鬼佬大哥大
  • / 9
  • 下載費用:30 金幣  

舌像分割方法.pdf

摘要
申請專利號:

CN201410089643.8

申請日:

2014.03.12

公開號:

CN103985113A

公開日:

2014.08.13

當前法律狀態:

授權

有效性:

有權

法律詳情: 授權|||實質審查的生效IPC(主分類):G06T 7/00申請日:20140312|||公開
IPC分類號: G06T7/00; G06T5/50 主分類號: G06T7/00
申請人: 浙江工商大學
發明人: 李笑嵐; 王慧燕; 王勛
地址: 310018 浙江省杭州市下沙高教園區學正街18號
優先權:
專利代理機構: 杭州裕陽專利事務所(普通合伙) 33221 代理人: 應圣義
PDF完整版下載: PDF下載
法律狀態
申請(專利)號:

CN201410089643.8

授權公告號:

||||||

法律狀態公告日:

2017.09.29|||2014.09.10|||2014.08.13

法律狀態類型:

授權|||實質審查的生效|||公開

摘要

本發明提供一種舌像分割方法,包括對獲取到的表征舌體信息的舌像進行預處理,得到均衡化的灰度圖像。去除得到的均衡化的灰度圖像的背景,得到基礎舌像;和計算得到的均衡化的灰度圖像的熵值。根據熵值對基礎舌像內的像素進行熵聚類,提取熵值滿足設定值的區域,形成目標舌像。抽取目標舌像的骨架。在骨架上選取至少兩對控制點,計算上述控制點對之間的最短測地路徑,依次連接所有最短測地路徑,得到舌像輪廓。本發明提供的舌像分割方法,利用局部熵特征增強舌像邊緣等底層特征,且通過抽取最短測地距離自動獲取針對每個特定舌體的模版,大大提高了分割的精度,具有更高的魯棒性。

權利要求書

權利要求書
1.  一種舌像分割方法,其特征在于,包括:
對獲取到的表征舌體信息的舌像進行預處理,得到均衡化的灰度圖像;
去除得到的均衡化的灰度圖像的背景,得到基礎舌像;和計算得到的均衡化的灰度圖像的熵值;
根據熵值對基礎舌像內的像素值進行熵聚類,提取熵值滿足設定值的區域,形成目標舌像;
抽取目標舌像的骨架;
在骨架上選取至少兩對控制點,計算所述控制點對之間的最短測地路徑,依次連接所有所述最短測地路徑,得到舌像輪廓。

2.  根據權利要求1所述的舌像分割方法,其特征在于,所述預處理步驟包括:
獲取表征舌體信息的舌像中所有像素的紅色通道值R(i,j)、藍色通道值B(i,j)以及了綠色通道值G(i,j),其中舌像包括M*N個像素,i=1,...,M,j=1,...,N;
對綠色通道值G(i,j)進行修正,得到Gnew(i,j)。

3.  根據權利要求2所述的舌像分割方法,其特征在于,所述修正步驟包括根據獲取到的紅色通道值R(i,j)、藍色通道值B(i,j)以及了綠色通道值G(i,j),按如下公式
Gnew(i,j)=(R(i,j)-G(i,j))/(|G(i,j)-B(i,j)|+1)
進行計算,得到新的綠色通道值Gnew(i,j)。

4.  根據權利要求2所述的舌像分割方法,其特征在于,所述去除得到的灰度圖像的背景,得到基礎舌像的步驟包括:
根據得到的均衡化的灰度圖像,構造直方圖,獲取直方圖的谷點,將小于給定像素值的最大谷點所在像素值作為閾值,大于此閾值的點設置為1,小于此閾值的點認為是背景點,設置為0,提取數值為1的點,形成第一圖像;
根據得到的均衡化的灰度圖像按公式
T(i,j)=0|R(i,j)-Gnew(i,j)|<&Element;&&|B(i,j)-Gnew(i,j)|<&Element;&&|B(i,j)-R(i,j)|<&Element;1else]]>
進行計算,并提取數值為1的點,形成第二圖像,其中ε為設定值;
將第一圖像和第二圖像相乘得到基礎舌像。

5.  根據權利要求1所述的舌像分割方法,其特征在于,所述熵值的計算為:
HD,Rx=-ΣiPD,Rx(gi)&CenterDot;log2PD,Rx(gi)]]>
其中,HD,Rx表示熵值,x表示給定像素點,Rx表示給定鄰域,gi表示灰度級別,D表示一副具有K個灰度級的圖像,P表示鄰域Rx中第i(i=1,…,K)級灰度出現的概率。

6.  根據權利要求1所述的舌像分割方法,其特征在于,采用k-means方法來進行熵聚類,形成初始的兩個類,第一類的熵值中心點為最大熵值和最小熵值之差的四分之三倍,第二類的熵值中心點為最大熵值和最小熵值之差的四分之一倍。

7.  根據權利要求1所述的舌像分割方法,其特征在于,采用snake算法對舌像輪廓進行調整。

說明書

說明書舌像分割方法
技術領域
本發明涉及圖像處理領域,且特別涉及一種舌像分割方法。 
背景技術
傳統中醫方法作為綿延幾千年的一種醫療體系,是現在醫療方法的重要分支。一方面中醫方法能在疾病早期就發現問題,盡早對身體進行調理,從而阻止身體發生嚴重地病變。另一方面,中醫診斷的望聞切問四法不會給病人帶來任何難以忍受的痛苦,和現代醫學追求的無損傷、無痛苦診療目標完全吻合。因此,中醫正在被全世界逐步接受。 
作為中醫四診法之一的“望”,其主要研究對象就是舌象。舌體的大小、形狀、顏色、裂紋、胎質、以及齒痕有無和位置等信息都反映了病人的健康狀況。這使得舌診成為了中醫診斷中非常重要以及廣泛使用的診斷方法。 
然而,中醫診斷主要憑借執業中醫師的經驗來完成,缺乏有效的量化標準,這極大地阻礙了中醫的現代化發展之路。作為其中一個重要的中醫診斷方法,舌診具有同樣的缺陷。基于圖像分析、模式識別和人工智能技術的自動化舌診系統是彌補此種缺陷的方法之一。此類系統的目的就是建立舌像特征和舌像類型之間的關系,實現舌診的自動化。舌像特征的提取完全依賴于對圖像中舌體的精確分割,因此提出了很多針對舌診圖像分割方法,這些方法一般可以分為底層特征分割法和高層模版分割法。其中底層特征基本是利用圖像中的邊緣信息,而因為光照和舌圖像本身特性的影響,舌圖像中舌體邊界輪廓往往比較模糊,很難界定。又因為病變等緣故,統一的模版不能捕捉多種形態的舌體。 
發明內容
本發明為了克服現有的舌像分割方法無法同時實現高輪廓界定以及通用性的要求,提供一種舌像分割方法。 
為了實現上述目的,本發明一中舌像分割方法,包括對獲取到的表征舌體信息的舌像進行預處理,得到均衡化的灰度圖像。去除得到的均衡化的灰度圖像的背景,得到基礎舌像;和計算得到的均衡化的灰度圖像的熵值。根據熵值對基礎舌像內的像素值進行熵聚類,提取熵值滿足設定值的區域,形成目標舌像。抽取目標舌像的骨架。在骨架上選取至少兩對控制點,計算上述控制點對之間的最短測地路徑,依次連接所有最短測地路徑,得到舌像輪廓。 
于本發明一實施例中,預處理步驟包括:獲取表征舌體信息的舌像中所有像素的紅色通道值R(i,j)、藍色通道值B(i,j)以及了綠色通道值G(i,j),其中舌像包括M*N個像素,i=1,...,M,j=1,...,N。 
對綠色通道值G(i,j)進行修正,得到Gnew(i,j)。 
于本發明一實施例中,修正步驟包括根據獲取到的紅色通道值R(i,j)、藍色通道值B(i,j)以及綠色通道值G(i,j),按如下公式 
Gnew(i,j)=(R(i,j)-G(i,j))/(|G(i,j)-B(i,j)|+1) 
進行計算,得到新的綠色通道值Gnew(i,j)。 
于本發明一實施例中,去除得到的灰度圖像的背景,得到基礎舌像的步驟包括: 
根據得到的均衡化灰度圖像,構造直方圖,獲取直方圖的谷點,將小于給定像素值的最大谷點所在像素值作為閾值,大于此閾值的點設置為1,小于此閾值的點認為是背景點,設置為0,提取數值為1的點,形成第一圖像; 
根據得到的均衡化灰度圖像按公式 
T(i,j)=0|R(i,j)-Gnew(i,j)|<&Element;&&|B(i,j)-Gnew(i,j)|<&Element;&&|B(i,j)-R(i,j)|<&Element;1else]]>
進行計算,并提取數值為1的點,形成第二圖像; 
將第一圖像和第二圖像相乘得到基礎舌像。 
于本發明一實施例中,熵值的計算為: 
HD,Rx=-ΣiPD,Rx(gi)&CenterDot;log2PD,Rx(gi)]]>
其中,HD,Rx表示熵值,x表示給定像素點,Rx表示給定鄰域,gi表示灰度級別,D表示一副具有K個灰度級的圖像,P表示鄰域Rx中第i(i=1,…,K)級灰度出現的概率。 
于本發明一實施例中,采用k-means方法來進行熵聚類,形成兩個類,第一類的熵值中心點為最大熵值和最小熵值之差的四分之三倍,第二類的熵值中心點為最大熵值和最小熵值之差的四分之一倍。 
于本發明一實施例中,采用snake算法對舌像輪廓進行調整。 
綜上所述,本發明通過計算均衡化的灰度圖像的熵值,并對熵值進行聚類,提取滿足設定值的熵值區域,形成目標舌像。通過熵值的計算以及聚類,定量的形成可最大限度的保留舌像的細節的目標舌像。同時,本發明通過對目標舌像進行骨架抽取,并通過計算骨架上的控制點間的最短測地距離來滿足每個特定舌體的舌像輪廓的獲取,從而達到滿足不同的舌體分割的需求,具有很強的通用性以及更高的魯棒性。 
此外,為更好地得到均衡化的灰度圖像,本發明對獲取到的綠色通道值G(i,j)進行修正,使原本像素值高的位置像素值變低,而原本像素值低的位置像素值變高,從而達到均衡化的目的。且為使得到的基礎舌像更加精確,本發明通過將已消除曝光不足的第一圖像和消除灰色區域的第二圖像相乘得到基礎圖像。 
為讓本發明的上述和其它目的、特征和優點能更明顯易懂,下文特舉較佳實施例,并配合附圖,作詳細說明如下。 
附圖說明
圖1所示為本發明實施例一提供的舌像分割方法的流程圖。 
圖2所示為本發明實施例二提供的舌像分割方法的流程圖。 
具體實施方式
實施例一 
如圖1所示,本發明提供的舌像分割方法包括: 
步驟S101對獲取到的表征舌體信息的舌像進行預處理,得到均衡化的灰度圖像。 
步驟S102去除得到的均衡化的灰度圖像的背景,得到基礎舌像。 
步驟S103計算得到的均衡化的灰度圖像的熵值。 
步驟S104根據熵值對基礎舌像內的像素值進行熵聚類。 
步驟S105提取熵值滿足設定值的區域,形成目標舌像。 
步驟S106抽取目標舌像的骨架。 
步驟S107在骨架上選取至少兩對控制點,計算上述控制點對之間的最短測地路徑,依次連接所有最短測地路徑,得到舌像輪廓。 
步驟S108采用snake算法對舌像輪廓進行調整。 
對于步驟S101,為了更好的得到舌像的輪廓,將得到的原始的彩色的圖轉換為灰度圖,且由于灰度圖上不同點其像素值的高低不同,因此,需對得到的灰度圖進行均衡化處理。本實施例采用RGB系統來表示得到的灰度圖,在紅色 通道值R(i,j)、藍色通道值B(i,j)以及綠色通道值G(i,j)三者中紅色通道值R(i,j)的值最高,其所含的細節信息最豐富。而三者中綠色通道值G(i,j)最小,對它進行修正,對舌像的影響很小。因此,為得到均衡化的灰度圖像可對綠色通道值G(i,j)進行修正。具體修正方式按公式一進行計算,得到新的綠色通道值Gnew(i,j),使得原有的灰度圖上,像素值高的點像素值變低,而像素值低的點像素值變高,實現灰度圖的均衡化。 
Gnew(i,j)=(R(i,j)-G(i,j))/(|G(i,j)-B(i,j)|+1)    公式一 
其中舌像包括M*N個像素,i=1,...,M,j=1,...,N。 
對于步驟S102去除得到的均衡化的灰度圖像的背景,得到基礎舌像。本實施例根據步驟S101得到的均衡化灰度圖像,構造直方圖,并獲取直方圖的谷點,將小于給定像素值的最大谷點所在像素值作為閾值,大于此閾值的點設置為1,小于此閾值的設置為0,提取數值為1的點,形成第一圖像。 
且進一步的,按公式二去除均衡化的灰度圖中灰色的區域,形成第二圖像,其中公式二中的ε為用戶給定的設定值。在具體使用時,用戶可根據均衡化的灰度圖像中灰色區域的像素值進行給定。 
將第一圖像和第二圖像相乘得到基礎舌像。 
T(i,j)=0|R(i,j)-Gnew(i,j)|<&Element;&&|B(i,j)-Gnew(i,j)|<&Element;&&|B(i,j)-R(i,j)|<&Element;1else]]>        公式二 
對于步驟S103計算得到的均衡化的灰度圖像的熵值。于本實施例中,熵值的計算是通過鄰域內的熵值的變化來檢測均衡化的灰度圖像中弱小的目標。與傳統的熵值計算方法,該種熵值計算方法可很容易的分割出目標邊緣,便于識別目標圖像的形狀,提高識別精度。 
HD,Rx=-ΣiPD,Rx(gi)&CenterDot;log2PD,Rx(gi)]]>    公式三 
公式三中,其中,HD,Rx表示熵值,x表示給定像素點,Rx表示給定鄰域,gi表示灰度級別,D表示一副具有K個灰度級的圖像,P表示鄰域Rx中第i(i=1,…,K)級灰度出現的概率。 
對于步驟S104根據熵值對基礎舌像內的像素進行熵聚類。于本實施例中,采用k-means方法來進行熵聚類,形成初始的兩個類,第一類的熵值中心點為步驟S103中所得的最大熵值和最小熵值之差的四分之三倍,第二類的熵值中心點為最大熵值和最小熵值之差的四分之一倍。 
k-means方法是將均衡化的灰度圖像中的熵值分為兩個群聚,首先選取中心值為步驟S103中所得的最大熵值和最小熵值之差的四分之三倍作為中心點,而第二類的中心值為步驟S103中所得的最大熵值和最小熵值之差的四分之一倍。 
其次,分配每一個數值到最接近的群聚中,并重新計算該群聚中的平均數,并將該平均數作為中心點。不斷的重復該計算平均值步驟,直到將所有的像素點的熵值均完成聚類。并執行步驟S104,步驟S104是根據步驟S103得到的群聚,將群聚高的那一類設置為1,低的設置為0,并提取數值為1的區域,形成目標舌像。 
進一步的,采用以關和閉運算為基礎的,對步驟S104得到的目標舌像進行骨架抽取(S105),保留目標舌像的拓撲形態。并在骨架上選取兩對控制點,計算兩個控制點對之間的最短測地路徑,依次連接所有上述最短測地路徑,得到舌像輪廓(S106)。然而,本發明對此不作任何限定,于其它實施例中,用戶可抽取兩對以上的控制點來計算控制點對間的最短測地距離來提高圖像的識別精度。通過對目標舌像進行骨架抽取,并通過計算骨架上的控制點間的最短測地距離來滿足每個特定舌體的舌像輪廓的獲取,從而達到滿足不同的舌體分割的需求,具有很強的通用性。 
進一步的,由于圖像的邊緣是灰度不連續的結果,為提高步驟S106得到的舌像輪廓的邊界進行識別,本發明的舌像分割法還采用snake算法對步驟S106得到舌像輪廓進行調整(步驟S107)。 
實施例二 
如圖2所示,本實施例與實施例一及其變化基本相同,區別在于: 
步驟S111對獲取到的表征舌體信息的舌像進行預處理,得到均衡化的灰度圖像。 
步驟S112計算得到的均衡化的灰度圖像的熵值。 
步驟S113去除得到的均衡化的灰度圖像的背景,得到基礎舌像。 
步驟S114根據熵值對基礎舌像內的像素值進行熵聚類。 
步驟S115提取熵值滿足設定值的區域,形成目標舌像。 
步驟S116抽取目標舌像的骨架。 
步驟S117在骨架上選取至少兩對控制點,計算上述控制點對之間的最短測地路徑,依次連接所有最短測地路徑,得到舌像輪廓。 
步驟S118采用snake算法對舌像輪廓進行調整。 
在該實施例中,首先對步驟S111得到的均衡化的灰度圖進行熵值計算(S112)后再執行步驟S113來去除得到的均衡化的灰度圖像的背景,得到基礎舌像。本實施例與實施例一的區別在于第二步和第三步的執行順序不同。由于步驟S112和步驟S113均是在均衡化的灰度圖像上進行操作,兩者的先后可根據用戶的需求進行選取。 
綜上所述,本發明通過計算均衡化灰度圖像的熵值,并對熵值進行聚類,提取滿足設定值的熵值區域,形成目標舌像。通過熵值的計算以及聚類,定量的形成可最大限度的保留舌像的細節的目標舌像。同時,本發明通過對目標舌像進行骨架抽取,并通過計算骨架上的控制點間的最短測地距離來滿足每個特定舌體的舌像輪廓的獲取,從而達到滿足不同的舌體分割的需求,具有很強的通用性以及更高的魯棒性。 
此外,為更好地得到均衡化的灰度圖像,本發明對獲取到的綠色通道值G(i,j)進行修正,使原本像素高的位置像素變低,而原本像素低的位置像素變高,從而達到均衡化的目的。且為使得到的基礎舌像更加精確,本發明通過將已消除曝光不足的第一圖像和消除灰色區域的第二圖像相乘得到基礎圖像。 
雖然本發明已由較佳實施例揭露如上,然而并非用以限定本發明,任何熟知此技藝者,在不脫離本發明的精神和范圍內,可作些許的更動與潤飾,因此本發明的保護范圍當視權利要求書所要求保護的范圍為準。 

關 鍵 詞:
分割 方法
  專利查詢網所有資源均是用戶自行上傳分享,僅供網友學習交流,未經上傳用戶書面授權,請勿作他用。
關于本文
本文標題:舌像分割方法.pdf
鏈接地址:http://www.wwszu.club/p-6140815.html
關于我們 - 網站聲明 - 網站地圖 - 資源地圖 - 友情鏈接 - 網站客服客服 - 聯系我們

[email protected] 2017-2018 zhuanlichaxun.net網站版權所有
經營許可證編號:粵ICP備17046363號-1 
 


收起
展開
鬼佬大哥大