基于二維最大類間方差與數(shù)學形態(tài)學的舌像分割

基于二維最大類間方差與數(shù)學形態(tài)學的舌像分割

高清河1，2剛晶1王和禹1劉海英1

（1.遼寧中醫(yī)藥大學信息工程學院沈陽110847）（2.東北大學理學院沈陽110004）

舌診是中醫(yī)診斷疾病的重要方法，實現(xiàn)中醫(yī)舌診的客觀化和定量化是關(guān)系中醫(yī)舌診繼承和發(fā)揚的重要工作。為了將舌體區(qū)域正確地從采集的舌像中分割出來，論文采用了OTSU算法與數(shù)學形態(tài)學相結(jié)合的方法對舌像進行分割，最大類間方差法用于對原圖進行二值化增強處理，而數(shù)學形態(tài)學方法用于修正二值圖像的邊界，最終提取出舌體邊緣。實驗表明，經(jīng)過OTSU算法和數(shù)學形態(tài)學進行圖像分割，最后得到的舌體圖像更加清晰、連貫，提高了圖像的可視性和準確性。

最大類間方差；數(shù)學形態(tài)學；圖像濾波；舌像分割

Class NumberR318；TP391

1 引言

舌像診斷是獲取病人健康狀況信息的一種非常重要途徑，通過觀察舌像了解人體生理功能和病理變化［1］。在傳統(tǒng)的舌診過程中，醫(yī)生主要是根據(jù)自己的眼睛來觀察病人舌體和舌苔的異常變化，進而了解病人的身體機能的改變，以此來輔助對病人的治療。大多數(shù)的舌像診斷經(jīng)驗不能科學和量化地保留，既不利于中醫(yī)治療技術(shù)的流傳也不利于病人的診斷歷史查詢。因此，以現(xiàn)代科學技術(shù)手段使中醫(yī)舌診更加科學化、客觀化、具體化、精確化是非常重要和必要的［2］。

圖像分割是一種把圖像分成具有不同特性的區(qū)域，并把特定的目標內(nèi)容提取出來的技術(shù)和過程。舌圖像分割主要包括舌體分割和區(qū)域分割。中醫(yī)舌象分析儀采集的舌象包括受試者的舌體、嘴唇、面部等豐富的信息，為了方便后續(xù)舌苔舌質(zhì)的分離以及為以后的診斷提供準確的依據(jù)，必須將舌體區(qū)域正確的分割出來。舌像分割的效果將對進一步的舌像分析和識別產(chǎn)生直接的影響，所以舌像分割的準確性是相當重要的，是中醫(yī)舌診客觀化的重要前提工作［3～4］。常用的舌像分割方法主要包括基于邊緣檢測的分割法、基于顏色與紋理的分割法和基于顏色與模型的分割法［5～6］。

本文介紹了一種基于最大類間方差與數(shù)學形態(tài)學相結(jié)合的分割方法。最大類間方差法用于對原圖進行二值化增強處理，而數(shù)學形態(tài)學方法用于對二值圖像進行邊界的修正，這兩種方法的結(jié)合使用能夠更好地對圖像進行分離。

2 基本原理

2.1 最大類間方差法

最大類間方差法［7］是一種自適應閾值確定方法，簡稱OTSU。該方法的原理是在最小二乘法原理的基礎(chǔ)上將圖像在一維空間內(nèi)根據(jù)其灰度特征分割成目標和背景兩部分，是最為流行的閾值化方法之一。

設(shè)有一副灰度圖像F，其灰度范圍為[L1，L2]，圖像的像素點個數(shù)為M×N，灰度級為Li的像素點個數(shù)ni?；叶燃墳閚i的像素點出現(xiàn)的概率：

設(shè)分割閾值k∈(L1，L2)，按照這一閾值將圖像分成C0和C1兩類，其分割結(jié)果可表示為

其中，C0和C1分別表示目標和背景。灰度級小于k的包含于C0中，灰度級大于等于k的包含于C1中，則兩類出現(xiàn)的概率分別為

各類灰度均值：

C0和C1的方差分別為

目標和背景的類間方差為

2.2 數(shù)學形態(tài)學

數(shù)學形態(tài)學［11］最初是用來處理二值圖像，后來擴展到灰度圖像，到現(xiàn)在為止，已發(fā)展成為圖像處理的重要研究領(lǐng)域之一。其基本思想是用具有一定形態(tài)的結(jié)構(gòu)元素去量度和提取圖像中的對應形狀以達到對圖像分析和識別的目的。數(shù)學形態(tài)學描述語言是集合論，最基本的運算包括膨脹和腐蝕、開啟和閉合，通過以上方法的聯(lián)合使用，得到圖像的形態(tài)結(jié)構(gòu)。腐蝕和膨脹運算是數(shù)學形態(tài)學中最基本的兩種運算。腐蝕的基本方法是用預先定義好的結(jié)構(gòu)元素在圖像中檢測能夠完全容納這一元素的空間。對于不同的圖像可以選用不同的結(jié)構(gòu)元素，結(jié)構(gòu)元素的選取可以決定獲得圖像信息的側(cè)重點。膨脹運算與腐蝕運算基本相似，它們存在互補的關(guān)系。腐蝕能夠去除圖形表面像素，將圖形逐步縮小，從而可以達到消去點狀圖形和連通像素的效果。而膨脹就是將圖形的邊緣擴大，可以使圖形的邊緣更加平滑。開運算和閉運算是在腐蝕和膨脹的基礎(chǔ)上建立起來的。開運算的實質(zhì)是對圖像先進行腐蝕運算再進行膨脹運算，閉運算的實質(zhì)是對圖像先膨脹后腐蝕。

2.3 基于最大類間方差法與數(shù)學形態(tài)學的分割步驟

基于OTSU算法和數(shù)學形態(tài)學的舌像分割的基本流程如圖1所示。首先對預處理圖像進行灰度變換，然后對圖像進行中值濾波，將圖像中比較明顯的黑點、突刺和紋理淡化，降低其對特征圖像的影響，接著用OTSU算法對經(jīng)過濾波處理的圖像進行閾值分割，得到分割后的圖像。由于分割后的圖像一般不夠理想，存在許多干擾點或者比較深的紋理，這就需要數(shù)學形態(tài)學對圖像進行填充和濾波，使得圖像具有良好的可視性，最后對圖像進行邊緣提取，以達到高精度的邊緣圖像。

圖1 基于OTSU算法和數(shù)學形態(tài)學的舌像分割流程圖

3 實驗結(jié)果及分析

本文所有圖像的識別、圖像預處理、圖像分割以及邊緣檢測均在Matlab R2010a環(huán)境下編程實現(xiàn)。

3.1 舌像濾波

舌圖像在采集、傳輸和接收的過程中，不可避免地存在著外部干擾和內(nèi)部干擾。這些噪聲使舌圖像質(zhì)量變差，降低了圖像的質(zhì)量而使圖像模糊，甚至失去重要特征。這些噪聲直接影響著后續(xù)特征分類的準確性和精度，給舌圖像的客觀化分析帶來困難。所以首先要對原始圖像進行灰度校正和噪聲過濾等圖像預處理。

圖2 不同濾波方法的比較

經(jīng)中值濾波、自適應濾波和中值濾波對比實驗發(fā)現(xiàn)（圖2所示），圖像經(jīng)過中值濾波后，有效地去除了圖像中的噪聲，去噪效果最好。中值濾波是一種非線性濾波，可以在不減少圖像對比度的情況下減小異常值得影響。所以，本文首先對所選的舌像進行中值濾波，并給出了濾波后的舌像灰度直方圖，如圖3所示。

圖3 舌像預處理

3.2 舌象分割

首先對預處理圖像進行灰度變換，然后對圖像進行中值濾波，如圖4所示。在中值濾波的基礎(chǔ)上，經(jīng)OTSU算法閾值分割后獲得舌像的分割圖像，利用最大類間方差法得到的二值圖像，舌體與周圍連接的多余組織部分已經(jīng)斷開，從而實現(xiàn)區(qū)域塊與塊之間模糊邊界的分離。由于分割后的圖像一般不夠理想，存在許多干擾點或者比較深的紋理，這就需要采用數(shù)學形態(tài)學對圖像進行填充和濾波，再經(jīng)過反復使用開啟、閉合運算將圖像中無關(guān)的元素濾除，使得圖像具有良好的可視性。最后把二值圖與原圖進行與運算，獲得最后的分割圖像。

圖4 基于最大類間方差法與數(shù)學形態(tài)學的分割效果圖

3.3 舌像邊緣檢測

為比較不同舌像的紋理特征，利用基于最大類間方差與數(shù)學形態(tài)學的相結(jié)合的方法對紋裂舌和地圖舌進行分割，并對分割后的舌像進行了特征的提取，實驗結(jié)果如圖5所示。邊緣檢測是圖像處理和計算機視覺中的基本問題，邊緣檢測的目的是標識數(shù)字圖像中亮度變化明顯的點。綜合Canny算子，Laplascian算子以及sobel算子特征提取方法的對比，可以清晰的看出Canny算子特征提取的效果最佳，容易檢測出真正弱邊緣，更具有魯棒性。

圖5 對分割后的舌像進行邊緣檢測

4 結(jié)語

圖像分割是自動目標識別的重要組成部分，圖像分割的正確性和自適應性在一定程度上反映了目標檢測、識別的智能化程度。實驗表明：1）分割前圖像預處理中，中值濾波有效地去除了圖像中的噪聲，去噪效果最好。2）采用OTSU算法和數(shù)學形態(tài)學相結(jié)合的方法，對由中醫(yī)舌象分析儀采集的舌象進行舌體分割，能夠?qū)D中大量的不感興趣元素濾除掉，獲得清晰的邊緣圖像，使獲得的舌像清晰且精確。該算法克服了大量噪聲對圖像提取的影響，對舌像的分割具有良好的效果。3）在分割后舌像邊緣檢測對比實驗中，Canny算子特征提取的效果最佳，容易檢測出真正弱邊緣。

［1］朱文鋒.中醫(yī)診斷學［M］.上海：上?？茖W技術(shù)出版社，1982：35-49.

ZHU Wenfeng.Diagnostics of traditional Chinese medicine［M］.Shanghai：Shanghai Science and Technology Press，1982：35-49.

［2］周越，沈利，楊杰.基于圖像處理的中醫(yī)舌像特征分析方法［J］.紅外與激光工程，2002，31（6）：490-494.

ZHOU Yue，SHEN Li，YANG Jie.Feature analysis method of tongue image by Chinese medical diagnosis based on image processing［J］.Infrared and Laser Engineering，2002，31（6）：490-494.

［3］王郁中，楊杰，周越，等.圖像分割技術(shù)在中醫(yī)舌診客觀化研究中的應用［J］.生物醫(yī)學工程學雜志，2005，22（6）：1128-1133.

WANG Yuzhong，YANG Jie，ZHOU Yue，et al.Image Segmetation in Tongue Characterization［J］.Journal of Biomedical Engineering，2005，22（6）：1128-1133.

［4］Orlando JT.Image segmentation by histogram thresholding using fuzzy sets［J］.IEEE Transactions on Image Processing，2002，11（12）：1457-1465.

［5］孟浩.中醫(yī)舌像分割提取算法的研究與應用［D］.沈陽：東北大學，2007. MENG Hao.The Research and Application of Tongue Image Segmentation and Extraction Algorithm for Traditional Chinese Medicine［D］.Shenyang：Northeastern University，2007.

［6］朱潔華，阮邦志，勵俊雄，等.舌診客觀化研究的一種圖像處理方法［J］.中國生物醫(yī)學工程學報，2001，20（2）：132-137.

ZHU Jiehua，RUAN Bangzhi，LI Junxiong，et al.Towards the standardization of tongue diagnosis：an image processing approach［J］.Chinese Journal of Biomedical Engineering，2001，20（2）：132-137.

［7］Otsu N.A threshold selection method from gray-level histogram［J］.IEEE Trans.SMC，1979，9（1）：62-66.

［8］景曉軍，蔡安妮，孫景鰲.一種基于二維最大類間方差的圖像分割算法［J］.通信學報2001，22（4）：71-76.

JIN Xiaojun，CAI Anni，SUN Jingao.Image segmentation based on 2D maximum between-cluster variance［J］.Journal of China Institute of Communication，2001，22（4）：71-76.

［9］Kass M，Witkin A，Terzopoulos D.Snakes：Active Contour Models［J］.International Journal of Computer Vision，1987：321-331.

［10］Orlando JT.Image segmentation by histogram thresholding using fuzzy sets［J］.IEEE Transactions on Image Processing，2002，11（12）：1457-1465.

［11］Angulo J，Serra J.Modeling and segmentation of colour images in polar representations［J］.Image and Vision Computing，2007，25（4）：475-495.

Image Segmentation of Tongue Image Based on Two-dimensional OTSU Algorithm and Mathematical Morphology

GAO Qinghe1，2GANG Jing1WANG Heyu1LIU Haiying1
（1.College of Information Engineering，Liaoning University of Traditional Chinese Medicine，Shenyang110847）（2.College of Science，Northeastern University，Shenyang110004）

Tongue diagnosis is one of the essential methods of traditional Chinese medicine diagnosis.The realization of characterization and quantification of cdiagnosis is an important work which is related of succession and development of traditional Chinese tongue diagnosis.In order to obtain the tongue body area from the tongue image，the OTSU algorithm and mathematical morphology are introduced to segment tongue image.The OTSU algorithm is used to operate binary enhancement processing for the original image.However，the mathematical morphology is introduced to correct the boundary for binary image.Experimental results show that the proposed method can get better segmentation effect for tongue image.

OTSU algorithm，mathematical morphology，image filtering，tongue image segmentation

R318；TP391

10.3969/j.issn.1672-9722.2017.06.038

2016年12月9日，

2017年1月25日

遼寧省教育廳科學研究一般項目（編號：L2015333）資助。

高清河，男，博士研究生，講師，研究方向：數(shù)字醫(yī)學圖像及信號處理。