基於二分光反射模型的中醫舌苔溼度的計算機分析方法
2023-06-04 19:08:16
專利名稱：基於二分光反射模型的中醫舌苔溼度的計算機分析方法
技木領域本發明屬醫學圖像處理領域。是一種利用計算機技術、圖象攝取技術、數字圖象處理技術、光學技術等實現中醫舌苔溼度的自動分析與判別的方法。該方法能實現對輸入舌圖象的自動分析，並判斷是燥苔、潤苔還是水滑苔。
舌苔是舌面上附著的一層苔狀物，其溼潤或乾燥是觀察體內水分過多或失水程度的重要指標；因此舌苔溼度是中醫舌診時所採用的基本特徵，也是中醫舌象分析裝置中使用的重要指標之一。
背景技術：
舌診是通過觀察舌象的變化了解人體生理功能和病理變化的診察方法，目前，中醫舌診仍然是靠醫生對舌體進行觀察，從而作出判斷。舌苔溼度的診察也是如此。這種方法帶有很強的主觀性、模糊性，診察結果與醫生的經驗密切相關。特別是在計算機技術、網絡技術高速發展的現在，傳統中醫診察方式已經不能適應醫學發展的需要。
二分光反射模型是光學領域中描述不透明非均質物體光反射機理的模型。它認為物體上任一點的顏色由面反射的光斑色和體反射的本色線性組合而成。對於不透明非均質物體，入射光在物體表面部分發生反射，其中的面反射是指在兩種物質(即空氣和不透明物質)接口處發生的反射；而體反射是物體本身的反射，它是當折射進入物體內部的光線在穿越介質時與存在於介質中的色素顆粒相碰撞，部分光線由於色素顆粒的影響發生散射，改變了方向，最終被反射出來的現象。若圖象某一點上面反射佔主導時，該點即為光斑點；若體反射佔主導時，該點即為本色點。由此可將彩色圖象分為光斑區和本色區。已經有研究將二分光反射模型應用於彩色圖象的分割，它根據二分光反射機理，依據亮度和各區象素點在二分光平面內形成線簇的形狀等特徵，對彩色圖象進行光斑檢測及將不同顏色的物體分離。但舌苔溼度分析中水膜光斑的檢測與普通彩色圖象的光斑檢測有所不同，它不僅要識別亮度區，還要區分亮斑區與舌苔白色本色區及區別水膜亮斑區與由光滑面形成的亮斑區。
發明內容
本發明不同於普通彩色圖象的光斑識別，是以二分光反射模型為基礎，根據舌苔潤燥程度將對面反射和體反射的主次產生影響的原理，針對舌苔溼度分析的具體情況，運用圖象處理的方法，識別舌圖象中與舌苔溼度有關的水膜亮斑區，從而有效地將現代計算機技術、圖象處理技術應用於舌苔溼度的分析，實現舌苔溼度的自動分析判斷。
本發明的技術方案參見圖1、圖2。該方法是由機械平臺與標準光源形成舌圖象的採集環境。數位相機用於獲得的數位化舌圖象，並將圖象傳輸至計算機，在計算機中完成從輸入舌圖象中得到各象素點的RGB值，進行分割，將舌體部分與背景相分離，本發明的特徵在於該方法還依次包括下述步驟1)在計算機中完成從輸入舌圖象中得到各象素點的RGB值，進行分割，將舌體部分與背景相分離；2)根據二分光反射模型機理，舌苔表面水膜反光將形成亮斑，通過計算圖象區域相對亮度可實現對亮斑區域的識別，首先將舌苔圖象分為若干小區，計算各區的相對亮度，相對亮度計算方法為 其中l為小子區的平均亮度，L為整個舌苔的平均亮度；平均亮度是小區內各象素點亮度的平均值，而這裡的亮度是指象素的RGB(紅、綠、藍)三色灰度值的加權平均，按現有映射關係，可得到亮度值Y＝0.299R+0.587G+0.114B；Dl大於閾值Dh，則該子區為較高亮度區；Dl小於Dh，則該子區非較高亮度區；Dh經實驗認為應取0.08至0.17。
採用區域生長法按8鄰域歸併較高亮度子區，得到較高亮度區域，參見圖8。具體步驟為分別判斷圖中較高亮度小區x周圍8個相鄰小區(1～8)是否為較高亮度區，若某一小區是，則將該小區與x小區合併為一個區域。
3)根據較高亮度區各象素點在RGB彩色空間的分布特徵。區分舌苔表面水膜反射造成的亮斑區與白色本色區。RGB彩色空間是以紅色、綠色、藍色三坐標形成的三維空間，坐標範圍為(0，0，0)～(255，255，255)，如圖9所示。坐標原點(0，0，0)表示三色灰度值都為0，象素點為黑色；(255，255，255)表示三色灰度值都為最大，象素點為白色。
由於舌苔經常有白色區域，這些區域也具有較高的亮度。要得到準確的舌苔溼度指標，必須將較高亮度區域中的白色本色區域排除。
經過實驗，發現舌苔上的本色區域與亮斑區域的象素在RGB彩色空間中的分布特徵有明顯不同。亮斑區象素點在RGB彩色空間中的分布的密度中心位置偏向坐標原點(0，0，0)；而白色本色區域的象素分布的密度中心位置偏向(255，255，255)。這裡，密度中心是指區域內各象素點的RGB各維坐標值分別取平均得到的平均坐標值。
對密度中心的位置進行分析，計算 其中C為高亮度區域象素點在RGB彩色空間中分布的密度中心，A為離原點最近的象素位置，B為離原點最遠的象素位置，C、A、B均為向量。若DC大於零表示密度中心偏上，則該區域為白色本色區；若DC小於零表示密度中心位置偏向坐標原點，則該區域為水膜白色亮斑區。
4)依據較亮區域的亮度梯度，以區分水膜亮斑區與平整光滑舌苔表面形成的亮斑區。因為平整光滑的燥苔表面也會出現較亮區域，所以必須將這類區域排除。
而水膜形成的亮斑區與平滑表面形成的亮斑區在亮度梯度上有所不同，前者的梯度值較高。這裡的梯度包括邊緣梯度及內部梯度兩部分。
邊緣梯度是亮斑與本色區之間的亮度梯度 其中DL為較亮區域的平均亮度值；l右～l下為該較亮區域的某一邊緣子區的右、左、上、下相鄰本色子區的平均亮度值，若某一方向上邊緣子區不與本色區相鄰，則相應的絕對值項為零，t為邊緣子區相鄰本色子區數目，Nedge為該亮度區域的邊緣子區數。
內部梯度是亮斑內部子區間的亮度梯度 其中l為較其中l為較亮區域內部某一子區的平均亮度值，其中l右、l下為該子區右邊及下邊子區的平均亮度值，Nin為該較亮區域內部子區數。
計算高亮度區域的邊緣梯度、內部梯度均值Gedge、Gin，並得到兩者乘積；將乘積與閾值Z比較，以判斷該區域是水膜亮斑區或平整光滑區，乘機小於Z，則為平整光滑區，反之為水分形成亮斑區。其中Z通過試探法得到，如取Z＝0.002。
5)根據所得水膜亮斑區域的平均相對亮度值Daver(即所有水膜亮斑區域相對亮度值Dl的平均值)確定舌苔潤燥程度，並分類；無亮斑為燥苔，Daver＜0.16是潤苔，Daver＞0.16是水滑苔；(其中中醫認為燥苔是望之乾枯，捫之無津；潤苔是水分適中，不滑不燥；水滑苔是水分過多，捫之溼滑，伸舌欲滴)。
6)輸出溼度分類結果。
本方法旨在根據舌苔潤燥對其光反射特性的影響，通過識別水膜形成的亮斑區，得到舌苔溼度分類結果。其結果作為中醫辨證的依據。
圖1是該分析方法應用系統結構框圖1.機械平臺，2.標準光源，3.數位相機，4.計算機，5.顯示器及列印設備；圖2是該分析方法主流程圖；圖3是該分析方法的主程序流程圖；圖4是圖象分區子程序流程圖；圖5是子區運算分析子程序流程圖；
圖6是鄰域歸併子程序流程圖；圖7是區域運算分析子程序流程圖；圖8是採用區域生長法按8鄰域歸併較高亮度子區，得到較高亮度區域示意，其中x是代處理的較高亮度小區，1-8是與x相鄰的小區；圖9是以紅色R、綠色G、藍色B三坐標形成的RGB彩色三維空間坐標示意。
具體實施例方式
本發明實施中是採用圖象攝取裝置(包括標準化光源、攝象器材、機械平臺等)實現舌圖象的採集，並將圖象傳輸至計算機，在計算機中按基於二分光反射模型的舌苔溼度分析方法步驟實現舌苔溼度的自動分析、判別。舌苔溼度分析歸結為確定舌表面含水量的多少。根據二分光反射模型，舌表面的水膜直接影響其反射特性。由此首先檢測舌苔圖象上的較高亮度區域；再從中排除白色本色區域及平整光滑區域，得到由水膜引起的亮斑區；最後依據亮斑區域的有無、大小、平均相對亮度得到舌苔溼度分類結果。該分析方法利用圖象處理相關理論能實現舌苔溼度的計算機自動分析及分類。
參見圖3，具體實施中將圖象傳輸至計算機後，在計算機中完成以下程序1、輸入舌圖象，得到各象素點的RGB值，用現有技術進行分割，將舌體部分與背景相分離。2、初始化參數，設n＝9，舌體部分將分為n×n＝81個子區；相對亮度閾值Dh＝0.1；亮度梯度閾值Z＝0.002；子區亮度標記c[j][k]＝0(0≤j、k＜n)；區域標記p[j][k]＝0(0≤j、k＜n)3、將舌體圖象分為n×n＝81個子區，具體方法見圖4的圖象分區子程序(1)掃描圖象第一行，找到第一個RGB值非(255，255，255)的象素點(即最左邊非白色點)，將其橫坐標賦於HZ；找到最後一個RGB值非(255，255，255)的象素點(即最右邊非白色點)，將其橫坐標賦於HY；(2)掃描下一行，將最左邊的非白色點的橫坐標賦於hz；將最右邊的非白色點的橫坐標賦於hy。若hz＜HZ，則將hz賦於HZ；若hy＞HY，則將hy賦於HY；(3)如此逐行掃描，最後得到舌體圖象的左右邊界HZ、HY；(4)同樣掃描列，得到舌體圖象的上下邊界VS、VX；(5)令 h即為各子區的橫向象素點數，v為各子區的縱向象素點數。1、計算各子區的相對亮度Dl，各子區RGB平均值r、g、b，各子區內離RGB坐標原點最近的象素RGB值ar、ag、ab，離RGB坐標原點最遠的象素RGB值br、bg、bb，並標記較高亮度子區。具體方法見圖5的子區運算分析子程序流程(1)將子區象素的RGB值賦於數組R[n][n]、G[n][n]、B[n][n]；(2)計算子區各象素點的亮度值Y[j][k]＝0.299R[j][k]+0.587G[j][k]+0.114B[j][k](0≤j＜v，0≤k＜h)；(3)計算子區各點RGB坐標離坐標原點的距離dis[j][k]，並得到該子區離原點最近的RGB坐標ar[i]、ag[i]、ab[i]及其離原點距離adis[i]，離RGB坐標原點最遠的象素RGB值br[i]、bg[i]、bb[i]及其離原點距離bdis[i](0≤i＜n2)；(4)累加該子區各點亮度值，求平均得到第i子區平均亮度值l[i]；(5)累加該子區各點RGB值，並分別求平均得到第i子區平均RGB坐標位置r[i]、g[i]、b[i]；(6)逐個子區進行上面各步驟，累加各子區平均亮度值並求平均得到整個舌體的平均亮度值L；(7)按公式計算子區相對亮度 (8)將相對亮度值Dl[i]與亮度閾值Dh比較，以檢測出圖象中有較高亮度的子區，Dl[i]大於Dh，則令子區亮度標記c[j][k]＝1(0≤j、k＜n)表示此子區即為較高亮度子區。1、採用區域生長法按8鄰域歸併較高亮度子區，得到較高亮度區域。具體方法見圖6的鄰域歸併子程序(1)設歸併後亮區域數目為N，N初始設為0；(2)判斷子區c[j][k]是否為1，若為1且區域標記p[j][k]＝0，則令N＝N+1，同時p[j][k]＝N。(0＜j、k＜n-1)；(3)判斷該子區周圍8個子區c[j-1][k-1]～c[j+1][k+1]，若為1，則令相應的p[j-1][k-1]～p[j+1][k+1]等於p[j][k]；(4)逐個子區進行以上歸併，最後得到N個較亮區域，區域標記p[j][k]為1～N的值。2、計算高亮度區域象素點在RGB彩色空間中分布的密度中心Cr、Cg、Cb，區域邊緣梯度Gedge及內部梯度Gin。具體方法見圖7的區域運算分析子程序流程(1)判斷子區p[j][k]是否不為0，若p[j][k]＝d(d≠0)則將該子區的RGB平均值r[i]、g[i]、b[i]分別累加到d區域的RGB值Cr[d-1]、Cg[d-1]、Cb[d-1]上；將該子區的平均亮度值l[i]累加到d區域的亮度值DL[d-1]上；同時d區域含子區數目num[d-1]加1；比較d區域各子區的離RGB原點最近值adis[i]，得到該區域離RGB原點最近值Adis[d-1]及相應的RGB值Ar[d-1]、Ag[d-1]、Ab[d-1]；比較d區域各子區的離RGB原點最遠值bdis[i]，得到該區域離RGB原點最遠值Bdis[d-1]及相應的RGB值Br[d-1]、Bg[d-1]、Bb[d-1]；(2)所有子區進行(1)步判斷後，求各區域(1～N)Cr、Cg、Cb和DL的平均值。區域d的RGB空間密度中心 區域d的平均亮度 (3)判斷密度中心在RGB空間中的位置，以區分由舌表面水膜反射造成的亮斑區和舌苔本身的白色區域，即計算 1≤d≤N；(4)判斷各子區(0＜j、k＜n-1)的p[j][k]值，若p[j][k]＝d(d≠0)，則判斷該子區上下左右4個子區全為亮子區，即c[j][k-1]·c[j][k+1]·c[j-1][k]·c[j+1][k]＝1；若全為亮子區，則表明該子區是亮區域的內部子區，在d區域內部梯度值Gin[d-1]上累加 l為各子區的平均亮度，同時區域d的內部子區數Nin加1；否則，則表明該子區是亮區域的邊緣子區，區域d的邊緣子區數Nedge加1，初始化該邊緣子區的相鄰非亮子區數t＝0，並依次判斷它相鄰4個子區是否為非亮子區；例如若其上方子區為非亮子區，即c[j][k-1]＝0，則在梯度累計值gedge上累加|DL[d-1]-l[j][k-1]，其中DL[d-1]為d區域平均亮度值，l[j][k-1]為上方子區的平均亮度值。同時該邊緣子區的相鄰非亮子區數t加1；將該邊緣子區的4相鄰子區作上述運算後，得到該邊緣子區的平均梯度 並將其累加至d區域邊緣梯度值Gedge[d-1]上，即Gedge[d-1]＝Gedge[d-1]+gedge；(5)所有子區完成(3)步判斷，求各區域(1～N)的平均內部梯度和邊緣梯度區域d的平均內部梯度 區域d的平均邊緣梯度 (6)標記水膜亮斑區判斷d區DC、Gedge、Gin的值，若DC＞0或Gedge·Gin＜Z，即該區域為非水膜亮斑區，則判斷所有子區的區域標記p[j][k](0≤j、k＜n)，若p[j][k]＝d，則令p[j][k]＝0。這樣，整個舌體區域中水膜亮斑子區的區域標記p[j][k]為非零。1、判斷各子區的區域標記p[j][k]，若為非零，則Daver累加該子區的相對亮度Dl[i]，亮斑區域包含子區數目M加1。2、求亮斑區域平均相對亮度 ，並將其賦於Daver。3、根據亮斑區域的子區數目M、平均相對亮度值Daver確定舌苔潤燥程度，並分類(燥苔、潤苔、水滑苔)，燥苔無亮斑M＝0，Daver＜0.16是潤苔，Daver＞0.16是水滑苔。
權利要求
1.基於二分光反射模型的中醫舌苔溼度的計算機分析方法，是由機械平臺與標準光源形成舌圖象的採集環境，數位相機用於獲得的數位化舌圖象，並將圖象傳輸至計算機，在計算機中完成從輸入舌圖象中得到各象素點的RGB值，進行分割，將舌體部分與背景相分離，本發明的特徵在於該方法還依次包括下述步驟1)在計算機中完成從輸入舌圖象中得到各象素點的RGB值，進行分割，將舌體部分與背景相分離；2)根據二分光反射模型機理，舌苔表面水膜反光將形成亮斑，通過計算圖象區域相對亮度可實現對亮斑區域的識別，首先將舌苔圖象分為若干小區，計算各區的相對亮度，相對亮度計算方法為 其中l為小子區的平均亮度，L為整個舌苔的平均亮度，Dl大於閾值Dh，則該子區為較高亮度區；Dl小於Dh，則該子區非較高亮度區；Dh經實驗認為應取0.08至0.17，採用區域生長法按8鄰域歸併較高亮度子區，得到較高亮度區域；3)根據較高亮度區各象素點在RGB彩色空間的分布特徵，區分舌苔表面水膜反射造成的亮斑區與白色本色區，對密度中心的位置進行分析，計算 其中C為高亮度區域象素點在RGB彩色空間中分布的密度中心，A為離原點最近的象素位置，B為離原點最遠的象素位置，C、A、B均為向量，若DC大於零表示密度中心偏上，則該區域為白色本色區，若DC小於零表示密度中心位置偏向坐標原點，則該區域為水膜白色亮斑區；4)依據較亮區域的亮度梯度，以區分水膜亮斑區與平整光滑舌苔表面形成的亮斑區，這裡的梯度包括邊緣梯度及內部梯度兩部分，邊緣梯度是亮斑與本色區之間的亮度梯度 其中DL為較亮區域的平均亮度值；l右～l下為該較亮區域的某一邊緣子區的右、左、上、下相鄰本色子區的平均亮度值，若某一方向上邊緣子區不與本色區相鄰，則相應的絕對值項為零，t為邊緣子區相鄰本色子區數目，Nedge為該亮度區域的邊緣子區數，內部梯度是亮斑內部子區間的亮度梯度 其中l為較其中l為較亮區域內部某一子區的平均亮度值，其中l右、l下為該子區右邊及下邊子區的平均亮度值，Nin為該較亮區域內部子區數，計算高亮度區域的邊緣梯度、內部梯度均值Gedge、Gin，並得到兩者乘積；將乘積與閾值Z比較，以判斷該區域是水膜亮斑區或平整光滑區，乘機小於Z，則為平整光滑區，反之為水分形成亮斑區，其中Z通過試探法得到，可取Z＝0.002；5)根據所得水膜亮斑區域的平均相對亮度值Daver(即所有水膜亮斑區域相對亮度值Dl的平均值)確定舌苔潤燥程度，並分類，無亮斑為燥苔，Daver＜0.16是潤苔，Daver＞0.16是水滑苔；6)輸出溼度分類結果。
全文摘要
基於二分光反射模型的中醫舌苔溼度的計算機分析方法,屬醫學圖像處理領域。該方法是採用圖象攝取裝置實現舌圖象的採集,並將圖象傳輸至計算機,在計算機中按基於二分光反射模型的舌苔溼度分析方法步驟實現舌苔溼度的自動分析、判別。舌苔溼度分析歸結為確定舌表面含水量的多少,根據二分光反射模型,舌表面的水膜直接影響其反射特性。由此首先檢測舌苔圖象上的較高亮度區域,再從中排除白色本色區域及平整光滑區域,得到由水膜引起的亮斑區,最後依據亮斑區域的有無、大小、平均相對亮度得到舌苔溼度分類結果。該分析方法利用圖象處理相關理論能實現舌苔溼度的計算機自動分析及分類,其結果作為中醫辨證的依據。
文檔編號G01N35/00GK1367387SQ0210379
公開日2002年9月4日 申請日期2002年3月25日 優先權日2002年3月25日
發明者沈蘭蓀 申請人:北京工業大學