CN1803087A - 舌像颜色自动识别方法 - Google Patents
舌像颜色自动识别方法 Download PDFInfo
- Publication number
- CN1803087A CN1803087A CNA2006100234531A CN200610023453A CN1803087A CN 1803087 A CN1803087 A CN 1803087A CN A2006100234531 A CNA2006100234531 A CN A2006100234531A CN 200610023453 A CN200610023453 A CN 200610023453A CN 1803087 A CN1803087 A CN 1803087A
- Authority
- CN
- China
- Prior art keywords
- tongue
- color
- sample
- fur
- district
- 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.)
- Granted
Links
Landscapes
- Image Analysis (AREA)
Abstract
一种图像处理技术领域的舌像颜色自动识别方法,步骤为:(1)建立舌苔和舌质颜色参考样本集:对于每一类苔质颜色样本,从舌图像中选取样本块,再通过去除离群样本,确定最终的苔质颜色参考样本集;(2)划分舌体同质区域,每个区域具有相似的颜色和纹理特性;(3)根据舌质和舌苔的分布规律,设置模板,并设定投票优先策略用于颜色样本匹配中;(4)对于舌体同质区域划分后的每一个同质区域,首先根据模板和投票,判断该区域颜色属于舌苔色还是舌质色,然后再与舌苔或舌质颜色样本进行匹配,最后根据匹配结果采用k近邻法确定该同质区域的颜色。本发明符合中医望诊习惯,识别结果准确可靠,具有很高的实用价值。
Description
技术领域
本发明涉及一种图像处理技术领域的方法,具体的说,涉及的是一种舌像颜色自动识别方法。
背景技术
在中医诊断学中,舌诊是获取病人健康信息的重要途径之一。舌诊主要通过观察舌质和舌苔,舌质特征可以用颜色、光泽等描述;舌苔特征可以用颜色和纹理进行描述。然而,传统舌诊的一个显著弊端就是,诊断过程依赖于医生的主观经验和个人能力,不同医生的诊断结果可能相差甚远,同时这些诊断经验也缺乏有效的保存手段。这不可避免会影响中医的整体发展,中医的客观化势在必行。舌像颜色的自动识别对于中医舌诊客观化有着重大的现实意义。
JSEG算法是由Deng和Manjunath提出的一种无监督分割算法。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。其基本思想是将分割过程分成两步走,即颜色量化和空域分割。
经对现有技术文献的检索发现,中国发明专利申请号200310114742.9,发明名称:从舌图像中提取关注区域的方法及相应监控方法和设备,该专利提出了一种从舌图像中提取关注区域的方法,但该方没有结合中医望诊的特点,它为每个人设定特定的模板,并在数据库中记录该模板,在实际使用时假设采集的舌图像跟模板设定时相同(相同的伸舌长度和角度等),这在实际情况中几乎做不到,此外该方法主要用于家庭用健康监控系统。
发明内容
本发明的目的在于针对现有技术的不足,提出一种舌像颜色自动识别方法,使其采用区域划分与样本匹配,能直接应用于基于舌像分析的中医诊断系统,为中医自动舌诊提供保障,减少误诊率。
本发明是通过以下技术方案实现的,本发明首先确定颜色的参考样本集,再将舌体划分为不同的区域,每个区域具有相似的颜色和纹理特性,然后结合先验模板,将各个区域与参考样本进行特征匹配,从而完成整个舌体的颜色识别。
本发明的方法包括如下具体步骤:
(1)建立舌苔和舌质颜色参考样本集:对于每一类苔质颜色样本,从舌图像中选取样本块。通过去除离群样本,确定最终的苔质颜色参考样本集。本发明中采用了一种基于LLE(Locally Linear Embedding,局部线性映射)离群样本去除方法。
具体去除离群样本过程如下:对于每幅颜色样本图像,选取其R-G、R-B和G-B颜色直方图,将每个颜色分量等分,每个颜色直方图中的数据堆叠成一个向量,这样三个颜色直方图就构成颜色样本的特征向量。采用LLE技术对所得的数据进行降维处理,LLE映射空间中的同类颜色样本呈现明显的聚类趋势,再将那些聚类效果好的颜色样本组成成参考样本集,用于后面的样本匹配过程中。
(2)划分舌体同质区域:将舌体划分为不同的区域,每个区域具有相似的颜色和纹理特性。本发明方法中采用了JSEG分割算法,其具体执行过程如下:1)颜色量化:采用一种基于同组滤波技术(PGF)和向量量化(VQ)的彩色图像量化算法来约减图像中的颜色。2)空域分割:引入一种针对彩色纹理区域的分割准则(即J准则),以每个象素为中心,在其邻域窗内即可求得相应的J值,生成J图,采用区域生长方法对不同尺度的J图进行分割,接着进行区域合并得到最终的分割图像。
(3)建立模板:根据舌质和舌苔的分布规律,设置模板,模板分为六大区域,分别是:I.舌根区(占舌体高的1/5);II.舌中偏根区(占舌体高的1/4);III.舌中偏尖区(占舌体高的1/4);IV.舌尖区(占舌体高的3/10);V.舌左侧区(占舌体宽的1/5);VI.舌右侧区(占舌体宽的1/5)。对于步骤2划分得到的舌体的每个同质区域R,结合先验模板制定了如下投票优先策略:1)若R位于I中,只要其对应的选票中有10%将其归为舌苔色,就判定它属于舌苔区域;2)若R位于II中,只要40%的选票将其归为舌苔色,它就属于舌苔区域;3)若R位于III中,只要40%的选票将其归为舌质色,即判定它属于舌质;4)若R位于IV中,只要20%的象素将其归为舌质色,即判定它属于舌质;5)若R位于V中,只要30%的选票将其归为舌质色,即判定它属于舌质;6)若R位于VI中,只要30%的选票将其归为舌质色,即判定它属于舌质。判定R位于某一区的条件是:R中位于该区域的象素数最大。上述投票优先策略将被用于颜色样本匹配过程中。
(4)样本匹配与颜色识别:对于步骤(2)所得每一个同质区域,首先采用基于EMD)距离的样本匹配方法与参考样本集中的颜色样本进行匹配,然后选取k个最近邻参考样本,统计k个最近邻样本中每个颜色类别的票数,最后根据步骤(3)所设计的先验模板和投票优先策略,判断该同质区域属于舌苔区还是舌质区,并确定其颜色。
基于EMD距离的样本匹配方法为:设某一区域R和参考样本S用直方图分别表示为
和
两个直方图,xm,yn分别表示R和S的颜色标签,wm R,wn S则表示对应的像素数,采用EMD距离计算R和S的相似度。
由于本发明的舌像颜色自动识别方法是基于区域的,可以获得完整和连通的苔质区域,此外还借助LLE技术来移除颜色样本集中的离群样本,使识别过程更加可靠,这样的识别方法符合医生的望诊习惯,其识别结果能与医生的判断结果很好吻合,具有很高的实用价值。
附图说明
图1为本发明方法的流程图。
图2为本发明方法对一幅舌体图像的颜色识别图
其中,(a)为原始舌图像;(b)为舌体图像;(c)为区域划分结果;(d)为颜色识别结果图;(e)为苔质分离结果图。
图3为为本发明先验模板图。
具体实施方式
以下结合实施例对本发明的技术方案作进一步详细描述。
1.确定舌苔和舌质颜色参考样本集:对于每一类苔质颜色样本,由经验丰富的中医手工从舌图像中选取样本块,再通过去除离群样本,确定最终的苔质颜色参考样本集。例如:根据临床经验将舌质颜色分为淡红、淡白、红、暗红、青紫5种类型;而舌苔颜色分为白、淡黄、黄、灰4种类型。对于每一类颜色类型,由经验丰富的中医手工从舌图像中选取10个样本。对于每幅样本图像,选取其R-G、R-B和G-B颜色直方图,将每个颜色分量20等分,每个颜色直方图中的数据堆叠成一个1×400向量,这样三个颜色直方图就构成一个1×1200的向量,即样本的特征向量。采用LLE技术对所得的数据进行降维处理,LLE映射空间中的同类样本呈现明显的聚类趋势,用聚类效果好的颜色样本组成参考样本集。
2.划分舌体同质区域:将舌体划分为不同的区域,每个区域具有相似的颜色和纹理特性。本发明方法中采用了JSEG分割算法,其主要包括颜色量化和空域分割两个步骤。图2(c)显示了一幅舌体图经JSEG算法分割后的结果,图2(b)为舌体图。
3.建立先验模板:根据舌质和舌苔的分布规律,设置先验模板,模板分为六大区域,分别是:I.舌根区;II.舌中偏根区;III.舌中偏尖区;IV.舌尖区;V.舌左侧区;VI.舌右侧区。对于步骤2划分得到的舌体的每个同质区域R,结合先验模板制定了如下投票优先策略:1)若R位于I中,只要其对应的选票中有10%将其归为舌苔色,就判定它属于舌苔区域;2)若R位于II中,只要40%的选票将其归为舌苔色,它就属于舌苔区域;3)若R位于III中,只要40%的选票将其归为舌质色,即判定它属于舌质;4)若R位于IV中,只要20%的象素将其归为舌质色,即判定它属于舌质;5)若R位于V中,只要30%的选票将其归为舌质色,即判定它属于舌质;6)若R位于VI中,只要30%的选票将其归为舌质色,即判定它属于舌质。判定R位于某一区的条件是:R中位于该区域的象素数最大。图3显示了一幅先验模板图。
4.样本匹配与颜色识别:对于步骤(2)所得每一个同质区域,首先采用基于EMI距离的样本匹配方法与参考样本集中的样本进行匹配(包括舌苔和舌质颜色样本),然后选取k个最近邻参考样本,统计k个最近邻样本中每个颜色类别的票数,最后根据步骤(3)所设计的先验模板和投票优先策略,判断该同质区域属于舌苔区还是舌质区,并确定其颜色。
基于EMD距离的样本匹配方法为:设某一区域R和参考样本S用直方图分别表示为
和
两个直方图,xm,yn分别表示R和S的颜色标签,wm R,wn S则表示对应的像素数,采用EMD距离计算R和S的相似度。最后,如图2(d)所示得出各区域颜色的识别结果。
本发明可以获得完整和连通的舌苔和舌质区域,识别过程可靠,符合医生的望诊习惯,具有很好的识别结果。
Claims (5)
1、一种舌像颜色自动识别方法,其特征在于,包括如下具体步骤:
(1)建立舌苔和舌质颜色参考样本集:对于每一类苔质颜色样本,从舌图像中选取样本块,再通过去除离群样本,确定最终的苔质颜色参考样本集;
(2)划分舌体同质区域:将舌体划分区域,每个区域具有相似的颜色和纹理特性;
(3)建立模板:根据舌质和舌苔的分布规律,设置模板,并设定投票方法用于颜色样本匹配中;
(4)样本匹配与颜色识别:对于舌体同质区域划分后的每一个同质区域,首先采用基于EMD距离的样本匹配方法与参考样本集中的颜色样本进行匹配,然后选取k个最近邻参考样本,统计k个最近邻样本中每个颜色类别的票数,最后根据模板和投票方法,判断该同质区域属于舌苔区还是舌质区,并确定其颜色。
2、根据权利要求1所述的舌像颜色自动识别方法,其特征是,所述的去除离群样本,通过如下方法实现:对于每幅颜色样本图像,选取其R-G、R-B和G-B颜色直方图,将每个颜色分量等分,每个颜色直方图中的数据堆叠成一个向量,这样三个颜色直方图就构成颜色样本的特征向量,采用LLE技术对所得的数据进行降维处理,LLE映射空间中的同类样本将呈现明显的聚类趋势,对于每一类颜色样本只保留聚类效果好的。
3、根据权利要求1所述的舌像颜色自动识别方法,其特征是,所述的将舌体分区域,是指:将舌体分为六大区域,分别是:I.舌根区,占舌体高的1/5;II.舌中偏根区,占舌体高的1/4;III.舌中偏尖区,占舌体高的1/4;IV.舌尖区,占舌体高的3/10;V.舌左侧区,占舌体宽的1/5;VI.舌右侧区,占舌体宽的1/5。
4、根据权利要求1所述的舌像颜色自动识别方法,其特征是,所述的投票方法,是指投票优先策略,具体为:
1)若R位于I中,只要其对应的选票中有10%将其归为舌苔色,就判定它属于舌苔区域;
2)若R位于II中,只要40%的选票将其归为舌苔色,它就属于舌苔区域;
3)若R位于III中,只要40%的选票将其归为舌质色,即判定它属于舌质;
4)若R位于IV中,只要20%的象素将其归为舌质色,即判定它属于舌质;
5)若R位于V中,只要30%的选票将其归为舌质色,即判定它属于舌质;
6)若R位于VI中,只要30%的选票将其归为舌质色,即判定它属于舌质。
5、根据权利要求1或者4所述的舌像颜色自动识别方法,其特征是,所述的投票优先策略,判定R位于某一区的条件是:R中位于该区域的象素数最大。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2006100234531A CN100409804C (zh) | 2006-01-19 | 2006-01-19 | 舌像颜色自动识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2006100234531A CN100409804C (zh) | 2006-01-19 | 2006-01-19 | 舌像颜色自动识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1803087A true CN1803087A (zh) | 2006-07-19 |
CN100409804C CN100409804C (zh) | 2008-08-13 |
Family
ID=36865334
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB2006100234531A Expired - Fee Related CN100409804C (zh) | 2006-01-19 | 2006-01-19 | 舌像颜色自动识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN100409804C (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103745217B (zh) * | 2013-12-31 | 2017-02-15 | 北京工业大学 | 基于图像检索的中医舌色苔色自动分析方法 |
WO2018098986A1 (zh) * | 2016-11-29 | 2018-06-07 | 深圳市易特科信息技术有限公司 | 中医舌像自动检测系统及方法 |
WO2018098987A1 (zh) * | 2016-11-29 | 2018-06-07 | 深圳市易特科信息技术有限公司 | 中医舌诊图像处理系统及方法 |
CN109785941A (zh) * | 2019-01-11 | 2019-05-21 | 海东市平安正阳互联网中医医院有限公司 | 一种医生的推荐方法和装置 |
CN109816629A (zh) * | 2018-12-20 | 2019-05-28 | 新绎健康科技有限公司 | 一种基于k-means聚类的苔质分离方法和装置 |
CN110689586A (zh) * | 2018-07-08 | 2020-01-14 | 清华大学 | 中医智能舌诊中的舌像识别方法和用于该方法的便携式校正色卡 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1162798C (zh) * | 2002-03-25 | 2004-08-18 | 北京工业大学 | 基于多类支持向量机的中医舌色、苔色、舌苔厚度分析方法 |
KR100506085B1 (ko) * | 2002-12-28 | 2005-08-05 | 삼성전자주식회사 | 혀영상 처리장치 및 혀영상을 이용한 건강 모니터링장치 |
-
2006
- 2006-01-19 CN CNB2006100234531A patent/CN100409804C/zh not_active Expired - Fee Related
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103745217B (zh) * | 2013-12-31 | 2017-02-15 | 北京工业大学 | 基于图像检索的中医舌色苔色自动分析方法 |
WO2018098986A1 (zh) * | 2016-11-29 | 2018-06-07 | 深圳市易特科信息技术有限公司 | 中医舌像自动检测系统及方法 |
WO2018098987A1 (zh) * | 2016-11-29 | 2018-06-07 | 深圳市易特科信息技术有限公司 | 中医舌诊图像处理系统及方法 |
CN110689586A (zh) * | 2018-07-08 | 2020-01-14 | 清华大学 | 中医智能舌诊中的舌像识别方法和用于该方法的便携式校正色卡 |
CN110689586B (zh) * | 2018-07-08 | 2022-12-16 | 清华大学 | 中医智能舌诊中的舌像识别方法和用于该方法的便携式校正色卡 |
CN109816629A (zh) * | 2018-12-20 | 2019-05-28 | 新绎健康科技有限公司 | 一种基于k-means聚类的苔质分离方法和装置 |
CN109816629B (zh) * | 2018-12-20 | 2023-10-13 | 新绎健康科技有限公司 | 一种基于k-means聚类的苔质分离方法和装置 |
CN109785941A (zh) * | 2019-01-11 | 2019-05-21 | 海东市平安正阳互联网中医医院有限公司 | 一种医生的推荐方法和装置 |
CN109785941B (zh) * | 2019-01-11 | 2021-10-01 | 海东市平安正阳互联网中医医院有限公司 | 一种医生的推荐方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN100409804C (zh) | 2008-08-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107977671B (zh) | 一种基于多任务卷积神经网络的舌象分类方法 | |
Pang et al. | Tongue image analysis for appendicitis diagnosis | |
CN1803087A (zh) | 舌像颜色自动识别方法 | |
CN109961426B (zh) | 一种人脸皮肤肤质的检测方法 | |
CN1830380A (zh) | 中医舌像分析与诊断系统 | |
CN103020585A (zh) | 一种免疫组织阳性细胞和阴性细胞识别方法 | |
CN108181316B (zh) | 一种基于机器视觉的竹条缺陷检测方法 | |
CN111860538A (zh) | 一种基于图像处理的舌体颜色鉴别方法和装置 | |
CN115631350B (zh) | 罐印图像的颜色识别方法和装置 | |
JP4553300B2 (ja) | コンテンツ識別装置 | |
CN108563979A (zh) | 一种基于航拍农田图像判别水稻稻瘟病病情的方法 | |
CN114820603B (zh) | 基于ai舌诊图像处理的智能健康管理方法及相关装置 | |
CN115965607A (zh) | 一种智能中医舌诊辅助分析系统 | |
CN114998214A (zh) | 一种电缆缺陷检测的采样速度控制方法和系统 | |
CN110648336B (zh) | 一种舌质和舌苔的分割方法及装置 | |
CN115294109A (zh) | 基于人工智能的实木板材生产缺陷识别系统、电子设备 | |
CN109872298A (zh) | 一种中医舌苔腐腻识别方法 | |
de Melo et al. | A robust segmentation method for counting bovine milk somatic cells in microscope slide images | |
CN117496436A (zh) | 一种基于深浅层特征融合的浮选过程工况识别方法 | |
CN112802074A (zh) | 一种基于光照校正与视觉显著特征的纺织品瑕疵检测方法 | |
CN109615626B (zh) | 一种芯片表面印刷符号结构缺陷的质量评估方法 | |
Aris et al. | Colour component analysis approach for malaria parasites detection based on thick blood smear images | |
CN111476146B (zh) | 一种基于移动端的学历证件照标准化处理方法 | |
CN111144479A (zh) | 基于图像处理的中医面色识别方法 | |
Díaz-Huerta et al. | Image preprocessing to improve Acid-Fast Bacilli (AFB) detection in smear microscopy to diagnose pulmonary tuberculosis |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20080813 Termination date: 20110119 |