舌象的客观化研究.docxVIP

舌象的客观化研究 近年来，计算机图像分析技术被用于中医舌象的客观研究。研究内容不仅集中在舌象颜色信息的识别和分类上，还集中在舌象的纹理特征的分析和识别上。舌象的纹理分析包括舌质纹理、舌苔纹理和特殊纹理形态的点刺、瘀点、齿痕、裂纹等。本文则针对舌象中点刺与瘀点特征,依据景物匹配的原则,对特殊纹理判断的特点进行舌象纹理的量化、定义和分类。实验建立了舌象中点刺与瘀点特征的图像识别方法,并尝试将该方法应用与临床舌象的判别。 1 材料和方法 1.1 照明、以大陆法系的自然流程 图像采集设备选用CASIO-3000EX数码相机,最大分辨率为2048×1536,彩色深度为24 bit,自动对焦,0.06m至无限,三脚架固定。照明选用国际照明委员会(CIE)推荐使用的代表日光的标准光源D65,显色指数Ra=95,色温为6500K。自然光下使用该标准光源,照明光源的几何条件按照45/0(照明/观测)安排光路。被测者采取坐位或仰卧位,面对自然光线与辅助光源,确保舌面光线明亮。伸舌时尽量张口,将舌体伸出口外。舌体放松,舌面平展,舌尖自然下垂。 1.2 边缘检测和区域分割的方法与一般意义 首先,前期的预处理基于边缘检测方法完成舌象从背景中提取,在此基础上对舌象进行纹理分析和点刺、瘀点特征的分析识别。边缘检测和区域分割的具体方法将在其他论文中论述,本文工作在完成舌象目标分离的基础上进行的。整个程序设计都是在Visual C++6.0的环境下编程实现的。 1.3 特征向量匹配方法的运用,实现提出“匹配”过程的概念 舌象特殊纹理形态的分析,在中医舌诊中也有比较重要的诊断价值,其内容主要有点刺、瘀点、裂纹、齿痕等。舌象的特殊纹理形态在广义上仍属于图像的纹理分析,但又不同于一般纹理特征的描述。特殊纹理形态的识别实际上是以“特殊纹理”定义对图像进行“景物匹配”的过程,也即对给定的景物去建立或寻找与内部预先确定的表示之间的关系。一个简单有效的景物匹配方法就是特征向量匹配方法,它通过对一组特征向量取值来定义给定的景物,然后通过特征向量空间对应性来完成景物匹配。 对于一类景物,可以采用一组特征向量y来描述: y=(y1,y2…yn)∈Rn 而m个不同景物的样本特征向量分别为: y(j)∈Rn,j=1,2…m 所以,只要输入的景物y与某个y(j)一致,我们就可以确定该景物为所描述的标准景物。一般情况下,特征向量可以为一个范围,即通过一个特征子空间来表示标准子空间的描述,只要输入的该特征向量落入标准特征子空间,就认为该特征属于所描述的标准特征。 舌象特殊纹理形态的识别——即“匹配”过程的基本思想可以概括为:①对特殊纹理形态的定义,即采用一个特征子空间向量对其进行标准描述。通过对舌象特殊纹理形态的标准描述,建立特征向量子空间,完成点刺、瘀点、裂纹、齿痕等定义;②对舌象图像向量进行匹配,只要输入的舌象特征向量落入标准特征子空间,就认为该特征属于所描述的标准特征,即属于某种特殊纹理形态。 1.4 点刺、瘀点的特征根据 实验首先对点刺、瘀点在图像中的特征向量进行分析。在舌象特殊纹理形态中,点刺、瘀点是比较具有典型性的一种纹理特征,其视觉特征主要表现为:①颜色的不同:点刺、瘀点的取值范围和舌的其他部分不同,点刺(或红点)较舌色颜色更深、更红,瘀点的颜色则表现为青紫色;②灰度值不同:点刺(或红点)、瘀点的灰度值都明显要比它们临近的区域的灰度值小;③形状较小而且大小相当相对稳定:由于它们都是菌状乳头循环异常的表现,所以形态大小比较接近。 根据点刺、瘀点的这些特点,我们对典型的点刺、瘀点特征进行了分析提出,主要从R、G、B范围、灰度均值(AVG)差值和舌象上分布三方面来辨别舌象上的点刺和瘀点特征。 实验一致采用200×200的标准预处理后的图像,在9×9模板进行识别,对点刺、瘀点颜色的绝对指标和灰度均值在模板区域的相对值来判断点刺的存在。 1.4.1 点颜色属性r、g、b 对于点刺颜色的绝对指标即是给出点刺的R、G、B的范围来确定该象素点颜色属性是是否属于点刺或瘀点。 根据对典型点刺和瘀点颜色测试,R、G、B的范围为:点刺(R190 G130 B150);瘀点(R180 G100 B80)。 1.4.2 点刺和瘀点的阈值 对于相对值即是在一个9×9矩阵区域中,来判断中心点周围的3×3模板的灰度均值(avg)与大模板的灰度均值(AVG)的相对差值,点刺和瘀点的这个差值的绝对值大于某一个阈值。同理用该9×9矩阵对整个舌象进行检测。 根据对典型点刺和瘀点的测试,(AVG-avg)的阈值为:点刺20;瘀点30。 点刺或瘀点的存在,必须同时满足1.4.1和1.4.2两步判断,缺一不可。 1.4.3 点刺瘀点的数量 实验对点刺、瘀点的识别采用了定位、定量与定性相结合的设计方法。实验同时根据