一种基于颜色空间确定舌色苔色的方法及系统技术方案

本申请公开了一种基于颜色空间确定舌色苔色的方法及系统。其中，该方法包括：将舌部图像聚类成若干舌部子集；确定所述舌部图像的所有像素点的坐标值，根据所述所有像素的坐标值，确定舌部轮廓图像，所述舌部轮廓图像为剔除非舌质像素点且非舌苔像素点后的舌部图像；根据所述舌部轮廓图像的像素点以及中心点，确定像素点的离散程度，根据所述离散程度将所述若干舌部子集划分为舌质子集和舌苔子集；通过HSV颜色空间确定舌色范围和苔色范围，并根据所述舌色范围确定所述舌质子集中的舌色，根据所述苔色范围确定所述舌苔子集的苔色。

【技术实现步骤摘要】
一种基于颜色空间确定舌色苔色的方法及系统
本申请涉及电力系统
，特别是涉及一种基于颜色空间确定舌色苔色的方法及系统。
技术介绍
中医是我们中华民族的瑰宝，是经过数千年很多代人不断完善的智慧结晶。随着时代的发展和社会的进步，以及中医治未病理念的深入人心，中医和现代科技相结合，产生了一系列的现代化成果。除了中药的现代化提取与制作，中医的诊断方法也在向着自动化、数字化的方向发展。正如《古今医统》所说：“望闻问切四字，诚为医之纲领。”即望闻问切组成了中医诊断的四诊。《灵枢·本脏篇》：“视其外应，以知其内脏，则知所病矣。”可知望诊具有非常重要的作用。望诊可以分为面诊和舌诊。《辨舌指南》：“辨舌质可辨脏腑的虚实，视舌苔可察六淫之浅深。”舌为心之苗，脾之外候，苔由胃气所生。脏腑通过经脉与舌相联，脏腑病变，可在舌质和舌苔上反映出来。舌诊主要诊断舌质和舌苔的形态、色泽等，以此判断疾病的性质、病势的浅深、气血的盛衰及脏腑的虚实等。随着图像处理技术的逐步发展，机器学习和深度学习等人工智能技术的不断成熟，深度卷积神经网络开始应用到中医舌诊之中，并产生了多种方法。但是当前在分析舌色苔色时，都需要先进行苔质分离，把舌部图像分成舌质部分和舌苔部分，进而对舌质颜色和舌苔颜色进行分析。但是使用kmeans等聚类算法进行聚类时，需要指定类别总数；而舌苔有时会和面部或者其他非舌苔区域颜色相似，导致直接聚类3类(舌苔，舌质，背景)时会出现偏差。针对上述的现有技术中存在的当前在分析舌色苔色时，都需要先进行苔质分离，把舌部图像分成舌质部分和舌苔部分，进而对舌质颜色和舌苔颜色进行分析。但是使用kmeans等聚类算法进行聚类时，需要指定类别总数；而舌苔有时会和面部或者其他非舌苔区域颜色相似，导致直接聚类3类(舌苔，舌质，背景)时会出现偏差的技术问题，目前尚未提出有效的解决方案。
技术实现思路
本公开的实施例提供了一种基于颜色空间确定舌色苔色的方法及系统，以至少解决现有技术中存在的当前在分析舌色苔色时，都需要先进行苔质分离，把舌部图像分成舌质部分和舌苔部分，进而对舌质颜色和舌苔颜色进行分析。但是使用kmeans等聚类算法进行聚类时，需要指定类别总数；而舌苔有时会和面部或者其他非舌苔区域颜色相似，导致直接聚类3类(舌苔，舌质，背景)时会出现偏差的技术问题。根据本公开实施例的一个方面，提供了一种基于颜色空间确定舌色苔色的方法，包括：将舌部图像聚类成若干舌部子集；确定舌部图像的所有像素点的坐标值，根据所有像素的坐标值，确定舌部轮廓图像，舌部轮廓图像为剔除非舌质像素点且非舌苔像素点后的舌部图像；根据舌部轮廓图像的像素点以及中心点，确定像素点的离散程度，根据离散程度将若干舌部子集划分为舌质子集和舌苔子集；通过HSV颜色空间确定舌色范围和苔色范围，并根据舌色范围确定舌质子集中的舌色，根据苔色范围确定舌苔子集的苔色。根据本公开实施例的另一方面，还提供了一种基于颜色空间确定舌色苔色的系统，包括：聚类舌部子集模块，用于将舌部图像聚类成若干舌部子集；确定舌部轮廓图像模块，用于确定舌部图像的所有像素点的坐标值，根据所有像素的坐标值，确定舌部轮廓图像，舌部轮廓图像为剔除非舌质像素点且非舌苔像素点后的舌部图像；划分舌质舌苔模块，用于根据舌部轮廓图像的像素点以及中心点，确定像素点的离散程度，根据离散程度将若干舌部子集划分为舌质子集和舌苔子集；确定舌色苔色模块，用于通过HSV颜色空间确定舌色范围和苔色范围，并根据舌色范围确定舌质子集中的舌色，根据苔色范围确定舌苔子集的苔色。在本专利技术中，确定舌部图像的所有像素点的坐标值，根据所有像素的坐标值，确定舌部轮廓图像，舌部轮廓图像为剔除非舌质像素点且非舌苔像素点后的舌部图像。据舌部轮廓图像的像素点以及中心点，确定像素点的离散程度，根据离散程度将若干舌部子集划分为舌质子集和舌苔子集。通过HSV颜色空间确定舌色范围和苔色范围，并根据舌色范围确定舌质子集中的舌色，根据苔色范围确定舌苔子集的苔色本专利技术是将舌部图像聚类分成若干舌部子集，再确定出属于舌苔和舌质的子集；对各个子集判断颜色，从而得出舌色和苔色。将舌部图像分成若干舌部子集，使得对舌部图像的分析更加细致，从而减少偏差。进而解决了现有技术中存在的当前在分析舌色苔色时，都需要先进行苔质分离，把舌部图像分成舌质部分和舌苔部分，进而对舌质颜色和舌苔颜色进行分析。但是使用kmeans等聚类算法进行聚类时，需要指定类别总数；而舌苔有时会和面部或者其他非舌苔区域颜色相似，导致直接聚类3类(舌苔，舌质，背景)时会出现偏差的技术问题。附图说明此处所说明的附图用来提供对本公开的进一步理解，构成本申请的一部分，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。在附图中：图1是根据本公开实施例所述的一种基于颜色空间确定舌色苔色的方法的流程示意图；图2是根据本公开实施例所述的舌部图像示意图；图3是根据本公开实施例所述的10个舌部子集的示意图；图4是根据本公开实施例所述的各个舌部子集的中心点的示意图；图5是根据本公开实施例所述的HSV颜色空间划分的示意图；图6是根据本公开实施例所述的一种基于颜色空间确定舌色苔色的系统的流程示意图。具体实施方式现在参考附图介绍本专利技术的示例性实施方式，然而，本专利技术可以用许多不同的形式来实施，并且不局限于此处描述的实施例，提供这些实施例是为了详尽地且完全地公开本专利技术，并且向所属
的技术人员充分传达本专利技术的范围。对于表示在附图中的示例性实施方式中的术语并不是对本专利技术的限定。在附图中，相同的单元/元件使用相同的附图标记。除非另有说明，此处使用的术语(包括科技术语)对所属
的技术人员具有通常的理解含义。另外，可以理解的是，以通常使用的词典限定的术语，应当被理解为与其相关领域的语境具有一致的含义，而不应该被理解为理想化的或过于正式的意义。首先，在对本公开实施例进行描述的过程中出现的部分名词或术语适用于如下解释：K-means:K-Means是一种聚类分析(ClusterAnalysis)方法。聚类就是将数据对象分组成为多个类或者簇(Cluster)，使得在同一个簇中的对象之间具有较高的相似度，而不同簇中的对象差别较大。聚类算法是一种无监督学习算法。k均值算法是其中应用最为广泛的一种，算法接受一个未标记的数据集，然后将数据聚类成不同的组。算法最大的特点是简单，好理解，运算速度快，但是只能应用于连续型的数据，并且一定要在聚类前需要手工指定要分成几类。根据本实施例的第一个方面，提供了一种基于颜色空间确定舌色苔色的方法100。图1示出了该方法的流程示意图，参考图1所示，该方法100包括：S102：将舌部图像聚类成若干舌部子集；S104：确定舌部图像的所有像素点的坐标值，根据所有像素的坐标值，确定舌部轮廓图像，舌部轮廓图像为剔除非舌质像素点且非舌苔像素点后的舌部图像；S106：根据舌部轮廓图像的像素点以本文档来自技高网...

【技术保护点】
1.一种基于颜色空间确定舌色苔色的方法，其特征在于，包括：/n将舌部图像聚类成若干舌部子集；/n确定所述舌部图像的所有像素点的坐标值，根据所述所有像素的坐标值，确定舌部轮廓图像，所述舌部轮廓图像为剔除非舌质像素点且非舌苔像素点后的舌部图像；/n根据所述舌部轮廓图像的像素点以及中心点，确定像素点的离散程度，根据所述离散程度将所述若干舌部子集划分为舌质子集和舌苔子集；/n通过HSV颜色空间确定舌色范围和苔色范围，并根据所述舌色范围确定所述舌质子集中的舌色，根据所述苔色范围确定所述舌苔子集的苔色。/n

【技术特征摘要】
1.一种基于颜色空间确定舌色苔色的方法，其特征在于，包括：
将舌部图像聚类成若干舌部子集；
确定所述舌部图像的所有像素点的坐标值，根据所述所有像素的坐标值，确定舌部轮廓图像，所述舌部轮廓图像为剔除非舌质像素点且非舌苔像素点后的舌部图像；
根据所述舌部轮廓图像的像素点以及中心点，确定像素点的离散程度，根据所述离散程度将所述若干舌部子集划分为舌质子集和舌苔子集；
通过HSV颜色空间确定舌色范围和苔色范围，并根据所述舌色范围确定所述舌质子集中的舌色，根据所述苔色范围确定所述舌苔子集的苔色。


2.根据权利要求1所述的方法，其特征在于，确定所述舌部图像的所有像素点的坐标值，根据所述所有像素的坐标值，确定舌部轮廓图像，包括：
确定所述舌部图像的所有像素点的纵坐标值；
在第一纵坐标值小于第一阈值的情况下，将与所述第一纵坐标值对应的像素点确定为非舌质像素点且非舌苔像素点；
在第二纵坐标值大于第二阈值的情况下，将与所述第二纵坐标值对应的像素点确定为非舌质像素点且非舌苔像素点；
将所述非舌质像素点和所述非舌苔像素点进行剔除，确定剔除后的舌部图像为舌部轮廓图像。


3.根据权利要求1所述的方法，其特征在于，在根据所述舌部轮廓图像的像素点以及中心点，确定像素点的离散程度之前，包括：
根据以下公式，确定所述舌部轮廓图像的中心点的坐标值：



其中，所述表示所述舌部轮廓图像的中心点的坐标值，(xi，yi)表示所述舌部轮廓图像的第i个像素点，N表示所述舌部轮廓图形有N个像素点。


4.根据权利要求3所述的方法，其特征在于，根据所述舌部轮廓图像的像素点以及中心点，确定像素点的离散程度，包括：
根据以下公式，确定所述舌部轮廓图像的像素点距离中心点的平均距离：



其中，所述dist为所述平均距离；
将所述平均距离确定为所述像素点的离散程度。


5.根据权利要求4所述的方法，其特征在于，根据所述离散程度将所述若干舌部子集划分为舌质子集和舌苔子集，包括：
将所述离散程度与第三阈值进行对比；
在所述离散程度大于第三阈值的情况下，确定与所述离散程度对应的像素点属于舌质子集；
在所述离散程度小于第三阈值的情况下，确定与所述离散程度对应的像素点属于舌苔子集。


6.根据权利要求1所述的方法，其特征在于，
所述舌色分为舌淡紫、舌淡白、舌淡红、舌红、...

【专利技术属性】
技术研发人员：魏春雨，宋臣，汤青，王东卫，
申请(专利权)人：新绎健康科技有限公司，
类型：发明
国别省市：河北;13