基于二维最大类间方差与数学形态学的舌像分割

基于二维最大类间方差与数学形态学的舌像分割

高清河1，2刚晶1王和禹1刘海英1

（1.辽宁中医药大学信息工程学院沈阳110847）（2.东北大学理学院沈阳110004）

舌诊是中医诊断疾病的重要方法，实现中医舌诊的客观化和定量化是关系中医舌诊继承和发扬的重要工作。为了将舌体区域正确地从采集的舌像中分割出来，论文采用了OTSU算法与数学形态学相结合的方法对舌像进行分割，最大类间方差法用于对原图进行二值化增强处理，而数学形态学方法用于修正二值图像的边界，最终提取出舌体边缘。实验表明，经过OTSU算法和数学形态学进行图像分割，最后得到的舌体图像更加清晰、连贯，提高了图像的可视性和准确性。

最大类间方差；数学形态学；图像滤波；舌像分割

Class NumberR318；TP391

1 引言

舌像诊断是获取病人健康状况信息的一种非常重要途径，通过观察舌像了解人体生理功能和病理变化［1］。在传统的舌诊过程中，医生主要是根据自己的眼睛来观察病人舌体和舌苔的异常变化，进而了解病人的身体机能的改变，以此来辅助对病人的治疗。大多数的舌像诊断经验不能科学和量化地保留，既不利于中医治疗技术的流传也不利于病人的诊断历史查询。因此，以现代科学技术手段使中医舌诊更加科学化、客观化、具体化、精确化是非常重要和必要的［2］。

图像分割是一种把图像分成具有不同特性的区域，并把特定的目标内容提取出来的技术和过程。舌图像分割主要包括舌体分割和区域分割。中医舌象分析仪采集的舌象包括受试者的舌体、嘴唇、面部等丰富的信息，为了方便后续舌苔舌质的分离以及为以后的诊断提供准确的依据，必须将舌体区域正确的分割出来。舌像分割的效果将对进一步的舌像分析和识别产生直接的影响，所以舌像分割的准确性是相当重要的，是中医舌诊客观化的重要前提工作［3～4］。常用的舌像分割方法主要包括基于边缘检测的分割法、基于颜色与纹理的分割法和基于颜色与模型的分割法［5～6］。

本文介绍了一种基于最大类间方差与数学形态学相结合的分割方法。最大类间方差法用于对原图进行二值化增强处理，而数学形态学方法用于对二值图像进行边界的修正，这两种方法的结合使用能够更好地对图像进行分离。

2 基本原理

2.1 最大类间方差法

最大类间方差法［7］是一种自适应阈值确定方法，简称OTSU。该方法的原理是在最小二乘法原理的基础上将图像在一维空间内根据其灰度特征分割成目标和背景两部分，是最为流行的阈值化方法之一。

设有一副灰度图像F，其灰度范围为[L1，L2]，图像的像素点个数为M×N，灰度级为Li的像素点个数ni。灰度级为ni的像素点出现的概率：

设分割阈值k∈(L1，L2)，按照这一阈值将图像分成C0和C1两类，其分割结果可表示为

其中，C0和C1分别表示目标和背景。灰度级小于k的包含于C0中，灰度级大于等于k的包含于C1中，则两类出现的概率分别为

各类灰度均值：

C0和C1的方差分别为

目标和背景的类间方差为

2.2 数学形态学

数学形态学［11］最初是用来处理二值图像，后来扩展到灰度图像，到现在为止，已发展成为图像处理的重要研究领域之一。其基本思想是用具有一定形态的结构元素去量度和提取图像中的对应形状以达到对图像分析和识别的目的。数学形态学描述语言是集合论，最基本的运算包括膨胀和腐蚀、开启和闭合，通过以上方法的联合使用，得到图像的形态结构。腐蚀和膨胀运算是数学形态学中最基本的两种运算。腐蚀的基本方法是用预先定义好的结构元素在图像中检测能够完全容纳这一元素的空间。对于不同的图像可以选用不同的结构元素，结构元素的选取可以决定获得图像信息的侧重点。膨胀运算与腐蚀运算基本相似，它们存在互补的关系。腐蚀能够去除图形表面像素，将图形逐步缩小，从而可以达到消去点状图形和连通像素的效果。而膨胀就是将图形的边缘扩大，可以使图形的边缘更加平滑。开运算和闭运算是在腐蚀和膨胀的基础上建立起来的。开运算的实质是对图像先进行腐蚀运算再进行膨胀运算，闭运算的实质是对图像先膨胀后腐蚀。

2.3 基于最大类间方差法与数学形态学的分割步骤

基于OTSU算法和数学形态学的舌像分割的基本流程如图1所示。首先对预处理图像进行灰度变换，然后对图像进行中值滤波，将图像中比较明显的黑点、突刺和纹理淡化，降低其对特征图像的影响，接着用OTSU算法对经过滤波处理的图像进行阈值分割，得到分割后的图像。由于分割后的图像一般不够理想，存在许多干扰点或者比较深的纹理，这就需要数学形态学对图像进行填充和滤波，使得图像具有良好的可视性，最后对图像进行边缘提取，以达到高精度的边缘图像。

图1 基于OTSU算法和数学形态学的舌像分割流程图

3 实验结果及分析

本文所有图像的识别、图像预处理、图像分割以及边缘检测均在Matlab R2010a环境下编程实现。

3.1 舌像滤波

舌图像在采集、传输和接收的过程中，不可避免地存在着外部干扰和内部干扰。这些噪声使舌图像质量变差，降低了图像的质量而使图像模糊，甚至失去重要特征。这些噪声直接影响着后续特征分类的准确性和精度，给舌图像的客观化分析带来困难。所以首先要对原始图像进行灰度校正和噪声过滤等图像预处理。

图2 不同滤波方法的比较

经中值滤波、自适应滤波和中值滤波对比实验发现（图2所示），图像经过中值滤波后，有效地去除了图像中的噪声，去噪效果最好。中值滤波是一种非线性滤波，可以在不减少图像对比度的情况下减小异常值得影响。所以，本文首先对所选的舌像进行中值滤波，并给出了滤波后的舌像灰度直方图，如图3所示。

图3 舌像预处理

3.2 舌象分割

首先对预处理图像进行灰度变换，然后对图像进行中值滤波，如图4所示。在中值滤波的基础上，经OTSU算法阈值分割后获得舌像的分割图像，利用最大类间方差法得到的二值图像，舌体与周围连接的多余组织部分已经断开，从而实现区域块与块之间模糊边界的分离。由于分割后的图像一般不够理想，存在许多干扰点或者比较深的纹理，这就需要采用数学形态学对图像进行填充和滤波，再经过反复使用开启、闭合运算将图像中无关的元素滤除，使得图像具有良好的可视性。最后把二值图与原图进行与运算，获得最后的分割图像。

图4 基于最大类间方差法与数学形态学的分割效果图

3.3 舌像边缘检测

为比较不同舌像的纹理特征，利用基于最大类间方差与数学形态学的相结合的方法对纹裂舌和地图舌进行分割，并对分割后的舌像进行了特征的提取，实验结果如图5所示。边缘检测是图像处理和计算机视觉中的基本问题，边缘检测的目的是标识数字图像中亮度变化明显的点。综合Canny算子，Laplascian算子以及sobel算子特征提取方法的对比，可以清晰的看出Canny算子特征提取的效果最佳，容易检测出真正弱边缘，更具有鲁棒性。

图5 对分割后的舌像进行边缘检测

4 结语

图像分割是自动目标识别的重要组成部分，图像分割的正确性和自适应性在一定程度上反映了目标检测、识别的智能化程度。实验表明：1）分割前图像预处理中，中值滤波有效地去除了图像中的噪声，去噪效果最好。2）采用OTSU算法和数学形态学相结合的方法，对由中医舌象分析仪采集的舌象进行舌体分割，能够将图中大量的不感兴趣元素滤除掉，获得清晰的边缘图像，使获得的舌像清晰且精确。该算法克服了大量噪声对图像提取的影响，对舌像的分割具有良好的效果。3）在分割后舌像边缘检测对比实验中，Canny算子特征提取的效果最佳，容易检测出真正弱边缘。

［1］朱文锋.中医诊断学［M］.上海：上海科学技术出版社，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，杨杰.基于图像处理的中医舌像特征分析方法［J］.红外与激光工程，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，杨杰，周越，等.图像分割技术在中医舌诊客观化研究中的应用［J］.生物医学工程学杂志，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.中医舌像分割提取算法的研究与应用［D］.沈阳：东北大学，2007. MENG Hao.The Research and Application of Tongue Image Segmentation and Extraction Algorithm for Traditional Chinese Medicine［D］.Shenyang：Northeastern University，2007.

［6］朱洁华，阮邦志，励俊雄，等.舌诊客观化研究的一种图像处理方法［J］.中国生物医学工程学报，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］景晓军，蔡安妮，孙景鳌.一种基于二维最大类间方差的图像分割算法［J］.通信学报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

辽宁省教育厅科学研究一般项目（编号：L2015333）资助。

高清河，男，博士研究生，讲师，研究方向：数字医学图像及信号处理。