一种舌象点刺的检测与计数方法技术

本发明专利技术提供一种舌象点刺的检测与计数方法，包括对拍摄的原始舌象图像进行裁剪选区，利用原始舌象图像的颜色信息和位置信息确定掩码图像并通过裁剪获得舌体分割区域；对舌体分割区域调整舌体分割区域大小，然后根据RGB颜色分量提取获得RGB舌图，将RGB舌图的B分量作为灰度图；利用点刺与周围颜色差异进行点刺提取过程；依据点刺的圆形度以及点刺的面积大小滤除伪点刺，最终得到连通域计数。本发明专利技术能够有效地区分点刺与裂纹等其他影响因素，使点刺的定位与计数更加准确，从而对点刺有关疾病的早期预警有很大助益。

【技术实现步骤摘要】
一种舌象点刺的检测与计数方法
本专利技术涉及图像处理
，具体涉及一种舌象点刺的检测与计数方法。
技术介绍
舌诊是中医四诊的重要组成部分，现代研究表明，舌与全身营养状况、急性炎症刺激等多种疾病因素有关，具有一定的诊断价值。然而几千年来，中医一直依靠眼睛来观察体会舌象所反映的信息。该方法通常较为主观，重复性较差，且辨证论治没有统一的标准。在舌诊中，点是指鼓起于舌面的红色或紫红色星点，刺是指舌乳头突起如刺。点、刺相似，多见于舌的边尖部分。点、刺舌提示脏腑热极，或血分热盛。点、刺是由蕈状乳头增生，数目增多，充血肿大而形成。一般点、刺越多，邪热越盛。对点刺的检测也是对舌纹理检测的重要组成。目前运用较多的检测点刺的方法是利用边缘检测法根据点刺与周围环境差异较大来实现，该方法对舌上噪声造成的伪点刺分辨效果较差，并且对拍摄光源要求较高。
技术实现思路
有鉴于此，本专利技术要解决的问题是提供一种舌象点刺的检测与计数方法。为解决上述技术问题，本专利技术采用的技术方案是：一种舌象点刺的检测与计数方法，包括如下步骤：S1：对拍摄的原始舌象图像进行裁剪选区，利用原始舌象图像的颜色信息和位置信息确定掩码图像并通过裁剪获得舌体分割区域；S2：对舌体分割区域调整舌体分割区域大小，然后根据RGB颜色分量提取获得RGB舌图，将RGB舌图的B分量作为灰度图；S3：利用点刺与周围颜色差异进行点刺提取过程；S4：依据点刺的圆形度以及点刺的面积大小滤除伪点刺，最终得到连通域计数。在本专利技术中，优选地，所述步骤S3包括如下步骤：S31：遍历RGB舌图，依照点刺像素点判定条件获得RGB舌图上所有像素点的位置；S32：取上述像素点的中心点，依照第一点刺判定条件获得第一点刺集合；S33：依照第二点刺判定条件获得第二点刺集合。在本专利技术中，优选地，所述点刺像素点判定条件为所述RGB舌图的R分量取值范围为130-190，G分量取值范围为70-130，B分量取值范围为60-120。在本专利技术中，优选地，所述第一点刺判定条件为所述像素点周围9*9矩阵灰度的平均值与所述像素点周围21*21矩阵灰度的平均值之差大于4.5，所述第二点刺判定条件为所述像素点周围23*23矩阵灰度的平均值与所述像素点周围35*35矩阵灰度的平均值之差大于5。在本专利技术中，优选地，步骤S32和步骤S33中矩阵大小是基于第一点刺和第二点刺的面积以及点刺之间的距离确定的，第一点刺集合反映的是小点刺的位置分布，第二点刺集合反映的是大点刺的位置分布。在本专利技术中，优选地，所述步骤S4包括如下步骤：S41：将第一点刺集合和第二点刺集合周围符合填充矩阵要求的点标记为填充点得到填充点集，所述第一点刺集合、所述第二点刺集合和填充点集构成填充区域；S42：将步骤S41中的第一点刺集合、第二点刺集合和填充点集映射至原始舌象图像标记为白色，其余标记为黑色；S43：采用cvFindContours函数检测所有轮廓，提取并得到连通域的轮廓；S44：依照圆形度筛选策略排除面积小于50或大于400，同时满足圆形度小于0.5条件的连通域；S45：计算剩余连通域数目，映射并标记至原始舌象图像为点刺区域。在本专利技术中，优选地，所述圆形度筛选策略为先提取轮廓线所包围的像素点数目以及轮廓最小外接圆面积，再利用圆形度面积率计算公式得到圆形度数值：C′＝S/C，其中，S为轮廓线所包围的像素点数，C是轮廓最小外接圆面积。在本专利技术中，优选地，轮廓最小外接圆面积的提取过程具体包括如下步骤：T1：任选轮廓上两点，以该两点距离为直径并且要求该两点在圆上作圆；T2：判断轮廓的下一个点Q是否在圆内或者圆上，若在判断为真，则继续此步骤；若判断为假进入步骤T3；T3：用Q点与圆上距离Q点最远的点再次作圆，返回值步骤T2直至遍历完成轮廓内所有的点；T4：选取最后所作圆的直径计算圆的面积。在本专利技术中，优选地，所述步骤S43提取连通域的轮廓具体是将cvFindContours函数参数中mode设置为CV_RETR_EXTERNAL，method设置为CV_CHAIN_APPROX_NONE，提取出所有点刺的轮廓，其中CV_RETR_EXTERNAL为提取只检测外轮廓，忽略轮廓内部的孔洞，CV_CHAIN_APPROX_NONE为将所有的连码点转换成点。在本专利技术中，优选地，所述步骤S1包括如下步骤：S11：对原始舌象图像进行降采样和高斯滤波处理；S12：利用原始舌象图像的颜色信息和位置信息标记掩码图像；S13：通过建立训练模型对掩码图像进行迭代学习，得到迭代学习后的掩码图像，将该掩码图像在原始舌象图像中裁剪得到舌体分割区域。本专利技术具有的优点和积极效果是：本专利技术的设计思路为先将舌体分割出之后，每个舌像素点作为中心点，利用该中心点的周围大小两个矩阵的灰度平均值的差值，提取点刺备选点，再利用点刺形状特征去除伪点刺，最终获得所有点刺并计数。该算法简洁方便，利用C++与OpenCV库实现，可移植性高，可供多种平台调用；此外，该算法有效地区分点刺与裂纹等其他影响因素，使点刺的定位与计数更加准确，从而对点刺有关疾病的早期预警有很大助益；该算法受环境影响较小，算法稳定性与可重复性强。附图说明附图用来提供对本专利技术的进一步理解，并且构成说明书的一部分，与本专利技术的实施例一起用于解释本专利技术，并不构成对本专利技术的限制。在附图中：图1是本专利技术的一种舌象点刺的检测与计数方法的对原始舌象图像进行裁剪选取后的示意图；图2是本专利技术的一种舌象点刺的检测与计数方法的利用原始舌象图像的颜色信息和位置信息得到的H通道示意图；图3是本专利技术的一种舌象点刺的检测与计数方法的经过迭代学习后得到的掩码图像；图4是本专利技术的一种舌象点刺的检测与计数方法的对舌体分割区域调整舌体分割区域大小提取B分量后的灰度图；图5是本专利技术的一种舌象点刺的检测与计数方法的进行点刺提取得到填充区域示意图；图6是本专利技术的一种舌象点刺的检测与计数方法的执行圆形度筛选策略后的示意图；图7是本专利技术的一种舌象点刺的检测与计数方法的步骤S1的流程示意图；图8是本专利技术的一种舌象点刺的检测与计数方法的步骤S2、S3、S4的流程示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。需要说明的是，当组件被称为“固定于”另一个组件，它可以直接在另一个组件上或者也可以存在居中的组件。当一个组件被认为是“连接”另一个组件，它可以是直接连接到另一个组件或者可能同时存在居中组件。当一个组件被认为是“设置于”另一个组件，它可以是直接设置在本文档来自技高网...

【技术保护点】
1.一种舌象点刺的检测与计数方法，其特征在于，包括如下步骤：/nS1：对拍摄的原始舌象图像进行裁剪选区，利用原始舌象图像的颜色信息和位置信息确定掩码图像并通过裁剪获得舌体分割区域；/nS2：对舌体分割区域调整舌体分割区域大小，然后根据RGB颜色分量提取获得RGB舌图，将RGB舌图的B分量作为灰度图；/nS3：利用点刺与周围颜色差异进行点刺提取过程；/nS4：依据点刺的圆形度以及点刺的面积大小滤除伪点刺，最终得到连通域计数。/n

【技术特征摘要】
1.一种舌象点刺的检测与计数方法，其特征在于，包括如下步骤：
S1：对拍摄的原始舌象图像进行裁剪选区，利用原始舌象图像的颜色信息和位置信息确定掩码图像并通过裁剪获得舌体分割区域；
S2：对舌体分割区域调整舌体分割区域大小，然后根据RGB颜色分量提取获得RGB舌图，将RGB舌图的B分量作为灰度图；
S3：利用点刺与周围颜色差异进行点刺提取过程；
S4：依据点刺的圆形度以及点刺的面积大小滤除伪点刺，最终得到连通域计数。


2.根据权利要求1所述的一种舌象点刺的检测与计数方法，其特征在于，所述步骤S3包括如下步骤：
S31：遍历RGB舌图，依照点刺像素点判定条件获得RGB舌图上所有像素点的位置；
S32：取上述像素点的中心点，依照第一点刺判定条件获得第一点刺集合；
S33：依照第二点刺判定条件获得第二点刺集合。


3.根据权利要求2所述的一种舌象点刺的检测与计数方法，其特征在于，所述点刺像素点判定条件为所述RGB舌图的R分量取值范围为130-190，G分量取值范围为70-130，B分量取值范围为60-120。


4.根据权利要求2所述的一种舌象点刺的检测与计数方法，其特征在于，所述第一点刺判定条件为所述像素点周围9*9矩阵灰度的平均值与所述像素点周围21*21矩阵灰度的平均值之差大于4.5，所述第二点刺判定条件为所述像素点周围23*23矩阵灰度的平均值与所述像素点周围35*35矩阵灰度的平均值之差大于5。


5.根据权利要求1所述的一种舌象点刺的检测与计数方法，其特征在于，所述步骤S4包括如下步骤：
S41：将第一点刺集合和第二点刺集合周围符合填充矩阵要求的点标记为填充点得到填充点集，所述第一点刺集合、所述第二点刺集合和填充点集构成填充区域；
S42：将步骤S41中的第一点刺集合、第二点刺集合和填充点集映射至原始舌象图像标记为白色，其余标记为黑色；
S43：采用cvFindContours函数检测所有轮廓，提取并得到连通域的轮廓；
S44：依照圆形度筛选策略排除面积...

【专利技术属性】
技术研发人员：周鹏，徐雯，杨佳欣，侯攀登，余辉，何峰，明东，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津;12