区域中像素点的色调的方法,可以包括:将所述目标图像区域中属于第一色调区间的像素点的色调进行数值修正,使得修正后的像素点的色调属于第三色调区间,该第三色调区间与所述第二色调区间在颜色空间和数值上连续。
下面以一具体示例进行说明:根据舌体的先验知识,舌体像素点的色调主要分布在300°至360°的值域区间以及0°至60°的值域区间,可以将300°至360°的值域区间作为第一色调区间,将0°至60°的值域区间作为第二色调区间。则,可以理解的是,由于H=360°与H=0°的点在HSV颜色空间中是重合的点,也就是说,在HSV颜色空间中,300°至360°的第一色调区间,与0°至60°的第二色调区间是连续的。但是,在数值上,300°至360°的第一色调区间,与0°至60°的第二色调区间是不连续的。那么,对于目标图像区域中属于第一色调区间的像素点,即色调在300°至360°值域区间内的像素点,可以将这些像素点的色调分别减小360°,这里所述的对这些像素点色调分别减小360°即可以为对这些像素点的色调进行数值修正的方式,这样,色调在300°至360°值域区间内的像素点在通过修正后,它们的色调所属的值域区间成为第三色调区间,即-60°至0°值域区间,这样,这些色调属于第三色调空间、即-60°至0°值域区间中的像素点与属于第二色调区间、即0°至60°值域区间的像素点共同属于一个在颜色空间与数值上都连续的色调区间,即-60°至60°值域区间。从而,相比于在两个不连续的色调空间中进行后续的步骤,该方法通过修正的方式,使得目标图像区域中舌体像素点的色调处于同一个色调区间内,并以一个连续的色调区间进行后续的步骤,提高了进行后续步骤的便捷性。
S302:根据所述目标图像区域中像素点的色调,过滤掉所述目标图像区域中的不符合舌体色调范围的像素点,生成第一色调图像;根据所述目标图像区域中像素点的明度,过滤掉所述目标图像区域中的不符合舌体轮廓明度范围的像素点,生成第一明度图像。
在本申请实施例中,根据舌体的先验知识可知,舌体的色调H范围通常为0°至60°和300°至360°范围,而舌体轮廓的明度V范围通常为0至1,则,对于这个目标图像区域,根据舌体的色调H范围,过滤掉该目标图像区域中的不符合该舌体色调H的范围的像素点,从而形成第一色调图像。例如:目标图像区域中的皮肤和牙齿的色调H的范围不属于舌体的色调H范围,则可以过滤掉皮肤和牙齿这些部位的像素点。
另外,对于该目标图像区域,还可以根据舌体轮廓的明度V的范围,过滤掉该目标图像区域中的不符合该舌体轮廓的明度V的范围的像素点,从而形成第一明度图像。例如:目标图像区域中的喉咙的明度V范围不属于舌体轮廓的明度V范围,则可以过滤掉喉咙这一部位的像素点。
针对于该步骤S302中生成的第一色调图像与第一明度图像,可以理解的是,在生成的第一色调图像中,不包括与舌体色调相差较大的像素点,比如皮肤、牙齿等部位的像素点,但是可能包括那些符合舌体色调范围而不属于舌体的像素点,比如喉咙的像素点。在生成的第一明度图像中,不包括与舌体轮廓的明度相差较大的像素点,比如喉咙部位的像素点,但是可能包括那些符合舌体轮廓的明度范围而不属于舌体轮廓的像素点,比如皮肤的像素点。
对于生成第一色调图像的具体实现过程可以为,提取目标图像区域中每个像素点的H分量,并将其从直角坐标系转换至极坐标系中进行垂直边缘滤波,以过滤掉那些不符合舌体色调范围的像素点,然后将滤波结果转换至直角坐标系中,生成第一色调图像。相应的,生成第一明度图像的具体实现过程可以为,提取目标图像区域中每个像素点的V分量,并将其从直角坐标系转换至极坐标系中进行垂直边缘滤波,以过滤掉那些不符合舌体轮廓明度范围的像素点,然后将滤波结果转换至直角坐标系中,生成第一明度图像。
S303:根据所述第一色调图像中的舌体区域与所述第一明度图像中的舌体轮廓区域,过滤掉符合所述舌体色调范围但不属于舌体的像素点,以及符合所述舌体轮廓明度范围但不属于舌体轮廓的像素点,生成目标初级舌体图像。
可以理解的是,对于第一色调图像中未被过滤掉的与舌体色调接近的像素点,比如喉咙的像素点,由于它们的明度与舌体轮廓的明度相差较大,因此它们会在生成第一明度图像时被过滤掉。相应的,对于第一明度图像中未被过滤掉的与舌体轮廓明度接近的像素点,比如皮肤的像素点,由于它们的色调与舌体色调相差较大,因此它们会在生成第一色调图像时被过滤掉。
基于此,可以根据第一色调图像中的舌体区域与第一明度图像中的舌体轮廓区域具有对应的匹配关系,确定出第一色调图像中的舌体区域与第一明度图像中的舌体轮廓区域,这样,就能够进一步确定出第一色调图像中存在的、而第一明度图像中不存在的非舌体区域,以及确定出第一明度图像中存在的,而第一色调图像中不存在的非舌体轮廓区域,对这些确定出的非舌体区域和非舌体轮廓区域内的像素点进行过滤,并将过滤后的第一色调图像与第一明度图像结合,生成目标初级舌体图像。
通过该步骤S303,能够过滤掉大部分的非舌体的像素点以及非舌体轮廓的像素点,这样,在生成的目标初级舌体图像中的包含的非舌体的像素点与非舌体轮廓的像素点的数量较少,从而减小了后续步骤中的在通过目标初级舌体图像确定舌体轮廓时的由于非舌体及非舌体轮廓的像素点带来的影响。
在一种可能的实现方式中,根据第一色调图像中的舌体区域与第一明度图像中的舌体轮廓区域,过滤掉符合舌体色调范围但不属于舌体的像素点,以及符合舌体轮廓明度范围但不属于舌体轮廓的像素点,生成目标初级舌体图像的方法,比如可以包括:
S401:根据第一明度图像,过滤掉第一色调图像中的不属于舌体的像素点,生成目标色调图像;根据第一色调图像,过滤掉第一明度图像中的不属于舌体轮廓的像素点,生成目标明度图像。
在本申请实施例中,针对于第一色调图像,可以将其与第一明度图像进行比对,以确定出第一色调图像中的舌体区域,进而确定出第一色调图像中的非舌体区域,比如皮肤区域等,将这些非舌体区域的像素点,也就是不属于舌体的像素点进行过滤,生成目标色调图像。这样,在目标色调图像中包括有舌体区域,以及极少量的不属于舌体的像素点。
针对于第一明度图像,可以将其与第一色调图像进行比对,以确定出第一明度图像中的舌体轮廓区域,进而确定出第一明度图像中的非舌轮廓体区域,比如喉咙区域等,将这些非舌体轮廓区域的像素点,也就是不属于舌体轮廓的像素点进行过滤,生成目标明度图像。这样,在目标明度图像中包括有舌体轮廓区域,以及极少量的不属于舌体轮廓的像素点。
S402:结合所述目标色调图像与所述目标明度图像,生成目标初级舌体图像。
将步骤S401中生成的目标色调图像与目标明度图像这两幅图像相结合,从而生成一幅图像,记为目标初级舌体图像。
S304:根据所述目标初级舌体图像,确定舌体轮廓。
S305:从所述目标图像区域中分割出所述舌体轮廓内的图像,作为舌体图像。
在本申请实施例中,根据生成的目标初级舌体图像确定出舌体轮廓,并根据确定的舌体轮廓,从目标图像区域中分割出该舌体轮廓内的图像,作为舌体图像。
对于在步骤S302中生成的第一色调图像与第一明度图像,为了对这两幅图像中包括的非舌体区域以及非舌体轮廓区域的像素点进行更精确的过滤,在生成第一色调图像与第一明度图像之后,可以对它们进行相应的图像处理,以提升对非舌体区域以及非舌体轮廓区域的像素点进行过滤的准确度。
在一种可能的实现方式中,在生成第一色调图像与第一明度图像之后,对这两幅图像进行处理的方法可以包括:
S501:对第一色调图像进行图像二值化,生成第二色调图像。
具体参见图4,该图示出了本申请实施例提供的一种在对第一色调图像和第一明度图像进行图像处理的过程中所生成的各阶段图像示意图。
在本申请实施例中,对生成的第一色调图像进行图像二值化,以生成第二色调图像,参见图4(a),图4(a)示出了对第一色调图像进行图像二值化后生成的第二色调图像。其中,白色区域可以用于表示未被过滤的像素点组成的区域;黑色区域可以用于表示被过滤的像素点组成的区域。对于图像二值化中阈值的确定,可以根据第一色调图像中未被过滤的像素点的色调进行确定。在具体的实现中,可以由Ot su算法确定出图像二值化的最优阈值。这里所述的Ot su算法可以为一种阈值分割算法。通过将第一色调图像进行图像二值化,可以更直观的确定出舌体区域与背景的边界。这里的背景可以为被过滤的像素点组成的区域。
S502:为所述第二色调图像去除至少一个第一目标连通区域,生成第三色调图像。
参见图4(a),在第二色调图像中的白色区域,也就是由未被过滤的像素点组成的区域中,包括有第一最大连通区域411和第一目标连通区域412,这里所述的第一最大连通区域411可以为包括最大数量的未被过滤的像素点的图像区域,也就是包括有舌体图像的主要区域。第一目标连通区域412可以为包括的未被过滤的像素点的数量少于第一最大连通区域411中未被过滤的像素点的数量,且未与第一最大连通区域411连通的区域。
在本申请实施例中,应该将第二色调图像中的所有的第一目标连通区域412进行去除,以生成第三色调图像。参见图4(b),图4(b)示出了对第二色调图像去除第一目标连通区域412所生成的第三色调图像。
S503:对所述第三色调图像中的第一最大连通区域的边缘进行平滑操作,生成第四色调图像。
参见图4(b),由于第三色调图像中的第一最大连通区域411的边缘不够平滑,这样很难进行后续的图像处理操作。因此,可以对第三色调图像中第一最大连通区域411的边缘进行平滑操作,生成第四色调图像。参见图4(c),图4(c)示出了对第三色调图像中第一最大连通区域411的边缘进行平滑操作所生成的第四色调图像。
在具体的实现中,可以通过形态学运算,以对第三色调图像中第一最大连通区域411的边缘进行平滑操作。其中,通过形态学运算的方式对第三色调图像中第一最大连通区域411的边缘进行平滑操作的过程具体为:构建平面圆盘形结构元素,该平面圆盘形结构元素的半径可以根据实际需求进行设置,但是,它的半径不应该大于目标图像区域的最大长度,通过这个平面圆盘形结构元素对该第三色调图像中第一最大连通区域411的边缘进行平滑操作。其中,平面圆盘形结构元素是用于进行形态学运算的元素。
S504:为所述第四色调图像中的第一最大连通区域内的孔洞进行填充,生成第五色调图像。
参见图4(c),对第四色调图像中的第一最大连通区域411内的所有的孔洞进行填充,以生成第五色调图像。参见图4(d),图4(d)示出了对第四色调图像中第一最大连通区域411内的所有的孔洞进行填充所生成的第五色调图像。
这里所述的第一最大连通区域411内的孔洞可以为第一最大连通区域411中的黑色区域,也就是被过滤的像素点组成的图像区域。对第一最大连通区域411内的孔洞进行填充可以为将孔洞中的像素点的灰度值设置为未被过滤的像素点的灰度值,也就是将黑色的孔洞填充为白色。通过对第四色调图像中的第一最大连通区域411内的孔洞进行填充,生成第五色调图像。这样,更利于后续的步骤中的舌体区域的确定。
S505:对所述第一明度图像进行图像二值化,生成第二明度图像。
在本申请实施例中,对生成的第一明度图像进行图像二值化,以生成第二明度图像,参见图4(e),图4(e)示出了对第一明度图像进行图像二值化后生成的第二明度图像。其中,白色区域可以用于表示未被过滤的像素点组成的区域;黑色区域可以用于表示被过滤的像素点组成的区域。对于图像二值化中阈值的确定,可以根据第一色调图像中未被过滤的像素点的色调进行确定。在具体的实现中,可以由Ot su算法确定出图像二值化的最优阈值。这里所述的Ot su算法可以为一种阈值分割算法。通过将第一明度图像进行图像二值化,可以更直观的确定出舌体轮廓区域与背景的边界。这里的背景可以为过滤的像素点组成的区域。
则,针对于前述步骤S303中目标初级舌体图像的生成方法可以为:
S506:将所述第五色调图像中的舌体区域与所述第二明度图像中的舌体轮廓区域相匹配,过滤掉符合所述舌体色调范围但不属于舌体的像素点,以及符合所述舌体轮廓明度范围但不属于舌体轮廓的像素点,生成目标初级舌体图像。
基于舌体区域与舌体轮廓区域具有对应的匹配关系,可以将得到的第五色调图像中的舌体区域与第二明度图像中的舌体轮廓区域相匹配,从而确定出第五色调图像中的舌体区域与第二明度图像中的舌体轮廓区域,并对第五色调图像中的符合舌体色调范围但不属于舌体的像素点进行过滤,以及对第二明度图像中的符合舌体轮廓明度范围但不属于舌体轮廓的像素点进行过滤,并将进行过滤后的第五色调图像和第二明度图像结合,生成目标初级舌体图像。
在一种可能的实现方式中,在生成第五色调图像与第二明度图像后,针对于步骤S506的生成目标初级舌体图像的方法比如可以为:
S601:将第五色调图像与所述第二明度图像相综合,生成第一初级舌体图像。
S602:为所述第一初级舌体图像去除至少一个第一目标连通区域,生成第二初级舌体图像。
将第五色调图像与第二明度图像相综合,生成第一初级舌体图像,在第一初级舌体图像中,包括有第二最大连通区域和第二目标连通区域。这里所述的第二最大连通区域可以为包括最大数量的未被过滤的像素点的图像区域,也就是包括有舌体以及舌体轮廓的图像区域。第二目标连通区域可以为包括的未被过滤的像素点的数量少于第二最大连通区域中未被过滤的像素点的数量,且未与第二最大连通区域连通的区域。在实际中,这里的第二目标连通区域通常为由于过滤不充分而留下的非舌体以及非舌体轮廓的像素点组成的区域,比如第二目标连通区域为皮肤部位的像素点组成的区域。
在本申请实施例中,可以将第一初级舌体图像中的所有的第二目标连通区域进行去除,以生成第二初级舌体图像。
S603:对所述第二初级舌体图像中的第二最大连通区域的边缘进行平滑操作,生成第三初级舌体图像。
由于第二初级舌体图像中的第二最大连通区域的边缘不够平滑,这样很难进行后续的图像处理操作。因此,可以对第二初级舌体图像中第二最大连通区域的边缘进行平滑操作,生成第三初级舌体图像。
在具体的实现中,可以通过形态学运算,以对第二初级舌体图像中第二最大连通区域的边缘进行平滑操作。其中,通过形态学运算的方式对第二初级舌体图像中第二最大连通区域的边缘进行平滑操作的过程具体为:构建平面圆盘形结构元素,该平面圆盘形结构元素的半径可以根据实际需求进行设置,但是,它的半径不应该大于目标图像区域的最大长度,通过这个平面圆盘形结构元素对该第二初级舌体图像中第二最大连通区域的边缘进行平滑操作。其中,平面圆盘形结构元素是用于进行形态学运算的元素。
S604:为所述第三初级舌体图像中的第二最大连通区域内的孔洞进行填充,生成目标初级舌体图像,所述第二最大连通区域内的孔洞为所述第二最大连通区域中的被过滤的像素点组成的图像区域,对所述第二最大连通区域内的孔洞进行填充为将所述孔洞中的像素点的灰度值设置为所述未被过滤的像素点的灰度值。
对第三初级舌体图像中的第二最大连通区域内的所有的孔洞进行填充,以生成目标初级舌体图像。这里所述的第二最大连通区域内的孔洞可以为第二最大连通区域中的黑色区域,也就是被过滤的像素点组成的图像区域。对第二最大连通区域内的孔洞进行填充可以为将孔洞中的像素点的灰度值设置为未被过滤的像素点的灰度值,也就是将黑色的孔洞填充为白色。通过对第三初级舌体图像中的第二最大连通区域内的孔洞进行填充,生成目标初级舌体图像。这样,更利于对舌体轮廓的确定。
本申请实施例还提供了一种舌体图像分割装置,参见图5,该图示出了本申请实施例提供的一种舌体图像分割装置的组成示意图,包括:
获取单元501,用于根据神经网络模型从目标图像中获取初级图像区域,所述神经网络模型是根据预先标记的包括有舌体掩膜的图像训练得到的,所述目标图像为用于进行舌体图像分割的原始图像,所述初级图像区域为包含所述目标图像中的舌体掩膜、且相接于所述目标图像中的舌体掩膜边缘的图像区域;
形成单元502,用于对所述初级图像区域进行外扩,形成目标图像区域;
分割单元503,用于根据所述目标图像区域,分割出舌体图像。
在一种可能的实现方式中,所述分割单元503,包括:
第一确定子单元,用于确定所述目标图像区域中像素点的色调和明度,所述目标图像区域中任一像素点的色调用于标识这个像素点的色彩信息,所述目标图像区域中任一像素点的明度用于标识这个像素点的明暗程度;
过滤子单元,用于根据所述目标图像区域中像素点的色调,过滤掉所述目标图像区域中的不符合舌体色调范围的像素点,生成第一色调图像;根据所述目标图像区域中像素点的明度,过滤掉所述目标图像区域中的不符合舌体轮廓明度范围的像素点,生成第一明度图像;
生成子单元,用于根据所述第一色调图像中的舌体区域与所述第一明度图像中的舌体轮廓区域,过滤掉符合所述舌体色调范围但不属于舌体的像素点,以及符合所述舌体轮廓明度范围但不属于舌体轮廓的像素点,生成目标初级舌体图像;
第二确定子单元,用于根据所述目标初级舌体图像,确定舌体轮廓;
分割子单元,用于从所述目标图像区域中分割出所述舌体轮廓内的图像,作为舌体图像。
在一种可能的实现方式中,所述第一确定子单元,包括:
修正子单元,用于将所述目标图像区域中属于所述第一色调区间的像素点的色调进行数值修正,使得修正后的像素点的色调属于第三色调区间,所述第三色调区间与所述第二色调区间在颜色空间和数值上连续。
在本申请实施例的一种实现方式中,所述分割单元503,还包括:
第一生成子单元,用于在生成所述第一色调图像和所述第一明度图像之后,对所述第一色调图像进行图像二值化,生成第二色调图像;
第二生成子单元,用于为所述第二色调图像去除至少一个第一目标连通区域,生成第三色调图像,所述第一目标连通区域为包括未被过滤的像素点的图像区域,所述第一目标连通区域中未被过滤的像素点的数量少于第一最大连通区域中未被过滤的像素点的数量,以及所述第一目标连通区域与所述第一最大连通区域不连通,所述第一最大连通区域为在所述第二色调图像中包括最大数量的未被过滤的像素点的图像区域;
第三生成子单元,用于对所述第三色调图像中的第一最大连通区域的边缘进行平滑操作,生成第四色调图像;
第四生成子单元,用于为所述第四色调图像中的第一最大连通区域内的孔洞进行填充,生成第五色调图像,所述第一最大连通区域内的孔洞为所述第一最大连通区域中的被过滤的像素点组成的图像区域,对所述第一最大连通区域内的孔洞进行填充为将所述孔洞中的像素点的灰度值设置为所述未被过滤的像素点的灰度值;
第五生成子单元,用于对所述第一明度图像进行图像二值化,生成第二明度图像;
则,生成子单元,包括:第六生成子单元,用于将所述第五色调图像中的舌体区域与所述第二明度图像中的舌体轮廓区域相匹配,过滤掉符合所述舌体色调范围但不属于舌体的像素点,以及符合所述舌体轮廓明度范围但不属于舌体轮廓的像素点,生成目标初级舌体图像。
在本申请实施例的一种实现方式中,所述第六生成子单元,包括:
第七生成子单元,用于将所述第五色调图像中与所述第二明度图像相综合,生成第一初级舌体图像;
第八生成子单元,用于为所述第一初级舌体图像去除至少一个第二目标连通区域,生成第二初级舌体图像,所述第二目标连通区域为包括未被过滤的像素点的图像区域,所述第二目标连通区域中像素点的数量少于第二最大连通区域中像素点的数量,以及所述第二目标连通区域与所述第二最大连通区域不连通,所述第二最大连通区域为在所述第一初级舌体图像中包括最大数量的未被过滤的像素点的图像区域;
第九生成子单元,用于对所述第二初级舌体图像中的第二最大连通区域的边缘进行平滑操作;
第十生成子单元,用于为所述第三初级舌体图像中的第二最大连通区域内的孔洞进行填充,生成目标初级舌体图像,所述第二最大连通区域内的孔洞为所述第二最大连通区域中的被过滤的像素点组成的图像区域,对所述第二最大连通区域内的孔洞进行填充为将所述孔洞中的像素点的灰度值设置为所述未被过滤的像素点的灰度值。
在本申请实施例的一种实现方式中,所述生成子单元,还包括:
第十一生成子单元,用于根据所述第一明度图像,过滤掉所述第一色调图像中的不属于舌体的像素点,生成目标色调图像;根据所述第一色调图像,过滤掉所述第一明度图像中的不属于舌体轮廓的像素点,生成目标明度图像;
第十二生成子单元,用于结合所述目标色调图像与所述目标明度图像,生成目标初级舌体图像。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质可以是下述介质中的至少一种:只读存储器(英文:read-only memory,缩写:ROM)、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
需要说明的是,本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于设备及系统实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的设备及系统实施例仅仅是示意性的,其中作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
以上所述,仅为本申请的一种具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应该以权利要求的保护范围为准。

Claims (8)

1.一种舌体图像分割方法,其特征在于,所述方法包括:
根据神经网络模型从目标图像中获取初级图像区域,所述神经网络模型是根据预先标记的包括有舌体掩膜的图像训练得到的,所述目标图像为用于进行舌体图像分割的原始图像,所述初级图像区域为包含所述目标图像中的舌体掩膜、且相接于所述目标图像中的舌体掩膜边缘的图像区域;
对所述初级图像区域进行外扩,形成目标图像区域;
确定所述目标图像区域中像素点的色调和明度,所述目标图像区域中任一像素点的色调用于标识这个像素点的色彩信息,所述目标图像区域中任一像素点的明度用于标识这个像素点的明暗程度;
根据所述目标图像区域中像素点的色调,过滤掉所述目标图像区域中的不符合舌体色调范围的像素点,生成第一色调图像;根据所述目标图像区域中像素点的明度,过滤掉所述目标图像区域中的不符合舌体轮廓明度范围的像素点,生成第一明度图像;
根据所述第一色调图像中的舌体区域与所述第一明度图像中的舌体轮廓区域,过滤掉符合所述舌体色调范围但不属于舌体的像素点,以及符合所述舌体轮廓明度范围但不属于舌体轮廓的像素点,生成目标初级舌体图像;
根据所述目标初级舌体图像,确定舌体轮廓;
从所述目标图像区域中分割出所述舌体轮廓内的图像,作为舌体图像;
在生成所述第一色调图像和所述第一明度图像之后,所述方法还包括:
对所述第一色调图像进行图像二值化,生成第二色调图像;
为所述第二色调图像去除至少一个第一目标连通区域,生成第三色调图像,所述第一目标连通区域为包括未被过滤的像素点的图像区域,所述第一目标连通区域中未被过滤的像素点的数量少于第一最大连通区域中未被过滤的像素点的数量,以及所述第一目标连通区域与所述第一最大连通区域不连通,所述第一最大连通区域为在所述第二色调图像中包括最大数量的未被过滤的像素点的图像区域;
对所述第三色调图像中的第一最大连通区域的边缘进行平滑操作,生成第四色调图像;
为所述第四色调图像中的第一最大连通区域内的孔洞进行填充,生成第五色调图像,所述第一最大连通区域内的孔洞为所述第一最大连通区域中的被过滤的像素点组成的图像区域,对所述第一最大连通区域内的孔洞进行填充为将所述孔洞中的像素点的灰度值设置为所述未被过滤的像素点的灰度值;
对所述第一明度图像进行图像二值化,生成第二明度图像;
所述根据所述第一色调图像中的舌体区域与所述第一明度图像中的所述舌体轮廓区域,过滤掉符合所述舌体色调范围但不属于舌体的像素点,以及符合所述舌体轮廓明度范围但不属于舌体轮廓的像素点,生成目标初级舌体图像,包括:
将所述第五色调图像中的舌体区域与所述第二明度图像中的舌体轮廓区域相匹配,过滤掉符合所述舌体色调范围但不属于舌体的像素点,以及符合所述舌体轮廓明度范围但不属于舌体轮廓的像素点,生成目标初级舌体图像。
2.根据权利要求1所述的方法,其特征在于,所述目标图像区域中舌体像素点的色调分布在第一色调区间与第二色调区间,所述第一色调区间与所述第二色调区间在颜色空间中连续,在数值上不连续,则,所述确定所述目标图像区域中像素点的色调,包括:
将所述目标图像区域中属于所述第一色调区间的像素点的色调进行数值修正,使得修正后的像素点的色调属于第三色调区间,所述第三色调区间与所述第二色调区间在颜色空间和数值上连续。
3.根据权利要求1所述的方法,其特征在于,所述将所述第五色调图像中的舌体区域与所述第二明度图像中的舌体轮廓区域相匹配,过滤掉符合所述舌体色调范围但不属于舌体的像素点,以及符合所述舌体轮廓明度范围但不属于舌体轮廓的像素点,生成目标初级舌体图像,包括:
将所述第五色调图像中与所述第二明度图像相综合,生成第一初级舌体图像;
为所述第一初级舌体图像去除至少一个第二目标连通区域,生成第二初级舌体图像,所述第二目标连通区域为包括未被过滤的像素点的图像区域,所述第二目标连通区域中像素点的数量少于第二最大连通区域中像素点的数量,以及所述第二目标连通区域与所述第二最大连通区域不连通,所述第二最大连通区域为在所述第一初级舌体图像中包括最大数量的未被过滤的像素点的图像区域;
对所述第二初级舌体图像中的第二最大连通区域的边缘进行平滑操作,生成第三初级舌体图像;
为所述第三初级舌体图像中的第二最大连通区域内的孔洞进行填充,生成目标初级舌体图像,所述第二最大连通区域内的孔洞为所述第二最大连通区域中的被过滤的像素点组成的图像区域,对所述第二最大连通区域内的孔洞进行填充为将所述孔洞中的像素点的灰度值设置为所述未被过滤的像素点的灰度值。
4.根据权利要求1-3任意一项所述的方法,其特征在于,所述根据所述第一色调图像中的舌体区域与所述第一明度图像中的舌体轮廓区域,过滤掉符合所述舌体色调范围但不属于舌体的像素点,以及符合所述舌体轮廓明度范围但不属于舌体轮廓的像素点,生成目标初级舌体图像,包括:
根据所述第一明度图像,过滤掉所述第一色调图像中的不属于舌体的像素点,生成目标色调图像;根据所述第一色调图像,过滤掉所述第一明度图像中的不属于舌体轮廓的像素点,生成目标明度图像;
结合所述目标色调图像与所述目标明度图像,生成目标初级舌体图像。
5.一种舌体图像分割装置,其特征在于,所述装置包括:
获取单元,用于根据神经网络模型从目标图像中获取初级图像区域,所述神经网络模型是根据预先标记的包括有舌体掩膜的图像训练得到的,所述目标图像为用于进行舌体图像分割的原始图像,所述初级图像区域为包含所述目标图像中的舌体掩膜、且相接于所述目标图像中的舌体掩膜边缘的图像区域;
形成单元,用于对所述初级图像区域进行外扩,形成目标图像区域;
第一确定子单元,用于确定所述目标图像区域中像素点的色调和明度,所述目标图像区域中任一像素点的色调用于标识这个像素点的色彩信息,所述目标图像区域中任一像素点的明度用于标识这个像素点的明暗程度;
过滤子单元,用于根据所述目标图像区域中像素点的色调,过滤掉所述目标图像区域中的不符合舌体色调范围的像素点,生成第一色调图像;根据所述目标图像区域中像素点的明度,过滤掉所述目标图像区域中的不符合舌体轮廓明度范围的像素点,生成第一明度图像;
生成子单元,用于根据所述第一色调图像中的舌体区域与所述第一明度图像中的舌体轮廓区域,过滤掉符合所述舌体色调范围但不属于舌体的像素点,以及符合所述舌体轮廓明度范围但不属于舌体轮廓的像素点,生成目标初级舌体图像;
第二确定子单元,用于根据所述目标初级舌体图像,确定舌体轮廓;
分割子单元,用于从所述目标图像区域中分割出所述舌体轮廓内的图像,作为舌体图像;
所述装置还包括:
第一生成子单元,用于在生成所述第一色调图像和所述第一明度图像之后,对所述第一色调图像进行图像二值化,生成第二色调图像;
第二生成子单元,用于为所述第二色调图像去除至少一个第一目标连通区域,生成第三色调图像,所述第一目标连通区域为包括未被过滤的像素点的图像区域,所述第一目标连通区域中未被过滤的像素点的数量少于第一最大连通区域中未被过滤的像素点的数量,以及所述第一目标连通区域与所述第一最大连通区域不连通,所述第一最大连通区域为在所述第二色调图像中包括最大数量的未被过滤的像素点的图像区域;
第三生成子单元,用于对所述第三色调图像中的第一最大连通区域的边缘进行平滑操作,生成第四色调图像;
第四生成子单元,用于为所述第四色调图像中的第一最大连通区域内的孔洞进行填充,生成第五色调图像,所述第一最大连通区域内的孔洞为所述第一最大连通区域中的被过滤的像素点组成的图像区域,对所述第一最大连通区域内的孔洞进行填充为将所述孔洞中的像素点的灰度值设置为所述未被过滤的像素点的灰度值;
第五生成子单元,用于对所述第一明度图像进行图像二值化,生成第二明度图像;
所述生成子单元,包括:第六生成子单元,用于将所述第五色调图像中的舌体区域与所述第二明度图像中的舌体轮廓区域相匹配,过滤掉符合所述舌体色调范围但不属于舌体的像素点,以及符合所述舌体轮廓明度范围但不属于舌体轮廓的像素点,生成目标初级舌体图像。
6.根据权利要求5所述的装置,其特征在于,所述第一确定子单元,包括:
修正子单元,用于所述目标图像区域中舌体像素点的色调分布在第一色调区间与第二色调区间,所述第一色调区间与所述第二色调区间在颜色空间中连续,在数值上不连续,将所述目标图像区域中属于所述第一色调区间的像素点的色调进行数值修正,使得修正后的像素点的色调属于第三色调区间,所述第三色调区间与所述第二色调区间在颜色空间和数值上连续。
7.根据权利要求5所述的装置,其特征在于,所述第六生成子单元,包括:
第七生成子单元,用于将所述第五色调图像中与所述第二明度图像相综合,生成第一初级舌体图像;
第八生成子单元,用于为所述第一初级舌体图像去除至少一个第二目标连通区域,生成第二初级舌体图像,所述第二目标连通区域为包括未被过滤的像素点的图像区域,所述第二目标连通区域中像素点的数量少于第二最大连通区域中像素点的数量,以及所述第二目标连通区域与所述第二最大连通区域不连通,所述第二最大连通区域为在所述第一初级舌体图像中包括最大数量的未被过滤的像素点的图像区域;
第九生成子单元,用于对所述第二初级舌体图像中的第二最大连通区域的边缘进行平滑操作,生成第三初级舌体图像;
第十生成子单元,用于为所述第三初级舌体图像中的第二最大连通区域内的孔洞进行填充,生成目标初级舌体图像,所述第二最大连通区域内的孔洞为所述第二最大连通区域中的被过滤的像素点组成的图像区域,对所述第二最大连通区域内的孔洞进行填充为将所述孔洞中的像素点的灰度值设置为所述未被过滤的像素点的灰度值。
8.根据权利要求5-7任意一项所述的装置,其特征在于,所述生成子单元,还包括:
第十一生成子单元,用于根据所述第一明度图像,过滤掉所述第一色调图像中的不属于舌体的像素点,生成目标色调图像;根据所述第一色调图像,过滤掉所述第一明度图像中的不属于舌体轮廓的像素点,生成目标明度图像;
第十二生成子单元,用于结合所述目标色调图像与所述目标明度图像,生成目标初级舌体图像。
CN201910250762.XA 2019-03-29 2019-03-29 一种舌体图像分割方法和装置 Active CN109978895B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910250762.XA CN109978895B (zh) 2019-03-29 2019-03-29 一种舌体图像分割方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910250762.XA CN109978895B (zh) 2019-03-29 2019-03-29 一种舌体图像分割方法和装置

Publications (2)

Publication Number Publication Date
CN109978895A CN109978895A (zh) 2019-07-05
CN109978895B true CN109978895B (zh) 2021-08-13

Family

ID=67081777

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910250762.XA Active CN109978895B (zh) 2019-03-29 2019-03-29 一种舌体图像分割方法和装置

Country Status (1)

Country Link
CN (1) CN109978895B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0909582B1 (en) * 1997-10-15 2005-12-28 China Petro-Chemical Corporation Cracking catalytic for the production of light olefins and its preparation
CN110826565B (zh) * 2019-11-01 2023-07-14 北京中科芯健医疗科技有限公司 基于跨连接的卷积神经网络齿痕舌象分类方法及系统
CN111667500A (zh) * 2020-06-04 2020-09-15 天津市天中依脉科技开发有限公司 一种基于图像块先验的舌象分割算法
CN115082461B (zh) * 2022-08-19 2022-11-04 成都中医药大学 一种基于边缘计算的预判过滤方法及装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102147921A (zh) * 2011-04-08 2011-08-10 浙江理工大学 基于图论的中医舌质、舌苔分离算法
CN103946868A (zh) * 2013-05-13 2014-07-23 黄勃 一种医学影像处理方法与系统
CN104537373A (zh) * 2015-01-13 2015-04-22 哈尔滨工业大学 舌下络脉诊断用多光谱舌下图像特征提取方法
CN105030200A (zh) * 2015-07-24 2015-11-11 天津大学 一种基于绿色单色光源的中医舌质舌苔分离方法
CN106295139A (zh) * 2016-07-29 2017-01-04 姹ゅ钩 一种基于深度卷积神经网络的舌体自诊健康云服务系统
CN107194937A (zh) * 2017-05-27 2017-09-22 厦门大学 一种开放环境下中医舌象图像分割方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2541865A (en) * 2015-07-30 2017-03-08 Emerald Medical Applications Ltd Image processing system and method

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102147921A (zh) * 2011-04-08 2011-08-10 浙江理工大学 基于图论的中医舌质、舌苔分离算法
CN103946868A (zh) * 2013-05-13 2014-07-23 黄勃 一种医学影像处理方法与系统
CN104537373A (zh) * 2015-01-13 2015-04-22 哈尔滨工业大学 舌下络脉诊断用多光谱舌下图像特征提取方法
CN105030200A (zh) * 2015-07-24 2015-11-11 天津大学 一种基于绿色单色光源的中医舌质舌苔分离方法
CN106295139A (zh) * 2016-07-29 2017-01-04 姹ゅ钩 一种基于深度卷积神经网络的舌体自诊健康云服务系统
CN107194937A (zh) * 2017-05-27 2017-09-22 厦门大学 一种开放环境下中医舌象图像分割方法

Also Published As

Publication number Publication date
CN109978895A (zh) 2019-07-05

Similar Documents

Publication Publication Date Title
CN109978895B (zh) 一种舌体图像分割方法和装置
CN109978890B (zh) 基于图像处理的目标提取方法、装置及终端设备
CN111145209B (zh) 一种医学图像分割方法、装置、设备及存储介质
US10592754B2 (en) Shadow removing method for color image and application
CN103400150B (zh) 一种基于移动平台进行道路边缘识别的方法及装置
CN108463823B (zh) 一种用户头发模型的重建方法、装置及终端
CN110647875B (zh) 一种血细胞分割、识别模型构造的方法及血细胞识别方法
CN104463161A (zh) 使用自动图像修补的彩色文档图像分割和二值化
CN110807775A (zh) 基于人工智能的中医舌像分割装置、方法及存储介质
CN111080526A (zh) 航拍图像的农田面积的测算方法、装置、设备及介质
EP4184351A1 (en) Symbol analysis device and method included in facility floor plan
CN104680482A (zh) 一种图像处理的方法和装置
CN107767379A (zh) Pcb板标注印刷质量检测方法
CN110008992B (zh) 一种用于前列腺癌辅助诊断的深度学习方法
CN107174232B (zh) 一种心电图波形提取方法
CN108765349A (zh) 一种带有水印的图像修复方法及系统
CN110569774B (zh) 基于图像处理与模式识别的折线图图像自动数字化方法
CN110827308A (zh) 图像处理方法,装置,电子设备及存储介质
CN114511567B (zh) 舌体与舌苔图像识别分离方法
CN103841410A (zh) 基于图像特征信息的半参考视频QoE客观评估方法
CN108711160A (zh) 一种基于hsi增强性模型的目标分割方法
CN104243970A (zh) 基于立体视觉注意力机制和结构相似度的3d绘制图像的客观质量评价方法
Schenk et al. Automatic glottis segmentation from laryngeal high-speed videos using 3D active contours
CN114973131A (zh) 一种全自动鱼眼分合闸指示器状态识别方法及系统
CN108171704B (zh) 一种基于激励响应的无参考图像质量评价方法

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
GR01 Patent grant
GR01 Patent grant