CN1804867A - 舌图像中舌体提取方法 - Google Patents
舌图像中舌体提取方法 Download PDFInfo
- Publication number
- CN1804867A CN1804867A CN 200610023450 CN200610023450A CN1804867A CN 1804867 A CN1804867 A CN 1804867A CN 200610023450 CN200610023450 CN 200610023450 CN 200610023450 A CN200610023450 A CN 200610023450A CN 1804867 A CN1804867 A CN 1804867A
- Authority
- CN
- China
- Prior art keywords
- tongue
- image
- snake
- tongue body
- curve
- 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
Images
Abstract
一种图像处理技术领域的舌图像中舌体提取方法,具体为:确定舌尖部特征区;确定舌根部特征区;生成彩色梯度图;构造Snake初始曲线;初次分割;判断分割效果:对于分割准确的情况,直接提取舌体图像,舌体提取结束;否则,进入下一步;确定舌体边缘的几个种子点,再由智能剪根据生成的彩色梯度图自动生成Pit线;二次分割:相应的Snake曲线段被等分,将每个分段的端点与Pit线上相应的点相连,计算这些Pit点对间形成的弹簧力,将由Pit线产生的外部约束力加入能量泛函中,迭代Snake曲线直至收敛,最后提取舌体图像。本发明能高效准确地从舌图像中提取舌体,具有很好的鲁棒性,能为进一步的舌像客观化描述和中医诊断提供保障,减少误诊率。
Description
技术领域
本发明涉及的是一种图像处理技术领域的方法,具体的说,涉及的是一种舌图像中舌体提取方法。
背景技术
作为中医中望诊的重要内容,对舌的诊断是获取病人健康状况信息的一种重要途径。长期以来,舌诊方法主要依赖于医生直观的定性观察,存在主观依赖型强和重复性差等不利因素。中医舌诊的客观化、定量化和标准化,对于中医辨证规范化及中医舌诊的进一步发展,具有重要的理论价值和实际意义。采用计算机图像分析技术对舌象进行处理,是发展中医舌诊的一条创新之路。在通过计算机进行舌像分析的中医舌诊系统中,舌体的提取是进行后续处理的重要基础,由于舌面上信息复杂且舌体边缘的颜色与唇色相当接近,并且在舌图像的采集过程中,病人的伸舌姿势各异,因此从舌图像中精确高效地分割舌体是一个难题。基于PDE(偏微分方程)的活动轮廓线模型可以有效提取图像中目标的轮廓。活动轮廓线模型的基本思想是:给定一条初始曲线,在图像的某些约束条件下,通过变形该曲线来检测目标的边界。它的特点是结合了图像的低层特征与对象的位置、大小、形状等高层知识,能够将图像数据、初始轮廓估计、希望提取到的轮廓的特征以及基于知识的约束等集成在单一的提取过程中。经典Snake模型在实际应用中存在两大难题:第一,通常必须将模型初始化于真实边缘附近,否则将可能导致错误结果;第二,Snake步进凹形边缘时存在问题。为此,有人提出了一种新的外力来解决这些问题,他们的模型称为梯度向量流Snake(GVF Snake)。
经对现有技术文献的检索发现,王艳清等在《电子学报》(32期pp.489-491)上,发表的“一种基于先验知识的自动舌体分割算法”,在采用GVF Snake提取舌体轮廓之前,先根据舌体的位置和颜色等先验信息,将上下唇与面部区域消去,从而减少其影响。但是,该方法不是直接作用在彩色舌图像上的,它们针对的是灰度图像,显然,忽略颜色信息会影响最终舌体分割的正确性,并且该方法并没有对分割效果不理想的情况提出相应措施。
发明内容
本发明的目的在于针对现有技术的不足,提出一种舌图像中舌体提取方法,使其采用彩色GYF Snake与智能剪技术,能高效准确地提取舌图像中的舌体,为进一步的舌像客观描述和诊断提供保障,减少误诊率。
本发明是通过以下技术方案实现的,本发明通过分别提取舌根和舌尖特征区来自动确定舌体的初始轮廓,再将彩色GVF Snake模型直接用于舌体的分割,对于初次分割效果不理想的情况,采用Snake模型中的Pit机制与智能剪相结合的方法,进一步精细化提取舌体。
本发明具体包括如下步骤:
(1)确定舌尖部特征区:将原始RGB舌图像按公式I(x,y)=|R(x,y)+B(x,y)-2G(x,y)|变换为灰度舌图像,再进行阈值分割;然后从图像底部向上搜索即可得到舌尖特征点;最后从该特征点开始分别沿着舌尖左右轮廓行进若干步,得到舌尖特征区。其中,(x,y)表示图像中像素的位置,R(x,y),B(x,y),G(x,y)分别表示(x,y)处对应像素的颜色分量值。
(2)确定舌根部特征区:由于光照原因,舌图像中舌根部有阴影。据此,将灰度舌图像向垂直方向作灰度投影,得到直方图的谷点;利用Sobel算子获取舌根部边缘,将谷点附近搜索到的边缘点定为舌根特征点,再分别向两侧作边界跟踪,得到舌根部特征区。
(3)生成彩色梯度图:根据具体情况对原始舌图像进行平滑等预处理,并利用彩色梯度算子计算生成彩色梯度图。本发明中采用Di Zenzo算子,其梯度定义为:
(4)构造Snake初始曲线:分别连接左右两侧舌尖部和舌根部特征区,构造Snake初始曲线,并将初始曲线所包围区域内的彩色梯度幅值置为零。
(5)初次分割:根据彩色梯度图求取GVF外力场,然后迭代Snake曲线直至收敛。
(6)判断分割效果:判断舌体的分割效果,对于分割准确的情况,直接提取舌体图像,舌体提取结束;对于分割精度不够的情况,则进入下一步。
(7)确定舌体边缘的几个种子点,再由智能剪根据步骤(3)中生成的彩色梯度图自动生成Pit线。
(8)二次分割:相应的Snake曲线段被N等分,将每个端点x1与Pit线上相应的点x1′用“弹簧”相连;然后,计算这些Pit点对之间形成的弹簧力:
Econ(xi)=-k(xi)(xi-xi′)2,
K为常量,X0对应起始种子点,L是相邻种子点之间的最大距离;将由Pit线产生的外部约束力加入能量泛函中,迭代Snake曲线直至收敛,最后提取舌体图像。
本发明采用了一种自动确定Snake初始曲线的方法,并将GVF Snake模型应用于彩色图像,同时对于分割不够准确的情况,进行二次分割,能够获得较高的舌体分割精确度并具有很好的鲁棒性。本发明平衡了分割精度与效率要求,能够有效地提高基于图像分析的中医舌诊系统的诊断正确率,具有很高的实用价值。
附图说明
图1为本发明方法对一幅舌图像的分割示例图
其中,(a)为原始舌图像;(b)为变换后的灰度图;(c)为阈值分割结果图;(d)为舌根部特征区与灰度投影图;(e)为局部GVF外力场示意;(f)为Snake迭代示意图;(g)为舌体提取结果。
图2为本发明方法对一幅舌图像二次分割示例图
其中,(a)为过分割舌图像;(b)为Pit线(4个Pit点);(c)为Snake迭代示意图;(d)为舌体提取结果;(e)为Pit线约束力示意图。
具体实施方式
以下结合附图对本发明的技术方案作进一步详细描述。
1.确定舌尖部特征区:将原始RGB舌图像如图1(a)所示,变换为灰度图,变换后的灰度图如图1(b)所示,并进行阈值分割,阈值分割结果如图1(c)所示,然后从图像底部向上搜索即可得到舌尖特征点Q,进而得到舌尖特征区的上端点QL和QR,如图1(c)所示。
2.确定舌根部特征区:将上述1中得到的灰度舌图像向垂直方向作灰度投影,得到直方图的谷点;利用Sobel算子获取舌根部边缘,将谷点附近搜索到的边缘点定为舌根点特征P,进而得到舌根部特征区的下端点PL和PR,如图1(d)所示。
3.生成彩色梯度图:利用Di Zenzo算子计算生成彩色梯度图。
4.构造Snake初始曲线:将点PL与QL,PR与QR分别用直线连接,得到封闭的的初始曲线,如图1(f)中最内侧曲线所示。
5.初次分割:根据彩色梯度图求取GVF外力场,局部外力场示意如图1(e)所示,然后迭代Snake曲线直至收敛。
6.判断分割效果:对于分割准确的情况,直接提取舌体图像,如图1(g)所示;对于舌体分割精度不够的舌图像,如产生了过分割,如图2(a)所示,其中曲线包围区域为步骤1-5的分割结果,则进入下一步。
7.生成Pit线:手工确定舌体边缘的几个种子点,如图2(b)中下嘴唇和舌体间的四个点,再由智能剪自动生成Pit线,如图2(b)中下嘴唇和舌体间的曲线所示。
8.二次分割:相应的Snake曲线段被等分,将每个端点xi与Pit线上相应的点xi′相连,如图2(e)所示,x与xi’相连接,形成一股由x向xi’拉力,然后计算这些Pit点对之间形成的弹簧力,进而Pit线会产生外部约束力,再将此外部约束力加入能量泛函中,迭代Snake曲线直至收敛,迭代过程如图2(c)所示,最后提取舌体图像结果,如图2(d)所示。本次实施中L=100,K=1,GVF Snake的参数为α=1,β=0,γ=1,迭代次数为100次。
本发明方法采用了一种自动确定Snake初始曲线的方法,并将GVF Snake模型应用于彩色图像,同时对于分割不够准确的情况采用一种简便的人工引导方法,进行二次分割,能够精确地提取舌图像的舌体。
Claims (5)
1、一种舌图像中舌体提取方法,其特征在于,包括如下步骤:
(1)确定舌尖部特征区,具体为:将原始舌图像变换为灰度舌图像,再进行阈值分割,然后从图像底部向上搜索得到舌尖部特征点,最后从该特征点开始分别沿着舌尖左右轮廓各行进,得到舌尖特征区;
(2)确定舌根部特征区,具体为:将灰度舌图像向垂直方向作灰度投影,得到直方图的谷点;利用Sobel算子获取舌根部边缘,将谷点附近搜索到的边缘点定为舌根特征点,再分别向两侧作边界跟踪,得到舌根部特征区;
(3)生成彩色梯度图;
(4)构造Snake初始曲线;
(5)初次分割;
(6)判断分割效果:对于分割准确的情况,直接提取舌体图像,舌体提取结束;否则,则进入下一步;
(7)确定舌体边缘的几个种子点,再由智能剪根据步骤(3)中生成的彩色梯度图自动生成Pit线;
(8)二次分割:相应的Snake曲线段被等分,将每个分段的端点与Pit线上相应的点相连,计算这些Pit点对间形成的弹簧力,将由Pit线产生的外部约束力加入能量泛函中,迭代Snake曲线直至收敛,最后提取舌体图像。
2、根据权利要求1所述的舌图像中舌体提取方法,其特征是,所述的步骤(3),具体为:利用彩色梯度算子计算生成彩色梯度图。
3、根据权利要求1所述的舌图像中舌体提取方法,其特征是,所述的步骤(4),具体为:分别连接左右两侧舌尖部和舌根部特征区,构造Snake初始曲线,并将初始曲线所包围区域内的彩色梯度幅值置为零。
4、根据权利要求1所述的舌图像中舌体提取方法,其特征是,所述的步骤(5),具体为:根据彩色梯度图求取GVF外力场,然后迭代Snake曲线直至收敛。
5、根据权利要求1所述的舌图像中舌体提取方法,其特征是,所述的步骤(8)中,计算Pit点对之间形成的弹簧力,具体为: K为常量,x0对应起始种子点,L是相邻种子点之间的最大距离。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2006100234508A CN100383811C (zh) | 2006-01-19 | 2006-01-19 | 舌图像中舌体提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2006100234508A CN100383811C (zh) | 2006-01-19 | 2006-01-19 | 舌图像中舌体提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1804867A true CN1804867A (zh) | 2006-07-19 |
CN100383811C CN100383811C (zh) | 2008-04-23 |
Family
ID=36866878
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB2006100234508A Expired - Fee Related CN100383811C (zh) | 2006-01-19 | 2006-01-19 | 舌图像中舌体提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN100383811C (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100380406C (zh) * | 2006-12-29 | 2008-04-09 | 四川大学 | 放射治疗计划系统中获得三维解剖结构投影轮廓线的方法 |
CN102496026A (zh) * | 2011-12-12 | 2012-06-13 | 江西中医学院 | 一种融合颜色和空间信息的舌象提取方法 |
CN102509279A (zh) * | 2011-11-02 | 2012-06-20 | 北京工业大学 | 根部欠照明舌图像的自适应暗部细节复现方法 |
CN104766068A (zh) * | 2015-04-20 | 2015-07-08 | 江西中医药大学 | 一种多规则融合的随机游走舌像提取方法 |
CN105764408A (zh) * | 2013-09-24 | 2016-07-13 | 韩国韩医学研究院 | 舌诊器再现性测定装置及方法 |
CN106875399A (zh) * | 2017-01-04 | 2017-06-20 | 努比亚技术有限公司 | 一种实现交互式图像分割的方法、装置及终端 |
CN113052866A (zh) * | 2021-03-29 | 2021-06-29 | 天津大学 | 基于局部二值拟合模型的超声图像舌轮廓提取方法 |
-
2006
- 2006-01-19 CN CNB2006100234508A patent/CN100383811C/zh not_active Expired - Fee Related
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100380406C (zh) * | 2006-12-29 | 2008-04-09 | 四川大学 | 放射治疗计划系统中获得三维解剖结构投影轮廓线的方法 |
CN102509279A (zh) * | 2011-11-02 | 2012-06-20 | 北京工业大学 | 根部欠照明舌图像的自适应暗部细节复现方法 |
CN102496026A (zh) * | 2011-12-12 | 2012-06-13 | 江西中医学院 | 一种融合颜色和空间信息的舌象提取方法 |
CN102496026B (zh) * | 2011-12-12 | 2013-07-17 | 江西中医学院 | 一种融合颜色和空间信息的舌象提取方法 |
CN105764408A (zh) * | 2013-09-24 | 2016-07-13 | 韩国韩医学研究院 | 舌诊器再现性测定装置及方法 |
CN104766068A (zh) * | 2015-04-20 | 2015-07-08 | 江西中医药大学 | 一种多规则融合的随机游走舌像提取方法 |
CN106875399A (zh) * | 2017-01-04 | 2017-06-20 | 努比亚技术有限公司 | 一种实现交互式图像分割的方法、装置及终端 |
CN113052866A (zh) * | 2021-03-29 | 2021-06-29 | 天津大学 | 基于局部二值拟合模型的超声图像舌轮廓提取方法 |
CN113052866B (zh) * | 2021-03-29 | 2022-11-18 | 天津大学 | 基于局部二值拟合模型的超声图像舌轮廓提取方法 |
Also Published As
Publication number | Publication date |
---|---|
CN100383811C (zh) | 2008-04-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2022120665A1 (zh) | 一种基于深度学习的电容缺陷智能检测方法 | |
WO2022199143A1 (zh) | 一种基于u型网络的医学图像分割方法 | |
CN1804867A (zh) | 舌图像中舌体提取方法 | |
CN113240691B (zh) | 一种基于u型网络的医学图像分割方法 | |
Li et al. | Vessels as 4-D curves: Global minimal 4-D paths to extract 3-D tubular surfaces and centerlines | |
CN108205806B (zh) | 一种锥束ct图像三维颅面结构的自动解析方法 | |
CN106204555B (zh) | 一种结合Gbvs模型和相位一致性的视盘定位方法 | |
WO2018098986A1 (zh) | 中医舌像自动检测系统及方法 | |
DE102005003605B4 (de) | Vorwissen, Niveaumengenrepräsentationen und visuelle Gruppierung | |
CN103824295A (zh) | 一种肺部ct图像中粘连血管型肺结节的分割方法 | |
CN112200773A (zh) | 一种基于空洞卷积的编码器和解码器的大肠息肉检测方法 | |
Feulner et al. | A probabilistic model for automatic segmentation of the esophagus in 3-D CT scans | |
CN108596062A (zh) | 基于深度学习的人脸图片实时高光去除方法及装置 | |
CN112263217B (zh) | 一种基于改进卷积神经网络的非黑素瘤皮肤癌病理图像病变区域检测方法 | |
Karimi et al. | Fully-automated tongue detection in ultrasound images | |
Czipczer et al. | Adaptable volumetric liver segmentation model for CT images using region-based features and convolutional neural network | |
CN102509296B (zh) | 基于最大相似性区域合并的胃部ct图像交互式分割方法 | |
CN104933723A (zh) | 基于稀疏表示的舌图像分割方法 | |
CN113658129B (zh) | 一种结合视觉显著性和线段强度的阵地提取方法 | |
CN106384343A (zh) | 一种基于形态学处理的硬性渗出区域检测方法 | |
Lermé et al. | A fully automatic method for segmenting retinal artery walls in adaptive optics images | |
Sezen et al. | Deep learning-based door and window detection from building façade | |
CN113989269B (zh) | 一种基于卷积神经网络多尺度特征融合的中医舌图像齿痕自动检测方法 | |
CN105184799A (zh) | 一种改进的无监督脑部肿瘤mri图像分割方法 | |
CN105225234A (zh) | 基于支持向量机mri图像分割的肺部肿瘤识别方法 |
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: 20080423 Termination date: 20110119 |