CN117422720B - 一种中医治疗舌诊图像智能分割方法 - Google Patents
一种中医治疗舌诊图像智能分割方法 Download PDFInfo
- Publication number
- CN117422720B CN117422720B CN202311746477.XA CN202311746477A CN117422720B CN 117422720 B CN117422720 B CN 117422720B CN 202311746477 A CN202311746477 A CN 202311746477A CN 117422720 B CN117422720 B CN 117422720B
- Authority
- CN
- China
- Prior art keywords
- tongue
- boundary
- initial
- edge
- area
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 64
- 230000011218 segmentation Effects 0.000 title claims abstract description 34
- 238000003745 diagnosis Methods 0.000 title claims abstract description 31
- 239000003814 drug Substances 0.000 title claims abstract description 16
- 230000035040 seed growth Effects 0.000 claims abstract description 39
- 230000012010 growth Effects 0.000 claims abstract description 16
- 238000010606 normalization Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims 1
- 239000011248 coating agent Substances 0.000 description 14
- 238000000576 coating method Methods 0.000 description 14
- 238000004458 analytical method Methods 0.000 description 2
- 238000003759 clinical diagnosis Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 206010054949 Metaplasia Diseases 0.000 description 1
- 241001085205 Prenanthella exigua Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 230000015689 metaplastic ossification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06T7/11—Region-based segmentation
-
- 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
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06T2207/10004—Still image; Photographic 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)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Quality & Reliability (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及图像处理技术领域,具体涉及一种中医治疗舌诊图像智能分割方法,包括:采集若干舌部灰度图像;获取初始舌面像素点序列,根据初始舌面像素点序列每个舌面像素点的种子生长程度;根据种子生长程度得到若干舌面交界点段,根据舌面交界点段得到每个初始舌面像素点段的舌苔舌质交界点段;根据舌苔舌质交界点段构建初始交界区域;根据参考舌面交界边两侧的灰度差异得到每个参考舌面交界边的可生长程度;根据可生长程度进行区域扩展得到若干交界区域;根据交界区域对舌部灰度图像进行分割。本发明降低了区域生长算法中效率较低的迭代过程的出现频率,提高了舌诊图像智能分割的效率。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种中医治疗舌诊图像智能分割方法。
背景技术
舌诊图像智能分割方法作为中医临床诊断的重要辅助工具,通过将图像中的舌面智能分割出来,从而根据舌面进行中医临床诊断。传统的舌诊图像智能分割方法通常使用区域生长算法对舌面进行分割,但由于舌面中舌苔与舌质之间存在一定的方向延伸,而传统的区域生长算法并没有指定生长方向,使效率较低的迭代过程较多,降低了区域生长算法的效率,从而降低了舌诊图像智能分割的效率。
发明内容
本发明提供一种中医治疗舌诊图像智能分割方法,以解决现有的问题:舌面中舌苔与舌质之间存在一定的方向延伸,传统的区域生长算法并没有结合舌苔与舌质之间的方向关系指定生长方向,使效率较低的迭代过程较多,降低舌诊图像智能分割的效率。
本发明的一种中医治疗舌诊图像智能分割方法采用如下技术方案:
包括以下步骤:
采集若干舌部灰度图像,所述舌部灰度图像包含一个舌面区域以及多个舌面像素点;
将对于任意一张舌部灰度图像,将舌部灰度图像内舌面区域中第一行的所有像素点按照从左到右的顺序进行排序,将排序后的序列记为初始舌面像素点序列;将初始舌面像素点序列划分为若干初始舌面像素点段;根据初始舌面像素点段中不同舌面像素点与初始舌面像素点段边界处的灰度差异,得到每个舌面像素点的种子生长程度,所述种子生长程度用于描述舌面像素点与舌苔与舌质交界处的距离差异;根据种子生长程度对舌面像素点进行划分得到若干舌面交界点段;根据舌面交界点段与初始舌面像素点段边界处之间的位置差异,得到每个初始舌面像素点段的舌苔舌质交界点段;
根据舌苔舌质交界点段构建初始交界区域,所述初始交界区域包含多个参考舌面交界边;根据参考舌面交界边两侧的灰度差异得到每个参考舌面交界边的可生长程度,所述可生长程度用于描述参考舌面交界边经过舌苔舌质交界处的概率;根据可生长程度进行区域扩展得到若干交界区域;
根据交界区域对舌部灰度图像进行分割。
优选的,所述舌面区域以及多个舌面像素点的获取方法为:
对于任意一张舌部灰度图像,将舌部灰度图像中每个灰度值不为0的像素点记为舌面像素点,将所有舌面像素点所围成的最大闭合区域记为舌面区域。
优选的,所述根据初始舌面像素点段中不同舌面像素点与初始舌面像素点段边界处的灰度差异,得到每个舌面像素点的种子生长程度,包括的具体方法为:
将初始舌面像素点序列中心处的舌面像素点记为初始种子生长点;获取每个初始舌面像素点段的边界舌面像素点;
式中,表示初始舌面像素点段中任意一个舌面像素点的种子生长程度;/>表示舌面像素点的灰度值;/>表示边界舌面像素点的灰度值;/>表示初始种子生长点的灰度值;/>表示初始舌面像素点段中所有舌面像素点的数量;/>表示初始舌面像素点段中第/>个舌面像素点的灰度值;/>表示预设的超参数;/>表示预设的超参数;/>表示取绝对值;/>表示以10为底的对数函数。
优选的,所述获取每个初始舌面像素点段的边界舌面像素点,包括的具体方法为:
对于任意一个初始舌面像素点段,获取初始舌面像素点段中所有舌面像素点与初始种子生长点的欧式距离,将与初始种子生长点的欧式距离最大的舌面像素点记为初始舌面像素点段的边界舌面像素点。
优选的,所述根据种子生长程度对舌面像素点进行划分得到若干舌面交界点段,包括的具体方法为:
对于任意一个初始舌面像素点段,预设一个舌面像素点数量T1,在初始舌面像素点段中,每T1个舌面像素点构成的数据段记为子舌面像素点段;所述T1预设为偶数;
预设一个种子生长程度阈值,对于任意一个子舌面像素点段,将子舌面像素点段中种子生长程度大于/>的舌面像素点记为舌面交界像素点,获取子舌面像素点段中所有舌面交界像素点;
若子舌面像素点段中所有舌面交界像素点的数量大于,那么将子舌面像素点段记为舌面交界点段。
优选的,所述根据舌面交界点段与初始舌面像素点段边界处之间的位置差异,得到每个初始舌面像素点段的舌苔舌质交界点段,包括的具体方法为:
对于任意一个初始舌面像素点段的任意一个舌面交界点段,将初始舌面像素点段的边界舌面像素点与舌面交界点段中所有舌面像素点的欧式距离的最小值,记为边界舌面像素点与舌面交界点段的位置距离;获取边界舌面像素点与所有舌面交界点段的位置距离,将与边界舌面像素点的位置距离最大的舌面交界点段记为初始舌面像素点段的舌苔舌质交界点段。
优选的,所述根据舌苔舌质交界点段构建初始交界区域,包括的具体方法为:
对于任意一个初始舌面像素点段的舌苔舌质交界点段,将舌苔舌质交界点段中所有舌面像素点的数量作为窗口边长M,将舌苔舌质交界点段所在的边记为标准边,将标准边作为窗口上边,根据窗口上边构建一个窗口大小为MM的窗口区域,并记为初始交界区域;
将初始交界区域中除舌苔舌质交界点段所在区域边以外的区域边记为参考舌面交界边。
优选的,所述根据参考舌面交界边两侧的灰度差异得到每个参考舌面交界边的可生长程度,包括的具体方法为:
对于初始交界区域的任意一个参考舌面交界边,将参考舌面交界边的中心记为交界中心点;
式中,表示参考舌面交界边的初始可生长程度;/>表示参考舌面交界边上所有舌面像素点的灰度值的最大值;/>表示参考舌面交界边上所有舌面像素点的灰度值的最小值;/>表示参考舌面交界边上所有舌面像素点的数量;/>表示参考舌面交界边上第/>个舌面像素点与交界中心点之间的欧式距离;/>表示参考舌面交界边上第/>个舌面像素点的灰度值;/>表示在参考舌面交界边上,第/>个舌面像素点关于交界中心点对称的舌面像素点的灰度值;/>表示取绝对值;获取初始交界区域中所有参考舌面交界边的初始可生长程度,对所有的初始可生长程度进行线性归一化,将归一化后的初始可生长程度记为可生长程度。
优选的,所述根据可生长程度进行区域扩展得到若干交界区域,包括的具体方法为:
若扩展边为初始交界区域的左边,那么将扩展边作为第一个窗口的右边,并记为第一个交界区域的标准边,根据标准边构建一个窗口大小为MM的窗口,并记为第一个交界区域;若扩展边为初始交界区域的右边,那么将扩展边作为第一个窗口的左边,并记为第一个交界区域的标准边,根据标准边构建一个窗口大小为M/>M的窗口,并记为第一个交界区域;若扩展边为初始交界区域的下边,那么将扩展边作为第一个窗口的上边,并记为第一个交界区域的标准边,根据标准边构建一个窗口大小为M/>M的窗口,并记为第一个交界区域;若扩展边为初始交界区域的上边,那么将扩展边作为第一个窗口的下边,并记为第一个交界区域的标准边,根据标准边构建一个窗口大小为M/>M的窗口,并记为第一个交界区域;
获取第一个交界区域的扩展边,若扩展边为第一个交界区域的左边,那么将扩展边作为第二个窗口的右边,并记为第二个交界区域的标准边,根据标准边构建一个窗口大小为MM的窗口,并记为第二个交界区域;若扩展边为第一个交界区域的右边,那么将扩展边作为第二个窗口的左边,并记为第二个交界区域的标准边,根据标准边构建一个窗口大小为M/>M的窗口,并记为第二个交界区域;若扩展边为第一个交界区域的下边,那么将扩展边作为第二个窗口的上边,并记为第二个交界区域的标准边,根据标准边构建一个窗口大小为M/>M的窗口,并记为第二个交界区域;若扩展边为第一个交界区域的上边,那么将扩展边作为第二个窗口的下边,并记为第二个交界区域的标准边,根据标准边构建一个窗口大小为M/>M的窗口,并记为第二个交界区域;依次类推,获取所有交界区域。
优选的,所述根据交界区域对舌部灰度图像进行分割,包括的具体方法为:
对于任意一个初始舌面像素点段,将初始舌面像素点段的所有交界区域构成的图像区域记为初始舌面像素点段的舌面交界区域;获取所有初始舌面像素点段的舌面交界区域,将所有初始舌面像素点段的舌面交界区域的重合区域记为舌部灰度图像的最终舌面交界区域;
将舌部灰度图像的最终舌面交界区域作为分界线,根据分界线对舌部灰度图像的舌面区域进行分割得到两个分割区域,将面积最大的分割区域记为最终舌苔区域,将面积最小的分割区域记为最终舌质区域。
本发明的技术方案的有益效果是:根据舌部灰度图像得到舌面像素点的种子生长程度,根据种子生长程度得到舌苔舌质交界点段,根据舌苔舌质交界点段得到参考舌面交界边的可生长程度,根据可生长程度对舌部灰度图像进行分割;本发明的种子生长程度反映了舌面像素点与舌苔与舌质交界处的距离差异,可生长程度反映了参考舌面交界边经过舌苔舌质交界处的概率;降低了区域生长算法中效率较低的迭代过程的出现频率,提高了舌诊图像智能分割的效率。
附图说明
为了更清楚地说明本发明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发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一种中医治疗舌诊图像智能分割方法的步骤流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种中医治疗舌诊图像智能分割方法,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种中医治疗舌诊图像智能分割方法的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种中医治疗舌诊图像智能分割方法的步骤流程图,该方法包括以下步骤:
步骤S001:采集若干舌部灰度图像。
需要说明的是,传统的舌诊图像智能分割方法通常使用区域生长算法对舌面进行分割,但由于舌面中舌苔与舌质之间存在一定的方向延伸,而传统的区域生长算法并没有指定生长方向,使效率较低的迭代过程较多,降低了区域生长算法的效率,从而降低了舌诊图像智能分割的效率。为此,本实施例提出了一种中医治疗舌诊图像智能分割方法。
具体的,为了实现本实施例提出的一种中医治疗舌诊图像智能分割方法,首先需要采集舌部灰度图像,具体过程为:使用口腔相机拍摄若干病患舌面自然下垂的舌面图像,将每张舌面图像进行灰度化处理得到若干灰度图像,对每张灰度图像进行语义分割,将完整的舌部分割出来,得到若干舌部灰度图像。其中灰度化处理以及语义分割均为公知技术,本实施例不再赘述。另外需要说明的是,每张舌部灰度图像仅包含完整的舌部区域。
至此,通过上述方法得到若干舌部灰度图像。
步骤S002:根据舌部灰度图像得到初始舌面像素点序列;将初始舌面像素点序列划分为若干初始舌面像素点段;根据初始舌面像素点段中不同舌面像素点与初始舌面像素点段边界处的灰度差异,得到每个舌面像素点的种子生长程度;根据种子生长程度对舌面像素点进行划分得到若干舌面交界点段;根据舌面交界点段与初始舌面像素点段边界处之间的位置差异,得到每个初始舌面像素点段的舌苔舌质交界点段。
需要说明的是,舌面主要由舌苔与舌质这两部分区域构成。在实际的舌部灰度图像中,舌苔区域主要呈亮白色;而舌质区域相较于舌苔区域主要呈深灰色,舌苔区域四周被舌质区域包围;因此,舌苔与舌质存在着较为明显的区域特征,且相互存在一定的方向关系。为了提高舌诊图像智能分割的效率,本实施例通过结合舌苔与舌质之间区域特征的差异以及对应的方向关系,获取舌苔舌质交界点段,以便后续分析处理。
具体的,以任意一张舌部灰度图像为例,将该舌部灰度图像中每个灰度值不为0的像素点记为舌面像素点,将所有舌面像素点所围成的最大闭合区域记为舌面区域;将该舌面区域中第一行的所有舌面像素点按照从左到右的顺序进行排序,将排序后的序列记为初始舌面像素点序列。将该初始舌面像素点序列中心处的舌面像素点记为初始种子生长点,将初始种子生长点作为分段点,对该初始舌面像素点序列进行分段得到两个数据段,并将每个数据段记为初始舌面像素点段。其中每个初始舌面像素点段均不包含初始种子生长点,每张舌部灰度图像包含一个初始舌面像素点序列,每个初始舌面像素点序列包含一个初始种子生长点,每个初始舌面像素点序列包含两个初始舌面像素点段。另外需要说明的是,若该初始舌面像素点序列上所有舌面像素点的数量为偶数时,那么位于中心处的舌面像素点存在两个,在这两个舌面像素点中,将第一个舌面像素点作为初始种子生长点。
进一步的,以任意一个初始舌面像素点段为例,获取该初始舌面像素点段中所有舌面像素点与该初始种子生长点的欧式距离,将与该初始种子生长点的欧式距离最大的舌面像素点记为该初始舌面像素点段的边界舌面像素点;其中每个初始舌面像素点段包含一个边界舌面像素点;欧式距离的获取是公知技术,本实施例不再赘述。
进一步的,以该初始舌面像素点段中任意一个舌面像素点为例,根据该边界舌面像素点与该舌面像素点之间的灰度差异,得到该舌面像素点的种子生长程度。其中该舌面像素点的种子生长程度的计算方法为:
式中,表示该舌面像素点的种子生长程度;/>表示该舌面像素点的灰度值;/>表示该边界舌面像素点的灰度值;/>表示该初始种子生长点的灰度值;/>表示该初始舌面像素点段中所有舌面像素点的数量;/>表示该初始舌面像素点段中第/>个舌面像素点的灰度值;/>表示预设的超参数,本实施例预设/>,用于防止分母为0;/>表示预设的超参数,本实施例预设/>,用于防止/>为0;/>表示取绝对值;/>表示以10为底的对数函数。其中若该舌面像素点的种子生长程度越大,说明该舌面像素点接近舌苔与舌质的交界处,反映该舌面像素点越能作为待生长种子点进行区域生长。获取该初始舌面像素点段中所有舌面像素点的种子生长程度。
进一步的,预设一个舌面像素点数量T1,其中本实施例以T1=8为例进行叙述,本实施例不进行具体限定,其中T1可根据具体实施情况而定;在该初始舌面像素点段中,每T1个舌面像素点构成的数据段记为子舌面像素点段;获取该初始舌面像素点段的所有子舌面像素点段。其中若在初始舌面像素点段中剩余的舌面像素点的数量不满足预设的T1,那么将剩余的舌面像素点构成的数据段记为子舌面像素点段。需要说明的是,本实施例T1预设为偶数。
进一步的,预设一个种子生长程度阈值,其中本实施例以/>=0.7为例进行叙述,本实施例不进行具体限定,其中/>可根据具体实施情况而定;以任意一个子舌面像素点段为例,将该子舌面像素点段中种子生长程度大于/>的舌面像素点记为舌面交界像素点,获取该子舌面像素点段中所有舌面交界像素点;若该子舌面像素点段中所有舌面交界像素点的数量大于/>,那么将该子舌面像素点段记为舌面交界点段,获取该初始舌面像素点段的所有舌面交界点段。
进一步的,以该初始舌面像素点段的任意一个舌面交界点段为例,将该初始舌面像素点段的边界舌面像素点与该舌面交界点段中所有舌面像素点的欧式距离的最小值,记为该边界舌面像素点与该舌面交界点段的位置距离;获取该边界舌面像素点与所有舌面交界点段的位置距离,将与该边界舌面像素点的位置距离最大的舌面交界点段记为该初始舌面像素点段的舌苔舌质交界点段。获取每个初始舌面像素点段的舌苔舌质交界点段。其中每个初始舌面像素点段包含一个舌苔舌质交界点段。
至此,通过上述方法得到所有初始舌面像素点段的舌苔舌质交界点段。
步骤S003:根据舌苔舌质交界点段构建初始交界区域;根据参考舌面交界边两侧的灰度差异得到每个参考舌面交界边的可生长程度;根据可生长程度进行区域扩展得到若干交界区域。
需要说明的是,舌苔区域四周被舌质区域包围,而传统的区域生长算法在算法运行过程中,生长方向仅为待生长种子点周围一圈邻域像素点,并没有结合舌苔与舌质之间的呈包围状的方向分布关系对生长方向进行指定,使区域生长中效率较低的迭代操作较多,降低了区域生长算法的运行效率,进而降低了舌诊图像智能分割的效率;为了提高舌诊图像智能分割的效率,本实施例通过分析舌苔与舌质之间的呈包围状分布的方向关系确定生长方向,从而获取若干交界区域,以便后续分析处理。
具体的,以任意一个初始舌面像素点段的舌苔舌质交界点段为例,将该舌苔舌质交界点段中所有舌面像素点的数量作为窗口边长M,将该舌苔舌质交界点段所在的边记为标准边,将该标准边作为窗口上边,根据窗口上边构建一个窗口大小为MM的窗口区域,并记为初始交界区域。将该初始交界区域中除舌苔舌质交界点段所在区域边以外的区域边记为参考舌面交界边,将该参考舌面交界边的中心记为交界中心点,根据该参考舌面交界边上交界中心点两侧舌面像素点的灰度差异,得到该参考舌面交界边的初始可生长程度的计算方法为:
式中,表示该参考舌面交界边的初始可生长程度;/>表示该参考舌面交界边上所有舌面像素点的灰度值的最大值;/>表示该参考舌面交界边上所有舌面像素点的灰度值的最小值;/>表示该参考舌面交界边上所有舌面像素点的数量;/>表示该参考舌面交界边上第/>个舌面像素点与该交界中心点之间的欧式距离;/>表示该参考舌面交界边上第/>个舌面像素点的灰度值;/>表示在该参考舌面交界边上,第/>个舌面像素点关于交界中心点对称的舌面像素点的灰度值;/>表示取绝对值。其中若该参考舌面交界边的初始可生长程度越大,说明该参考舌面交界边两侧的灰度差异越明显,反映该参考舌面交界边舌苔与舌质相接的可能性越大。获取该初始交界区域中所有参考舌面交界边的初始可生长程度,对所有的初始可生长程度进行线性归一化,将归一化后的初始可生长程度记为可生长程度。
进一步的,将可生长程度最大的参考舌面交界边记为扩展边,若扩展边为初始交界区域的左边,那么将扩展边作为第一个窗口的右边,并记为第一个交界区域的标准边,根据标准边构建一个窗口大小为MM的窗口,并记为第一个交界区域;若扩展边为初始交界区域的右边,那么将扩展边作为第一个窗口的左边,并记为第一个交界区域的标准边,根据标准边构建一个窗口大小为M/>M的窗口,并记为第一个交界区域;若扩展边为初始交界区域的下边,那么将扩展边作为第一个窗口的上边,并记为第一个交界区域的标准边,根据标准边构建一个窗口大小为M/>M的窗口,并记为第一个交界区域;若扩展边为初始交界区域的上边,那么将扩展边作为第一个窗口的下边,并记为第一个交界区域的标准边,根据标准边构建一个窗口大小为M/>M的窗口,并记为第一个交界区域。
进一步的,获取第一个交界区域的扩展边,若扩展边为第一个交界区域的左边,那么将扩展边作为第二个窗口的右边,并记为第二个交界区域的标准边,根据标准边构建一个窗口大小为MM的窗口,并记为第二个交界区域;若扩展边为第一个交界区域的右边,那么将扩展边作为第二个窗口的左边,并记为第二个交界区域的标准边,根据标准边构建一个窗口大小为M/>M的窗口,并记为第二个交界区域;若扩展边为第一个交界区域的下边,那么将扩展边作为第二个窗口的上边,并记为第二个交界区域的标准边,根据标准边构建一个窗口大小为M/>M的窗口,并记为第二个交界区域;若扩展边为第一个交界区域的上边,那么将扩展边作为第二个窗口的下边,并记为第二个交界区域的标准边,根据标准边构建一个窗口大小为M/>M的窗口,并记为第二个交界区域。
进一步的,获取第二个交界区域的扩展边,若扩展边为第二个交界区域的左边,那么将扩展边作为第三个窗口的右边,并记为第三个交界区域的标准边,根据标准边构建一个窗口大小为MM的窗口,并记为第三个交界区域;若扩展边为第二个交界区域的右边,那么将扩展边作为第三个窗口的左边,并记为第三个交界区域的标准边,根据标准边构建一个窗口大小为M/>M的窗口,并记为第三个交界区域;若扩展边为第二个交界区域的下边,那么将扩展边作为第三个窗口的上边,并记为第三个交界区域的标准边,根据标准边构建一个窗口大小为M/>M的窗口,并记为第三个交界区域;若扩展边为第二个交界区域的上边,那么将扩展边作为第三个窗口的下边,并记为第三个交界区域的标准边,根据标准边构建一个窗口大小为M/>M的窗口,并记为第三个交界区域;依次类推,获取该初始舌面像素点段的所有交界区域,获取所有初始舌面像素点段的所有交界区域。
至此,通过上述方法得到所有初始舌面像素点段的所有交界区域。
步骤S004:根据交界区域对舌部灰度图像进行分割。
需要说明的是,在实际情况下,舌面中的舌苔呈区域状分布,使舌苔与舌质之间的交界处相对模糊;所以根据舌苔与舌质之间的分布关系获取的交界区域还存在一定误差,本实施例通过取交界区域重合的部分确定最终的舌苔与舌质交界的部分,从而在保证分割结果准确性较高的基础上,使舌诊图像智能分割的效率更高。
具体的,以任意一个初始舌面像素点段为例,将该初始舌面像素点段的所有交界区域构成的图像区域记为该初始舌面像素点段的舌面交界区域;获取所有初始舌面像素点段的舌面交界区域,将所有初始舌面像素点段的舌面交界区域的重合区域记为该舌部灰度图像的最终舌面交界区域。
进一步的,将该舌部灰度图像的最终舌面交界区域作为分界线,根据分界线对该舌部灰度图像的舌面区域进行分割得到两个分割区域,将面积最大的分割区域记为最终舌苔区域,将面积最小的分割区域记为最终舌质区域。其中每个舌部灰度图像中均包含一个最终舌苔区域以及一个最终舌质区域。需要说明的是,最终舌苔区域即为病患的舌苔部分,最终舌质区域即为病患的舌质部分。
至此,本实施例完成。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种中医治疗舌诊图像智能分割方法,其特征在于,该方法包括以下步骤:
采集若干舌部灰度图像,所述舌部灰度图像包含一个舌面区域以及多个舌面像素点;
将对于任意一张舌部灰度图像,将舌部灰度图像内舌面区域中第一行的所有像素点按照从左到右的顺序进行排序,将排序后的序列记为初始舌面像素点序列;将初始舌面像素点序列划分为若干初始舌面像素点段;根据初始舌面像素点段中不同舌面像素点与初始舌面像素点段边界处的灰度差异,得到每个舌面像素点的种子生长程度,所述种子生长程度用于描述舌面像素点与舌苔与舌质交界处的距离差异;根据种子生长程度对舌面像素点进行划分得到若干舌面交界点段;根据舌面交界点段与初始舌面像素点段边界处之间的位置差异,得到每个初始舌面像素点段的舌苔舌质交界点段;
根据舌苔舌质交界点段构建初始交界区域,所述初始交界区域包含多个参考舌面交界边;根据参考舌面交界边两侧的灰度差异得到每个参考舌面交界边的可生长程度,所述可生长程度用于描述参考舌面交界边经过舌苔舌质交界处的概率;根据可生长程度进行区域扩展得到若干交界区域;
根据交界区域对舌部灰度图像进行分割;
所述根据初始舌面像素点段中不同舌面像素点与初始舌面像素点段边界处的灰度差异,得到每个舌面像素点的种子生长程度,包括的具体方法为:
将初始舌面像素点序列中心处的舌面像素点记为初始种子生长点;获取每个初始舌面像素点段的边界舌面像素点;
式中,表示初始舌面像素点段中任意一个舌面像素点的种子生长程度;/>表示舌面像素点的灰度值;/>表示边界舌面像素点的灰度值;/>表示初始种子生长点的灰度值;/>表示初始舌面像素点段中所有舌面像素点的数量;/>表示初始舌面像素点段中第/>个舌面像素点的灰度值;/>表示预设的超参数;/>表示预设的超参数;/>表示取绝对值;/>表示以10为底的对数函数;
所述根据种子生长程度对舌面像素点进行划分得到若干舌面交界点段,包括的具体方法为:
对于任意一个初始舌面像素点段,预设一个舌面像素点数量T1,在初始舌面像素点段中,每T1个舌面像素点构成的数据段记为子舌面像素点段;所述T1预设为偶数;
预设一个种子生长程度阈值,对于任意一个子舌面像素点段,将子舌面像素点段中种子生长程度大于/>的舌面像素点记为舌面交界像素点,获取子舌面像素点段中所有舌面交界像素点;
若子舌面像素点段中所有舌面交界像素点的数量大于,那么将子舌面像素点段记为舌面交界点段;
所述根据参考舌面交界边两侧的灰度差异得到每个参考舌面交界边的可生长程度,包括的具体方法为:
对于初始交界区域的任意一个参考舌面交界边,将参考舌面交界边的中心记为交界中心点;
式中,表示参考舌面交界边的初始可生长程度;/>表示参考舌面交界边上所有舌面像素点的灰度值的最大值;/>表示参考舌面交界边上所有舌面像素点的灰度值的最小值;/>表示参考舌面交界边上所有舌面像素点的数量;/>表示参考舌面交界边上第/>个舌面像素点与交界中心点之间的欧式距离;/>表示参考舌面交界边上第/>个舌面像素点的灰度值;表示在参考舌面交界边上,第/>个舌面像素点关于交界中心点对称的舌面像素点的灰度值;/>表示取绝对值;获取初始交界区域中所有参考舌面交界边的初始可生长程度,对所有的初始可生长程度进行线性归一化,将归一化后的初始可生长程度记为可生长程度。
2.根据权利要求1所述一种中医治疗舌诊图像智能分割方法,其特征在于,所述舌面区域以及多个舌面像素点的获取方法为:
对于任意一张舌部灰度图像,将舌部灰度图像中每个灰度值不为0的像素点记为舌面像素点,将所有舌面像素点所围成的最大闭合区域记为舌面区域。
3.根据权利要求1所述一种中医治疗舌诊图像智能分割方法,其特征在于,所述获取每个初始舌面像素点段的边界舌面像素点,包括的具体方法为:
对于任意一个初始舌面像素点段,获取初始舌面像素点段中所有舌面像素点与初始种子生长点的欧式距离,将与初始种子生长点的欧式距离最大的舌面像素点记为初始舌面像素点段的边界舌面像素点。
4.根据权利要求1所述一种中医治疗舌诊图像智能分割方法,其特征在于,所述根据舌面交界点段与初始舌面像素点段边界处之间的位置差异,得到每个初始舌面像素点段的舌苔舌质交界点段,包括的具体方法为:
对于任意一个初始舌面像素点段的任意一个舌面交界点段,将初始舌面像素点段的边界舌面像素点与舌面交界点段中所有舌面像素点的欧式距离的最小值,记为边界舌面像素点与舌面交界点段的位置距离;获取边界舌面像素点与所有舌面交界点段的位置距离,将与边界舌面像素点的位置距离最大的舌面交界点段记为初始舌面像素点段的舌苔舌质交界点段。
5.根据权利要求1所述一种中医治疗舌诊图像智能分割方法,其特征在于,所述根据舌苔舌质交界点段构建初始交界区域,包括的具体方法为:
对于任意一个初始舌面像素点段的舌苔舌质交界点段,将舌苔舌质交界点段中所有舌面像素点的数量作为窗口边长M,将舌苔舌质交界点段所在的边记为标准边,将标准边作为窗口上边,根据窗口上边构建一个窗口大小为MM的窗口区域,并记为初始交界区域;
将初始交界区域中除舌苔舌质交界点段所在区域边以外的区域边记为参考舌面交界边。
6.根据权利要求1所述一种中医治疗舌诊图像智能分割方法,其特征在于,所述根据可生长程度进行区域扩展得到若干交界区域,包括的具体方法为:
将初始交界区域中可生长程度最大的参考舌面交界边记为扩展边,若扩展边为初始交界区域的左边,那么将扩展边作为第一个窗口的右边,并记为第一个交界区域的标准边,根据标准边构建一个窗口大小为MM的窗口,并记为第一个交界区域;若扩展边为初始交界区域的右边,那么将扩展边作为第一个窗口的左边,并记为第一个交界区域的标准边,根据标准边构建一个窗口大小为M/>M的窗口,并记为第一个交界区域;若扩展边为初始交界区域的下边,那么将扩展边作为第一个窗口的上边,并记为第一个交界区域的标准边,根据标准边构建一个窗口大小为M/>M的窗口,并记为第一个交界区域;若扩展边为初始交界区域的上边,那么将扩展边作为第一个窗口的下边,并记为第一个交界区域的标准边,根据标准边构建一个窗口大小为M/>M的窗口,并记为第一个交界区域;
获取第一个交界区域的扩展边,若扩展边为第一个交界区域的左边,那么将扩展边作为第二个窗口的右边,并记为第二个交界区域的标准边,根据标准边构建一个窗口大小为MM的窗口,并记为第二个交界区域;若扩展边为第一个交界区域的右边,那么将扩展边作为第二个窗口的左边,并记为第二个交界区域的标准边,根据标准边构建一个窗口大小为M/>M的窗口,并记为第二个交界区域;若扩展边为第一个交界区域的下边,那么将扩展边作为第二个窗口的上边,并记为第二个交界区域的标准边,根据标准边构建一个窗口大小为M/>M的窗口,并记为第二个交界区域;若扩展边为第一个交界区域的上边,那么将扩展边作为第二个窗口的下边,并记为第二个交界区域的标准边,根据标准边构建一个窗口大小为M/>M的窗口,并记为第二个交界区域;依次类推,获取所有交界区域。
7.根据权利要求1所述一种中医治疗舌诊图像智能分割方法,其特征在于,所述根据交界区域对舌部灰度图像进行分割,包括的具体方法为:
对于任意一个初始舌面像素点段,将初始舌面像素点段的所有交界区域构成的图像区域记为初始舌面像素点段的舌面交界区域;获取所有初始舌面像素点段的舌面交界区域,将所有初始舌面像素点段的舌面交界区域的重合区域记为舌部灰度图像的最终舌面交界区域;
将舌部灰度图像的最终舌面交界区域作为分界线,根据分界线对舌部灰度图像的舌面区域进行分割得到两个分割区域,将面积最大的分割区域记为最终舌苔区域,将面积最小的分割区域记为最终舌质区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311746477.XA CN117422720B (zh) | 2023-12-19 | 2023-12-19 | 一种中医治疗舌诊图像智能分割方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311746477.XA CN117422720B (zh) | 2023-12-19 | 2023-12-19 | 一种中医治疗舌诊图像智能分割方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117422720A CN117422720A (zh) | 2024-01-19 |
CN117422720B true CN117422720B (zh) | 2024-03-05 |
Family
ID=89530631
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311746477.XA Active CN117422720B (zh) | 2023-12-19 | 2023-12-19 | 一种中医治疗舌诊图像智能分割方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117422720B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2188779A1 (en) * | 2007-09-21 | 2010-05-26 | Korea Institute of Oriental Medicine | Extraction method of tongue region using graph-based approach and geometric properties |
CN108615239A (zh) * | 2018-05-10 | 2018-10-02 | 福建中医药大学 | 基于阈值技术和灰度投影的舌图像分割方法 |
CN109859229A (zh) * | 2018-12-14 | 2019-06-07 | 上海源庐加佳信息科技有限公司 | 一种中医舌质苔质分离方法 |
CN110866932A (zh) * | 2018-08-20 | 2020-03-06 | 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 |
CN112489053A (zh) * | 2020-11-26 | 2021-03-12 | 深圳市艾合芯科智慧医疗有限公司 | 一种舌像分割方法、装置及存储介质 |
-
2023
- 2023-12-19 CN CN202311746477.XA patent/CN117422720B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2188779A1 (en) * | 2007-09-21 | 2010-05-26 | Korea Institute of Oriental Medicine | Extraction method of tongue region using graph-based approach and geometric properties |
CN108615239A (zh) * | 2018-05-10 | 2018-10-02 | 福建中医药大学 | 基于阈值技术和灰度投影的舌图像分割方法 |
CN110866932A (zh) * | 2018-08-20 | 2020-03-06 | 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 |
CN109859229A (zh) * | 2018-12-14 | 2019-06-07 | 上海源庐加佳信息科技有限公司 | 一种中医舌质苔质分离方法 |
CN112489053A (zh) * | 2020-11-26 | 2021-03-12 | 深圳市艾合芯科智慧医疗有限公司 | 一种舌像分割方法、装置及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN117422720A (zh) | 2024-01-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10096108B2 (en) | Medical image segmentation method and apparatus | |
CN111798462A (zh) | 一种基于ct图像的鼻咽癌放疗靶区自动勾画方法 | |
CN110120042B (zh) | 一种基于slic超像素和自动阈值分割的农作物图像病虫害区域提取方法 | |
CN108876769B (zh) | 一种左心耳ct图像分割方法 | |
CN116152505B (zh) | 基于x光数据的骨骼目标识别分割方法 | |
CN112419344B (zh) | 一种基于Chan-Vese模型的无监督图像分割方法 | |
CN114972362A (zh) | 一种基于RMAU-Net网络的医学图像自动分割方法与系统 | |
CN110610491B (zh) | 一种腹部ct图像的肝脏肿瘤区域分割方法 | |
Singh et al. | An efficient combined approach for medical brain tumour segmentation | |
CN110136139B (zh) | 基于形状特征的面部ct图像中的牙神经分割方法 | |
CN110288581B (zh) | 一种基于保持形状凸性水平集模型的分割方法 | |
CN117522719B (zh) | 基于机器学习的支气管镜图像辅助优化系统 | |
CN114581474A (zh) | 一种基于宫颈癌ct影像的临床靶区自动勾画方法 | |
CN112634308B (zh) | 基于不同感受野的鼻咽癌靶区和危及器官的勾画方法 | |
CN112258536B (zh) | 一种胼胝体及小脑蚓部的一体化定位及分割方法 | |
CN116385436B (zh) | 一种基于ct图像的胆结石辅助检测系统 | |
CN117422720B (zh) | 一种中医治疗舌诊图像智能分割方法 | |
CN114677516B (zh) | 一种基于深度神经网络的口腔下颌管自动分割方法 | |
CN114882282A (zh) | 基于mri和ct图像的结直肠癌治疗效果的神经网络预测方法 | |
CN115578400A (zh) | 图像处理方法、图像分割网络的训练方法及装置 | |
CN115222651A (zh) | 一种基于改进Mask R-CNN的肺结节检测系统 | |
CN112927225A (zh) | 基于人工智能的智齿生长状态辅助检测系统 | |
CN110580702B (zh) | 一种用于腹主动脉瘤边界分割的方法 | |
CN110327072B (zh) | 一种测量口腔手术植入体规格参数的无损检测方法 | |
CN113744241A (zh) | 基于改进slic算法的细胞图像分割方法 |
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 |