CN111860538A - 一种基于图像处理的舌体颜色鉴别方法和装置 - Google Patents

一种基于图像处理的舌体颜色鉴别方法和装置 Download PDF

Info

Publication number
CN111860538A
CN111860538A CN202010697552.8A CN202010697552A CN111860538A CN 111860538 A CN111860538 A CN 111860538A CN 202010697552 A CN202010697552 A CN 202010697552A CN 111860538 A CN111860538 A CN 111860538A
Authority
CN
China
Prior art keywords
tongue
image
color
coating
tongue body
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.)
Withdrawn
Application number
CN202010697552.8A
Other languages
English (en)
Inventor
杜静静
张志波
叶佳浩
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.)
Changzhou Campus of Hohai University
Original Assignee
Changzhou Campus of Hohai University
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 Changzhou Campus of Hohai University filed Critical Changzhou Campus of Hohai University
Priority to CN202010697552.8A priority Critical patent/CN111860538A/zh
Publication of CN111860538A publication Critical patent/CN111860538A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • 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
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H70/00—ICT specially adapted for the handling or processing of medical references
    • G16H70/60—ICT specially adapted for the handling or processing of medical references relating to pathologies

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Medical Informatics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Epidemiology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Multimedia (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本发明公开一种基于图像处理的舌体颜色鉴别方法及装置，本发明首先提取出完整舌体，主要是利用直方图均衡化处理HSI颜色空间中舌体图像的色调分量和亮度分量，然后进行图像融合，提取舌体，方法简单易懂，对于舌体一类目标区域与背景区域有差异的图像分割提取有较高通用性，舌体提取效果较好；然后利用K均值聚类算法在Lab颜色空间中进行苔质分离；最后转换到麦克斯韦颜色三角形色度坐标系中，利用改进后r和g的阈值进行舌质舌苔颜色识别，方法简单，通用性较强，且准确率较高。本发明将中医舌诊颜色特征具体化、数据化，使诊断结果更加精确，避免了传统中医舌诊依赖于医生的主观经验。

Description

一种基于图像处理的舌体颜色鉴别方法和装置
技术领域
本发明涉及中医舌诊客观化技术领域，具体是一种基于图像处理的舌体颜色鉴别方法和装置。
背景技术
舌诊是我国传统中医学的重要内容，在中医诊断中有举足轻重的地位。中医将人体看作是气、形、神相统一的有机体，传统中医是利用“望、闻、问、切”即中医“四诊”进行诊疗疾病，舌诊又是望诊的重要内容之一，主要是利用观察舌体颜色等方面的改变并与正常舌体进行对照，是一种辅助中医进行疾病检查和诊疗的简单但行之有效的方法。舌诊是最简单、最常用的中医诊疗方法之一。然而，传统的舌诊主要依靠医生的观察和主观经验。此方法缺乏客观依据，需要大量主观经验，不同医生对同一舌体颜色做出不同判断，从而可能产生不同的诊断结果，加大了舌诊的误诊率，制约了舌诊的客观化发展。
发明内容
本发明的目的在于一种基于图像处理的舌体颜色鉴别方法和装置，以解决现有技术中存在的传统舌诊依靠医生的观察和主观经验，不同医生对同一舌体颜色可能做出不同判断，从而产生不同诊断结果导致误诊的技术问题。
为达到上述目的，本发明是采用下述技术方案实现的：
一方面，本发明提供了一种基于图像处理的舌体颜色鉴别方法，包括如下步骤：
采集患者舌体图像；
对采集的舌体图像进行处理，提取出完整舌体图像，剔除其它非舌体区域；
将所述完整舌体图像转换到Lab颜色空间，利用K均值聚类算法对舌体进行苔质分离，得到舌苔、舌质图像；
将得到的舌苔、舌质图像转换到Maxwell颜色三角形的色度坐标系中，利用R和G分量在三种基色中的比重，根据预先确定的R和G分量比重的阈值范围与颜色分类的对应关系，判别舌质和舌苔颜色。
进一步地，所述对采集的舌体图像进行处理，提取出完整舌体，剔除其它非舌体区域，包括：
获取所述舌体图像在HSI颜色空间的色调分量和亮度分量，将所述色调分量和亮度分量进行直方图均衡化处理，然后对均衡化处理后的两分量进行图像融合；对融合后的图像进行中值滤波；利用大津法对融合后的图像进行阈值处理得到初步二值图像，对初步二值图像进行数学形态学处理后提取其最大连通区域，得到只包含舌体的最终二值图像，根据最终二值图像得到彩色的完整舌体图像。
进一步地，所述对初步二值图像进行数学形态学处理，包括：
选择直径为9个像素的圆形结构元素，对初步二值图像先进行闭运算，再进行开运算。
进一步地：通过选取八连通区域寻找最大连通区域。
进一步地，所述根据最终二值图像得到彩色的完整舌体图像，包括：
利用提取的最大连通区域，将最终二值图像中白色部分设为1，黑色部分设为0，然后将原始舌体图像中与黑色部分相同的部分设为0，则该部分变成黑色，最大连通区域的舌体部分被保留，从而得到彩色的完整舌体图像。
进一步地，利用K均值聚类算法对舌体进行苔质分离时，选择的聚类个数为3，包括背景区域、舌质区域和舌苔区域。
进一步地，根据R、G分量在三种基色中的比重范围，所述舌质的颜色分为淡白舌、淡红舌、红舌、红绛舌、淡紫舌和青紫舌，所述舌苔的颜色分为薄白苔、白苔、淡黄苔、黄苔和灰黑苔。
进一步地，所述的一种基于图像处理的舌体颜色鉴别方法，还包括以下步骤：
根据所述舌质和舌苔颜色，基于预先存储的舌质、舌苔颜色与诊断结果的对应关系，输出诊断结果。
另一方面，本发明提供了一种基于图像处理的舌体颜色鉴别装置，包括：
图像采集模块，用于采集患者舌体图像；
舌体提取模块，用于对采集的舌体图像进行处理，提取出完整舌体图像，剔除其它非舌体区域；
苔质分离模块，用于将所述完整舌体图像转换到Lab颜色空间，利用K均值聚类算法对舌体进行苔质分离，得到舌苔、舌质图像；
舌体颜色识别模块，用于将得到的舌苔、舌质图像转换到Maxwell颜色三角形的色度坐标系中，利用R和G分量在三种基色中的比重，根据预先确定的R和G分量比重范围与颜色分类的对应关系，判别舌质和舌苔颜色。
进一步地，所述的一种基于图像处理的舌体颜色鉴别装置，还包括：
疾病判断模块，用于根据舌体颜色识别模块得到的舌质和舌苔颜色，基于预先存储的舌质、舌苔颜色与诊断结果的对应关系，输出诊断结果。
与现有技术相比，本发明实施例的一种基于图像处理的舌体颜色鉴别方法和装置所达到的有益效果包括：本发明将中医舌诊颜色特征具体化、数据化，使诊断结果更加精确，避免了传统中医舌诊依赖于医生的主观经验；本发明首先提取出完整舌体，然后利用K均值聚类算法进行苔质分离，最后转换到麦克斯韦颜色三角形色度坐标系中，利用R和G分量在三种基色中的比重进行舌质舌苔颜色识别，方法简单，通用性较强，且准确率较高。此外，对舌体的提取主要是利用直方图均衡化处理色调分量和亮度分量，然后进行图像融合，再采用大津法得到二值图像，方法简单，对于舌体一类的提取有较高通用性，舌体提取效果较好。
附图说明
图1是本发明实施例方法的总体架构流程图；
图2是本发明实施例采集的舌体图像示例；
图3是本发明实施例的舌体提取算法流程图；
图4是均衡化处理的两分量融合后的舌体图像示例；
图5是提取的完整舌体示例；
图6是利用K均值聚类算法进行苔质分离的结果示例；
图7是本发明实施例装置的相关模块图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
本发明实施例提出一种基于图像处理的舌体颜色鉴别方法，具体流程框架如图1所示。具体包括以下步骤：
S1：采集患者舌体图像。本实施例所采集的图像示例如图2所示。
步骤S1中，在采集图像时，应尽可能多地采集到舌体区域，使舌体区域占整个图像比例尽可能大，且尽量使舌体与嘴唇脸颊不要连接在一起。
S2：提取出完整舌体，剔除其他非舌体区域。步骤S2舌体提取的具体流程如图3所示。
在采集舌体图像(简称舌像)时，尽管可以调节设备尽量采集到舌体区域，但采集到的舌像包含脸部、嘴唇等区域是难以避免的。因此，要进行舌诊必须先将非舌体区域从图像中分离出去。舌体分割提取是舌诊客观化的前提。
步骤S2具体包括如下步骤：
S2.1：采用MATLAB等读取RGB颜色空间的舌体图像；本实施例读入的舌图像如图2所示；
S2.2：将RGB颜色空间的舌体图像转换到HSI颜色空间；
RGB到HSI颜色空间的转换公式如下：
Figure BDA0002591859630000051
Figure BDA0002591859630000052
Figure BDA0002591859630000053
其中，HSI空间中三个分量，H为色调，S为饱和度，I为亮度；RGB空间中三个分量，R为红色，G为绿色，B为蓝色。
S2.3：在HSI颜色空间中，提取出色调H分量和亮度I分量；
S2.4：将提取出的H分量和I分量利用直方图均衡化进行处理；
首先分别得到色调分量和亮度分量的直方图，直方图会存在较为密集的灰度区间，然后对其进行直方图均衡化处理，即对原始图像进行非线性拉伸，重新分配原始图像的像素值，使得该图像在一定灰度范围内的像素数量大约相等，就可以把有灰度集中的直方图转换为均匀分布的灰度直方图。直方图均衡化处理能够增强局部对比度又未改变图像整体对比度。该方法对于背景和前景区域亮度差别较为明显的图像非常有效。
对两分量都进行直方图均衡化处理，使图像的色调和亮度分量均匀分布，增强前景区域和背景区域的差异，原理简单，通用性强。
S2.5：将直方图均衡化处理后的H分量和I分量进行图像融合；
对提取出舌体图像的H分量和I分量进行直方图均衡化处理后，对均衡化后的两分量图像进行融合，使舌体图像的前景区域与背景区域有明显的区分，为后续利用大津法提取前景区域奠定了基础，避免了传统的利用阈值对两分量进行分割的繁琐。对于舌体提取来说，该方法简单易行，可行性高，通用性强，能够取得较好的提取效果。
本实施例得到融合后的图像如图4所示，从图中可以很明显的看出，经过图像融合后的舌体图像前景区域与背景区域有较大差异，为后续利用大津法提取二值图像取得更好的效果奠定了基础。
S2.6：对融合后的图像进行中值滤波；
中值滤波的基本原理是用图像每一点各自邻域内所有像素点灰度值的中值代替该点原始灰度值。对舌体图像进行中值滤波的目的是填补可能会出现的孔洞，使图像更加充实饱满，且前景区域与背景区域区分更明显。
S2.7：利用大津法自动选取分割阈值，得到初始二值图像；
大津法是一种自动求取全局阈值对图像进行二值化处理的方法，又叫最大类间方差法。它是按图像的灰度将图像分成前景区域与背景区域两部分。图像分割的两部分类间方差的大小反映了两部分差别大小。当部分背景区域错误归结为前景或部分前景区域错误归结为背景，会使两部分的类间方差减小。因此，当类间方差最大时，说明图片分割最准确，也即前景区域和背景区域分割效果最好。
前景区域和背景区域两部分的类间方差为：σ2(T)＝P1(μ-μ1)2+P2(μ-μ2)2，当阈值T使类间方差σ2(T)取得最大值时，此时的T便是最佳阈值。其中，P1、P2分别是前景区域、背景区域出现的概率；μ1、μ2分别是前景区域、背景区域的均值；μ是整个图像的总均值。
S2.8：利用数学形态学连接细小区域、去除毛刺、平滑图像；
为了增加舌体分割的通用性，本实施例选择直径为9个像素的圆形结构元素，对利用最大类间方差法提取的二值图像先进行闭运算，再进行开运算。
S2.9：提取最大连通区域，得到只包含舌体的最终二值图像；
本实施例选择八连通区域提取方法来提取最大连通区域。
S2.10：根据最终二值图像得到完整的彩色舌体图像。
利用S2.9提取的最大连通区域，将白色部分设为1，黑色部分设为0，当黑色部分为0时，将原始舌体图像与所述黑色部分相同的部分设为0，则该部分也变成黑色，只保留了最大连通区域的舌体部分。
本实施例所得到的完整的舌体区域如图5所示。
S3：在Lab颜色空间中，利用K均值聚类算法进行苔质分离。
在完成舌体提取之后，下一步工作就是颜色识别，而颜色识别的前提就是正确地分离舌质舌苔。舌苔和舌质包含的信息能够反映病人的身体状况，是中医诊断病人病情的重要依据，故而正确地分离舌质舌苔是中医舌诊客观化的重要步骤。将提取出的完整舌体转换到Lab颜色空间，然后利用K均值聚类算法对舌体进行苔质分离。本文选择聚类个数为3，包括背景区域、舌质区域和舌苔区域。K均值(k-means)聚类算法是一种图像分割方法，可以参见现有技术，在此不再赘述。
本实施例，选择欧几里得距离作为相似性度量函数。颜色空间的均匀性对K均值聚类算法的分割效果会产生较大影响。而Lab颜色空间是所有颜色空间中均匀性最好的，不受光线和颜料的影响，是一种设备无关的颜色空间，包括了人眼可以识别的全部颜色，符合人眼识别颜色的特点。故而Lab颜色空间更加适用于K-means聚类算法对舌苔、舌质进行分离。RGB到Lab颜色空间的转换公式请参见现有技术。
本实施例中舌体苔质分离效果如图6所示。舌体区域分为背景区域、舌质区域和舌苔区域。
S4：对舌质舌苔进行颜色识别。
将舌体图像从RGB颜色空间变换到Maxwell颜色三角形的色度坐标系中，然后利用R和G分量在三种基色中的比重即r和g，根据预先确定的R和G分量比重的阈值范围与颜色分类的对应关系，来判别舌质和舌苔颜色。
从RGB颜色空间变换到Maxwell颜色三角形的色度坐标系中，公式如下：
Figure BDA0002591859630000081
从上述公式可以得出r+g+b＝1，因此若r与g已知，则b也是确定的一个参量。故而r、g、b三个参数只有两个独立的变量，因此可以将r、g转换到二维坐标系中。
根据改进后的r和g的阈值范围，将舌质颜色分为淡白舌、淡红舌、红舌、红绛舌、淡紫舌和青紫舌六类；舌苔颜色分为薄白苔、白苔、淡黄苔、黄苔和灰黑苔五类。
本实施例中，舌质舌苔颜色结果如表1所示，分别为绛红舌、薄白苔。
表1
Figure BDA0002591859630000091
S5：根据舌质和舌苔的颜色，基于预先存储的舌质、舌苔颜色与诊断结果的对应关系，输出诊断结果。
在中医理论体系中，不同的舌质舌苔颜色对应了不同的身体状况，根据中医理论利用舌质舌苔颜色来判断患者可能患有的疾病。
利用中医理论，正常人舌质颜色为淡红色、舌苔颜色为薄白苔，其余舌质舌苔颜色均有可能患病，具体患病结果和相对应的诊疗方法可以根据中医理论得出。
本实施例的患病结果和相应治疗方法如表2所示。
表2
Figure BDA0002591859630000092
在另一实施例中，本发明提供了一种基于图像处理的舌体颜色鉴别装置，包括：
图像采集模块，用于采集患者舌体图像；
图像预处理模块，用于获取所述舌体图像在HSI颜色空间的色调分量和亮度分量，将所述色调分量和亮度分量进行直方图均衡化处理，然后对均衡化处理后的两分量进行图像融合；
舌体提取模块，利用大津法对融合后的图像进行阈值处理得到舌体初步二值图像，利用数学形态学对舌体初步二值图像进行补整处理，然后提取最大连通区域，得到只包含舌体的最终二值图像，根据最终二值图像得到彩色的完整舌体图像；
苔质分离模块，用于将所述完整舌体图像转换到Lab颜色空间，利用K均值聚类算法对舌体进行苔质分离，得到舌苔、舌质图像；
舌体颜色识别模块，用于将得到的舌苔、舌质图像转换到Maxwell颜色三角形的色度坐标系中，利用R和G分量在三种基色中的比重，根据预先确定的R和G分量比重范围与颜色分类的对应关系，判别舌质和舌苔颜色。
进一步，所述基于图像处理的舌体颜色鉴别装置，还包括：
疾病判断模块，用于根据舌体颜色识别模块得到的舌质和舌苔颜色，基于预先存储的舌质、舌苔颜色与诊断结果的对应关系，输出诊断结果。
在另一实施例中，本发明提供了一种基于舌体颜色识别的疾病辅助诊断装置，主要分为三层，第一层包括上述的图像采集模块、舌体提取模块、苔质分离模块、舌体颜色识别模块、疾病判断模块；第二层包括舌体图像储存模块与诊断结果储存模块；第三层包括大数据对比分析模块。具体结构如图7所示。
第二层是储存采集的舌体图像和对应的识别和诊断结果。储存介质可以是U盘、硬盘、ROM只读存储器、光盘或云上空间。
第三层是大数据分析对比模块，将储存的舌体图像中颜色相同或相似的舌体归为同一类，然后与其对应的所储存的识别诊断结果进行对比分析，降低颜色识别和诊断错误的概率，提高舌诊精确度。
本申请所提出的方法和装置还可设计为软件形式进行使用或销售，将采集的图像和识别诊断结果存储在软件所在设备自带的存储器中，或者利用网络将其上传到云上空间，然后进行大数据分析对比。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (10)

1.一种基于图像处理的舌体颜色鉴别方法，其特征在于，包括如下步骤：
采集患者舌体图像；
对采集的舌体图像进行处理，提取出完整舌体图像，剔除其它非舌体区域；
将所述完整舌体图像转换到Lab颜色空间，利用K均值聚类算法对舌体进行苔质分离，得到舌苔、舌质图像；
将得到的舌苔、舌质图像转换到Maxwell颜色三角形的色度坐标系中，利用R和G分量在三种基色中的比重，根据预先确定的R和G分量比重的阈值范围与颜色分类的对应关系，判别舌质和舌苔颜色。
2.根据权利要求1所述的方法，其特征在于，所述对采集的舌体图像进行处理，提取出完整舌体，剔除其它非舌体区域，包括：
获取所述舌体图像在HSI颜色空间的色调分量和亮度分量，将所述色调分量和亮度分量进行直方图均衡化处理，然后对均衡化处理后的两分量进行图像融合；对融合后的图像进行中值滤波；利用大津法对融合后的图像进行阈值处理得到初步二值图像，对初步二值图像进行数学形态学处理后提取其最大连通区域，得到只包含舌体的最终二值图像，根据最终二值图像得到彩色的完整舌体图像。
3.根据权利要求2所述的方法，其特征在于，所述对初步二值图像进行数学形态学处理，包括：
选择直径为9个像素的圆形结构元素，对初步二值图像先进行闭运算，再进行开运算。
4.根据权利要求2所述的方法，其特征在于，所述提取其最大连通区域，包括：通过选取八连通区域寻找最大连通区域。
5.根据权利要求2所述的方法，其特征在于，所述根据最终二值图像得到彩色的完整舌体图像，包括：
利用提取的最大连通区域，将最终二值图像中白色部分设为1，黑色部分设为0，然后将原始舌体图像中与黑色部分相同的部分设为0，则该部分变成黑色，最大连通区域的舌体部分被保留，从而得到彩色的完整舌体图像。
6.根据权利要求1所述的方法，其特征在于，利用K均值聚类算法对舌体进行苔质分离时，选择的聚类个数为3，包括背景区域、舌质区域和舌苔区域。
7.根据权利要求1所述的方法，其特征在于，根据R、G分量在三种基色中的比重范围，所述舌质的颜色分为淡白舌、淡红舌、红舌、红绛舌、淡紫舌和青紫舌，所述舌苔的颜色分为薄白苔、白苔、淡黄苔、黄苔和灰黑苔。
8.根据权利要求1所述的方法，其特征在于，还包括以下步骤：
根据所述舌质和舌苔颜色，基于预先存储的舌质、舌苔颜色与诊断结果的对应关系，输出诊断结果。
9.一种基于图像处理的舌体颜色鉴别装置，其特征在于，包括：
图像采集模块，用于采集患者舌体图像；
舌体提取模块，用于对采集的舌体图像进行处理，提取出完整舌体图像，剔除其它非舌体区域；
苔质分离模块，用于将所述完整舌体图像转换到Lab颜色空间，利用K均值聚类算法对舌体进行苔质分离，得到舌苔、舌质图像；
舌体颜色识别模块，用于将得到的舌苔、舌质图像转换到Maxwell颜色三角形的色度坐标系中，利用R和G分量在三种基色中的比重，根据预先确定的R和G分量比重范围与颜色分类的对应关系，判别舌质和舌苔颜色。
10.根据权利要求9所述的装置，其特征在于，还包括：
疾病判断模块，用于根据舌体颜色识别模块得到的舌质和舌苔颜色，基于预先存储的舌质、舌苔颜色与诊断结果的对应关系，输出诊断结果。
CN202010697552.8A 2020-07-20 2020-07-20 一种基于图像处理的舌体颜色鉴别方法和装置 Withdrawn CN111860538A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010697552.8A CN111860538A (zh) 2020-07-20 2020-07-20 一种基于图像处理的舌体颜色鉴别方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010697552.8A CN111860538A (zh) 2020-07-20 2020-07-20 一种基于图像处理的舌体颜色鉴别方法和装置

Publications (1)

Publication Number Publication Date
CN111860538A true CN111860538A (zh) 2020-10-30

Family

ID=73002103

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010697552.8A Withdrawn CN111860538A (zh) 2020-07-20 2020-07-20 一种基于图像处理的舌体颜色鉴别方法和装置

Country Status (1)

Country Link
CN (1) CN111860538A (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112614106A (zh) * 2020-12-23 2021-04-06 新绎健康科技有限公司 一种基于颜色空间确定舌色苔色的方法及系统
CN113160203A (zh) * 2021-04-30 2021-07-23 湄洲湾职业技术学院 人工智能舌象苔色识别系统
CN113344841A (zh) * 2021-03-19 2021-09-03 中国科学院近代物理研究所 一种免疫组化病理切片图片处理方法、系统与可读介质
CN113706515A (zh) * 2021-08-31 2021-11-26 平安科技（深圳）有限公司 舌像异常确定方法、装置、计算机设备和存储介质
CN114596621A (zh) * 2022-05-10 2022-06-07 慧医谷中医药科技(天津)股份有限公司 一种基于机器视觉的舌象数据处理方法及系统
CN114820603A (zh) * 2022-06-27 2022-07-29 深圳中易健康科技有限公司 基于ai舌诊图像处理的智能健康管理方法及相关装置
CN114862851A (zh) * 2022-07-06 2022-08-05 深圳市圆道妙医科技有限公司 一种基于舌相分析的处理方法
CN116453171A (zh) * 2023-06-09 2023-07-18 博奥生物集团有限公司 白睛区域内血脉颜色的检测方法、装置、电子设备和介质
CN116646062A (zh) * 2023-06-08 2023-08-25 南京大经中医药信息技术有限公司 一种用于中医舌诊仪的智能辅助分析系统

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112614106A (zh) * 2020-12-23 2021-04-06 新绎健康科技有限公司 一种基于颜色空间确定舌色苔色的方法及系统
CN113344841A (zh) * 2021-03-19 2021-09-03 中国科学院近代物理研究所 一种免疫组化病理切片图片处理方法、系统与可读介质
CN113160203A (zh) * 2021-04-30 2021-07-23 湄洲湾职业技术学院 人工智能舌象苔色识别系统
CN113160203B (zh) * 2021-04-30 2023-06-23 湄洲湾职业技术学院 人工智能舌象苔色识别系统
CN113706515A (zh) * 2021-08-31 2021-11-26 平安科技（深圳）有限公司 舌像异常确定方法、装置、计算机设备和存储介质
CN113706515B (zh) * 2021-08-31 2023-07-18 平安科技（深圳）有限公司 舌像异常确定方法、装置、计算机设备和存储介质
CN114596621A (zh) * 2022-05-10 2022-06-07 慧医谷中医药科技(天津)股份有限公司 一种基于机器视觉的舌象数据处理方法及系统
CN114820603A (zh) * 2022-06-27 2022-07-29 深圳中易健康科技有限公司 基于ai舌诊图像处理的智能健康管理方法及相关装置
CN114862851A (zh) * 2022-07-06 2022-08-05 深圳市圆道妙医科技有限公司 一种基于舌相分析的处理方法
CN116646062A (zh) * 2023-06-08 2023-08-25 南京大经中医药信息技术有限公司 一种用于中医舌诊仪的智能辅助分析系统
CN116646062B (zh) * 2023-06-08 2023-12-22 南京大经中医药信息技术有限公司 一种用于中医舌诊仪的智能辅助分析系统
CN116453171A (zh) * 2023-06-09 2023-07-18 博奥生物集团有限公司 白睛区域内血脉颜色的检测方法、装置、电子设备和介质

Similar Documents

Publication Publication Date Title
CN111860538A (zh) 一种基于图像处理的舌体颜色鉴别方法和装置
Olugbara et al. Segmentation of melanoma skin lesion using perceptual color difference saliency with morphological analysis
CN107292877B (zh) 一种基于眼底图像特征的左右眼识别方法
Vogado et al. Unsupervised leukemia cells segmentation based on multi-space color channels
CN111160194B (zh) 一种基于多特征融合的静态手势图像识别方法
WO2020038312A1 (zh) 多通道舌体边缘检测装置、方法及存储介质
Pandit et al. Literature review on object counting using image processing techniques
CN110648336B (zh) 一种舌质和舌苔的分割方法及装置
CN115965607A (zh) 一种智能中医舌诊辅助分析系统
CN112330561A (zh) 基于交互式前景提取与信息熵分水岭的医学图像分割方法
CN111340773A (zh) 一种视网膜图像血管分割方法
CN105869151B (zh) 舌分割及舌苔舌质分离方法
CN102136077A (zh) 基于支持向量机的口唇颜色自动识别的方法
Chakour et al. Blood vessel segmentation of retinal fundus images using dynamic preprocessing and mathematical morphology
Badeka et al. Evaluation of LBP variants in retinal blood vessels segmentation using machine learning
CN108629780B (zh) 基于颜色分解和阈值技术的舌图像分割方法
Zhou et al. A novel approach for red lesions detection using superpixel multi-feature classification in color fundus images
CN112464871A (zh) 一种基于深度学习的中医舌部图像处理方法及系统
Gu et al. Automatic Tongue Image Segmentation Based on Thresholding and an Improved Level Set Model
CN111429461A (zh) 一种新型的重叠脱落上皮细胞分割方法
CN113705681A (zh) 一种基于机器学习的口红色号识别方法
CN109658382B (zh) 基于图像聚类和灰度投影的舌体定位方法
WO2015103953A1 (zh) 不均匀光照条件下的虹膜提取方法及设备
Pereira et al. Accurate Segmentation of Dermoscopic Images based on Local Binary Pattern Clustering
Luangruangrong et al. Optic disc localization in complicated environment of retinal image using circular-like estimation

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20201030